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 氏は、準備段階でデータについて、またはデータから多くのことを学ぶことができると述べています。 Jorge Camoes はデータの視覚化に情熱を持っています。 Camoes は、Merck でビジネス分析分野で成功したキャリアを積んだ後、ポルトガルのオエイラスに拠点を置くデータ視覚化コンサルティング ビジネスである WiseVis を設立しました。 Camoes は人気ブログの著者として広く知られていますExcel グラフでは、Excel などの一般的なツールを使用してデータを最大限に活用するための戦略を共有しています。
彼は初めての本を出版したばかりですが、仕事におけるデータ、そこでは、これらのテーマをさらに探求し、データ視覚化の可能性とエグゼクティブ ダッシュボードの実装戦略についての思慮深い議論を読者に提示します。 彼は最近JMP Explorersセミナーで発表イギリスのマーロウにある。 彼のプレゼンテーションの概要は次のサイトで読むことができます。彼のブログ。
私は彼に、データの探索と視覚化についていくつか質問しました。
ステップ 1: データの準備。データを使用できるようにするには、データがどの程度良好または完全である必要がありますか?
組織の情報インフラストラクチャに簡単に接続して、必要なデータを正確に希望どおりに取得でき、質問に正直に、徹底的に、タイムリーに答えることができるのであれば、おめでとうございます。おそらく、作業に適した適切なデータを持っていることになります。 そしてあなたは美しいユニコーンです。
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.ホルヘ・カモス氏は、初の著書『Data At Work』を出版したばかりです。現実の世界はもっと醜い。各組織には秘密の暗い地下室（経営陣には知られていない）があり、そこに潜む少数の生物の住処であり、その職務内容には「データ準備」や、同様に不快な性質の他のタスクが含まれている。 OK、これらの地下室が本物であることを証明することはできませんが、データの準備は確かにリソースを大量に消費し、時間がかかり、魅力的ではなく、過小評価されていますが、あらゆるデータ分析プロジェクトにおいて基本的なタスクです。
ETL ツールはますます優れていますが、PDF ファイルの変換など、そもそも発生すべきではない問題に対処しなければならないこともよくあります。 以下に、優れた実践例を示します。国連人口局は、人口の予測と推計を通常の Excel スプレッドシートで公開していますが、変換するには多少の作業が必要です。 また、データを適切な形式の CSV ファイルで利用できるようになります。 このデュアル形式はほとんどのユーザーのニーズに対応するものであり、標準的な方法となるはずです。 適切に構造化されたデータがデータ分析の基礎である理由を知りたい場合は、Hadley Wickham の記事を参照してください。きちんとしたデータ(PDF) は必読です。
データを利用する際にはコンセプトに問題がないことを前提としていますが、必ずしもそうとは限りません。 たとえば、USDA は食料の入手可能性に関するデータを公開しています。 USDA によると、これは実際の食品消費量の優れた代用値であり、アメリカ人の食生活の変化パターンを分析するための優れた情報源となっています。 プロジェクトではこれを明確に説明し、聴衆が違いを理解できるようにする必要があります。 多くの場合、あまり無害な仮定を管理する必要があります。
最後のヒント:私は、データの準備とデータの使用を 2 つの異なるステップとは考えません。 準備段階では、データについて、またはデータから多くのことを学ぶことができます。
ステップ 2: データにはどのグラフを選択すればよいですか? データに選択すべきではないグラフはどれですか?
考慮すべき点は 2 つあります。1 つ目はグラフ自体、2 つ目は特定の状況におけるグラフです。折れ線グラフを思い浮かべてください。傾向を見つけるのは非常に簡単です。 同じデータを含むテーブルからいくつかの興味深いことがわかりますが、その傾向に気づくのははるかに困難です。 データの視覚化は、ある意味、料理ロボットに似ています。これにより、料理が上手になるわけではありませんが、テーブルを使用して、より時間のかかる手順の一部を最適化し、結果に集中できるようになります。
言い換えれば、データ視覚化はデータを前処理し、一部の認知タスクの負荷を軽減し、脳がより高いレベルのタスクに集中できるようにします。 効果的なグラフをデザインしたい場合は、これを最大化すると思われるグラフの種類と書式設定オプションを選択する必要があります。 決してそれを忘れないでこれ状況に応じて異なります。 人々は「効果」を純粋に合理的な言葉で考える傾向がありますが、感情やより注目を集めるデザインを考慮に入れることもできます。 いくつかのトレードオフを予期する必要があります。
データ視覚化ツールキットからグラフを削除しないでください。 棒グラフは安全な選択肢とみなされがちですが、恐ろしい選択になる可能性があります。 円グラフは不正確ですが、集計比率を表示するのに最適です。
データの前処理能力が低い場合はグラフを使用すべきではありませんが、考慮すべき点は他にもあります。 データ視覚化を使用してコミュニケーションを行う場合、グラフは会話の一部であるため、そこに属していないように感じる必要はありません。 思ったらこれグラフはコミュニケーションに最適ですこれメッセージが表示されますので、そのまま使用してください。 聴衆がその言葉に慣れていない場合は、あまり馴染みのない単語を扱うのと同じように説明してください。 逆の場合 (愚かなグラフと複雑な主題) は、あなたのメッセージを損なう可能性があります。ビッグ データについて議論するときに 3D 円グラフを使用する場合、私はあなたの意見を真剣に受け止めません。 解けない認知的不協和があります。
「円グラフ」はこの質問に対するデフォルトの答えであり、よく期待されます。 これがバランスのとれたアプローチであると私が信じているものです。円やゲージなどの効果の低いグラフをエントリ ポイントとして使用し、その後に常に同じデータのより複雑なビューを表示できます。 ただし、円グラフやゲージが独立したグラフとして広範囲に使用されている場合、組織の数値的および視覚的リテラシーが低いのではないかと思われます (そして、それについて何らかの措置を講じる必要があります)。
ステップ 3: データ探索中に注意すべき一般的な落とし穴には何がありますか?
適切なデータがあり、データ探索モードがオンになっていると仮定します。 まず、事前に定義された質問に対する答えを次々と見つけるという直線的な道をたどることを期待しないでください。 これは単純なテーブルの更新であり、探索ではありません。 そして、ある主題について知れば知るほど、単一の道というアイデアを楽しみたくなるでしょう。 それには抵抗してください。最終的にどこにもたどり着けないとしても、ランダムに探索する余地を残しておきます。
これは、私たちの探索を妨げる多くの個人的なバイアスの 1 つである確証バイアス (私たちは既存の信念を裏付けるデータを選択する傾向があります) と戦うのに役立ちます。 それらすべてを認識することは不可能なので、結果が幅広い聴衆に公開されるのは早ければ早いほど良いでしょう。別のテクニックを使用したり、視点を変えたりしたときに初めて明らかになることがよくあります。 のアンスコム・カルテットこれは、さまざまな探索手法がどのように相互に補完できるかを示す素晴らしい例です。分布は一見同一ですが、グラフだけがそれらの非常に異なるプロファイルを明らかにしています。 ただし、これらのプロファイルを理解したので、より適切な統計指標 (たとえば、平均の代わりに中央値) を選択できるようになります。
分布の中心が精神的なアンカーポイントとなり、外れ値が意味を持つことが多いため、分布を探索することは必要な最初のステップです。 しかし、変数間の関係を調べ始めると、物事はさらに興味深いものになります。 私はリンクされたデータ機能が大好きですJMP 、 例えば。 しかし、次のようなサイトには理由があります。スプリアス相関とても面白いです。私たちはパターンや関係性を見つけるようにできています。 実を言うと、私たちはそれらの関係の性質を理解していないことが多く、明らかな関連性から強い因果関係に進んでしまうのです。
最後に、これは言うまでもありませんが、そこにないことをデータに強制しないでください。真実を曲げたり、適当に選んだり、間違ったメッセージを送信するために書式設定オプションを使用したりしないでください。
ステップ 4: ベスト プラクティスの指針となる、データ視覚化の基礎となる原則または統一的な原則はありますか?
詩とエッセイを考えてみましょう。同じ言語を共有することはできますが、それ以上の共通点はなく、それさえも「芸術的ライセンス」の名の下に破られる可能性があります。データ視覚化でも同様のことが起こりますが、これはある程度言語でもあります。 私の見方では (ジャック ベルタンに従って)、「データの視覚化」とは、単純に基礎となるテーブルを視覚的に転写することを意味します。 その意味では、統一された目的や共通の原則はありません。 それをセグメント化して、データ アート、ビジュアル統計、メディア インフォグラフィック、ビジネス ビジュアライゼーションなどのクラスターを特定する必要があります。
これらすべてのクラスターにわたって有効な基礎となる原則を見つけようとするのは、大変な労力です。 目と脳のシステムの共通の機能 (目の生理学、ゲシュタルトの法則、色処理) に焦点を当てたとしても、各グループはそれらを異なる方法で使用します。 これらのクラスターの中には、コミュニケーションの有効性を優先するクラスターもあれば、美的体験を優先するクラスターもあり、その中間に位置するクラスターもあります。 JMPユーザーはおそらく効率性を重視するでしょうが、これは見苦しいグラフを作成するためのライセンスではないことに注意してください。
あなたが私と同じで、体の中にグラフィックデザイナーの素質がまったくない場合は、その影響を理解し、それぞれのデザインオプションを正当化するために最善を尽くしてください。 色のような複雑な問題を取り上げます。機能的な観点 (刺激の強度や象徴的な意味の管理) からアプローチし、専門的にデザインされたパレットを適用できます (カラーブリューワー、 例えば）。
ステップ 5: データに関心のない人 (経営者など) にデータを提示する際のヒントはありますか?
すべては、適切な意思決定にかかるコストを最小限に抑えることに尽きるのです。 データの視覚化を万能薬として販売すべきではありません。 多くの管理者は、飽和した色と光沢のある 3D 効果、非常に中毒性の高いエンプティ カロリーしか見ないため、データの視覚化を真剣に受け止めていませんが、意思決定にはまったくプラスの効果がありません。 さらに悪いことに、優れたデータの視覚化は、優れたデザインと同様、目に見えず、明白です。 そのメリットを認識するには、マネージャーがそれらを認識する必要があります。 A/B テスト、ビフォー/アフター、ゲリラ (見つけた非効果的なグラフごとに、より良いグラフを設計するように心がけてください) と呼びますが、具体的な改善を示すことが、人々にアイデアを購入してもらい、アプリケーションの付加機能を取り除く鍵となります。 、グラフのデフォルト、および慣性との戦い。
一部のマネージャーは、テーブル内のハード データを好む傾向があります。 適切にフォーマットされた表に簡単にアクセスできるようにすると同時に、表からはほとんど得られない問題点や洞察 (有用な関係、グループ化、外れ値の迅速な特定) に対処するグラフを設計します。経営トップがデータ視覚化ツールに興味を持っている、あるいは、慎重に作成されたダッシュボードを使用してデータを探索するのに 1 時間も費やしたいと考えているとは考えないでください。 繰り返しになりますが、重要な考え方は、視覚化によって洞察を得るコストを最小限に抑える必要があるということです。
このインタビューは楽しかったですか？ の録画を見るホルヘ・カモスセミナーあなたの都合の良い時。
