Jorge Camoes says you can learn a lot about/from the data during the preparation stage.Jorge Camoes says you can learn a lot about/from the data during the preparation stage.Jorge Camoes says you can learn a lot about/from the data during the preparation stage.Jorge Camoes says you can learn a lot about/from the data during the preparation stage.Jorge Camoes 表示，在准备阶段你可以从数据中学到很多东西。 Jorge Camoes 对数据可视化充满热情。 在默克 (Merck) 的商业分析领域取得成功后，Camoes 创立了 WiseVis，这是一家位于葡萄牙奥埃拉斯的数据可视化咨询公司。 卡莫斯被广泛认为是流行博客的作者Excel 图表，其中他分享了使用 Excel 等常用工具充分利用数据的策略。
他刚刚出版了他的第一本书，工作中的数据，他进一步探讨了这些主题，为读者提供了关于数据可视化潜力和实施执行仪表板策略的深思熟虑的讨论。 他最近在 JMP Explorers 研讨会上发表在英国马洛。 您可以阅读他的演讲摘要他的博客。
我问了他一些关于探索和可视化数据的问题。
第一步：数据准备。我的数据必须有多好或完整才能可用？
如果您可以轻松连接到组织的信息基础设施，并以您想要的方式准确获取您想要的数据，并如实、彻底、及时地回答问题，那么恭喜您，您可能已经拥有了可以使用的良好数据。 你是一只美丽的独角兽。
Jorge Camoes just published his first book, Data At Work.Jorge Camoes just published his first book, Data At Work.Jorge Camoes just published his first book, Data At Work.Jorge Camoes just published his first book, Data At Work.豪尔赫·卡莫斯 (Jorge Camoes) 刚刚出版了他的第一本书《工作中的数据》。现实世界更加丑陋：在每个组织中，都有一个秘密的黑暗地下室（高层管理人员不知道），里面潜伏着一些生物，其工作描述包括“数据准备”以及其他类似令人讨厌的任务。 好吧，我无法证明这些地下室是真实的，但数据准备确实是任何数据分析项目中一项资源密集型、耗时的、不吸引人的、未被充分重视但基本的任务。
虽然我们拥有越来越多、更好的 ETL 工具，但我们经常不得不处理一些原本不应该出现的问题，例如转换 PDF 文件。 以下是一个良好做法的示例：联合国人口司在常规 Excel 电子表格中发布人口预测和估计，需要一些工作才能进行转换。 它还使数据以格式良好的 CSV 文件形式提供。 这种双重格式满足了大多数用户的需求，应该成为标准做法。 如果您需要了解为什么结构良好的数据是数据分析的基石，Hadley Wickham 的整齐的数据(PDF) 是一本必备读物。
我假设使用数据时概念不会有问题，但情况并非总是如此。 例如，美国农业部发布有关粮食供应的数据。 根据美国农业部的说法，这是实际食物消费的良好替代指标，使其成为分析美国饮食模式变化的重要来源。 您的项目应该明确解释这一点并确保观众知道其中的区别。 通常，您必须处理不太良性的假设。
最后提示：我不会将数据准备和数据使用视为两个不同的步骤。 在准备阶段你可以从数据中学到很多东西。
第 2 步：我应该为我的数据选择哪个图表？ 我不应该为我的数据选择哪些图表？
您应该考虑两件事：第一，图表本身，第二，特定情况下的图表。想想折线图：发现趋势非常容易。 具有相同数据的表格会告诉您一些有趣的事情，但了解这种趋势会困难得多。 数据可视化在某种程度上就像一个烹饪机器人：它不会让你成为更好的厨师，但它会利用表格并优化一些更耗时的步骤，让你专注于结果。
换句话说，数据可视化对数据进行预处理，减轻一些认知任务的负担，让大脑专注于更高级别的任务。 如果您想设计有效的图表，您应该选择您认为可以最大化效果的图表类型和格式选项。 永远别忘了这是针对具体情况的。 人们倾向于从纯粹理性的角度思考“有效性”，但您可能需要考虑情感或更引人注目的设计。 您应该期待一些权衡。
不应从数据可视化工具包中删除任何图表。 条形图通常被视为安全的选择，但它可能是糟糕的选择。 饼图受到诟病，但它们非常适合显示总体比例。
如果图预处理数据的能力较低，则不应使用图，但还有更多需要考虑的因素。 当使用数据可视化进行交流时，图表是对话的一部分，因此不应该让人觉得它不属于那里。 如果你认为这图表是正确的沟通方式这消息，只需使用它即可。 如果您的听众不熟悉它，请解释一下，就像您对不太熟悉的单词所做的那样。 相反的情况（愚蠢的图表和复杂的主题）可能会破坏您的信息：如果您在讨论大数据时使用 3D 饼图，我不会认真对待您。 有一种我无法解决的认知失调。
“饼图”是这个问题的默认答案，也是人们通常期望的答案。 我认为这是一种平衡的方法：可以使用饼图和仪表等效率较低的图表作为切入点，并始终遵循相同数据的更复杂的视图。 然而，如果饼图或仪表广泛用作独立图表，我会怀疑组织的数字和视觉素养较低（应该对此采取措施）。
第 3 步：在数据探索过程中我应该注意哪些常见陷阱？
假设您拥有正确的数据并且打开了数据探索模式。 首先，不要指望遵循一条线性路径，一个接一个地找到预定义问题的答案。 这是一个简单的表更新，而不是探索。 你对某个主题了解得越多，你就越倾向于接受单一路径的想法。 抵制这一点：为一些随机探索留出空间，即使它最终毫无结果。
这有助于对抗确认偏见（我们倾向于选择证实我们先前存在的信念的数据），这是困扰我们探索的众多个人偏见之一。 不可能了解所有这些，因此我们的结果越早向广大受众公开越好。通常，只有当您使用不同的技术或改变您的观点时，有些事情才会变得显而易见。 这安斯科姆四重奏这是一个很好的例子，说明了不同的探索技术如何相互补充：分布显然是相同的，但只有图表揭示了它们非常不同的概况。 但是，既然您了解了这些概况，您就可以选择更好的统计指标（例如，中位数而不是平均值）。
探索分布是必要的第一步，因为它的中心提供了一个心理锚点，并且异常值通常是有意义的。 但当你开始探索变量之间的关系时，事情会变得更加有趣。 我喜欢其中的链接数据功能联合管理计划， 例如。 但是像这样的网站是有原因的虚假相关性太有趣了：我们天生就喜欢寻找模式和关系。 事实是，我们常常不了解这些关系的本质，并且愿意从明显的关联转变为强烈的因果关系。
最后，这是不言而喻的，不要强迫数据说出不存在的内容：不要歪曲事实，不要精挑细选，不要使用格式选项来发送错误的消息。
步骤 4：您是否认为数据可视化中有任何潜在的或统一的原则可以指导最佳实践？
想象一首诗和一篇散文：它们可以使用相同的语言，但它们没有更多的共同点，甚至可以以“艺术许可”的名义打破这一点。数据可视化也是如此，在某种程度上，数据可视化也是一种语言。 在我看来（并遵循 Jacques Bertin 的观点），“数据可视化”仅仅意味着基础表格的视觉转录。 从这个意义上说，不存在统一的目的或共同的原则。 您必须对其进行细分并尝试识别一些集群，例如数据艺术、视觉统计、媒体信息图表或业务可视化。
试图找到在所有这些集群中都有效的基本原则是徒劳的。 即使你关注眼脑系统的共同特征（眼睛生理学、格式塔定律、颜色处理），每个群体也会以不同的方式使用它们。 其中一些集群会优先考虑沟通有效性，其他集群会更喜欢审美体验，还有一些集群会介于两者之间。 联合管理计划用户可能会重视有效性，但请注意，这并不是制作丑陋图表的许可。
如果您像我一样并且没有任何图形设计师的骨头，请尽力了解其影响并证明每个设计选项的合理性。 以颜色这样的复杂问题为例：您可以从功能角度（管理刺激强度或象征意义）来处理它，然后应用专业设计的调色板（从彩色啤酒厂， 例如）。
第 5 步：对于向不具备数据意识的人（例如管理层）展示数据，您有什么建议吗？
这一切都归结为最大限度地降低良好决策的成本。 数据可视化不应被视为万能药。 许多管理者并不认真对待数据可视化，因为他们看到的只是饱和的颜色和闪亮的 3D 效果，空洞的卡路里可能非常容易上瘾，但对决策的积极影响为零。 更糟糕的是，好的数据可视化，就像好的设计一样，是看不见的、显而易见的。 为了认识到它的优点，管理者必须意识到它们。 称之为 A/B 测试、之前/之后、游击测试（一定要为你发现的每个无效的测试设计一个更好的图表），但展示具体的改进是让人们接受你的想法、摆脱应用花哨的关键，图形默认值，并对抗惯性。
一些经理倾向于更喜欢表格中的硬数据。 确保他们可以轻松访问格式良好的表格，但同时设计图表来解决几乎不可能从表格中获得的痛点和见解（有用的关系、分组、快速异常值识别）。不要假设高层管理人员对数据可视化工具感兴趣，或者他们渴望花一小时使用精心设计的仪表板探索数据。 同样，关键思想是可视化应该最大限度地降低获取见解的成本。
你喜欢这次采访吗？ 观看录音豪尔赫·卡莫斯研讨会你方便的时候。
