theASIDEblog escribió:
La gráfica dibuja habilidades claras y alcanzables que resumen los puntos de referencia necesarios para los niños de hoy y los profesionales de mañana. Esencialmente, los maestros deben diseñar información para uso educativo y también ayudar a sus estudiantes a decodificar la galaxia visual que abarca su mundo actual. Los estudiantes deben ser alfabetizados gráficamente para ser informados, ya que dividen datos, imágenes y palabras en capas de información y construyen significados relacionales. La educación gráfica, como la alfabetización, la oración y la aritmética, completa las líneas de comunicación necesarias para los alumnos de hoy. http://theasideblog.blogspot.com/search/label/graphicacy
Independientemente de la audiencia que mire los datos y / o la información resultante, la forma más eficiente de procesar lo que está viendo es a través de la representación gráfica de los datos. Como alguien que estudió economía, llegué a apreciar la cantidad de información que se puede destilar muy bien en un gráfico bien elegido: relaciones con el precio y la cantidad, cambios en la oferta y la demanda a lo largo del tiempo, fronteras eficientes y más. Con tantos datos y tanto valor potencial que se puede obtener de los datos, es bueno ver que estamos preparados para aprovechar al máximo nuestro increíble ancho de banda visual a través de una codificación de datos más gráfica. La tendencia a una mayor "alfabetización visual" o grafismo es evidente.
El experto en visualización de datos, Stephen Few, escribió un artículo sobre Criterios para evaluar las herramientas visuales de EDA en su trimestral Boletín de Visual Business Intelligence . La primera oración del artículo es importante: "Visualizamos datos para varios propósitos". Para ampliar eso, consideremos cuándo los datos son datos y cuándo se convierten en información.
Muchos consideran que la visualización de datos y la visualización de información son sinónimos. Sin embargo, en el contexto de un continuo de datos e información, comenzamos a ver que existen diferencias importantes. Los datos solo se convierten en información cuando los datos sirven para informar. Si usted es el analista que explora datos, busca producir información, usted es la audiencia principal mientras realiza un análisis de datos exploratorio: usted y los datos, aprendiendo, en su camino para producir más información. Eres simultáneamente el productor y el consumidor de información. Los datos informan sus próximos pasos a medida que busca obtener más información.
Una vez que haya obtenido resultados y producido información, normalmente necesita difundir sus hallazgos a otros (consumidores de información). Independientemente de la audiencia que mire los datos y / o la información resultante, la forma más eficiente de procesar lo que está viendo es a través de la representación gráfica de los datos. Simplemente no podemos procesar el texto y la salida tabular tan rápido como los gráficos y las películas de datos. La visualización juega un papel importante en el descubrimiento de datos, así como en la difusión de información.
Dicho esto, ¿qué capacidades se necesitan para explorar datos y producir información? La respuesta favorita del economista es (por supuesto) ¡depende! Si está haciendo preguntas relativamente simples sobre sus datos, las capacidades simples son suficientes. Incluso las hojas de cálculo pueden hacer el truco (¡aunque me duele escribirlas, ya que se usan en exceso para hacer cosas para las que nunca fueron diseñadas!). Sin embargo, si está haciendo preguntas más complejas sobre sus datos, si los datos deben explorarse más rigurosamente para revelar verdades, necesita un conjunto más completo de capacidades de descubrimiento de datos.
Datos La visualización implica un mayor grado de análisis de datos que información visualización. Un analista puede necesitar mirar cosas como diagramas de dispersión, diagramas paralelos, dendrogramas y diagramas de superficie para determinar relaciones, patrones, tendencias y anomalías para informar su próximo paso. Cuando esté lista para compartir resultados y dependiendo de la audiencia, el analista puede mostrar algunos de estos mismos gráficos para transmitir hallazgos interesantes en los datos. También puede mostrar gráficos completamente diferentes, algunos que no fueron parte de su proceso de descubrimiento, pero selecciona los gráficos que mejor expresan los puntos y transmiten las historias de una manera que su audiencia comprenderá fácilmente. Dichos gráficos de presentación pueden tener la forma de gráficos de barras, gráficos de burbujas o gráficos espaciales específicos. Me resulta incómodo hablar o escribir sobre visualización de datos e información sin mostrar algo de visualización, por lo que se incluyen algunos ejemplos.
Utilizando algunos tipos de cáncer de mama disponibles públicamente datos , puede explorar los datos con varios gráficos como los dos primeros a continuación.Si hace clic en las barras malignas o benignas en el histograma de diagnóstico, puede ver las distribuciones de cada uno de esos diagnósticos resaltados en otros atributos.Incluso antes de comenzar a construir un modelo predictivo, puede ver una buena separación en las dos imágenes a continuación: puede ver cómo los atributos se relacionan con el resultado que está tratando de predecir.
Supongamos que ha creado un modelo que captura parte de la complejidad de cómo interactúan las variables y cómo se relacionan con la variable de destino, diagnóstico, utilizando métodos de visualización como Profiler, puede ver cómo cambiar una variable de entrada (haciendo clic y arrastrando el rojo línea vertical), afecta tanto el resultado como otras entradas.
Otra diferencia importante entre la exploración visual de datos y los gráficos de presentación es que las visualizaciones de datos generalmente se crean muy rápidamente, a menudo en menos de segundos, para informar el siguiente paso del analista y para que el analista pueda permanecer "en el flujo". Dependiendo de la audiencia y el grado de personalización requerido, los gráficos de presentación pueden tardar mucho más en crearse, a menudo horas.
Por lo tanto, profundizando un poco más en lo que hay detrás de los crecientes niveles de graficación, es importante tener en cuenta las diferentes habilidades que pueden contribuir a dar más sentido a todos estos macrodatos.Otra evidencia de que la graficación está en aumento: se han formado numerosos grupos de LinkedIn sobre visualización. Y este popular curso de visualización de datos de dos días en Harvard, a la que tuve el placer de asistir, aparentemente tenía una larga lista de espera cuando se ofreció este año. La visualización está cada vez más en el radar de los analistas de la industria de TI, como lo demuestra un informe de Forrester en plataformas avanzadas de visualización de datos. La Biblioteca Pública de Nueva York organizó un panel con varios líderes de opinión dignos de mención que reflejan el interés multidisciplinario en la visualización de datos e información: ¿Qué hace una buena visualización de datos?
Además de blogs y libros asociados como los clásicos de larga data de Edward Tufte , al igual que Stephen pocos , Kaiser Fung y Nathan Yau , el número de libros sobre visualización de datos e información también está creciendo, algunos de los cuales están en su segunda edición, como el de Stephen Few. Muéstrame los números: diseño de tablas y gráficos para iluminar .
Ya sea que necesite explorar datos, presentar y / o consumir información, ya sea que las preguntas que haga a sus datos sean simples o complejas, puede producir y consumir información de manera más eficiente y efectiva al aprovechar la creciente cantidad de paradigmas y capacidades visuales. La mayoría de nosotros somos aprendices visuales y más de la mitad de nuestro cerebro está dedicado a apoyar la visión. Con las crecientes variedades y volúmenes de datos, y las crecientes variedades y volúmenes de problemas y oportunidades, es oportuno ver señales de que estamos aprovechando más nuestro ancho de banda visual para dar un sentido más rápido a los datos.
