Si te perdiste el episodio de Statistically Speaking sobre Visualización de Datos para Científicos e Ingenieros , la versión a la carta ya está disponible. Escuchamos perspectivas inspiradoras sobre la importancia de la visualización de datos en todo el flujo de trabajo analítico.
Amoolya Singh, director de Tecnologías de Descubrimiento en Calico Labs, impartió una fantástica charla plenaria: «Aprendiendo a identificar patrones en los datos: Cómo la visualización de datos facilita el flujo de trabajo analítico». ¿Quién iba a imaginar que el tejido, la computación y la visualización estaban tan interconectados? ¡Fascinante!
Amoolya también participó en la mesa redonda junto con Kathleen Schneider, investigadora asociada sénior de Lundbeck, y Scott Wise, consultor principal de formación analítica de SAS. Dado que no tuvimos tiempo de responder a todas las preguntas de la audiencia, nuestros panelistas accedieron amablemente a responder algunas de ellas aquí.
Muchas imágenes muestran datos separados por color. ¿Qué adaptaciones sugerirías para personas daltónicas?
Scott: Xan Gregg, Director de Desarrollo de Visualización en JMP, tiene algunas buenas recomendaciones sobre cómo crear gráficos en JMP para personas daltónicas:
Si bien los gráficos de nodos y los gráficos tSNE contienen muchos datos, a menudo los encuentro pobres en información. Siento que no he desarrollado la alfabetización gráfica necesaria para interpretarlos. Siempre busco gráficos y visualizaciones con una cualidad preatentiva, de modo que pueda ver claramente qué partes son informativas. ¿Alguna sugerencia?
Scott: Tanto los gráficos de nodos (diagramas de red, etc.) como los gráficos tSNE (resultados de PCA, etc.) deben incluir el contexto y la historia en el gráfico (ya sea explicados verbalmente o como texto dentro o alrededor del gráfico) para que se comprenda realmente cómo visualizar los patrones. No dude en incorporar la narrativa a estos útiles gráficos.
¿Qué impacto tendrá la Web 2.0 en la ciencia y el análisis de datos?
Nota: La Web 2.0 es la segunda etapa de desarrollo de la World Wide Web, caracterizada especialmente por el cambio de páginas web estáticas a contenidos dinámicos o generados por el usuario y el crecimiento de las redes sociales .
Scott: La Web 2.0 ya está aquí (como se ve en el auge de las redes sociales). Si no recopilas esta fuente de datos dinámica para analizar y visualizar tendencias (como usar la minería de texto en redes sociales sobre tu empresa, productos, patentes, competidores, etc.), ya estás rezagado. Para una buena introducción, consulta el blog " Prosperando en un mundo Web 2.0 " de SAS.
Se mencionaron los gráficos 3D, pero me ha resultado difícil compartirlos en un formato fijo. ¿Cómo recomendarías compartir los resultados de los gráficos 3D?
Scott: La primera regla es mantenerse alejado de los gráficos 3D si no agregan valor al espectador, por eso no se ven gráficos de barras 3D en JMP, ya que a menudo son confusos y no agregan ningún valor.
La segunda regla es asegurar que, cuando los gráficos 3D sean valiosos, se utilicen de forma interactiva (como con filtros, formatos HTML5 interactivos o incluso con vídeos) en lugar de dejarlos en un formato fijo y estático. Esto permite al usuario interactuar con ellos e interpretarlos correctamente. Por ejemplo, el diagrama de dispersión 3D de JMP (presentado en nuestra mesa redonda sobre la comprobación de configuraciones experimentales de tres factores) es considerablemente menos eficaz fuera de JMP si no se puede mover el cubo 3D para cambiar la orientación del punto de vista de los puntos dentro de la imagen. Por lo tanto, quienes no utilicen JMP pueden simular la interactividad de explorar un diagrama de dispersión 3D configurando filtros de datos locales que cambien la orientación del punto de vista durante un periodo de tiempo y guardándolo como un HTML5 interactivo. Otra opción sería crear un vídeo corto donde se explore el gráfico 3D y que el usuario pueda reproducir.
¿Cómo has visto que se utiliza un gráfico de burbujas animado en diferentes empresas e industrias? ¿Se pueden añadir anotaciones durante la animación?
Scott: He visto gráficos y mapas de burbujas animados en casi todas las industrias (alta tecnología, salud, gobierno, etc.) y en diversas áreas organizacionales. En manufactura y cadena de suministro, los gráficos de burbujas animados se utilizan con éxito para mostrar mejoras o tendencias en productos a lo largo del tiempo (como mi ejemplo en la mesa redonda). En investigación, los gráficos de burbujas animados se utilizan a menudo para ilustrar el crecimiento o los cambios en productos/componentes a lo largo de sus ciclos de I+D. En ventas, los mapas de burbujas animados son excelentes para mostrar el rendimiento de las ventas a lo largo del tiempo en diferentes regiones geográficas. Se pueden crear anotaciones directamente en los gráficos de burbujas, pero no se moverán con el tiempo. En su lugar, se puede trabajar con el etiquetado de burbujas para mostrar la información de anotación deseada a lo largo del tiempo.
Enseño estadística AP, así que quizá sea el único aquí que no trabaja en el sector privado. Para fomentar el interés en este campo, siempre busco videos, charlas TED y ponentes invitados que puedan analizar datos reales del mundo actual, crear una visualización y demostrar el proceso paso a paso, para que mis alumnos vean cómo ciertas carreras podrían aplicar lo que estamos aprendiendo. ¿Tienes algún video sugerido?
Scott: Para enseñar graficación, la fórmula que siempre funciona es involucrar a los alumnos desde el principio con gráficos atractivos que cuenten una historia y den vida a las estadísticas. No se me ocurre mejor ejemplo que mostrar la charla TED de Hans Rosling de 2007, "Las mejores estadísticas que nunca has visto". Si no se emocionan después de ver a Hans interactuar con el gráfico, ¡probablemente no tengan pulso!
Además, los blogs de JMP sobre visualización en la comunidad JMP son otro excelente lugar para encontrar historias interesantes sobre visualizaciones que mejoran las estadísticas en diversos temas. No olvides consultar mis contribuciones, las de Ryan DeWitt y las de Byron Wingerd. Además, el sitio público de JMP ofrece una variedad de gráficos interesantes, a menudo interactivos, que cuentan historias.
Por favor, defina graficidad.
Scott: Me gusta la definición de Wikipedia : «La graficidad se define como la capacidad de comprender y presentar información en forma de bocetos, fotografías, diagramas, mapas, planos, tablas, gráficos y otros formatos no textuales». Esta definición enfatiza que la graficidad abarca tanto la comprensión como la presentación. También demuestra que puede manifestarse mediante diversas formas creativas.
¿Cómo puede JMP ayudar al usuario a evaluar no sólo la significancia estadística, sino también la significancia práctica?
Scott: La significancia práctica significa mostrar la magnitud de la diferencia o el tamaño del efecto. Por lo tanto, creo que la mejor manera de combinar la significancia práctica y la estadística es incluir siempre el gráfico (que demuestra la significancia práctica) junto a las estadísticas (que abordan la significancia estadística). Comience con el gráfico y luego muestre las estadísticas, ya que esto parece funcionar mejor con la forma en que nuestras mentes procesan las diferencias en la información.
Kathleen: Trabajo en la industria biofarmacéutica diseñando procesos posteriores (purificación/separación) para que puedan escalarse y transferirse a las plantas de fabricación. Con frecuencia, los procesos que ayudo a diseñar son complejos y presentan numerosas interacciones. Normalmente, cuando utilizo JMP, intento resolver problemas prácticos, como aumentar la eficiencia del proceso (mayor rendimiento o tiempos de proceso más cortos) o mitigar riesgos (reducir las impurezas y el riesgo de fallos). A menudo, aumentar el rendimiento o la eficiencia del proceso implica aumentar las impurezas o el riesgo de fallos.
Los pasos del proceso que diseñamos constan de múltiples subpasos. En ocasiones, las condiciones iniciales del proceso pueden provocar un aumento de impurezas u otros resultados negativos que no se observan hasta pasos posteriores. Debido a la complejidad de las interacciones, el uso de JMP para el diseño de experimentos y el análisis multivariante, incluyendo la evaluación de la significancia estadística de los factores principales, los factores al cuadrado (si el efecto es lineal o curvo) y las interacciones bifactoriales, es una herramienta eficaz para evaluar qué factores principales e interacciones bifactoriales son los más importantes para rastrear y modificar, y cuáles no son críticos para el proceso. El uso de JMP para visualizar estos datos también es muy eficaz. Los datos se utilizan para mejorar el proceso, reducir las impurezas relacionadas con el proceso y el producto, o mitigar los fallos. Los datos también pueden servir de guía para optimizar un proceso y lograr la máxima eficiencia con los niveles más bajos de impurezas y el menor riesgo de fallo.
Por ejemplo, estaba trabajando en un paso del proceso como parte de un equipo que intentaba reducir la Impureza U. Hubo mucha discusión en el equipo sobre si el Factor A o el Factor B era más importante para el nivel de Respuesta U. Descubrimos que todos estábamos equivocados. ¡El factor crítico resultó ser el Factor C! Afortunadamente, habíamos estado monitoreando el Factor C y teníamos datos disponibles para rastrearlo en el proceso. A partir de esta y otras experiencias, recomiendo monitorear tantos factores como sea posible, incluyendo aquellos que considere que no son importantes. Podría sorprenderse.
Agradecemos a estos expertos el tiempo que dedicaron a compartir sus perspectivas sobre algunas de las numerosas preguntas que recibimos. Su valiosa experiencia se evidencia en estas respuestas, así como en la versión a la carta de este episodio de Statistically Speaking.
