과학자와 엔지니어를 위한 데이터 시각화 에 대한 "Statistically Speaking" 에피소드를 놓치셨다면, 지금 바로 주문형 버전을 시청하실 수 있습니다. 전체 분석 워크플로우에서 데이터 시각화의 중요성에 대한 정말 감동적인 관점들을 들어보았습니다!
Calico Labs의 Discovery Technologies 책임자인 아물리아 싱은 "데이터에서 패턴을 찾는 법 배우기: 데이터 시각화가 분석 워크플로우를 어떻게 촉진하는가"라는 주제로 놀라운 기조 연설을 했습니다. 위빙, 컴퓨팅, 시각화가 이렇게 서로 연결되어 있다는 것을 누가 알았을까요? 정말 흥미로웠습니다!
아물리아는 룬드벡(Lundbeck)의 수석 연구원 캐슬린 슈나이더(Kathleen Schneider)와 SAS의 수석 분석 교육 컨설턴트 스콧 와이즈(Scott Wise)와 함께 패널 토론에 참여했습니다. 청중의 모든 질문에 답변할 시간이 부족하여, 패널리스트들이 친절하게 일부 질문에 답변해 드렸습니다.
많은 시각 자료가 색상으로 구분된 데이터를 보여줍니다. 색맹인 분들을 위해 어떤 편의를 제안해 주시겠습니까?
Scott: JMP 의 시각화 개발 책임자인 Xan Gregg는 색맹인을 위한 JMP 그래프 작성에 관해 몇 가지 좋은 권장 사항을 제시했습니다.
- 범주형 색상의 경우, "범용" 색상 테마는 모든 색상 결핍을 지원합니다. 이는 " 색맹인에게 친화적인 장벽 없는 표현 "에서 파생되었습니다 .
- 연속적인 색상의 경우, 밝기가 범위에 따라 달라지기 때문에 순차적인 테마가 좋습니다.
- JMP 커뮤니티 토론 에서 몇 가지 좋은 팁을 찾을 수 있습니다 .
노드 그래프와 tSNE 플롯은 둘 다 데이터가 풍부하지만, 정보가 부족한 경우가 많습니다. 그래픽을 해석할 수 있는 능력이 아직 부족한 것 같습니다. 저는 항상 어떤 부분이 유익한지 명확하게 볼 수 있도록 미리 주의를 기울이는 듯한 느낌을 주는 그래프와 표시를 원합니다. 혹시 제안해 주실 만한 것이 있으신가요?
스콧: 노드 그래프(네트워크 다이어그램 등)와 tSNE 플롯(PCA 결과 등) 모두 그래프의 맥락과 스토리를 반드시 포함해야 합니다(구두로 설명하거나 그래프 위/주변에 텍스트로 표시). 그래야 그래프의 패턴을 "어떻게" 보는지 제대로 이해할 수 있습니다. 이러한 유용한 그래프와 함께 스토리텔링을 활용하는 것을 두려워하지 마세요.
웹 2.0은 데이터 과학과 분석에 어떤 영향을 미칠까요?
참고: 웹 2.0은 월드 와이드 웹의 두 번째 개발 단계로, 특히 정적 웹 페이지에서 동적 또는 사용자가 생성한 콘텐츠로의 변화와 소셜 미디어의 성장을 특징으로 합니다 .
스콧: 웹 2.0은 이미 도래했습니다(소셜 미디어의 부상에서 볼 수 있듯이). 만약 회사, 제품, 특허, 경쟁사 등에 대한 소셜 미디어 텍스트 마이닝처럼 트렌드를 분석하고 시각화하기 위해 이러한 역동적인 데이터 소스를 수집하지 않는다면, 이미 시대에 뒤떨어진 것입니다. 더 자세한 내용을 알고 싶다면 SAS의 " 웹 2.0 세계에서 성공하기(Thriving in a Web 2.0 World) " 블로그를 참조하세요.
3D 그래프에 대한 의견이 있었지만, 고정된 형식으로 공유하기 어렵다는 것을 알게 되었습니다. 3D 그래프 결과를 어떻게 공유하는 것이 좋을까요?
스콧: 첫 번째 규칙은 보는 사람에게 가치를 더하지 않는 3D 그래프는 사용하지 않는 것입니다. JMP에서 3D 막대 차트를 볼 수 없는 이유도 바로 이 때문입니다. 3D 막대 차트는 종종 혼란스럽고 아무런 가치도 더하지 않기 때문입니다.
두 번째 규칙은 3D 그래프가 가치 있는 경우 고정적이고 정적인 형식으로 두는 대신 필터, 대화형 HTML5 형식 또는 비디오와 같이 대화형으로 사용해야 한다는 것입니다. 그렇게 하면 사용자가 그래프와 적절하게 상호 작용하고 해석할 수 있습니다. 예를 들어, JMP 3D 산점도(3요인 실험 설정 확인에 대한 패널 토론에서 소개됨)는 이미지 내 점의 시점 방향을 변경하기 위해 3D 큐브를 이동할 수 없는 경우 JMP 외부에서 상당히 효과가 떨어집니다. 따라서 JMP를 사용하지 않는 사람들은 시간 경과에 따라 시점 방향을 변경하는 로컬 데이터 필터를 설정하고 이를 대화형 HTML5로 저장하여 3D 산점도를 탐색하는 상호 작용을 시뮬레이션해 보세요. 또 다른 옵션은 사용자가 재생할 수 있는 3D 그래프를 탐색하는 짧은 비디오를 직접 녹화하는 것입니다.
다양한 회사와 산업에서 애니메이션 버블 플롯을 어떻게 활용하는지 보셨나요? 애니메이션이 진행되는 동안 주석을 달 수 있나요?
스콧: 저는 거의 모든 산업(첨단 기술, 의료, 정부 등)과 다양한 조직 영역에서 애니메이션 버블 플롯과 지도가 사용되는 것을 보았습니다. 제조/공급망에서 애니메이션 버블 플롯은 시간 경과에 따른 제품의 개선이나 추세를 보여주는 데 성공적으로 활용됩니다(패널 토론에서 제가 예로 들었던 것처럼). 연구에서는 애니메이션 버블 플롯이 R&D 주기 전반에 걸쳐 제품/부품의 성장이나 변화를 생생하게 보여주는 데 자주 사용됩니다. 영업 분야에서는 애니메이션 버블 맵이 여러 지역의 시간 경과에 따른 매출 실적을 보여주는 데 효과적입니다. 버블 플롯에 직접 주석을 추가할 수 있지만, 시간이 지남에 따라 변경되지는 않습니다. 대신, 버블 레이블을 사용하여 시간 경과에 따른 원하는 주석 정보를 표시하세요.
저는 AP 통계학을 가르치기 때문에 민간 부문에 종사하지 않는 유일한 사람일지도 모릅니다. 이 분야에 대한 관심을 키우기 위해, 저는 항상 실제 데이터들을 살펴보고 시각화 자료를 만들어 단계별로 과정을 설명할 수 있는 영상, TED 강연, 그리고 초청 연사를 찾고 있습니다. 이를 통해 제 학생들이 특정 직업이 우리가 배우는 내용에 어떻게 적용될 수 있는지 이해할 수 있도록 돕고 싶습니다. 추천해 주실 영상이 있으신가요?
스콧: 그래픽 활용법을 가르칠 때 항상 효과적인 공식은 학생들의 참여를 유도하는 것입니다. 이야기를 전달하고 통계를 생생하게 보여주는 매력적인 그래픽을 통해 학생들의 관심을 일찍 유도하는 것이죠. 한스 로슬링의 2007년 TED 강연 "당신이 본 적 없는 최고의 통계"만큼 좋은 예는 없을 것 같습니다. 한스가 차트와 상호작용하는 것을 보고 학생들이 흥미를 느끼지 못한다면, 아마도 맥박이 없는 것일 겁니다!
또한, JMP 커뮤니티의 시각화 테마 JMP 블로그는 다양한 주제에 대한 통계를 향상시키는 시각화에 대한 흥미로운 이야기를 얻을 수 있는 좋은 곳입니다. 저, Ryan DeWitt와 Byron Wingerd의 기고도 꼭 확인해 보세요. JMP 공개 사이트의 그래픽은 흥미롭고 인터랙티브한 그래픽으로 이야기를 전달하는 다양한 콘텐츠를 제공합니다!
그래픽성을 정의해 주세요.
스콧: 위키피디아 의 정의가 마음에 들어요. "그래픽 능력은 스케치, 사진, 다이어그램, 지도, 계획, 차트, 그래프 및 기타 비텍스트 형식으로 정보를 이해하고 표현하는 능력으로 정의됩니다." 이 정의는 그래픽 능력이 이해와 표현 모두를 포괄한다는 것을 강조합니다. 또한 그래픽 능력이 다양한 창의적 형태를 통해 나타날 수 있음을 보여줍니다.
JMP는 사용자가 통계적 유의성뿐만 아니라 실제적 유의성을 평가하는 데 어떻게 도움이 될 수 있을까요?
스콧: 실제적 유의성은 차이의 크기 또는 효과 크기를 보여주는 것을 의미합니다. 따라서 실제적 유의성과 통계적 유의성을 결합하는 가장 좋은 방법은 통계적 유의성을 나타내는 통계 옆에 실제적 유의성을 보여주는 그래프를 항상 포함하는 것이라고 생각합니다. 그래프로 시작하고 통계를 제시하는 것이 우리 마음이 정보의 차이를 처리하는 방식을 이해하는 데 가장 효과적인 것으로 보입니다.
캐슬린: 저는 바이오 제약 산업에서 다운스트림(정제/분리) 공정을 설계하여 규모를 확장하고 제조 시설로 이전하는 업무를 담당합니다. 제가 설계를 돕는 공정은 복잡하고 상호 작용이 많은 경우가 많습니다. JMP를 사용할 때는 일반적으로 공정 효율성 향상(수율 증가 또는 공정 시간 단축)이나 위험 완화(불순물 및 공정 실패 위험 감소)와 같은 실질적인 문제를 해결하려고 합니다. 수율이나 공정 효율성을 높이는 것은 불순물 증가 또는 공정 실패 위험 증가를 감수하는 경우가 많습니다.
우리가 설계하는 공정 단계에는 여러 하위 단계가 있습니다. 때로는 초기 공정 조건이 공정 불순물 증가 또는 후속 공정 단계에서 관찰되지 않는 기타 부정적인 결과로 이어질 수 있습니다. 상호작용의 복잡성으로 인해 실험 계획 및 다변량 분석에 JMP를 사용하는 것(주요 요인, 제곱 요인(효과가 선형인지 곡선인지 여부) 및 2요인 상호작용의 통계적 유의성 평가 포함)은 어떤 주요 요인과 2요인 상호작용이 추적 및 수정에 가장 중요한 요인인지, 그리고 어떤 요인이 공정에 중요하지 않은지 평가하는 강력한 방법입니다. JMP를 사용하여 이 데이터를 시각화하는 것 역시 매우 효과적입니다. 이 데이터는 공정을 개선하거나 공정 및 제품 관련 불순물을 줄이거나 공정 실패를 완화하는 데 사용됩니다. 또한 이 데이터는 불순물 수준과 공정 실패 위험을 최소화하면서 최고의 공정 효율을 달성하도록 공정을 최적화하기 위한 지침을 제공할 수 있습니다.
예를 들어, 저는 불순물 U를 줄이기 위한 팀의 일원으로 프로세스 단계를 진행하고 있었습니다. 팀 내에서는 반응 U 수준에 요인 A와 요인 B 중 어느 것이 더 중요한지에 대해 많은 논의가 있었습니다. 결국 우리 모두 틀렸다는 것을 알게 되었습니다. 결정적인 요인은 요인 C였습니다! 다행히도 우리는 요인 C를 추적해 왔고, 프로세스에서 해당 요인을 추적할 수 있는 데이터를 확보하고 있었습니다. 이러한 경험과 다른 경험을 바탕으로, 중요하지 않다고 생각되는 요인을 포함하여 가능한 한 많은 요인을 추적하는 것을 권장합니다. 어쩌면 놀라실지도 모릅니다.
저희가 받은 수많은 질문 중 일부에 대해 시간을 내어 자신의 관점을 공유해 주신 전문가분들께 감사드립니다. 전문가들의 풍부한 경험은 이 답변과 Statistically Speaking의 이번 에피소드 온디맨드 버전에서 여실히 드러납니다.
