theASIDEblog ha scritto:
La grafica delinea le competenze chiare e realizzabili che racchiudono i parametri di riferimento necessari per i bambini di oggi e per i professionisti di domani. In sostanza, gli insegnanti devono progettare informazioni per uso educativo e aiutare i loro studenti a decodificare la galassia visiva che comprende il loro mondo attuale. Gli studenti devono essere graficamente istruiti per essere informati, poiché suddividono dati, immagini e parole in strati di informazioni e costruiscono significati relazionali. L'educazione alla grafia, come l'alfabetizzazione, l'orazione e la matematica, completa le linee di comunicazione necessarie per gli studenti di oggi. http://theasideblog.blogspot.com/search/label/graphicacy
Indipendentemente dal pubblico che guarda i dati e/o le informazioni risultanti, il modo più efficiente per elaborare ciò che si sta vedendo è attraverso la rappresentazione grafica dei dati. Come persona che ha studiato economia, ho imparato ad apprezzare la quantità di informazioni che possono essere ben distillate in un grafico ben scelto: relazioni con prezzo e quantità, cambiamenti della domanda e dell'offerta nel tempo, frontiere efficienti e altro ancora. Con così tanti dati e così tanto valore potenziale da ottenere dai dati, è bello vedere che siamo pronti a sfruttare maggiormente la nostra straordinaria larghezza di banda visiva attraverso una codifica più grafica dei dati. La tendenza a una maggiore "alfabetizzazione visiva" o grafica è evidente.
L'esperto di visualizzazione dei dati, Stephen Few, ha scritto un articolo su Criteri per la valutazione degli strumenti Visual EDA nel suo trimestrale Newsletter sull'intelligenza aziendale visiva . La prima frase dell'articolo è importante: "visualizziamo i dati per vari scopi". Per approfondire, consideriamo quando i dati sono dati e quando i dati diventano informazioni.
Molti considerano la visualizzazione dei dati e la visualizzazione delle informazioni come sinonimi. Tuttavia, nel contesto di un continuum dati-informazione, cominciamo a vedere che ci sono differenze importanti. I dati diventano informazioni solo quando i dati servono a informare. Se sei l'analista che esplora i dati, cercando di produrre informazioni, sei il pubblico principale mentre esegui l'analisi esplorativa dei dati: tu e i dati, imparando, nel tuo percorso per produrre più informazioni. Tu sei contemporaneamente produttore e consumatore di informazioni. I dati stanno informando i tuoi prossimi passi mentre cerchi di saperne di più.
Dopo aver ottenuto risultati e prodotto informazioni, in genere è necessario divulgare i risultati ad altri (consumatori di informazioni). Indipendentemente dal pubblico che guarda i dati e/o le informazioni risultanti, il modo più efficiente per elaborare ciò che si sta vedendo è attraverso la rappresentazione grafica dei dati. Non siamo in grado di elaborare il testo e l'output tabulare con la stessa velocità con cui possiamo elaborare grafici e filmati di dati. La visualizzazione svolge un ruolo importante nella scoperta dei dati e nella diffusione delle informazioni.
Detto questo, quali capacità sono necessarie per esplorare i dati e produrre informazioni? La risposta preferita dell'economista è (ovviamente) dipende! Se stai ponendo domande relativamente semplici sui tuoi dati, sono sufficienti funzionalità semplici. Anche i fogli di calcolo possono fare il trucco (anche se mi addolora scriverlo poiché sono abusati per fare cose per le quali non sono mai stati destinati!). Se, tuttavia, stai ponendo domande più complesse sui tuoi dati, se i dati devono essere esplorati in modo più rigoroso per rivelare le verità, hai bisogno di un set più ricco di funzionalità di rilevamento dei dati.
Dati la visualizzazione implica un maggior grado di analisi dei dati rispetto a informazione visualizzazione. Un analista potrebbe aver bisogno di guardare cose come grafici a dispersione, grafici paralleli, dendrogrammi e grafici di superficie per determinare relazioni, modelli, tendenze e anomalie per informare il suo prossimo passo. Quando è pronta a condividere i risultati e a seconda del pubblico, l'analista può mostrare alcuni di questi stessi grafici per trasmettere risultati interessanti nei dati. Potrebbe anche mostrare grafici completamente diversi, alcuni che non facevano parte del suo processo di scoperta, ma seleziona i grafici che meglio rendono i punti e trasmettono le storie in un modo che lei pubblico comprenderà facilmente. Tali grafici di presentazione possono essere sotto forma di grafici a barre, grafici a bolle o grafici spaziali specifici. Trovo imbarazzante parlare o scrivere semplicemente sulla visualizzazione di dati e informazioni senza mostrare alcuna visualizzazione, quindi sono inclusi alcuni esempi.
Utilizzo di alcuni tumori al seno disponibili pubblicamente dati , puoi esplorare i dati con vari grafici come i primi due di seguito.Se fai clic sulle barre maligne o benigne nell'istogramma della diagnosi, puoi vedere le distribuzioni di ciascuna di quelle diagnosi evidenziate in altri attributi.Anche prima di iniziare a costruire un modello predittivo, puoi vedere una bella separazione in entrambe le immagini sottostanti: puoi vedere come gli attributi si riferiscono al risultato che stai cercando di prevedere.
Supponiamo che tu abbia costruito un modello che cattura parte della complessità nel modo in cui le variabili interagiscono e come si relazionano alla variabile target, diagnosi, utilizzando metodi di visualizzazione come Profiler, puoi vedere come cambiando una variabile di input (facendo clic e trascinando il rosso linea verticale), influisce sul risultato e su altri input.
Un'altra importante differenza tra l'esplorazione visiva dei dati e la grafica di presentazione è che le visualizzazioni dei dati vengono solitamente create molto rapidamente, spesso in meno di secondi, per informare il passaggio successivo dell'analista e in modo che l'analista possa rimanere "in movimento". A seconda del pubblico e del grado di personalizzazione richiesto, la creazione della grafica della presentazione può richiedere molto più tempo, spesso ore.
Quindi, scavando un po' più a fondo su cosa c'è dietro i crescenti livelli di grafica, è importante notare le diverse abilità che possono contribuire a dare più senso a tutti questi big data.Un'altra prova che la grafica è in aumento: si sono formati numerosi gruppi LinkedIn sulla visualizzazione. E questo popolare corso di visualizzazione dei dati di due giorni ad Harvard, che ho avuto il piacere di frequentare, a quanto pare aveva una lunga lista d'attesa quando è stato offerto quest'anno. La visualizzazione è sempre più nel radar degli analisti del settore IT, come evidenziato da un rapporto di Forrester su piattaforme avanzate di visualizzazione dei dati. La Biblioteca pubblica di New York ha ospitato un panel con una serie di leader di pensiero degni di nota che riflettono l'interesse multidisciplinare per la visualizzazione di dati e informazioni: Cosa rende una buona visualizzazione dei dati?
Oltre ai blog e ai libri associati come i classici di lunga data di Edward Tufte , così come Stefano Pochi , Kaiser Fungo e Nathan Yau , cresce anche il numero di libri sulla visualizzazione dei dati e delle informazioni, alcuni dei quali alla seconda edizione come quello di Stephen Few Mostrami i numeri: progettare tabelle e grafici per illuminare .
Sia che tu abbia bisogno di esplorare dati, presentare e/o consumare informazioni, che le domande che poni ai tuoi dati siano semplici o complesse, puoi produrre e consumare informazioni in modo più efficiente ed efficace sfruttando il numero crescente di paradigmi e capacità visivi. La maggior parte di noi impara visivamente e più della metà del nostro cervello è dedicato a supportare la vista. Con la crescita di varietà e volumi di dati - e una crescente varietà e volumi di problemi e opportunità - è opportuno vedere segni che stiamo sfruttando maggiormente la nostra larghezza di banda visiva per dare un senso più veloce ai dati.
