La visualización de datos es una herramienta poderosa. Casi nada nos convence tan rápidamente como echar un vistazo a un gráfico o un diagrama. En este artículo del blog, analizamos a fondo los aspectos y requisitos más importantes de las visualizaciones de datos.
No se trata de que Datos y los resultados de los análisis en forma de visualizaciones de datos. Análisis de datos suelen ser abstractos y no es raro que los resultados más valiosos se presenten en forma de hojas de cálculo Excel relativamente oscuras. En comparación, las visualizaciones de datos tienen dos ventajas:
- Las afirmaciones centrales y las conexiones suelen captarse en unos instantes.
- Podemos confiar en lo que se presenta porque las visualizaciones de datos se basan en hechos y cifras.
Inhaltsverzeichnis
Enseñanza del análisis de datos a profesionales no informáticos
En transformación digital en las empresas hace que cada vez más especialistas no informáticos se enfrenten al análisis de datos. Por ejemplo, los análisis del comportamiento de compra específico de un grupo objetivo o los patrones de compra regionales son una base importante para la planificación de compras o de personal. Como suele decirse:
"La imagen adecuada vale más que mil palabras".
Desde Visualización de datos depende en parte de la actualidad, por supuesto no sólo deben ser fáciles de leer, sino que los datos subyacentes deben ser ante todo correctos y plausibles. En otras palabras Calidad de los datos debe ser alto. Esta es la única forma de garantizar que las visualizaciones de datos tengan un base resistente de gran alcance Decisiones son.
Sugerencia de enlace: La calidad de los datos es uno de los retos centrales de las empresas. En nuestro artículo del blog, hemos recopilado cinco medidas para una calidad de datos óptima. Calidad de los datos compilado.
Requisitos y normas para la visualización de datos
Los requisitos y normas fundamentales de las visualizaciones de datos sirven para garantizar una comunicación clara. Puesto que la Parte visual de la comunicación es de tan enorme importancia, las exigencias correspondientes son elevadas. Las visualizaciones de datos deben seguir normas tan estrictas como el lenguaje, donde la gramática, la ortografía y la estructuración lógica son importantes para la comprensión.
El profesor Rolf Hichert, experto en comunicación visual, ha Reglas para la visualización de datos preparación. El éxito de una presentación se basa en siete reglas:
- DIGA
- UNIFY
- CONDENSE
- COMPROBAR
- ACTIVAR
- SIMPLIFICAR
- ESTRUCTURA
Las 7 reglas de la visualización de datos
Las visualizaciones de datos deben tener un mensaje claro tener, normas uniformes de presentación seguir así como Sencillo y rápido de entender ser. Al mismo tiempo, las visualizaciones deben tener un alto Densidad de información para evitar reducir demasiado la complejidad de los temas y seguir centrándose en lo esencial. Las visualizaciones de datos también deben opciones concretas de actuación señalar, para que la interpretación no dependa demasiado de factores subjetivos o el contenido sea irrelevante.
Consejo de lectura: De la teoría a la práctica: nuestra experta Elena Danchyshyna nos explica cómo conseguir un resultado perfecto. Cuadro de mandos y qué 10 consejos son útiles a la hora de Cuadros de mando analíticos Ayuda.
Aspectos neurológicos, psicológicos y culturales de la visualización de datos
Las visualizaciones son algo fascinante y poderoso. Solo por el Predisposición neurológica del ser humano, las imágenes y los gráficos son un componente importante en la Difusión de la información representado. Retenemos alrededor del 80% de lo que se nos muestra visualmente. Con lo que leemos, sólo el 20%, y con lo que oímos, sólo el 10%.
También el Psicología en las representaciones pictóricas. Los ángulos puntiagudos, las curvas muy pronunciadas o ciertos colores llamativos pueden dar lugar a una percepción que no coincida exactamente con la realidad. Resultados de los datos estar de acuerdo. Aquí existe el peligro -consciente o inconscientemente- de Mensajes distorsionados. Esta constatación es importante tanto para los desarrolladores como para los usuarios.
En el caso de los colores, hay otro factor que debe tenerse en cuenta, sobre todo en un contexto internacional y global. Y es que el significado de los colores depende de cada cultura y en algunos casos tiene improntas muy diferentes.
En la cultura alemana, por ejemplo, el color rojo se percibe como un color de advertencia. En China, en cambio, el rojo tiene una connotación positiva y se asocia con el éxito y la calidez. La siguiente ilustración muestra el tamaño del Espectro de las diferentes atribuciones de significado es:
Retos de la visualización de datos
También debido a otras circunstancias externas, puede haber Distorsiones y a Interpretaciones erróneas las visualizaciones de datos. Simplemente porque hay menos normas y mucha menos práctica en la interpretación de visualizaciones que en la interpretación de textos.
Pero las meras circunstancias externas también pueden influir en la evaluación de una representación gráfica: incluso el formato de la pantalla en la que se muestra un diagrama puede cambiar la interpretación. En un smartphone, el eje x se acorta automáticamente, de modo que las curvas que muestran una evolución pueden parecer mucho más dramáticas. En comparación, un gráfico en la pantalla de un portátil tendría un eje x más expansivo y parecería menos dramático.
Igualmente importante es la Contextoen los que se integran las visualizaciones de datos. Dado que las visualizaciones de datos siempre se crean con un propósito específico -normalmente persuadir sobre un tema determinado-, es importante asegurarse de que no haya manipulación consciente o inconsciente.
Cuando el contexto es complejo, una única visualización no puede representar la única verdad. Esta es una de las razones por las que en Alexander Thamm GmbH confiamos en cuadros de mando interactivos conjunto. Aunque las visualizaciones de datos individuales pueden presentar limitaciones, un cuadro de mando interactivo incorpora varios aspectos de un problema. Esto minimiza las fuentes típicas de error en la presentación.
La visualización de datos como motor de la transformación digital
Especialmente en situaciones en las que, por ejemplo, los directivos tienen que tomar decisiones rápidamente, no hay tiempo para largas y detalladas evaluaciones de datos. Las visualizaciones de datos ayudan en este caso porque proporcionan -en el mejor de los casos en tiempo real- una visión general de un vistazo de la puntos de vista clave puede ofrecer.
Un cuadro de mando tiene la ventaja de hacer que todo sea visible de un vistazo y, al mismo tiempo, aportar contexto. Las visualizaciones de datos también son muy adecuadas para resumir y presentar los resultados de proyectos complejos, especialmente a la dirección. Por tanto, este es también el último escalón de nuestra brújula de datos.
Preparadas adecuadamente, las visualizaciones de datos también pueden ser leídas por personas no expertas en informática. Por ello, facilitan considerablemente la integración de la ciencia de datos en las empresas y representan un Valioso instrumento de proyectos basados en datos Son clave para la transformación digital de las empresas. Son, por tanto, clave para la transformación digital de las empresas porque pueden tener efecto en muchas áreas de una empresa.
3 enfoques para una buena visualización de datos Big Data
Sin embargo, el problema de la visualización de Big Data no es nuevo. Ya se ha investigado sobre este tema en el mundo académico y se han desarrollado métodos y posibilidades para visualizar y navegar a través de Big Data. A grandes rasgos, pueden resumirse en tres categorías:
- Reducción de datos
- técnicas de visualización agregada
- posibilidades avanzadas de interacción
ENFOQUE 1: REDUCCIÓN DE DATOS
La reducción de datos incluye Reducción de la cantidad de datos y las dimensiones o atributos. Si pensamos en una tabla de datos, la primera se refiere a la reducción de filas y la segunda a la reducción de columnas. Los métodos de reducción de datos incluyen Métodos de muestreo con cuya ayuda se forman subconjuntos de datos y filtros.
La reducción dimensional se lleva a cabo con ayuda de procedimientos especiales, como el Análisis de componentes principalesque calcula dimensiones especialmente significativas. Tanto la reducción de datos como la reducción de dimensiones reducen el tamaño del conjunto de datos para que puedan reconocerse las correlaciones en la visualización. Sin embargo, la reducción de datos también implica el riesgo de pérdida de información.
ENFOQUE 2: TÉCNICAS DE VISUALIZACIÓN AGREGADA
Visualizaciones agregadas resumir los puntos de datos en la representación. Un gráfico de dispersión agregado representa, por ejemplo, grupos de puntos en lugar de cada punto individual. La densidad de los puntos se representa mediante el tono de color. Un ejemplo de esto es la Compresión Inteligente de Datos de Qlik Sense.
Además, las visualizaciones agregadas pueden múltiples resoluciones incluir. Los datos relevantes (por ejemplo, los actuales) pueden mostrarse en alta resolución en el centro, mientras que los menos relevantes (por ejemplo, los de hace cinco años) se muestran agregados en el margen. De este modo, se evitan los solapamientos y el Centrarse en los datos pertinentes reubicarse. Con ayuda de la reducción y agregación de datos, se reduce el solapamiento visual y se pueden volver a mostrar grandes cantidades de datos.
ENFOQUE 3: OPCIONES AVANZADAS DE INTERACCIÓN
El enfoque y el contexto pueden venir determinados por Interacciones mejorarse. Además del zoom y el filtro, las técnicas de ampliación ofrecen la posibilidad de observar datos individuales más de cerca y seguir manteniendo una visión de conjunto. Las técnicas de ampliación son técnicas de distorsión, que también incluyen las pantallas bifocales y los muros de perspectiva. Todas las técnicas de distorsión mueven un extracto de datos seleccionados mientras que el resto del conjunto de datos se muestra en tamaño reducido.
Visualización de datos de Big Data en las herramientas de visualización existentes
Qlik Sense, Tableau o Microsoft Power BI ya implementan estas técnicas en parte. El zoom y el filtrado se han convertido en estándares en estas herramientas, pero también se ofrecen algunas opciones en el área de la reducción de datos. Entre ellas se incluyen las dimensiones agregadas y la integración de Guiones R.
Sin embargo, las visualizaciones agregadas sólo están disponibles a través de extensiones, denominadas Extensioneses posible. Para estas extensiones se utilizan lenguajes de programación populares como JavaScript y R. En Qlik Sense, se pueden crear visualizaciones personalizadas utilizando JavaScript, mientras que Tableau ofrece posibilidades ampliadas para la reducción de datos con scripts R. Power BI permite la integración tanto de JavaScript como de scripts R.
Aunque todavía no existe una herramienta que integre todos los métodos presentados para la visualización de datos de Big Data, es posible aplicar estos métodos con los conocimientos de programación necesarios. La visualización de datos de Big Data sigue siendo un campo en desarrollo con mucho potencial; sin embargo, ya hay primeros avances que también son visibles en las herramientas de visualización.
0 comentarios