Cómo elegir la visualización de datos adecuada

Los datos se entienden mejor cuando se presentan en un formato visual en circunscripción de texto. Entonces, ¿cómo elige la imagen que mejor captura lo que intentan opinar sus datos de marketing?

En esta publicación, cubriré las consideraciones secreto detrás de una buena dilema de visualización.

Su dilema de visualización afecta la historia que contarán sus datos

Las visualizaciones de datos capturan cualquier tarea medida en el repaso del cliente. Está destinado a organizar las observaciones de una dimensión o métrica en un esquema. Pero la opción de visualización correcta no siempre es evidente de inmediato cuando los analistas se ponen a trabajar en sus soluciones de datos. Los menús y paneles de soluciones a menudo contienen gráficos que representan las plataformas que debían calcular. Tales opciones pueden funcionar, si usa la aparejo de forma consistente.

Sin requisa, a menudo los analistas necesitan combinar los datos que se encuentran en una plataforma con otros datos o en una métrica calculada. Eso cambiará sus opciones de visualización. Sin requisa, no les faltan opciones, ya que el crecimiento de los datos ha llevado a un maduro número de opciones de visualización para mostrar resultados e incorporar datos en tiempo efectivo.

Todo esto hace que designar la imagen adecuada sea aún más complicado.

Artículo relacionado: Cómo las herramientas de visualización de datos facilitan el análisis de autoservicio

Para comenzar su selección de visualización, haga las preguntas de Munzner

Entonces, ¿por dónde empiezas a designar un buen esquema?

En mi publicación de visualización, Lo que hace una buena visualización de datos Mencioné dos aspectos de los datos a considerar. Desea un esquema que transmita ideas de los datos que son demasiado complejos para explicar con palabras y que ayude a su audiencia a analizar rápidamente la información y proceder en función de los resultados.

Para alcanzar a ese esquema, haga un conjunto de preguntas creadas por Tamara Munzner, profesora de estudios informáticos en la Universidad de Columbia Británica. Munzner es reconocida por su extensa investigación en el avance, evaluación y caracterización de sistemas y técnicas de visualización. Ella destacó este entorno de preguntas en su presentación en evitar el disección de visualización.

1. ¿Quiénes son los usuarios finales? (Esta es la audiencia que necesita la información).
2. ¿Qué se está mostrando?
3. ¿Por qué el heredero lo mira? (Las preguntas 2 y 3 están destinadas a resaltar qué son los datos, cómo están organizados y su fuente).
4. ¿Cómo se muestra esto? (Esta es la pregunta secreto: qué tipo de esquema muestra mejor los datos).

Las respuestas a las preguntas de Munzner ayudan a delimitar qué gráficos representan mejor las respuestas visualmente. Su dilema de esquema debe ganar uno de los siguientes propósitos:

1. Para analizar la composición de una distribución o un cambio.
2. Identificar patrones o tendencias.
3. Para revelar el propósito 1 y/o el propósito 2 internamente de un subconjunto de un conjunto de datos determinado.

Elija un esquema que muestre una grado en los datos

Cuatro categorías de gráficos son adecuados para mostrar jerarquías en los datos: composición, distribución, relación y comparación. Tanto los gráficos de composición como los de distribución abordan la estructura de sus dimensiones o métricas dadas según se relacionan a través de las observaciones, mientras que los gráficos de relación y comparación están destinados a resaltar diferencias contrastantes a través de patrones y tendencias.

Los gráficos de composición están destinados a describir la composición de un conjunto de observaciones. Las visualizaciones de esta categoría incluyen gráficos circulares, diagramas de árbol y gráficos de barras apiladas.

Los gráficos de distribución muestran el rango de observaciones, lo que lo hace consumado para las estadísticas que indican la calidad de las dimensiones y métricas que contienen esas observaciones. Se eligen ejemplos como histogramas o diagramas de caja para asaltar el rango estadístico.

Los gráficos de relaciones se refieren a las tendencias de correlación entre dos o más dimensiones o métricas. Los diagramas de dispersión y los gráficos de burbujas son buenos ejemplos.

Los gráficos de comparación están destinados a resaltar las diferencias con respecto a la desviación, las tendencias o la clasificación entre dos o más dimensiones o métricas. Suelen ser una variación especializada de los gráficos de relaciones o de composición, como los gráficos de regresión, los gráficos de Pareto, los gráficos de impacto y los gráficos de columnas apiladas.

El mejor esquema para su propósito organiza los datos para replicar a la pregunta «¿Por qué el heredero mira esto?»

Cada una de estas categorías tiene múltiples estilos de gráficos, más de los que se pueden cubrir en una sola publicación. Pero al designar un esquema, está buscando el que mejor muestre una grado que responda con claridad y precisión a sus preguntas.

Artículo relacionado: Deje de torturar sus datos y otros consejos para revelar verdaderas perspectivas de datos

Sepa cómo sus datos y colores transmiten información

El éxito de un esquema depende en parte de si crea una carga cognitiva para la audiencia. La carga cognitiva se refiere a la cantidad de información que un cerebro puede procesar en un momento cubo. Por lo tanto, desea cerciorarse de que los fundamentos gráficos se combinen para contar la historia más clara con el beocio esfuerzo por parte del espectador.

Por ejemplo, los gráficos de barras y los gráficos circulares pueden mostrar igualmente una composición de datos, pero los gráficos de barras son mejores para mostrar diferencias de unidades. Esas diferencias son importantes para mostrar la precisión de la comparación. En circunscripción de opinar que hay un aumento del 20 % en el tráfico orgánico, por ejemplo, necesita un esquema de barras que muestre ese aumento del 20 %. Con solo una ojeada, su heredero final puede absorber fácilmente el cambio.

En el esquema a continuación, puede ver claramente que había pocos vehículos con tracción trasera (r) en comparación con los vehículos con tracción total (4) o los vehículos con tracción delantera (f).

Una buena visualización se centra en la precisión al indicar las medidas. Los mapas de calor pueden mostrar cambios de gradiente, pero pueden ser una mala dilema para la precisión cuando la audiencia quiere comprender las distintas diferencias numéricas entre los fundamentos. Por ejemplo, si un cambio de temperatura de uno o dos grados tiene importancia para su sujeto, debe designar un esquema que resalte cuándo aparece esa diferencia.

El color es otro punto a tener en cuenta. Seguir con un solo color y usar sombras para indicar la distinción visual reduce las cargas cognitivas. Todavía tenga en cuenta las cuestiones de accesibilidad, como los usuarios daltónicos, al distinguir su combinación de colores. Un segundo color es aceptable para resaltar una dimensión específica para que se destaque frente a las otras dimensiones en un esquema de barras. Dos colores son perfectos para gráficos que muestran dos extremos divergentes, como un planisferio de calor. A menudo verá esto en los gráficos de correlación, como el que se muestra a continuación, para indicar la fuerza de la correlación de las observaciones.

Pero hay límites a la cantidad de colores que se pueden asignar en algunos gráficos de composición. Por lo normal, de seis a ocho colores es un buen estadio para mostrar diferencias significativas en múltiples dimensiones o métricas. Más que eso introduce demasiada granularidad. La visualización resultante amontona las imágenes gráficas y hace que las distinciones sean difíciles de ver.

Si debe mostrar más de ocho dimensiones diferentes con distintos colores, un diagrama de árbol es una mejor opción. Un planisferio de árbol es un diagrama de rectángulos anidados que se muestran como una grado de acuerdo con el valía de los datos dados. El dominio de cada rectángulo corresponde al valía numeral de sus datos. Los tamaños hacen que la escalera de cada punto de datos sea clara para ver, con escalas de color que brindan una maduro distinción, todo internamente de un espacio de visualización escaso.

Encima, las plataformas de visualización avanzadas como Tableau y Google Data Studio tienen opciones para consultar subconjuntos de datos de fuentes de datos. Esto le brinda opciones visuales y de color adicionales para contar su historia de datos.

Artículo relacionado: Cómo usar de manera efectiva los informes TreeMap de Google Analytics

Elija visualizaciones que se ajusten a su diámetro de tiempo o ubicación

La ulterior opción de visualización se relaciona con mostrar cómo evolucionan los datos con el tiempo. Los gráficos de relaciones suelen funcionar admisiblemente, como los gráficos de líneas que pueden mostrar una comparación a lo prolongado del tiempo, o los gráficos de regresión de los cambios de datos durante un período determinado. Pero es posible que deba mostrar períodos de tiempo prolongados para mostrar una tendencia importante, aunque de transformación lenta.

Aquí es donde los lenguajes de programación como R y Python pueden ayudar. Las bibliotecas (scripts agregados para la funcionalidad) ofrecen opciones de visualización para que el heredero pueda anotar gráficos y crear animaciones que muestren cómo cambian los datos con el tiempo. A menudo, los datos se leen en el software y luego se mapean en gráficos visuales utilizando la biblioteca. Los usuarios de Python pueden designar bibliotecas, como Matplotlib y Seaborn, mientras que los usuarios de R tienen golpe a ggplot2, una biblioteca basada en un concepto de gramática de gráficos de sumar o eliminar cada punto esquema como una capa para dedicar opciones de personalización.

La preeminencia de estas bibliotecas es que puede crear imágenes personalizadas que se adapten a sus micción mediante scripts que llaman a datos en tiempo efectivo a través de una API. Esto permite que los gráficos permanezcan actualizados con la información más fresco.

Estos asimismo son aperos para visualizaciones espaciales como gráficos de geolocalización. Los datos se asignan a una ubicación de interés, lo que agrega otra consideración para mostrar información. Las bibliotecas para Python y R ofrecen opciones para mapas visuales y combinaciones de gráficos.

Pregunte con qué frecuencia se necesitan actualizaciones de gráficos

¿Es necesario modernizar un esquema periódicamente para monitorear el desempeño continuo o es necesario para un disección de una sola vez? La respuesta dicta qué tipo de flujo de trabajo funciona mejor.

Los gráficos en tiempo efectivo generalmente se combinan con paneles basados ​​en la aglomeración para mandar los datos y las imágenes. Por ejemplo, en la programación R, puede crear fácilmente una aplicación brillante, una aplicación web simple que permite que los datos, los resultados del software y los gráficos aparezcan en un entorno digital compartido. Una aplicación brillante se puede encajar como un panel que actualiza las visualizaciones al instante cuando se solicitan los datos. Encima, asimismo puede sumar funciones HTML como ordenanza y controles deslizantes para permitir que su audiencia ajuste una pantalla sin tocar los datos o el código subyacente.

En última instancia, debe delinear el software de informes que mejor aborde lo que su audiencia necesita de los datos. Al hacerlo, resaltará los pasos necesarios para entregar sus gráficos y ver qué afecta las decisiones. A veces hay razones técnicas para ajustar la diámetro de tiempo. Muchas veces las personas prefieren una imagen estática o se limitan a una imagen si el esquema es para material impreso. La asignación de datos sin procesar a imágenes plantea la pregunta de qué golpe a las fuentes de datos se necesita para proveer los gráficos. Si se actualiza regularmente, entonces necesita un medio sencillo para modernizar los datos y las anotaciones asociadas.

Artículo relacionado: ¿Qué es Tableau? Cómo BI inspira el crecimiento

Unos últimos consejos para designar buenas visualizaciones

En última instancia, una buena selección de visualización aclarará sus disección. Como mencioné en 10 errores que debe evitar al repensar su estrategia de análisisy, desea evitar preguntas amplias que se conviertan en una novelística larga y aburrida sobre sus datos. Eso no lleva a conclusiones significativas sobre sus esfuerzos de marketing.

Si tiene mucho material crítico pero sabe que las partes interesadas no tienen mucho tiempo, puede colocar esas imágenes en un apéndice para que los destinatarios puedan revisar los detalles cuando sea conveniente. Puedes descubrir algunas reglas generales más en mi publicación de visualización.

Designar buenos fundamentos visuales para contar una historia enfoca su disección de marketing. Una visualización sólida abrirá debates en su audiencia sobre conclusiones que harán avanzar las experiencias de sus clientes y su estructura.