Upload
alex-rayon-jerez
View
260
Download
2
Tags:
Embed Size (px)
DESCRIPTION
Taller práctico "Construyendo un panel de visualización de indicadores clave" como tercer paso a la capacitación de una organización para la explotación de los datos para aumentar la inteligencia de negocios.
Citation preview
El proceso de análisis y explotación de datos en proyectos de Business
IntelligenceMódulo 03: Construyendo un panel de visualización de
indicadores clave
Alex Rayón [email protected]
Octubre, 2014
“Perfection is achieved not when there is nothing more to add, but when there is nothing
left to take away”
Antoine de Saint-Exupery
Narrativa
+
Diseño
+
Estadística
“[...] people almost universally use story narratives to represent, reason about, and make
sense of contexts involving multiple interacting agents, using motivations and goals to explain
both observed and possible future actions. With regard to learning analytics, I’m seeing this as how
it can contribute to the retrospective understanding and sharing of what transpired
within the operational contexts”
[Zachary2013]
Índice de contenidos
● Introducción● Historia visualización de información● Conceptos● Proceso de visualización de información● Construyendo un Dashboard● Errores en la visualización● Herramientas y librerías
Índice de contenidos
● Introducción● Historia visualización de información● Conceptos● Proceso de visualización de información● Construyendo un Dashboard● Errores en la visualización● Herramientas y librerías
Introducción
● Peligro de perderse con los datoso Irrelevante para la tarea que se tiene entre manoso Procesado de una manera inapropiadao Presentado de una manera inapropiada
Source: http://www.planetminecraft.com/server/padlens-maze/
Introducción (II)
Introducción (III)
● Los buenos gráficos…o Señalan relaciones, tendencias o patroneso Exploran datos para inferir nuevo conocimientoo Hace fácil de entender un concepto, idea o hechoo Permite observar una realidad desde diferentes
puntos de vistao Permite recordar una idea
Introducción (IV)
● Es una forma de expresióno Como las matemática, la música, la pintura o la
escritura
o En consecuencia, tiene una serie de reglas que respetar
Source: http://powerlisting.wikia.com/wiki/Mathematics_Manipulation
Introducción (V)
A center of excellence
IntroducciónBeneficios
1) Procesamiento eficiente de información
IntroducciónBeneficios (II)
2) Relaciones y patrones entre actividades de negocio y operaciones
Fuente: http://www.mediameasurement.com/my-my-a-smoky-eyed-surprise/
IntroducciónBeneficios (III)
3) Identificar y actuar en tendencias emergentes cuanto antes
Fuente: http://www.propertyweek.com/emerging-trends-sustainability-given-the-green-light/5065937.article
IntroducciónBeneficios (IV)
4) Manipular e interactuar directamente con datos
Fuente: http://blog.visual.ly/interaction-design-for-data-visualizations/
IntroducciónBeneficios (V)
5) Fortalecer un nuevo lenguaje de negocio
Fuente: http://www.qualia.hr/businessq/visualize/
IntroducciónPopularidad
Information is beautiful
Fuente: http://www.informationisbeautiful.net/visualizations/the-microbescope/
IntroducciónPopularidad (II)
Vox
Fuente: http://www.vox.com/2014/10/18/6995441/map-greatest-threat-country
IntroducciónPopularidad (III)
Politikon: Kiko Llaneras
Fuente: http://politikon.es/2014/01/30/personas-datos-gimnasios-y-patrones/
Índice de contenidos
● Introducción● Historia visualización de información● Conceptos● Proceso de visualización de información● Construyendo un Dashboard● Errores en la visualización● Herramientas y librerías
Historia visualizaciónIntroducción
Siglo XVIII Siglo XIX Siglo XX
Joseph PriestleyWilliam Playfair
John SnowCharles J. Minard
F. Nightingale
Jacques BertinJohn Tukey
Edward TufteLeland Wilkinson
Historia visualizaciónSiglo XVIII: Joseph Priestley
Source: http://en.wikipedia.org/wiki/A_New_Chart_of_History#mediaviewer/File:A_New_Chart_of_History_color.jpg
Historia visualizaciónSiglo XVIII: Joseph Priestley (II)
● Lectures on History and General Policy (1788)o A Chart of Biography (1765)
o A New Chart of History (1769)
● Preciosas metáforas de una dimensión imprecisa y abstracta (tiempo) trasladada a una concreta (espacio)
o Pensamiento temporal consume recursos cognitivos
Historia visualizaciónSiglo XVIII: William Playfair
Source: http://en.wikipedia.org/wiki/William_Playfair
Historia visualizaciónSiglo XIX: John Snow
Source: http://en.wikipedia.org/wiki/1854_Broad_Street_cholera_outbreak
Historia visualizaciónSiglo XIX: Charles J. Minard
Source: http://en.wikipedia.org/wiki/Charles_Joseph_Minard
Historia visualizaciónSiglo XIX: Florence Nightingale
Source: http://en.wikipedia.org/wiki/Florence_Nightingale
Historia visualizaciónSiglo XX: Jacques Bertin
Source: http://www.amazon.com/Semiology-Graphics-Diagrams-Networks-Maps/dp/1589482611
Historia visualizaciónSiglo XX: John W. Tukey
Source: http://books.google.es/books/about/Exploratory_Data_Analysis.html?id=UT9dAAAAIAAJ&redir_esc=y
Historia visualizaciónSiglo XX: Edward R. Tufte
Source: http://www.edwardtufte.com/tufte/books_vdqi
Historia visualizaciónSiglo XX: Leland Wilkinson
Source: http://www.amazon.com/Grammar-Graphics-Statistics-Computing/dp/0387245448
Historia visualizaciónSiglo XX: Leland Wilkinson (II)
Source: http://www.amazon.com/Grammar-Graphics-Statistics-Computing/dp/0387245448
Aplicaciones para Tenzing
Actividad BI.03.1. Dimensiones de datos
● Elegir 4 ó 5 dimensiones de datos para su visualización
● Pensar en todas sus implicacioneso Facilidad de actualización
o Mejor herramienta para visualizar
o ….
Índice de contenidos
● Introducción● Historia visualización de información● Conceptos● Proceso de visualización de información● Construyendo un Dashboard● Errores en la visualización● Herramientas y librerías
ConceptosIntroducción
● Visualización de datos● Visualización de información● Geovisualización● Visual Analytics● Diseño de información● Infografías
ConceptosIntroducción (II)
● Herramientas cognitivaso Extienden el aprendizaje y la percepción humanao Fueron inventadas y desarrolladas por nuestros
antepasados para darle sentido al mundo y actuar de manera más efectiva en él Historias que enseñaron a las personas a recordar
cosas haciendo el conocimiento más interesante Metáforas que permitieron a las persona entender
una cosa analizándola en términos de otra Oposiciones binarias como bueno/malo que
ayudaron a las personas a organizar y categorizar conocimiento
ConceptosIntroducción (III)
Source: http://ierg.net/about/briefguide.html#cogtools
ConceptosIntroducción (IV)
Source:http://en.wikipedia.org/wiki/Cognitive_ergonomics
ConceptosVisualización de datos
El uso de representaciones visuales e interactivas sobre
ordenador de elementos abstractos para ampliar y
mejorar el procesamiento cognitivo
[Card1999]
ConceptosVisualización de información
● También conocido como InfoVis● Se centra en la visualización de datos
abstractos no-físicos como datos financieros, información de negocio, colecciones de documentos y conceptos abstractos
● Sin embargo, limita mucho el soporte a la toma de decisiones [AmarStasko2004]o Características limitadaso Representaciones predeterminadaso Rechazo al determinismo en la toma de decisiones
ConceptosGeovisualización
● Los datos geo-espaciales describen objetos o fenómenos que están asociados a una localización específica en el mundo real
Source: http://www.boostlabs.com/why-geovisualization-geographic-visualization-works/
ConceptosVisual Analytics
The science of analyticalreasoning facilitated by
interactive visual interfaces
[ThomasCook2005]
ConceptosVisual Analytics (II)
[Keim2006]
ConceptosVisual Analytics (III)
“Visual analytics is more than just visualization and can rather be seen as an integrated approach
combining visualization, human factors and data analysis. [...]integrates methodology from
information analytics, geospatial analytics, and scientific analytics. Especially human factors (e.g.,
interaction, cognition, perception, collaboration, presentation, and dissemination) play a key role in the communication between human and computer, as
well as in the decisionmaking process.”
[Keim2006]
ConceptosVisual Analytics (IV)
● [Sheniderman2002] sugiere combinar el enfoque de análisis cuantitativo sobre ordenador (Data Mining) con la visualización de información
● Utilizar herramientas de Visual Analytics para:○ Sintetizar información y obtener insights de datos masivos,
dinámicos, ambiguos y en ocasiones conflictivos
○ Detectar lo esperado y descubrir lo inesperado
○ Proveer interpretaciones de datos a tiempo, defendibles y entendibles
○ Comunicar interpretaciones de datos de manera efectiva para habilitar la toma de decisiones/acciones
ConceptosVisual Analytics (V)
Interactivevisualization
Computational analysis
Analyticalreasoning
ConceptosVisual Analytics (VI)
● Combinar las fortalezas tanto del procesamiento humano como electrónico [Keim2008]o Ofrece un procesamiento analítico semi-automático
o Utiliza las fortalezas de cada enfoque
ConceptosVisual Analytics (VII)
[Verbert2014]
ConceptosDiseño de información
The practice of presenting information
in a way that fostersefficient and effective
understanding of it
ConceptosDiseño de información (II)
Source: http://www.nytimes.com/imagepages/2007/03/17/nyregion/nyregionspecial2/20070318_TRAIN_GRAPHIC.html
ConceptosInfografías
The graphic visual representations of data,
information or knowledge intended to present complex
information quickly and clearly
ConceptosInfografías (II)
Source: http://blog.crazyegg.com/2012/02/22/infographics-how-to-strike-the-elusive-balance-between-data-and-visualization/
ConceptosInfografías (III)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef016760ebbbcd970b-550wi
ConceptosComparación
Source: http://www.slideshare.net/SookyoungSong/hci-tutorial0212
Índice de contenidos
● Introducción● Historia visualización de información● Conceptos● Proceso de visualización de información● Construyendo un Dashboard● Errores en la visualización● Herramientas y librerías
Proceso visualizaciónIntroducción
The purpose of analytical displays of evidence is to assist thinking. Consequently, in constructing displays of evidence, the first question
is, “What are the thinking tasks that these displays are supposed to serve?” The central claim of the book is that effective analytic
designs entail turning thinking principles into seeing principles. So, if the thinking task is to understand causality, the task calls for a
design principle: “Show causality.” If a thinking task is to answer a question and compare it with alternatives, the design principle is:
“Show comparisons.” The point is that analytical designs are not to be decided on their convenience to the user or necessarily their
readability or what psychologists or decorators think about them; rather, design architectures should be decided on how the
architecture assists analytical thinking about evidence.
Edward T. Tufte in an interview
Proceso visualizaciónData Visualization Reference Model
[Chi2000]
Proceso visualizaciónProceso Visual Analytics
Proceso visualizaciónProceso Visual Analytics (II)
1
Proceso visualizaciónPrincipios
● Resumen de los principios de Tufteo Revelar la verdad
Integridad gráfica
o Hacer de manera efectiva, con claridad, precisión, etc.
Diseño estético
“The success of a visualization is based on deep knowledge and care about the substance, and the quality, relevance and integrity of the content”
[Tufte1983]
Proceso visualizaciónPrincipios (II)
● Diseño estético: cinco principios
o Por encima de todo, mostrar los datos
o Maximizar el ratio dato-tinta
o Eliminar todo trazo de tinta que no contenga datos
o Eliminar trazos de tinta redundantes
o Revisar y editar
Proceso visualizaciónPrincipios (III)
● Atributos importanteso Color
o Tamaño
o Orientación
o Lugar en la página
o
Source: http://www.storytellingwithdata.com/2011/10/google-example-preattentive-attributes.html
Proceso visualización1) Transformación de datos
● Codificación del valoro Datos univariadoso Datos bivariadoso Datos multivariados
● Codificación la relacióno Líneaso Mapaso Diagramas
Proceso visualización1) Transformación de datos (II)
● Codificación del valoro Datos univariadoso Datos bivariadoso Datos multivariados
● Codificación la relacióno Líneaso Mapaso Diagramas
Proceso visualización1) Transformación de datos (III)
[Shneiderman1996]
Proceso visualización1) Transformación de datos (IV)
Data Visualization [Jarvainen2013]
Datos univariados
Los efectos de la variable independiente sobre una única variable dependiente
Proceso visualización1) Transformación de datos (V)
Data Visualization [Jarvainen2013]
Datos bivariados
Miden la relación entre dos variablesNinguna de las variables en estudio es independiente, por lo que el procedimiento no es
experimental, como en los estudios univariados
Proceso visualización1) Transformación de datos (VI)
Anscombe's quartetSource: http://en.wikipedia.org/wiki/Anscombe's_quartet
Proceso visualización1) Transformación de datos (VII)
Datos multivariados
Data Visualization [Jarvainen2013]
Analizar simultáneamente conjunto de datos multivariantes en el sentido de que hay varias variables medidas para cada individuo u objeto estudiado
Proceso visualización1) Transformación de datos (VIII)
● Codificación del valoro Datos univariadoso Datos bivariadoso Datos multivariados
● Codificación la relacióno Líneaso Mapaso Diagramas
Proceso visualización1) Transformación de datos (IX)
● Relacióno Asociación lógica o natural entre dos o más entidades
o Relevancia de la una en la otra
o Conexión
Fuente: http://www.tendencias21.net/estrategar/La-vida-es-relacion_a321.html
Proceso visualización1) Transformación de datos (X)
Red Social
Las líneas indican relación
Source: http://www.digitaltrainingacademy.com/socialmedia/2009/06/social_networking_map.php
Proceso visualización1) Transformación de datos (XI)
Proceso visualización1) Transformación de datos (XII)
Source: http://www.d3noob.org/2013/02/formatting-data-for-sankey-diagrams-in.html
Diagrama de Sankey
Proceso visualización1) Transformación de datos (XIII)
Source: http://en.wikipedia.org/wiki/Harry_Beck
Proceso visualización1) Transformación de datos (XIV)
A Tour Through the Visualization Zoo Source: http://homes.cs.washington.edu/~jheer//files/zoo/
Proceso visualización1) Transformación de datos (XV)
Aplicaciones para Tenzing
Actividad BI.03.2. Codificación del valor y la relación
● Determinaro Tipo de datos
o Tipo de gráfica
o Tipo de relación
o ...
● Justificar la elección
Proceso visualización2) Mapeo de datos
Ranking of elementary perceptual tasks [ClevelandMcGill1985]
Proceso visualización2) Mapeo de datos (II)
● Dos investigadores de AT&T Bell Labs, William S. Cleveland y Robert McGill, publicaron un artículo central en el Journal of the American Statistical Associationo El título era: “Graphical perception: theory,
experimentation, and application to the development of graphical methods”
● Propone una guía con las representaciones visuales más apropiadas en función del objetivo de cada gráfico
Proceso visualización2) Mapeo de datos (III)
“A graphical form that involves elementary perceptual tasks that lead to more accurate judgements than another
graphical form (with the same quantitative information) will result in a
better organization and increase the chances of a correct perception of
patterns and behavior.”
Proceso visualización2) Mapeo de datos (IV)
Source: http://www.businessinsider.com/pie-charts-are-the-worst-2013-6
“Save the pies for dessert”
(Stephen Few)
Proceso visualización2) Mapeo de datos (V)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef0167631df6f7970b-550wi
Proceso visualización2) Mapeo de datos (VI)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef016302299aa9970d-550wi
En algunas representaciones, la precisión no es el
objetivo, sino la percepción de patrones,
concentraciones, agregaciones, tendencias, etc.
Para estos casos, las formas de la parte inferior de la lista pueden resultar muy útiles
Proceso visualización2) Mapeo de datos (VII)
Proceso visualización2) Mapeo de datos (VIII)
Gráficos descriptivos Gráficos simbólicos
Source: http://trevorcairney.blogspot.com.es/2010_04_01_archive.html
Proceso visualización2) Mapeo de datos (IX)
● Maria Kozhevnikov, afirma que no todo el mundo entiende las representaciones estadísticas de manera sencillao Depende de algunos patrones de activación dentro del
cerebro
● En uno de sus estudios, expone cómo los artistas, arquitectos y científicos los gráficos de diferentes maneras
Proceso visualización2) Mapeo de datos (X)
Ranking of perceptual tasks [ClevelandMcGill1985]
Proceso visualización2) Mapeo de datos (XI)
Recordando a Tufte:
“What are the thinking tasks that these displays are
supposed to serve?”
Proceso visualización2) Mapeo de datos (XII)
¿Qué visualización para...?
1) Comparar números
2) Mostrar la variación en el tiempo de una magnitud
3) Mostrar la correlación entre dos variables
Proceso visualización2) Mapeo de datos (XIII)
¿Para comparar números?
A bar chart (Source: http://en.wikipedia.org/wiki/Bar_chart)
Proceso visualización2) Mapeo de datos (XIV)
¿Para comparar números?
Source: http://www.improving-visualisation.org/img_uploads/2009-03-09_Mon/200939171254.jpg
?
Proceso visualización2) Mapeo de datos (XV)
¿Para mostrar la variación en el tiempo de una magnitud?
A line chart (Source: http://en.wikipedia.org/wiki/Line_graph)
Proceso visualización2) Mapeo de datos (XVI)
¿Para mostrar la correlación entre dos variables?
A scatter plot(Source: http://en.wikipedia.org/wiki/Scatter_plot)
Proceso visualización2) Mapeo de datos (XVII)
¿Diferencia entre dos variables?
Cleveland and McGill, nuestro cerebro tiene problemas comparando ángulos, curvas y direcciones → si queremos mostrar la diferencia, debemos
representar directamente la diferencia
o
Proceso visualización2) Mapeo de datos (XVIII)
Source: http://www.excelcharts.com/blog/uncommon-knowledge-about-pie-charts/#prettyPhoto[gallery]/0/
Proceso visualización2) Mapeo de datos (XIX)
¿La mejor estrategia?
Representar los mismos datos de diferentes maneras
Proceso visualización2) Mapeo de datos (XX)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef0153903da6ba970b-550wi
Un mapa
Gráficos
Tabla numérica
Proceso visualización2) Mapeo de datos (XXI)
Diferentes configuraciones de
visualización
Filtros (zoom, herramienta de
búsqueda, seleccionar datos por continente y
tamaño)
Búsqueda en profundidad (click en las
burbujas y enseñar más datos, etc.)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef0153903da6ba970b-550wi
Proceso visualización2) Mapeo de datos (XXII)
Source: http://www.stonesc.com/Vis08_Workshop/DVD/Reijner_submission.pdf
Proceso visualización2) Mapeo de datos (XXIII)
Source: http://apandre.wordpress.com/dataviews/choiceofchart/
Proceso visualización2) Mapeo de datos (XXIV)
Source: http://apandre.wordpress.com/dataviews/choiceofchart/
Proceso visualización2) Mapeo de datos (XXV)
Source: http://www.visual-literacy.org/periodic_table/periodic_table.html
Proceso visualización2) Mapeo de datos (XXVI)
Classification of Visual Data Exploration Techniques [Keim2002]
Aplicaciones para Tenzing
Actividad BI.03.3. Mapeo de datos
● Determinaro Gráfica para cada dimensión de datos
o Configuraciones de visualización (filtros, búsqueda en profundidad, etc.)
o Escala de Cleveland y McGill: ¿por qué?
● Justificar la elección
Índice de contenidos
● Introducción● Historia visualización de información● Conceptos● Proceso de visualización de información● Construyendo un Dashboard● Errores en la visualización● Herramientas y librerías
DashboardIntroducción
Fundamentales
PercepciónVisiónColor
Principios
Técnicas
RepresentaciónPresentaciónInteracción
Aplicaciones
DashboardsVisual
Analytics
DashboardIntroducción (II)
“Most information dashboards that are used in business today fall far short of their potential”
Stephen Few
DashboardDefinición
“A dashboard is a visual display of the most important information needed to
achieve one or more objectives; consolidated and arranged on a single
screen so the information can be monitored at a glance”
[Few2007]
DashboardCaracterísticas
● Displays visuales
● Visualizar información necesaria para alcanzar unos objetivos específicos
● Que se ajuste a una sola pantalla
● Que se pueda emplear para monitorizar información a golpe de ojo
● Mecanismos de visualización pequeños, concisos, claros e intuitivos
● Personalizados a las necesidades
DashboardCategorías
Role Strategic, Operational, Analytical
Type of data Quantitative, Non-quantitative
Data domain Sales, Finance, Marketing, Manufacturing, Human Resources, Learning, etc.
Type of measures Balanced Scored Cards, Six Sigma, Non-performance
Span of data Enterprise wide, Departmental, Individual
Update frequency Monthly, Weekly, Daily, Hourly, Real-time
Interactivity Static display, Interactive display
Mechanisms of display
Primarily graphical, Primarily text, Integration of graphics and text
Portal functionality Conduit to additional data. No portal functionality
DashboardErrores comunes (II)
1) Exceder los límites de una sola pantalla● La información que aparece en un dashboard
puede estar fragmentada en una de las siguientes dos maneras:o Diferentes pantallas a las que hay que navegaro Diferentes instancias de una misma visualización a los
cuales para acceder hay que navegar
DashboardErrores comunes (II)
2) Ofrecer un contexto inadecuado para los datos● De este modo, las medidas no serán
significativas3) Visualizar excesivo detalle o precisión● Mostrar detalles innecesarios4) Elegir una medida no eficiente● Utilizar medidas que fallan en expresar de
manera directa el mensaje que se pretende
DashboardErrores comunes (III)
5) Elegir un display de visualización inapropiado
● Un problema muy común con los pie charts ;-)
6) Introducir una variedad gráfica innecesaria
● Exhibir una variedad de displays innecesarios
7) User displays pobremente diseñados
● Orden, leyenda, colores claros, etc.
DashboardErrores comunes (IV)
8) Codificar datos cuantitativos de manera imprecisa9) Presentar los datos pobremente● Los datos más importantes deben ser
enfatizados● Los datos que requieren atención inmediata
deben destacar● Los datos que se deben comparar serán
presentados y diseñados visualmente de manera que favorezca la comparación
DashboardErrores comunes (V)
10) Enfatizar los datos importantes de manera ineficiente
● Fallar en la diferenciación de datos en función de su importancia○ Dar el mismo peso a todo lo presentado en la pantalla
11) Añadir decoraciones innecesarias● Aparentar ser algo que no se es
● Resulta en decoraciones que despistan y resultan inútiles
DashboardErrores comunes (VI)
12) Abuso del color
● El abuso del color debilita su poder
13) Diseñar un display visual no atractivo
● El reto fundamental de un diseño de Dashboard es mostrar efectivamente una gran variedad de datos en poco espacio
DashboardBuzzwords
● Dashboardso Presenta información en una manera que resulta fácil
de leer y de interpretar
● Key Performance Indicatoro Éxito o los pasos para llegar al éxito en relación a un
objetivo
DashboardVisualizaciones de datos interactivas
Graphic design
Staticvisualization
Data analysis
DashboardVisualizaciones de datos interactivas (II)
Graphic design
Data analysis
Interactive design
ExploratoryData analysis
Interactivevisualization
Userinterface
design
Static visualization
DashboardVisualizaciones de datos interactivas (III)
● ¿Cuándo es suficiente una representaciónestática?o Escala
Muchos puntos de datos Muchas diferentes dimensiones
o Storytellingo Exploracióno Aprendizaje
DashboardVisualizaciones de datos interactivas (IV)
● Seleccionar
● Explorar
● Reconfigurar
● Codificar
● Elaborar
● Filtrar
● Conectar
DashboardVisualizaciones de datos interactivas: 1) Seleccionar
Source: http://en.wikipedia.org/wiki/Closest_pair_of_points_problem
Seleccionar un detalle de un conjunto de datos grande para tenerlo controlado
DashboardVisualizaciones de datos interactivas: 2) Explorar
● Superar limitaciones de tamaño del display
● La técnica más común: zoom panorámico
DashboardVisualizaciones de datos interactivas: 3) Reconfigurar
● Ofrecer una distribución de elementos diferente
DashboardVisualizaciones de datos interactivas: 4) Codificar
● Cambiar variables visuales: colores, tamaños, orientación, fuente, tamaño
DashboardVisualizaciones de datos interactivas: 5) Elaborar
● Mostrar más o menos detalle: foco + contexto
DashboardVisualizaciones de datos interactivas: 6) Filtrar
● Filtro: mostrar datos condicionales
DashboardVisualizaciones de datos interactivas: 7) Conectar
● Mostrar items relacionados: cepillado y enlace
DashboardInteraction framework
● Continuous interaction
● Stopped interaction
● Passive interaction
● Composite interaction
DashboardInteraction framework (II)
Continuous interaction
DashboardInteraction framework (III)
Stopped interaction
DashboardInteraction framework (IV)
Passive interaction
Two important aspects of passive interaction:
1) During typical use of a visualization tool, most of the user’s time is spent on passive interaction
– often involving eye movement
2) Passive interaction does not imply a static representation
DashboardInteraction framework (V)
Passive interaction
DashboardInteraction framework (VI)
Composite interaction
Source: http://vis.berkeley.edu/papers/generalized_selection/
DashboardPasos
Fuente: http://www.tableausoftware.com/es-es/trial/tableau-software
1. Choose metrics that matter
2. Keep it visual
3. Make it interactive
4. Keep it current or don’t bother
5. Make it simple to access and use
Aplicaciones para Tenzing
Actividad BI.03.4. Diseñando e implementando mi Dashboard
● ….
Índice de contenidos
● Introducción● Historia visualización de información● Conceptos● Proceso de visualización de información● Construyendo un Dashboard● Errores en la visualización● Herramientas y librerías
Errores visualizaciónIntroducción
Errores visualizaciónAlgunos errores
¿Problemas?
Errores visualizaciónAlgunos errores (II)
● Multidimensionalidad● Falta de contexto y
entendimiento○ ¿Son los números
relevantes?○ ¿Qué significan?○ ¿Cómo me afectan?
Una cebolla con una única capa
Errores visualizaciónAlgunos errores (III)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef0153903125d9970b-550wi
¿Problemas?
Intenta identificar
1) El mayor donante de 20082) El menor donante de 20093) La variación entre 2008 y
20094) Qué región recibió la mayor
cantidad de dinero
Errores visualizaciónAlgunos errores (IV)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef0153903125d9970b-550wi
Un mapa no es la mejora manera de representar este
tipo de datos
Si quiero responder a las preguntas anteriores, tengo que realizar una búsqueda de las cifras, memorizarlas
y luego compararlas
Errores visualizaciónAlgunos errores (V)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef015390a96894970b-550wi
¿Problemas?
Este gráfico intenta revelar el tamaño del déficit del Reino Unido (el cuadro negro del
lado derecho)
¿Ayuda el gráfico a contextualizar?
¿Podemos analizar los datos?¿Cómo lo comparamos?
¿Conocemos las diferencias?
Errores visualizaciónAlgunos errores (VI)
Solución
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef015390a98d8a970b-550wi
Errores visualizaciónAlgunos errores (VII)
¿Problemas?
Los valores de la barra debieran empezar en 0
Source: http://www.qualitydigest.com/inside/quality-insider-article/asci-customer-satisfaction-airlines-remains-low.html
Índice de contenidos
● Introducción● Historia visualización de información● Conceptos● Proceso de visualización de información● Construyendo un Dashboard● Errores en la visualización● Herramientas y librerías
Herramientas y libreríasPentaho Reporting
Herramientas y libreríasMany Eyes
Herramientas y libreríasTableau Public
Herramientas y libreríasTableau Public (II)
● Gratuito● 1 GB de almacenamiento● Facilidad para embeber en una página web● Tableu Public Premium
o Precio basado en el número de páginas vistas
Herramientas y libreríasd3.js
Herramientas y libreríasHighcharts
Herramientas y libreríasR Studio
Herramientas y libreríasggplot2 in R
An implementation of the Grammar of Graphics by Leland Wilkinson
“In brief, the grammar tells us that a statistical graphic is a mapping from data to aesthetic
attributes (color, shape, size) of geometric objects (points, lines, bars). The plot may also contain statistical transformations of the data and is
drawn on a specific coordinate system”
Herramientas y libreríasggplot2 in R (II)
Herramientas y libreríasGoogle Charts
Herramientas y libreríasGoogle Charts (II)
Herramientas y libreríasGoogle Fusion Tables
Herramientas y libreríasGoogle Fusion Tables (II)
Herramientas y libreríasSimile Widgets
Herramientas y libreríasProcessing.js
Herramientas y libreríasNodeXL
Herramientas y libreríasSpotfire
Herramientas y libreríasAdvizor Analyst
Herramientas y libreríasDatawatch
Herramientas y libreríasQlikView
Herramientas y libreríasPrefuse
Herramientas y libreríasProtovis
Herramientas y libreríasDatawrapper
Referencias[AmarStasko2005] Amar, R. A., & Stasko, J. T. (2005). Knowledge precepts for design and evaluation of information visualizations. Visualization and Computer Graphics, IEEE Transactions on, 11(4), 432-442.
[Cairo] Alberto Cairo [Online]. URL: https://twitter.com/albertocairo
[Chi2000] Chi, Ed H. "A taxonomy of visualization techniques using the data state reference model." Information Visualization, 2000. InfoVis 2000. IEEE Symposium on. IEEE, 2000.
[ClevelandMcGill1985] Cleveland, William S., and Robert McGill. "Graphical perception and graphical methods for analyzing scientific data." Science229.4716 (1985): 828-833.
[Few2004] Few, Stephen. "Show me the numbers." Analytics Pres (2004).
[Few2007] Few, Stephen. "Dashboard confusion revisited." Perceptual Edge (2007).
[Fry] Ben Fry [Online]. URL: http://benfry.com/
[Jarvinen2013] Data visualization [Online]. URL: http://lib.tkk.fi/Lic/2013/urn100763.pdf
[Keim2006] Keim, D.A.; Mansmann, F. and Schneidewind, J. and Ziegler, H., Challenges in Visual Data Analysis, Proceedings of InformationVisualization (IV 2006), IEEE, p. 9-16, 2006.
[Kosslyn] Kosslyn Laboratory [Online]. URL: http://isites.harvard.edu/icb/icb.do?keyword=kosslynlab&pageid=icb.page250946
[Malamed] Visual Language for Designers: Principles for Creating Graphics that People Understand [Online]. URL: http://www.amazon.com/Visual-Language-Designers-Principles-Understand/dp/1592535151
[Shneiderman1996] Shneiderman, Ben. "The eyes have it: A task by data type taxonomy for information visualizations." Visual Languages, 1996. Proceedings., IEEE Symposium on. IEEE, 1996.
[Shneiderman2002] Shneiderman, B. (2002) Inventing discovery tools: combining information visualization with data mining1. Information visualization, 1(1), 5-12.
[ThomasCook2005] J.J. Thomas and K.A. Cook, "A Visual Analytics Agenda," IEEE Computer Graphics & Applications, vol. 26, pp. 10-13, 2006.
[Verbert2014a] Visual Analytics [Online]. URL: http://www.slideshare.net/kverbert/in-34471961
[Yau] Nathan Yau [Online]. URL: http://flowingdata.com/about-nathan/
[Zachary2013] Zachary, W., Rosoff, A., Miller, L. C., & Read, S. J. (2013). Context as a Cognitive Process: An Integrative Framework for Supporting Decision Making. Paper presented at the STIDS.
CursosKU Leuven [Online]. URL: http://ariadne.cs.kuleuven.be/wiki/index.php/MM-Course1314
Berkeley [Online]. URL: http://blogs.ischool.berkeley.edu/i247s13/
Columbia university [Online]. URL: http://columbiadataviz.wordpress.com/student-work/
Information Visualization MOOC [Online]. URL: http://ivmooc.cns.iu.edu/
Recursos adicionaleshttp://infosthetics.com/
http://visualizing.org
http://www.visualcomplexity.com/vc/
http://visual.ly/
http://flowingdata.com
http://www.infovis-wiki.net
El proceso de análisis y explotación de datos en proyectos de Business
IntelligenceMódulo 03: Construyendo un panel de visualización de
indicadores clave
Alex Rayón [email protected]
Octubre, 2014