Si vous avez manqué l'épisode Statistiquement parlant sur Visualisation des données pour les scientifiques et les ingénieurs , la version à la demande est désormais disponible. Nous avons entendu des points de vue vraiment inspirants sur l'importance de la visualisation des données tout au long du flux de travail analytique !
Amoolya Singh, responsable des technologies de découverte chez Calico Labs, a donné une conférence plénière étonnante : « Apprendre à voir des modèles dans les données : comment la visualisation des données facilite le flux de travail analytique ». Qui aurait cru que le tissage, l’informatique et la visualisation étaient si interconnectés ? Fascinant!
Amoolya a également rejoint la table ronde avec Kathleen Schneider, associée de recherche principale à Lundbeck ; et Scott Wise, consultant principal en formation analytique chez SAS. N'ayant pas eu le temps de répondre à toutes les questions de notre public, nos panélistes ont aimablement accepté de répondre ici à certaines d'entre elles.
De nombreux visuels affichent des données séparées par couleur. Quels aménagements suggéreriez-vous aux daltoniens ?
Scott : Xan Gregg, directeur du développement de la visualisation chez JMP, a quelques bonnes recommandations sur la création graphique dans JMP pour les daltoniens :
Bien que les graphiques de nœuds et les tracés tSNE soient tous deux riches en données, je les trouve souvent pauvres en informations. J'ai l'impression de ne pas avoir développé les connaissances graphiques nécessaires pour les interpréter. Je souhaite toujours des graphiques et des affichages qui ont une qualité pré-attentive, de sorte que je puisse voir clairement quels éléments sont informatifs. Aucune suggestion?
Scott : Les graphiques de nœuds (diagrammes de réseau, etc.) et les tracés tSNE (résultats PCA, etc.) doivent vraiment inclure le contexte et l'histoire dans le graphique (soit expliqués verbalement, soit présentés sous forme de texte sur/autour du graphique) pour que vous puissiez vraiment comprendre. « comment » pour afficher les modèles dans le graphique. N'ayez pas peur d'intégrer le récit de l'histoire en conjonction avec ces graphiques utiles.
Quel impact le Web 2.0 aura-t-il sur la science et l’analyse des données ?
Note: Le Web 2.0 est la deuxième étape du développement du World Wide Web, caractérisée notamment par le passage de pages Web statiques à des contenus dynamiques ou générés par les utilisateurs et par la croissance des médias sociaux. .
Scott : Le Web 2.0 est déjà là (comme le montre l’essor des médias sociaux). Si vous ne collectez pas cette source de données dynamique pour analyser et visualiser les tendances (comme l'utilisation de l'exploration de texte sur les réseaux sociaux concernant votre entreprise, vos produits, vos brevets, vos concurrents, etc.), alors vous êtes déjà en retard. Pour une bonne introduction, consultez ceci " Prospérer dans un monde Web 2.0 »blog de SAS.
Des graphiques 3D ont été évoqués, mais j'ai trouvé qu'ils sont difficiles à partager dans un format fixe. Comment recommanderiez-vous de partager les résultats des graphiques 3D ?
Scott : La première règle est de rester à l'écart des graphiques 3D s'ils n'ajoutent pas de valeur au visualiseur. C'est pourquoi vous ne voyez pas de graphiques à barres 3D dans JMP car ils prêtent souvent à confusion et n'ajoutent aucune valeur.
La deuxième règle est de garantir que lorsque les graphiques 3D sont utiles, veillez à les utiliser de manière interactive (comme avec des filtres, des formats HTML5 interactifs ou même avec des vidéos) au lieu de les laisser dans un format fixe et statique. Cela permet à l’utilisateur d’interagir correctement avec eux et de les interpréter. Par exemple, le nuage de points 3D de JMP (tel que présenté dans notre table ronde sur la vérification des paramètres expérimentaux à trois facteurs) est considérablement moins efficace en dehors de JMP si vous ne parvenez pas à déplacer le cube 3D pour modifier l'orientation du point de vue des points dans le image. Ainsi, pour les personnes qui n'utilisent pas JMP, essayez de simuler l'interactivité de l'exploration d'un nuage de points 3D en configurant des filtres de données locaux qui modifient l'orientation du point de vue sur une période de temps et enregistrez-le sous forme de HTML5 interactif. Une autre option serait de créer vous-même un court enregistrement vidéo explorant le graphique 3D que l’utilisateur peut lire.
Comment avez-vous vu un tracé à bulles animé utilisé dans différentes entreprises et industries ? Peuvent-ils être annotés au fur et à mesure de l’animation ?
Scott : J'ai vu des graphiques à bulles et des cartes animés utilisés dans presque tous les secteurs (haute technologie, soins de santé, gouvernement, etc.) et dans de nombreux domaines organisationnels différents. Dans la fabrication/la chaîne d'approvisionnement, les graphiques à bulles animés sont utilisés avec succès pour montrer les améliorations ou les tendances des produits au fil du temps (comme mon exemple dans la table ronde). Dans la recherche, les graphiques à bulles animés sont souvent utilisés pour donner vie à la croissance ou aux changements dans les produits/composants tout au long de leurs cycles de R&D. Dans le domaine des ventes, les cartes à bulles animées excellent pour montrer les performances des ventes au fil du temps dans les régions géographiques. Vous pouvez créer des annotations directement sur les tracés à bulles, mais celles-ci ne bougeront pas au fil du temps. Travaillez plutôt avec l’étiquetage des bulles pour afficher les informations d’annotation souhaitées au fil du temps.
J'enseigne les statistiques AP, donc je suis peut-être le seul ici à ne pas appartenir au secteur privé. Alors que nous essayons de susciter un intérêt croissant pour ce domaine, je suis toujours à la recherche de vidéos, de conférences TED et de conférenciers invités qui peuvent parcourir une collection de données actuelles du monde réel, créer une visualisation et démontrer le processus étape par étape. mes étudiants peuvent voir comment des carrières particulières pourraient s'appliquer à ce que nous apprenons. Avez-vous des suggestions de vidéos ?
Scott : Pour enseigner le graphisme, la formule qui semble toujours fonctionner consiste à impliquer vos élèves dès le début avec des graphiques convaincants qui racontent une histoire et donnent vie aux statistiques. Je ne vois pas de meilleur exemple que de montrer Conférence TED de Hans Rosling en 2007 « Les meilleures statistiques que vous n'avez jamais vues ». S'ils ne sont pas excités après avoir vu Hans interagir avec le graphique, ils n'ont probablement pas de pouls !
Également Thèmes de visualisation JMP Blogs dans la communauté JMP est un autre endroit idéal pour obtenir des histoires fascinantes de visualisations améliorant les statistiques sur de nombreux sujets intéressants. Assurez-vous de consulter mes contributions, celles de Ryan DeWitt et de Byron Wingerd. De plus, les graphiques du JMP Public le site propose une gamme de graphiques intéressants et souvent interactifs qui racontent une histoire !
Veuillez définir la graphisme.
Scott : J'aime la définition dans Wikipédia : « Le graphisme est défini comme la capacité de comprendre et de présenter des informations sous forme de croquis, de photographies, de diagrammes, de cartes, de plans, de diagrammes, de graphiques et d'autres formats non textuels. » Cette définition souligne que le graphisme englobe à la fois la compréhension et la présentation. Cela montre également que cela peut se produire via de nombreuses formes créatives différentes.
Comment JMP peut-il aider l'utilisateur à évaluer non seulement la signification statistique, mais également la signification pratique ?
Scott : L’importance pratique signifie montrer l’ampleur de la différence ou l’ampleur de l’effet. Par conséquent, je pense que la meilleure façon de combiner la signification pratique et statistique est de toujours inclure le graphique (qui démontre la signification pratique) à côté des statistiques (qui traitent de la signification statistique). Commencez par le graphique, puis montrez les statistiques, car cela semble mieux fonctionner avec la façon dont notre esprit traite les différences d'informations.
Kathleen : Je travaille dans l'industrie biopharmaceutique en concevant des processus en aval (purification/séparation) afin qu'ils puissent être étendus et transférés vers les installations de fabrication. Souvent, les processus que j’aide à concevoir sont complexes et comportent de nombreuses interactions. En règle générale, lorsque j'utilise JMP, j'essaie de résoudre des problèmes pratiques, notamment l'augmentation de l'efficacité des processus (rendement plus élevé ou durées de traitement plus courtes) ou l'atténuation des risques (réduction des impuretés et du risque de défaillance des processus). Souvent, l’augmentation du rendement ou de l’efficacité du processus se fera au prix d’une augmentation des impuretés ou d’un risque accru de défaillance du processus.
Les étapes du processus que nous concevons comportent plusieurs sous-étapes. Parfois, les premières conditions du processus peuvent entraîner une augmentation des impuretés du processus ou d'autres résultats négatifs qui ne sont observés que lors des étapes ultérieures du processus. En raison de la complexité des interactions, l'utilisation de JMP pour la conception d'expériences et l'analyse multivariée – y compris l'évaluation de la signification statistique des facteurs principaux, des facteurs au carré (que l'effet soit linéaire ou courbe) et des interactions à deux facteurs – est un moyen puissant. évaluer quels facteurs principaux et interactions à deux facteurs sont les plus importants à suivre et à modifier, et quels facteurs ne sont pas critiques pour le processus. L'utilisation de JMP pour visualiser ces données est également très puissante. Les données sont utilisées pour améliorer le processus ou réduire les impuretés liées au processus et au produit ou atténuer les défaillances du processus. Les données peuvent également fournir un guide pour optimiser un processus afin d'obtenir la plus grande efficacité de processus avec les niveaux d'impuretés les plus faibles et le risque de défaillance du processus le plus faible.
À titre d'exemple, je travaillais sur une étape de processus au sein d'une équipe essayant de réduire l'impureté U. Il y a eu de nombreuses discussions au sein de l’équipe pour savoir si le facteur A ou le facteur B était plus important pour le niveau de réponse U. Nous avons découvert que nous avions tous tort. Le facteur critique s’est avéré être le facteur C ! Heureusement, nous suivions le facteur C et disposions de données pour suivre le facteur dans le processus. À partir de cette expérience et d’autres, je recommande de suivre autant de facteurs que possible, y compris les facteurs qui, selon vous, ne sont peut-être pas importants. Vous pourriez être surpris.
Nous apprécions que ces experts aient pris le temps de donner leur point de vue sur certaines des nombreuses questions que nous avons reçues. La richesse de leurs expériences est évidente dans ces réponses, ainsi que dans la version à la demande de ce document. épisode du point de vue statistique.
