Kit d'eines Smb: com triar la visualització adequada de dades

Les fulles de càlcul han estat una de les bases del negoci des de fa temps que algunes persones tenen problemes per deixar-los anar. Tot i això, la majoria d’empreses actuals han passat per davant del fugaç atac de la nostàlgia a favor d’unes eines més potents d’intel·ligència empresarial d’autoservei (BI). Hi ha moltes raons per les quals aquestes eines són superiors a un full de càlcul, però el més evident és la capacitat de produir fàcilment visualitzacions de dades efectives i convincents. Aquest factor supera enormement qualsevol argument en suport de fulls de càlcul per una raó senzilla: els cervells humans absorbeixen i processen les representacions visuals de la informació més ràpidament i millor que els números.

Aquest fantàstic humà per a les imatges sobre nombres està lluny d’un descobriment recent. La història ens demostra que el concepte s’ha provat amb èxit amb el pas del temps, des de primers dibuixos rupestres fins a modernes senyals de trànsit universals reconegudes arreu del món independentment de l’idioma. Un cop d'ull als missatges basats en imatges i la informació s'entén, independentment de les habilitats del vostre idioma o matemàtiques. Les visualitzacions de dades modernes porten aquell potent mitjà de comunicació fins a un nivell totalment nou, infusionant els gràfics i gràfics rics generats amb dades riques.

L'elecció de la visualització de dades adequada, però, no és simplement una qüestió d'escollir un gràfic a taula sobre un gràfic de barres o una trama de dispersió. No és tan senzill com triar les visualitzacions tradicionals en avantguarda, com les representacions en realitat virtual (VR) en 3D. Hi ha molt més que gust personal i preferències en joc.

Cada element d'una visualització transmet una part del missatge global. Des de les opcions de color i la relació de tinta fins a les dades mateixes (i totes les capes que podeu aprofundir), les visualitzacions de dades són una representació única, enganyosa i senzilla, d’informacions empresarials complexes i basades en dades.

Quina visualització heu de triar? En definitiva, podeu triar la identificació de la representació visual que s’adapti millor al missatge que esteu intentant enviar amb les dades que esteu presentant. Aquí teniu les coses que heu de saber per prendre una decisió informada i estratègica.

Tipus de visualitzacions

No us avorriré de recuperar totes les probes. Si heu estat en el negoci durant un temps apreciable o heu treballat amb dades més enllà simplement d’introduir-lo al programari, ja coneixeu els formularis de visualització tradicionals: gràfics a taula, gràfics de barres, gràfics de línia, traçats de difusió i mapes amb símbols. Aquestes, entre altres representacions gràfiques, estan generalment organitzades per dues o tres característiques, incloent el temps, el nombre d'unitats i els costos o les vendes.

No hi ha res dolent en aquest grup de visualitzacions. Han estat en ús durant molt de temps per una bona raó: funcionen.

De fet, la seva familiaritat significa que la vostra audiència no ha d’aturar-se i trobar el formulari abans que pugui entendre el missatge. Això és exactament el que vols passar. Per què no us hauríeu de parar aquí i escollir-ne un? O, com és una opció en moltes aplicacions de BI, permetre que el programari en triï una?

Perquè no totes les sortides analítiques poden o s’han d’expressar en un transport tan simplificat. Un semàfor es redueix a tres funcions perquè només hi ha tres missatges per transmetre: anar, retardar i parar. Si voleu dir alguna cosa més, haureu d’afegir una altra de visual. Potser un rètol que diu "No es torna vermell a la dreta" o potser afegirà un altre punt de mira només per al carril de gir. Als taulers i informes, tots aquests visuals afegits poden acumular-se i, quan el públic arriba al final del munt, han oblidat com es relaciona aquesta informació amb la primera o altres imatges de la pila. Això no és eficaç ni instructiu. A més, l'ús de massa visualitzacions pot causar fatiga als usuaris. El missatge es perd en la ment que vaga.

En qualsevol cas, ja coneixeu aquestes visualitzacions. Continuem i considerem formes més noves.

'Twixt i' Tween

Aquesta classe de visualitzacions representa més funcions que el grup tradicional, però el missatge sol tenir una única empenta. Per exemple, considereu el "núvol de paraules". Aquesta visualització mesura moltes paraules les unes amb les altres, de manera que cada paraula es mostra en mida proporcional al seu ús en comparació amb les altres. Els colors es poden utilitzar per representar subgrups dins del grup, o una altra informació, o simplement per facilitar la visualització de les mides de les paraules individuals a simple vista.

Quan pot ser bona la visualització d'un núvol de paraules? Hi ha diversos casos d’ús que inclouen l’estat d’ànim del client / usuari a les xarxes socials, escalada i / o reducció de problemes de clients en centres de trucada, consultes del client sobre productes específics, vendes de productes i altres casos. Altres exemples d’aquest tipus es solen veure en infografies ja que representen dades basades en un tema.

Amistós amb els venedors, però invers

Després hi ha les visualitzacions que els venedors de BI s’enorgulleixen d’oferir, però pocs compradors i usuaris entenen. Però espera, potser dius. Si no puc mirar una visualització i dir com funciona, aleshores com puc saber el meu públic què explica les dades?

És cert que de vegades la visualització conté la informació, però no la pot publicar. Prenguem, per exemple, "La nit estrellada" de Vincent van Gogh que va pintar el 1889. L'obra icònica representa amb precisió les turbulències del vent, però cap matemàtic ni científic va reconèixer aquesta comprensió fins segles després. Parleu de no poder lliurar la informació.

"Els científics han lluitat durant segles per descriure el flux turbulent; es diu que alguns han considerat el problema més difícil que la mecànica quàntica", segons un informe publicat a Nature. "Algunes de les obres de van Gogh mostren una gran escala de Kolmogorov en les seves distribucions de probabilitats de lluminositat. A la vista, aquest patró es pot veure com remolins de diferents mides, incloent-hi tant grans remolins com diminuts remolins creats per la pinzellada."

Tot i que l’èxit de qualsevol visualització depèn almenys en part de la perspectiva i del coneixement de l’espectador, de vegades la informació és tan complexa que requereix visualitzacions més sofisticades i exactes. En cas contrari, la informació es perd en el transport o la traducció.

Alguns venedors de BI ofereixen aquest nivell de sofisticació en les paletes de visualització. Un esquema de Sankey, que és molt útil per descriure el flux d’informació dins d’un conjunt de dades, n’és un exemple.

"Per exemple, aquesta visualització pot mostrar el procés mitjançant el qual un client bancari transfereix diners, mitjançant la mesura del flux de caixa per transacció. Els diagrames de Sankey són útils en qualsevol moment que desitgi mostrar el flux d'informació a través de diferents passos d'un procés", va explicar Daphne Tan, Product Marketing Manager de MicroStrategy, que va produir la visualització del diagrama de Sankey a continuació.

És possible que es faci un esforç per ensenyar al vostre públic a llegir algunes de les visualitzacions més sofisticades. Tot i això, val la pena si necessiteu transmetre informació regularment més que generalitzada i no voleu tirar una furgoneta Gogh. Tanmateix, trobareu molts públics ja familiaritzats amb aquestes mètriques i representacions de dades més exactes, inclosos estadístics, enginyers i molts professionals que treballen en ciències.

Aquí teniu una breu descripció d'algunes de les visualitzacions d'aquesta categoria que val la pena tenir en compte i on voleu fer-les servir:

1. Diagrames d'arc: Aquests diagrames són capaços de representar exclusivament patrons complexos en dades de cadena, és a dir, seqüències que sovint també contenen subseqüències repetitives. Penseu en l'ADN i la transmissió de dades de l'Internet de les coses (IoT). Hi trobareu informació més detallada sobre diagrames d’arc en aquest treball d’IBM Research.

2. Gràfic de Sunburst: També anomenats gràfics de taules de diversos nivells, aquests s’utilitzen principalment per visualitzar dades de jerarquització mitjançant cercles concèntrics. Podeu crear-les a Microsoft Excel, per exemple. A continuació es mostra un exemple:

3. Fitxa gràfica: Microsoft i GitHub descriuen un esquema de gràfics com "un gràfic d'àrees apilat amb una interpolació suau, sovint utilitzat per mostrar valors amb el pas del temps". En aquesta gràfica es forma una forma orgànica que flueix i el resultat pot ser exigent i exasperant. Tot i així, té usos molt vàlids com ara mostrar conjunts de dades de gran volum per trobar tendències i patrons al llarg del temps en una àmplia gamma de categories. Sí, es tracta d’una visualització de codi obert de manera que podeu obtenir-la a la botiga de Microsoft Office o a GitHub.

4. Arbre hiperbòlic: També anomenat hipertrige, aquesta visualització s’inspira en la geometria hiperbòlica i és bàsicament una manera de dibuixar un arbre molt gran en un espai limitat evitant fer una bombeta. Poseu tot en un disc més que en un pla pla perquè les branques més allunyades semblin més petites. Però podeu arrossegar-les, fent-les més grans i fàcils d'examinar. Els arbres hiperbòlics mostren informació gran amb detall i context dins d’una vista (en contraposició a la paginació o la invocació i retratar detalls granulars en una altra vista).

Visualitzacions sorgides de la nova tecnologia

Hi ha tants tipus de visualitzacions disponibles avui en dia, és possible que es pugui esperar que ja s'ha posat a disposició de tots els mitjans imaginables de representar visualment dades. Ai, no. Les noves tecnologies i els casos d’ús inevitablement també generen noves formes de visualització.

Els sistemes de realitat augmentada (AR) i realitat virtual (VR) em vénen de seguida. Els venedors de BI ja treballen en visualitzacions úniques per a aquests sistemes. Un exemple és el nou sistema de visualització de dades de Vantage Data Centers en un sistema de tour virtual virtual habilitat en 3D. Sembla així:

"Per primera vegada vam llançar la plataforma concept3D al maig del 2017 per ajudar-nos a promoure la nostra nova instal·lació de centres de dades a Santa Clara, que en aquell moment estava en construcció. La plataforma és increïble quan intenteu comercialitzar un edifici que no existeix. ", va dir Steve Lim, vicepresident i cap de màrqueting de Vantage Data Centres.

Les dades apareixen com una superposició a la pantalla en VR, però aquest lloc només seria massa limitat.

"En un termini pròxim, preveiem que la majoria dels nostres clients i empleats utilitzin el sistema sense VR a l'escriptori o al mòbil. És impressionant veure per primera vegada, i hi ha un gran potencial per com aquest sistema ens pot ajudar en operacions i accedir reals. dades de temps de qualsevol lloc del món ", va afegir Lim.

Trieu segons la tasca

Cada tipus de visualització està construïda per a una tasca analítica específica com ara la distribució, la composició, la relació o la comparació. Assegureu-vos d’entendre cada tasca i escolliu les visualitzacions en conseqüència. Per exemple, entendre les vendes de productes en dies festius com ara Nadal és un estudi de relació. Una bona opció de visualització per a això seria trames de dispersió, núvols de paraules i diagrames de Venn.

Comprendre si els abrics o els pneumàtics es venen millor és una comparació. Els gràfics de barres, els gràfics de taules, els gràfics de vinyetes i els gràfics de línies són bones opcions aquí. Representar la quota de mercat i l’anàlisi competitiva és una tasca de composició. Considereu els gràfics de barres / àrees apilats, gràfics de tarteres, cascades o qualsevol dels mapes d'arbres, segons la quantitat d'informació que voleu mostrar.

Les tasques de distribució consisteixen en comprendre quins tipus de mercaderies s’envien a quins magatzems i / o emmagatzemen en quins magatzems, a més de visualitzar com es distribueixen els recursos pels governs per diverses demografies. Una bona opció de visualització inclou histogrames, traces de traça i trames de caixa.

"En aquest cas, volem una visió on puguem veure totes les dades alhora i intentar trobar el ventall de valors, formes o outliers", explica Patrik Lundbald, Advocate de visualització de BI i empresa de programari de visualització Qlik.

Llista de comprovació per triar una visualització

1. Conegueu el vostre públic: trieu una visualització que el vostre públic probablement sembli atractiu i atractiu. Per tant, si els hotdogs divertits en una infografia representen les vendes de venedors de vorera millor, aneu amb això. Però no escatimeu la informació si la transfeu a una audiència abarcada en estadístiques, ciències de dades, enginyeria o altres habilitats de referència. Trieu una visualització que us proporcioni els detalls i el context que necessiten per actuar sobre la informació, sense haver d’ordenar a través d’una pila aparentment interminable de visualitzacions relacionades.

2. Feu de la claredat la vostra màxima prioritat: sigueu clars i concisos, fins i tot amb informació molt detallada i complexa. El vostre objectiu és produir visualitzacions fàcils de llegir, encara que sigui el contingut.

3. Presteu atenció a tots els detalls: us agradaria que transmeti aquesta informació del gràfic de barres d'aquesta aplicació de BI. Però, les barres es relacionen correctament entre si, o bé la escala està fora? Els detalls són importants. Tot en cada visualització és explicar una història. Assegureu-vos que expliqueu la història que volíeu explicar.

4. Planifiqueu la prevenció de la fatiga de l'usuari: moltes visualitzacions cansen l'espectador, com també fan representacions poc conegudes o gràfics massa complexos. Proporciona la informació en una narració precisa i breu perquè l’espectador es mantingui compromès i recordi el que ha après. Limiteu el nombre de visualitzacions de taulers i informes.

5. Provar formes de visualització: les visualitzacions són bromes. Si heu d’explicar-les, heu fallat. Ha de ser capaç de transmetre la informació amb un text mínim. Abans de començar a utilitzar rutinàriament una visualització, prova-la amb persones que no estiguin a prop del tema. Trieu les persones que han de trobar la informació a la visualització en lloc dels que ja la coneixen. S’il·luminen o es confonen? Si es confon, seleccioneu un altre formulari de visualització o prepareu-vos per educar el vostre públic.

"A menys que es tracti d'informació especialitzada que requereixi coneixement profund en intel·ligència artificial, cadenes bloquejades, hemorràgia petequial o física quàntica, la visualització serveix el lector millor quan es pot interpretar pel seu compte, no només amb el context de l'article", va dir Mark Nicholson, vicepresident de Màrqueting i Desenvolupament de Negocis a NiceJob, una empresa de creació de reputació de mitjans de comunicació social / revisió de clients.

6. Recordeu van Gogh: es pot perdre informació complexa en una representació enganyosa i senzilla. Per tant, és possible que una simple visualització no sigui l’opció correcta. Centreu-vos a transmetre informació, això és l’important. A més, van Gogh ens va ensenyar que els colors no són l’única o fins i tot la millor manera de transmetre informació ràpidament. La "magnífica pinzellada de Van Gogh va utilitzar una propietat coneguda com a luminància, una mesura de la relativa brillantor entre diferents punts. L'ull és més sensible al canvi de lluminositat que al canvi de color, el que vol dir que respondrem més ràpidament als canvis de brillantor que als colors, "va informar NPR. Utilitzeu diversos nivells de brillantor i també de color per ressaltar informació o mostrar el moviment.

7. Obteniu informació sobre vendidors nous: sol·liciteu tutorials, exemples i altra informació sobre visualitzacions que ofereix un proveïdor que no enteneu. És millor aprendre a la feina que seguir amb les visualitzacions que ja coneixeu. Per què? Com que la tecnologia canvia i, com passa, encara apareixeran formes de visualització més noves. És com mai actualitzar o actualitzar el telèfon. Tard o d'hora no podreu arribar a ningú.

8. De vegades automatitzat és millor: alguns proveïdors de BI ofereixen una gran reflexió en la seva funció de visualització automatitzada. Un exemple que ve al cap és Salesforce Einstein Analytics. L’empresa té anys d’experiència en anàlisis de clients, vendes i màrqueting, que es remunten als seus primers dies de gestió de relacions amb els clients (CRM). Les seves visualitzacions automatitzades reflecteixen aquesta experiència. Així, si sou dia a dia amb les vendes i les dades del client, confiar en Einstein per gestionar les visualitzacions és una solució intel·ligent i pràctica. No hi ha cap motiu per reinventar la roda.

9. Penseu en la Narrativa: trieu visualitzacions que milloren la vostra narració, que expliquin una història. En cas contrari, heu tornat a representar números i els vostres companys de feina o cap no absorbeixen i conservaran la informació. Assegureu-vos que les representacions estiguin en context, utilitzeu les mesures correctes (per exemple, valors absoluts versus relatius) i comproveu l'escala. Feu servir colors per ressaltar punts importants però limita el nombre de colors que feu servir. La visualització no hauria de ser el focus de l’espectador, sinó que el contingut hauria de ser.

10. Tingueu en compte la vostra tasca: recordeu que les visualitzacions estan dissenyades per a determinades tasques i utilitzeu-les en conseqüència. Tot i això, el simple és gairebé sempre millor que el complex. L’objectiu és trobar els mitjans més ràpids i clars per transferir informació de les màquines als humans.