如果您错过了《统计演讲》一集科学家和工程师的数据可视化，点播版本现已推出。 我们听到了一些关于数据可视化在整个分析工作流程中的重要性的真正鼓舞人心的观点！
Calico Labs 发现技术主管 Amoolya Singh 发表了精彩的全体演讲，“学习观察数据模式：数据可视化如何促进分析工作流程。”谁知道编织、计算和可视化是如此相互关联？ 迷人！
Amoolya 还与灵北高级研究员 Kathleen Schneider 一起参加了小组讨论；以及 SAS 首席分析培训顾问 Scott Wise。 由于我们没有时间回答观众的所有问题，我们的小组成员同意在这里回答其中一些问题。
许多视觉效果显示按颜色分隔的数据。 您会为色盲人士建议哪些住宿？
斯科特： Xan Gregg，可视化开发总监杰普,对于色盲人士在 JMP 中绘图有一些很好的建议：
虽然节点图和 tSNE 图都数据丰富，但我经常发现它们信息匮乏。 我觉得我还没有发展出解释它们的图形素养。 我总是希望图表和显示具有预先注意的质量，这样我就可以清楚地看到哪些位具有信息性。 有什么建议么？
斯科特：节点图（网络图等）和 tSNE 图（PCA 结果等）确实需要在图中包含上下文和故事（口头解释或在图上/周围以文本形式呈现），以便您真正理解“如何”查看图表中的模式。 不要害怕将故事的讲述与这些有用的图表结合起来。
Web 2.0 对数据科学和分析有何影响？
笔记： Web 2.0 是万维网发展的第二阶段，其特点是从静态网页到动态或用户生成内容的转变以及社交媒体的增长。
斯科特： Web 2.0 已经到来（正如社交媒体的兴起所示）。 如果您没有收集这个动态数据源来分析和可视化趋势（例如在社交媒体上使用有关您的公司、产品、专利、竞争对手等的文本挖掘），那么您已经落后了。 要获得良好的介绍，请查看此“在 Web 2.0 世界中蓬勃发展”来自 SAS 的博客。
3D 图表被提出来，但我发现它们很难以固定格式共享。 您建议如何分享 3D 图表发现？
斯科特：第一条规则是，如果 3D 图表不会为查看者增加价值，则应远离 3D 图表，这就是您在 JMP 中看不到 3D 条形图的原因，因为它们通常令人困惑并且不会增加任何价值。
第二条规则是确保当 3D 图表有价值时，确保以交互方式使用它们（例如过滤器、交互式 HTML5 格式，甚至视频），而不是让它们保持固定的静态格式。 这样做可以让用户正确地与它们交互并解释它们。 例如，如果您无法移动 3D 立方体来更改 JMP 中点的视点方向，则 JMP 3D 散点图（如我们关于检查三因素实验设置的小组讨论中所介绍的那样）在 JMP 之外的效果要低得多。图像。 因此，对于不使用 JMP 的用户，请尝试通过设置本地数据过滤器来模拟探索 3D 散点图的交互性，这些过滤器会在一段时间内更改视点方向，并将其保存为交互式 HTML5。 另一种选择是创建一个简短的视频记录自己探索用户可以回放的 3D 图形。
您如何看待不同公司和行业使用动画气泡图？ 可以在动画发生时对它们进行注释吗？
斯科特：我见过几乎所有行业（高科技、医疗保健、政府等）和许多不同组织领域使用的动画气泡图和地图。 在制造/供应链中，动画气泡图成功地用于显示产品随时间的改进或趋势（就像我在小组讨论中的示例）。 在研究中，动画气泡图通常用于在整个研发周期中为产品/组件的增长或变化带来活力。 在销售方面，动画气泡图擅长显示跨地理区域随时间的销售业绩。 您可以直接在气泡图上创建注释，但它们不会随着时间的推移而移动。 相反，使用气泡标签来随着时间的推移显示所需的注释信息。
我教 AP 统计学，所以我可能是这里唯一一个不在私营部门工作的人。 当我们试图提高人们对该领域的兴趣时，我一直在寻找视频、TED 演讲和客座演讲者，他们可以浏览现实世界的当前数据集合，创建可视化并逐步演示该过程，因此我的学生可以看到特定的职业如何应用到我们正在学习的内容中。 您有推荐的视频吗？
斯科特：对于图形学教学，似乎总是有效的公式是尽早让学生用引人注目的图形来讲述故事并使统计数据变得生动。 我想不出比展示更好的例子了汉斯·罗斯林 (Hans Rosling) 2007 年 TED 演讲“你从未见过的最佳统计数据”。如果他们在观看汉斯与图表互动后没有感到兴奋，他们可能没有脉搏！
另外，可视化主题 JMP 博客JMP 社区是另一个获取可视化有趣故事的好地方，这些故事增强了许多有趣主题的统计数据。 请务必查看我、Ryan DeWitt 和 Byron Wingerd 的贡献。 另外，图中的图形JMP 公共网站有一系列有趣且通常是交互式的图形来讲述故事！
请定义图形性。
斯科特：我喜欢中的定义维基百科：“图形能力被定义为以草图、照片、图表、地图、计划、图表、图形和其他非文本格式的形式理解和呈现信息的能力。”这个定义强调图形性包括理解和表达。 它还表明它可以通过许多不同的创意形式来实现。
JMP 如何帮助用户不仅评估统计显着性，而且评估实际显着性？
斯科特：实际意义是指显示差异的大小或效应大小。 因此，我认为结合实际意义和统计意义的最佳方法是始终在统计数据（解决统计意义）旁边包含图表（证明实践意义）。 从图表开始，然后显示统计数据，因为这似乎最适合我们的大脑如何处理信息差异。
凯瑟琳：我在生物制药行业工作，设计下游（纯化/分离）工艺，以便扩大规模并转移到生产设施。 通常，我帮助设计的流程很复杂并且有很多交互。 通常，当我使用 JMP 时，我会尝试解决实际问题，包括提高流程效率（提高产量或缩短流程时间）或降低风险（减少杂质和流程失败的风险）。 通常，提高产量或工艺效率将以增加杂质或增加工艺失败的风险为代价。
我们设计的流程步骤有多个子步骤。 有时，早期的工艺条件可能会导致工艺杂质增加或其他负面结果，而这些结果直到后面的工艺步骤才能观察到。 由于交互作用的复杂性，使用 JMP 进行实验设计和多变量分析（包括评估主要因子、平方因子（效果是线性还是曲线）和双因子交互作用的统计显着性）是一种有效的方法评估哪些主要因素和两因素相互作用是需要跟踪和修改的最重要因素，以及哪些因素对该过程并不重要。 使用 JMP 来可视化这些数据也非常强大。 这些数据用于改进工艺或减少工艺和产品相关的杂质或减轻工艺故障。 这些数据还可以为优化工艺提供指导，以实现最高的工艺效率、最低的杂质水平和最低的工艺失败风险。
举个例子，我作为团队的一员正在研究一个工艺步骤，试图减少杂质 U。 团队中对于因子 A 还是因子 B 对于响应 U 的水平哪个更重要进行了很多讨论。 我们发现我们都错了。 关键因素竟然是C因素！ 幸运的是，我们一直在跟踪因素 C，并且有可用的数据来跟踪该过程中的因素。 根据这次经验和其他经验，我建议跟踪尽可能多的因素，包括您认为可能不重要的因素。 你可能会感到惊讶。
我们感谢这些专家花时间对我们收到的众多问题中的一些提出自己的观点。 他们拥有的丰富经验在这些答案以及此的点播版本中显而易见插曲从统计学上来说。
