통계적으로 말하기 에피소드를 놓치셨다면 과학자와 엔지니어를 위한 데이터 시각화 , 이제 주문형 버전을 사용할 수 있습니다. 우리는 전체 분석 워크플로우에 걸쳐 데이터 시각화의 중요성에 대한 정말 고무적인 관점을 들었습니다!
Calico Labs의 Discovery Technologies 책임자인 Amoolya Singh은 "데이터의 패턴을 보는 방법 학습: 데이터 시각화가 분석 워크플로우를 촉진하는 방법"이라는 놀라운 전체 강연을 했습니다. 직조, 컴퓨팅 및 시각화가 상호 연결되어 있다는 것을 누가 알았습니까? 매력적인!
Amoolya는 또한 Lundbeck의 선임 연구원인 Kathleen Schneider와 함께 패널 토론에 참여했습니다. SAS의 수석 분석 교육 컨설턴트인 Scott Wise. 청중의 모든 질문에 답변할 시간이 없었기 때문에 패널리스트들은 친절하게도 여기에 질문 중 일부에 답변하는 데 동의했습니다.
많은 시각적 개체는 색상으로 구분된 데이터를 표시합니다. 색맹인 사람들을 위해 어떤 편의 시설을 제안하시겠습니까?
스캇: Xan Gregg, 시각화 개발 이사 JMP, 색맹인 사람들을 위한 JMP 그래프 작성에 대한 몇 가지 좋은 권장 사항이 있습니다.
노드 그래프와 tSNE 플롯은 모두 데이터가 풍부하지만 정보가 부족한 경우가 많습니다. 나는 그것들을 해석할 수 있는 그래픽 활용 능력이 발달하지 않은 것처럼 느낍니다. 나는 항상 어떤 부분이 유익한지 명확하게 볼 수 있도록 미리 세심한 품질을 갖춘 그래프와 디스플레이를 원합니다. 어떤 제안이 있으십니까?
스캇: 노드 그래프(네트워크 다이어그램 등)와 tSNE 플롯(PCA 결과 등) 모두 실제로 이해할 수 있도록 그래프에 컨텍스트와 스토리(구두로 설명하거나 그래프 위/주변에 텍스트로 표시)를 포함해야 합니다. 그래프의 패턴을 보는 "방법"입니다. 이러한 유용한 그래프와 함께 스토리텔링을 통합하는 것을 두려워하지 마십시오.
웹 2.0은 데이터 과학 및 분석에 어떤 영향을 미칠까요?
메모: Web 2.0은 World Wide Web 개발의 두 번째 단계로, 특히 정적 웹 페이지에서 동적 콘텐츠 또는 사용자 생성 콘텐츠로의 변화와 소셜 미디어의 성장을 특징으로 합니다. .
스캇: 웹 2.0은 이미 여기에 있습니다(소셜 미디어의 부상에서 볼 수 있듯이). 추세를 분석하고 시각화하기 위해 이 동적 데이터 소스를 수집하지 않는다면(예: 소셜 미디어에서 회사, 제품, 특허, 경쟁업체 등에 대한 텍스트 마이닝 사용) 이미 뒤쳐져 있는 것입니다. 좋은 소개를 보려면 다음을 확인하십시오. “ 웹 2.0 세계에서 번창하기 ” SAS의 블로그입니다.
3D 그래프가 나왔지만 고정된 형식으로 공유하기가 어렵다는 것을 알았습니다. 3D 그래프 결과를 공유하는 것을 어떻게 권장하시겠습니까?
스캇: 첫 번째 규칙은 보는 사람에게 가치를 더하지 않는 3D 그래프를 멀리하는 것입니다. JMP에서 3D 막대 차트가 표시되지 않는 이유는 종종 혼란스럽고 가치를 추가하지 않기 때문입니다.
두 번째 규칙은 3D 그래프가 가치 있는 경우 이를 고정된 정적 형식으로 두는 대신 대화형(예: 필터, 대화형 HTML5 형식 또는 비디오와 함께)으로 사용하도록 하는 것입니다. 그렇게 하면 사용자가 적절하게 상호 작용하고 해석할 수 있습니다. 예를 들어, JMP 3D 산점도(3요인 실험 설정 확인에 대한 패널 토론에서 소개)는 3D 큐브를 움직여서 점의 시점 방향을 변경할 수 없는 경우 JMP 외부에서는 상당히 덜 효과적입니다. 영상. 따라서 JMP를 사용하지 않는 사람들의 경우 일정 기간 동안 관점 방향을 변경하는 로컬 데이터 필터를 설정하고 이를 대화형 HTML5로 저장하여 3D 산점도 탐색의 상호작용을 시뮬레이션해 보세요. 또 다른 옵션은 사용자가 재생할 수 있는 3D 그래프를 직접 탐색하는 짧은 비디오 녹화를 만드는 것입니다.
다양한 회사와 업계에서 사용되는 애니메이션 버블 플롯을 어떻게 보셨나요? 애니메이션이 실행될 때 주석을 달 수 있나요?
스캇: 저는 거의 모든 산업(첨단 기술, 의료, 정부 등)과 다양한 조직 영역에서 사용되는 애니메이션 버블 플롯과 지도를 보았습니다. 제조/공급망에서는 애니메이션 버블 플롯이 성공적으로 사용되어 시간 경과에 따른 제품의 개선이나 추세를 보여줍니다(패널 토론의 예와 같습니다). 연구에서 애니메이션 버블 플롯은 R&D 주기 전반에 걸쳐 제품/구성 요소의 성장이나 변화에 생기를 불어넣는 데 자주 사용됩니다. 영업 부문에서 애니메이션 버블 지도는 여러 지역에 걸쳐 시간 경과에 따른 영업 실적을 보여주는 데 탁월합니다. 버블 도표에 주석을 직접 생성할 수 있지만 시간이 지나도 이동하지 않습니다. 대신 버블 라벨링을 사용하여 시간이 지남에 따라 원하는 주석 정보를 표시하세요.
나는 AP 통계를 가르치기 때문에 여기서 민간 부문에 속하지 않은 유일한 사람일 수도 있습니다. 우리가 이 분야에 대한 관심을 키우려고 노력하면서 저는 항상 실제 세계의 현재 데이터 모음을 살펴보고 시각화를 만들고 프로세스를 단계별로 시연할 수 있는 비디오, TED 강연 및 초청 연사를 찾고 있습니다. 학생들은 특정 직업이 우리가 배우는 내용에 어떻게 적용될 수 있는지 알 수 있습니다. 추천 영상이 있나요?
스콧: 그래픽 교육에 있어 항상 효과적인 공식은 이야기를 전달하고 통계를 생생하게 만드는 매력적인 그래픽으로 학생들의 초기 참여를 유도하는 것입니다. 보여주는 것보다 더 좋은 예는 없다고 생각합니다 Hans Rosling의 2007년 TED 강연 "본 적이 없는 최고의 통계" Hans가 차트와 상호 작용하는 것을 보고 흥분하지 않는다면 아마도 맥박이 없을 것입니다!
또한, 시각화를 주제로 한 JMP 블로그 JMP 커뮤니티는 많은 흥미로운 주제에 대한 통계를 강화하는 시각화에 대한 흥미로운 이야기를 얻을 수 있는 또 다른 좋은 장소입니다. 저인 Ryan DeWitt와 Byron Wingerd가 기여한 내용을 꼭 확인하세요. 또한, JMP 공개 사이트에는 이야기를 전달하는 흥미롭고 대화형 그래픽이 많이 있습니다!
그래픽을 정의하십시오.
스콧: 나는 정의를 좋아한다 위키피디아 : “그래픽 능력은 스케치, 사진, 다이어그램, 지도, 계획, 차트, 그래프 및 기타 비텍스트 형식의 형태로 정보를 이해하고 표현하는 능력으로 정의됩니다.” 이 정의는 그래픽이 이해와 표현을 모두 포함한다는 점을 강조합니다. 또한 이는 다양한 창의적인 형태를 통해 발생할 수 있음을 보여줍니다.
JMP는 사용자가 통계적 유의성뿐만 아니라 실제적 유의성을 평가하는 데 어떻게 도움을 줄 수 있나요?
스콧: 실제적 유의성은 차이의 크기나 효과 크기를 보여주는 것을 의미합니다. 따라서 실무적 유의성과 통계적 유의성을 결합하는 가장 좋은 방법은 항상 통계(통계적 유의성을 설명하는) 옆에 그래프(실습 유의성을 보여주는)를 포함시키는 것이라고 생각합니다. 그래프로 시작한 다음 통계를 보여주십시오. 이는 우리 마음이 정보의 차이를 처리하는 방식에 가장 잘 작동하는 것 같습니다.
캐슬린: 저는 바이오제약 업계에서 다운스트림(정제/분리) 공정을 설계하여 규모를 확대하고 제조 시설로 이전할 수 있도록 하는 일을 하고 있습니다. 제가 디자인을 돕는 프로세스는 복잡하고 상호 작용이 많은 경우가 많습니다. 일반적으로 저는 JMP를 사용할 때 프로세스 효율성을 높이거나(수율 향상 또는 프로세스 시간 단축) 위험 완화(불순물 및 프로세스 실패 위험 감소) 등의 실질적인 문제를 해결하려고 노력합니다. 종종 수율이나 공정 효율성을 높이면 불순물이 증가하거나 공정 실패의 위험이 높아지는 대가를 치르게 됩니다.
우리가 설계하는 프로세스 단계에는 여러 하위 단계가 있습니다. 때로는 초기 공정 조건으로 인해 공정 불순물이 증가하거나 이후 공정 단계까지 관찰되지 않는 기타 부정적인 결과가 발생할 수 있습니다. 상호 작용의 복잡성으로 인해 주 요인, 제곱 요인(효과가 선형인지 곡선인지 여부) 및 2요인 상호 작용의 통계적 유의성을 평가하는 등 실험 설계 및 다변량 분석에 JMP를 사용하는 것은 강력한 방법입니다. 어떤 주요 요인과 2요인 상호 작용이 추적하고 수정해야 하는 가장 중요한 요인인지, 어떤 요인이 프로세스에 중요하지 않은지 평가합니다. 이 데이터를 시각화하기 위해 JMP를 사용하는 것 역시 매우 강력합니다. 데이터는 프로세스를 개선하거나 프로세스 및 제품 관련 불순물을 줄이거나 프로세스 실패를 완화하는 데 사용됩니다. 데이터는 또한 가장 낮은 수준의 불순물과 가장 낮은 공정 실패 위험으로 최고의 공정 효율성을 생산하기 위해 공정을 최적화하기 위한 지침을 제공할 수도 있습니다.
예를 들어, 저는 불순물 U를 줄이려는 팀의 일원으로 프로세스 단계를 진행하고 있었습니다. Response U의 수준에 있어서 Factor A가 더 중요한지, Factor B가 더 중요한지에 대해 팀 내에서는 많은 논의가 있었습니다. 우리는 우리 모두가 틀렸다는 것을 발견했습니다. 결정적인 요인은 요인 C로 밝혀졌습니다! 다행스럽게도 우리는 요인 C를 추적하고 있었고 프로세스에서 요인을 추적할 수 있는 데이터를 사용할 수 있었습니다. 이 경험과 다른 경험을 통해 중요하지 않다고 생각하는 요소를 포함하여 최대한 많은 요소를 추적하는 것이 좋습니다. 당신은 놀랄 수도 있습니다.
시간을 내어 우리가 받은 많은 질문 중 일부에 대한 자신의 관점을 제공한 전문가들에게 감사드립니다. 그들이 가진 풍부한 경험은 이 답변과 이 주문형 버전에서 분명하게 드러납니다. 삽화 통계적으로 말하면.
