Jorge Camoes says you can learn a lot about/from the data during the preparation stage.Jorge Camoes says you can learn a lot about/from the data during the preparation stage.Jorge Camoes says you can learn a lot about/from the data during the preparation stage.Jorge Camoes says you can learn a lot about/from the data during the preparation stage.Jorge Camoes 表示，在準備階段你可以從資料中學到很多。 Jorge Camoes 對資料視覺化充滿熱情。 在默克 (Merck) 的商業分析領域取得成功後，Camoes 創立了 WiseVis，這是一家位於葡萄牙奧埃拉斯的資料視覺化顧問公司。 卡莫斯被廣泛認為是流行部落格的作者Excel 圖表，其中他分享了使用 Excel 等常用工具充分利用數據的策略。
他剛剛出版了他的第一本書，工作中的數據，他進一步探討了這些主題，為讀者提供了關於數據視覺化潛力和實施執行儀表板策略的深思熟慮的討論。 他最近在 JMP Explorers 研討會上發表在英國馬洛。 您可以閱讀他的演講摘要他的博客。
我問了他一些關於探索和視覺化數據的問題。
第一步：資料準備。我的數據必須有多好或完整才能可用？
如果您可以輕鬆連接到組織的資訊基礎設施，並以您想要的方式準確獲取您想要的數據，並如實、徹底、及時地回答問題，那麼恭喜您，您可能已經擁有了可以使用的良好數據。 你是一隻美麗的獨角獸。
Jorge Camoes just published his first book, Data At Work.Jorge Camoes just published his first book, Data At Work.Jorge Camoes just published his first book, Data At Work.Jorge Camoes just published his first book, Data At Work.豪爾赫·卡莫斯 (Jorge Camoes) 剛剛出版了他的第一本書《工作中的數據》。現實世界更加醜陋：在每個組織中，都有一個秘密的黑暗地下室（高層管理人員不知道），裡面潛伏著一些生物，其工作描述包括「資料準備」以及其他類似令人討厭的任務。 好吧，我無法證明這些地下室是真實的，但數據準備確實是任何數據分析項目中一項資源密集型、耗時的、不吸引人的、未被充分重視但基本的任務。
雖然我們有越來越多、更好的 ETL 工具，但我們經常必須處理一些原本不該出現的問題，例如轉換 PDF 檔案。 以下是一個良好做法的範例：聯合國人口司在常規 Excel 電子表格中發佈人口預測和估計，需要一些工作才能進行轉換。 它還使資料以格式良好的 CSV 檔案形式提供。 這種雙重格式滿足了大多數使用者的需求，應該成為標準做法。 如果您需要了解為什麼結構良好的數據是數據分析的基石，Hadley Wickham 的整齊的數據(PDF) 是一本必備讀物。
我假設使用資料時概念不會有問題，但情況並非總是如此。 例如，美國農業部發布有關糧食供應的數據。 根據美國農業部的說法，這是實際食物消費的良好替代指標，使其成為分析美國飲食模式變化的重要來源。 您的項目應該明確解釋這一點並確保觀眾知道其中的差異。 通常，您必須處理不太良性的假設。
最後提示：我不會將資料準備和資料使用視為兩個不同的步驟。 在準備階段你可以從數據中學到很多。
第 2 步：我應該為我的數據選擇哪個圖表？ 我不應該為我的數據選擇哪些圖表？
您應該考慮兩件事：第一，圖表本身，第二，特定情況下的圖表。想想折線圖：發現趨勢非常容易。 具有相同數據的表格會告訴您一些有趣的事情，但了解這種趨勢會困難得多。 數據視覺化在某種程度上就像一個烹飪機器人：它不會讓你成為更好的廚師，但它會利用表格並優化一些更耗時的步驟，讓你專注於結果。
換句話說，數據視覺化對數據進行預處理，減輕一些認知任務的負擔，讓大腦專注於更高層次的任務。 如果您想設計有效的圖表，您應該選擇您認為可以最大化效果的圖表類型和格式選項。 永遠別忘了這是針對具體情況的。 人們傾向於從純粹理性的角度思考“有效性”，但您可能需要考慮情感或更引人注目的設計。 您應該期待一些權衡。
不應從資料視覺化工具包中刪除任何圖表。 長條圖通常被視為安全的選擇，但它可能是個糟糕的選擇。 餅圖受到詬病，但它們非常適合顯示總體比例。
如果圖預處理資料的能力較低，則不應使用圖，但還有更多需要考慮的因素。 當使用數據視覺化進行交流時，圖表是對話的一部分，因此不應該讓人覺得它不屬於那裡。 如果你認為這圖表是正確的溝通方式這訊息，只需使用它即可。 如果您的聽眾不熟悉它，請解釋一下，就像您對不太熟悉的單字所做的那樣。 相反的情況（愚蠢的圖表和複雜的主題）可能會破壞您的訊息：如果您在討論大數據時使用 3D 餅圖，我不會認真對待您。 有一種我無法解決的認知失調。
「餅圖」是這個問題的預設答案，也是人們通常期望的答案。 我認為這是一種平衡的方法：可以使用餅圖和儀表等效率較低的圖表作為切入點，並始終遵循相同數據的更複雜的視圖。 然而，如果餅圖或儀表廣泛用作獨立圖表，我會懷疑組織的數字和視覺素養較低（應該對此採取措施）。
第 3 步：在資料探索過程中我應該注意哪些常見陷阱？
假設您擁有正確的資料並且開啟了資料探索模式。 首先，不要指望遵循一條線性路徑，一個接一個地找到預定義問題的答案。 這是一個簡單的表格更新，而不是探索。 你對某個主題了解得越多，就越傾向於接受單一路徑的想法。 抵制這一點：為一些隨機探索留出空間，即使它最終毫無結果。
這有助於對抗確認偏誤（我們傾向於選擇證實我們先前存在的信念的數據），這是困擾我們探索的眾多個人偏見之一。 不可能了解所有這些，因此我們的結果越早向廣大受眾公開越好。通常，只有當您使用不同的技術或改變您的觀點時，有些事情才會變得顯而易見。 這安斯科姆四重奏這是一個很好的例子，說明了不同的探索技術如何互補：分佈顯然是相同的，但只有圖表揭示了它們非常不同的概況。 但是，既然您了解了這些概況，您就可以選擇更好的統計指標（例如，中位數而不是平均值）。
探索分佈是必要的第一步，因為它的中心提供了一個心理錨點，而異常值通常是有意義的。 但當你開始探索變數之間的關係時，事情會變得更加有趣。 我喜歡其中的連結數據功能聯合管理計劃， 例如。 但是像這樣的網站是有原因的虛假相關性太有趣了：我們天生就喜歡尋找模式和關係。 事實是，我們常常不了解這些關係的本質，並且願意從明顯的關聯轉變為強烈的因果關係。
最後，這是不言而喻的，不要強迫資料說出不存在的內容：不要歪曲事實，不要精挑細選，不要使用格式選項來發送錯誤的訊息。
步驟 4：您是否認為資料視覺化中有任何潛在的或統一的原則可以指導最佳實務？
想像一首詩和一篇散文：它們可以使用相同的語言，但它們沒有更多的共同點，甚至可以以「藝術許可」的名義打破這一點。數據視覺化也是如此，在某種程度上，數據視覺化也是一種語言。 在我看來（並遵循 Jacques Bertin 的觀點），「資料視覺化」僅僅意味著基礎表格的視覺轉錄。 從這個意義上說，不存在統一的目的或共同的原則。 您必須對其進行細分並嘗試識別一些集群，例如數據藝術、視覺統計、媒體資訊圖表或業務視覺化。
試圖找到在所有這些集群中都有效的基本原則是徒勞的。 即使你專注於眼腦系統的共同特徵（眼睛生理學、格式塔定律、顏色處理），每個群體也會以不同的方式使用它們。 其中一些集群會優先考慮溝通有效性，其他集群會更喜歡美感體驗，還有一些集群會介於兩者之間。 聯合管理計劃使用者可能會重視有效性，但請注意，這並不是製作醜陋圖表的許可。
如果您像我一樣並且沒有任何圖形設計師的骨頭，請盡力了解其影響並證明每個設計選項的合理性。 以顏色這樣的複雜問題為例：您可以從功能角度（管理刺激強度或像徵意義）來處理它，然後應用專業設計的調色板（從彩色啤酒廠， 例如）。
第 5 步：對於向不具備數據意識的人（例如管理層）展示數據，您有什麼建議嗎？
這一切都歸結為最大限度地降低良好決策的成本。 數據視覺化不應被視為萬能藥。 許多管理者並不認真對待數據視覺化，因為他們看到的只是飽和的顏色和閃亮的 3D 效果，空洞的卡路里可能非常容易上癮，但對決策的積極影響為零。 更糟的是，好的數據視覺化，就像好的設計一樣，是看不見的、顯而易見的。 為了認識它的優點，管理者必須意識到它們。 稱之為A/B 測試、之前/之後、遊擊測試（一定要為你發現的每個無效的測試設計一個更好的圖表），但展示具體的改進是讓人們接受你的想法、擺脫應用花哨的關鍵，圖形預設值，並對抗慣性。
一些經理傾向於更喜歡表格中的硬數據。 確保他們可以輕鬆存取格式良好的表格，但同時設計圖表來解決幾乎不可能從表格中獲得的痛點和見解（有用的關係、分組、快速異常值識別）。不要假設高階主管對資料視覺化工具感興趣，或者他們渴望花一小時使用精心設計的儀表板探索資料。 同樣，關鍵思想是可視化應該最大限度地降低獲取見解的成本。
你喜歡這次採訪嗎？ 觀看錄音豪爾赫·卡莫斯研討會你方便的時候。
