Construyendo un panel de visualización de indicadores clave

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

mailto:[email protected]

“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



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/

http://www.informationisbeautiful.net/

IntroducciónPopularidad (II)

Vox

Fuente: http://www.vox.com/2014/10/18/6995441/map-greatest-threat-country

http://www.vox.com/

IntroducciónPopularidad (III)

Politikon: Kiko Llaneras

Fuente: http://politikon.es/2014/01/30/personas-datos-gimnasios-y-patrones/

http://politikon.es/author/kikollaneras/



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

http://en.wikipedia.org/wiki/Lectures_on_History_and_General_Policy

http://en.wikipedia.org/wiki/A_Chart_of_Biography

http://en.wikipedia.org/wiki/A_New_Chart_of_History

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 ….



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



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

http://www.edwardtufte.com/tufte/s15427625tcq1304_5.pdf

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)



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)


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


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)



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)


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

http://courses.ischool.berkeley.edu/i247/f05/readings/Cleveland_GraphicalPerception_Science85.pdf

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

http://www.nmr.mgh.harvard.edu/martinos/people/showPerson.php?people_id=1153

http://www.wjh.harvard.edu/~kwn/Kosslyn_pdfs/2005Kozhevnikov_Mem&Cog33_SpatialvsObVis.pdf

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]


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



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


Actividad BI.03.4. Diseñando e implementando mi Dashboard

● ….



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



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”

http://www.amazon.com/Grammar-Graphics-Statistics-Computing/dp/0387245448

http://www.amazon.com/Grammar-Graphics-Statistics-Computing/dp/0387245448

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.

http://isites.harvard.edu/icb/icb.do?keyword=kosslynlab&pageid=icb.page250946

http://www.amazon.com/Visual-Language-Designers-Principles-Understand/dp/1592535151

http://www.slideshare.net/kverbert/in-34471961

http://flowingdata.com/about-nathan/

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/

http://columbiadataviz.wordpress.com/student-work/

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

mailto:[email protected]