Lectura 1.
Conceptos básicos de visualización
Si tú eres el analista de front end y tu función es la de preparar una serie de informes para la alta dirección
debes conocer que ésta no tiene tiempo para ver tablas con números y analizar su comportamiento. Debe ver
información resumida, gráfica, altamente intuitiva.
Esta lectura es una introducción a la presentación de información.
Conceptos básicos de visualización
¿Qué es la visualización de datos?
La visualización de datos es la presentación de información en un formato gráfico o pictórico.
Permite a los responsables de la toma de decisiones ver los análisis presentados visualmente,
para que puedan captar conceptos difíciles o identificar nuevos patrones. Con la visualización
interactiva, se puede llevar el concepto un paso más allá; mediante el uso de la tecnología se
puede profundizar en cuadros y gráficos para obtener así más detalles y cambiar de forma
interactiva qué datos se ven y cómo se procesan.
Historia de la visualización de datos
La idea de utilizar imágenes para comprender datos ha existido durante siglos, desde mapas y
gráficos en el siglo XVII hasta la invención del gráfico circular a principios del siglo XIX. Varias
décadas más tarde, uno de los ejemplos más citados de gráficos estadísticos es el que tuvo como
protagonista a Charles Minard cuando trazó un mapa de la invasión de Napoleón a Rusia. El mapa
mostraba el tamaño del ejército, así como el camino de la retirada de Napoleón de Moscú, y
relacionaba esa información con las escalas de temperatura y tiempo para una comprensión más
profunda del evento.
Sin embargo, fue la tecnología la que realmente transformó la visualización de datos. Las
computadoras permitieron procesar grandes cantidades de datos a velocidades vertiginosas. Hoy
en día, la visualización de datos se ha convertido en una ciencia de rápida evolución que
seguramente cambiará el panorama corporativo en los próximos años.
¿Por qué es importante la visualización de datos?
Debido a la forma en que el cerebro humano procesa la información, usar diagramas o gráficos
para visualizar grandes cantidades de datos complejos es más fácil que leer detenidamente hojas
de cálculo o informes.
La visualización de datos es una manera rápida y sencilla de transmitir conceptos de forma
universal; se puede experimentar con diferentes escenarios haciendo pequeños ajustes.
La visualización de datos también puede:
➔ identificar las áreas que necesitan atención o mejora;
➔ aclarar qué factores influyen en el comportamiento del cliente;
➔ ayudar a entender qué productos colocar y dónde;
➔ predecir volúmenes de ventas.
Visualización de datos en el mundo de hoy
¿Cuál es el impacto que la visualización de datos ha tenido en el mundo corporativo y qué está
reservado para el futuro?
La visualización de datos va a cambiar la forma en que nuestros analistas trabajan con los datos.
Se espera que a través de ella se pueda responder a los problemas más rápidamente. Los
analistas tendrán que ser capaces de buscar más información: ver los datos de forma diferente,
con más imaginación. La visualización de datos promoverá esa exploración de datos creativos.
Figura 1: Visualización de datos.
Fuente: Ingeniero virtual, 2016a,
[Link]
¿Cómo se usa la visualización de datos?
Independientemente de la industria o el tamaño, todos los tipos de empresas están utilizando la
visualización de datos para ayudar a dar sentido a su información.
Figura 2: Equipo de BI trabajando en visualización de datos.
Fuente: Ingeniero virtual, 2016b,
[Link]
Comprender información rápidamente
Mediante el uso de representaciones gráficas de información comercial, las empresas pueden ver
grandes cantidades de datos de forma clara y cohesiva, y sacar conclusiones de esa información.
Dado que es mucho más rápido analizar información en formato gráfico (en lugar de analizar
información en hojas de cálculo), las empresas pueden abordar problemas o responder preguntas
de manera más puntual.
Identificar tendencias emergentes
Usar la visualización de datos para descubrir las tendencias, tanto en el negocio como en el
mercado, puede dar a las empresas una ventaja sobre la competencia y, en última instancia,
modificar el resultado final. Es fácil detectar valores atípicos que afectan la calidad del producto o
la rotación de clientes y abordar problemas simples antes de que se conviertan en problemas
mayores.
Identificar relaciones y patrones
Incluso, grandes cantidades de datos complicados comienzan a tener sentido cuando se
presentan gráficamente. Así, las empresas pueden reconocer parámetros altamente
correlacionados. Algunas de las correlaciones serán obvias, pero otras no tanto. Identificar esas
relaciones ayuda a las organizaciones a enfocarse en las áreas con más probabilidades de influir
en sus objetivos más importantes.
Comunica la historia a otros
Una vez que una empresa ha descubierto nuevas perspectivas del análisis visual, el siguiente
paso es comunicar esas ideas a los demás. Usar diagramas, gráficos u otras representaciones de
datos visualmente impactantes es importante, en este paso, porque es atractivo y transmite el
mensaje rápidamente.
Figura 3: Serie de iconografías representativas de diferentes tipos de diagramas.
Fuente: Ingeniero virtual, 2016c,
[Link]
Lectura 2. Visualización de la información y tableros de control
Te estas desempeñando como analista de monitoreo en el área de sistemas de una empresa que se dedica a
vender servicios de base de datos. Se necesita una herramienta de visualización donde se pueda reflejar el
estado de las bases de datos, las conexiones y tickets de reclamos.
Esta lectura orientará cómo resolver la problemática planteada.
Visualización de la información y tableros de control
Importancia de la visualización de datos
La visualización de datos es un término general que describe cualquier esfuerzo
para ayudar a las personas a comprender la importancia de los datos,
colocándolos en un contexto visual. Los patrones, las tendencias y las
correlaciones que pueden pasar desapercibidos en los datos basados en texto
pueden exponerse y reconocerse más fácilmente con el software de visualización
de datos.
Las herramientas de visualización de datos actuales van más allá de los gráficos y
cuadros estándares utilizados en las hojas de cálculo de Microsoft Excel, y
muestran los datos de formas más sofisticadas con infografías, tacómetros, mapas
geográficos, mapas de calor y gráficos detallados de barra o torta. Las imágenes
pueden incluir capacidades interactivas, lo que le permite a al usuario manipularlas
o profundizar en los datos para consultas y análisis. También se pueden incluir
indicadores diseñados para alertar al usuario cuando se actualizan los datos o se
producen condiciones predefinidas.
La visualización de datos se ha convertido en el estándar para la inteligencia
empresarial moderna (BI). El éxito de los dos proveedores líderes en el espacio BI,
que enfatizan la visualización, ha llevado a otros proveedores a un enfoque más
visual en su software. Prácticamente, todo el software BI tiene una sólida
funcionalidad de visualización de datos.
Las herramientas de visualización de datos han sido importantes para
democratizar los datos y el análisis, y poner a disposición de los trabajadores las
ideas basadas en datos para toda la organización. Por lo general, son más fáciles
de usar que el software de análisis estadístico tradicional.
El software de visualización de datos también juega un papel importante en Big
Data y en proyectos avanzados de análisis. En la medida en que las empresas
comenzaron a acumular grandes cantidades de datos, necesitaron una forma
rápida y fácil de obtener una visión general de sus datos por lo que las
herramientas de visualización sufrieron un ajuste natural. (BDO, 2018,
[Link]
ata-visualization).
La visualización es fundamental para el análisis avanzado por razones similares.
Cuando un científico de datos escribe algoritmos avanzados de análisis predictivos
o aprendizaje automático, se vuelve importante visualizar los resultados para
monitorearlos y garantizar que los modelos funcionen según lo previsto. Esto se
debe a que las visualizaciones de algoritmos complejos son generalmente más
fáciles de interpretar que las salidas numéricas. (Rouse, 2020,
[Link]
Ejemplos de visualización de datos
Las herramientas de visualización de datos se pueden usar de varias formas. El
uso más común hoy en día es como herramienta de informes de inteligencia
empresarial (Business Intelligence, BI). Los usuarios pueden configurar
herramientas de visualización para generar paneles de control automáticos que
rastrean el rendimiento de la empresa a través de indicadores clave de rendimiento
(Key Performance Indicators o KPIs) e interpreten visualmente los resultados.
(Rouse, 2020,
[Link]
Figura 1: Visualización de datos.
Fuente: Pablo, 2012,
[Link]
Muchos departamentos comerciales implementan software de visualización de
datos para rastrear sus propias iniciativas. Por ejemplo, un equipo de marketing
podría implementar el software para supervisar el rendimiento de una campaña de
correo electrónico, siguiendo las métricas, como la tasa de apertura, la tasa de
clics y la tasa de conversión.
A medida que los proveedores de visualización de datos amplían la funcionalidad
de estas herramientas, se utilizan cada vez más como interfaces para entornos de
Big Data más sofisticados. En esta configuración, el software de visualización de
datos ayuda a los ingenieros de datos y científicos a realizar un seguimiento de las
fuentes de datos y hacer un análisis exploratorio básico de los conjuntos de datos,
antes o después de análisis avanzados más detallados. (Rouse, 2020b,
[Link]
BI Dashboard. Cuadros de mando
Un panel de inteligencia empresarial es una herramienta de visualización de datos que muestra el
estado actual de las métricas y los indicadores claves de rendimiento (KPI) para una empresa. Los
paneles consolidan y organizan números, métricas y, en ocasiones, tablas de puntuación de
rendimiento en una sola pantalla. Se pueden adaptar para un rol específico y mostrar métricas
dirigidas a un único punto de vista o departamento. Las características esenciales de un producto
de tablero de BI incluyen una interfaz personalizable y la capacidad de extraer datos en tiempo
real de múltiples fuentes.
SAP, Oracle y Microsoft se encuentran entre los proveedores de paneles de inteligencia
empresarial. Los paneles de BI también se pueden crear a través de otras aplicaciones
comerciales como Excel.
Los paneles de inteligencia empresarial a veces se denominan cuadros de mando empresariales o
dashboard (Rouse, M. (2020a,
[Link]
Figura 2: Visualización de datos.
Fuente: Ferrer, 2017,
[Link]
Lectura 3. Visual discovery
En las compañías se está democratizando la información, cada área puede utilizar la información que
necesita y hacer los análisis que le sean útiles.
Una vez que tiene los datos, los puede y debe presentar, y analizar para poder sacar sus conclusiones, para a
partir de aquí, tomar las acciones necesarias que la acerquen más a los objetivos corporativos.
Visual discovery
¿Qué es data discovery?
La visualización y el análisis exploratorio de datos para usuarios empresariales (conocido como
descubrimiento de datos) se han convertido en el tema de inteligencia empresarial y análisis más
novedoso en el mercado actual.
Los profesionales de BI califican la importancia de esta tendencia y su creciente adopción en los
últimos años.
El descubrimiento de datos no es una herramienta; se constituye como un proceso empresarial
orientado al usuario que permite detectar valores y patrones atípicos a través de la navegación
visual de datos o de la aplicación de análisis avanzados guiados. El descubrimiento es un proceso
iterativo que no requiere una amplia creación de modelos iniciales. Lo agrupamos en tres
categorías principales:
preparación de datos;
análisis visual;
análisis avanzados.
El descubrimiento de datos requiere habilidades para comprender las relaciones de datos y el
modelado de datos, así como también para utilizar el análisis de datos y las funciones de análisis
avanzadas guiadas para revelar ideas.
La integración de datos y la preparación de datos (es decir, la integración de datos para usuarios
comerciales) ayudan a los usuarios empresariales a conectarse a fuentes de datos externas y
empresariales relevantes (por ejemplo, las proporcionadas por los socios). Como los datos se
vuelven cada vez más complejos, los usuarios requieren funciones flexibles para poder acceder de
manera eficiente y preparar los datos para su análisis.
Los tipos de visualización interactiva y nueva permiten a los responsables de la toma de
decisiones ver, en un instante, las principales tendencias, así como detectar los valores atípicos.
Las visualizaciones hacen uso de las capacidades de reconocimiento de patrones de nuestro
cerebro para digerir información de un vistazo o, incluso, de manera previa. Los usuarios son
mejores para encontrar ideas y detectar valores atípicos si los datos se presentan en cuadros, y
gráficos en una página, en lugar de enterrarse en tablas de datos que abarcan varias páginas.
El análisis visual es una característica importante que buscan cada vez más las empresas que
requieren formas más eficientes para que los responsables de la toma de decisiones puedan
absorber y actuar sobre los datos.
Además, las funciones analíticas avanzadas guiadas proporcionan información estadística sobre
los datos que los usuarios pueden emplear para un análisis de datos más sofisticado y orientado a
patrones. Es un desafío proporcionar funciones estadísticas avanzadas listas para usar para
usuarios comerciales y ofrecer resultados adecuados sin la necesidad de escribir código.
La guía que los usuarios pueden esperar de las principales herramientas de descubrimiento de
datos actuales no solo ha permitido el acceso a funciones avanzadas, sino también a sugerencias
automáticas de algoritmos adecuados para abordar ciertos problemas de negocios y evaluaciones
de los resultados de diferentes algoritmos.
Esta área ha recibido mucha inversión, tanto de vendedores como de clientes, en los últimos años.
Los resultados de investigación de mercado confirman la importancia del descubrimiento de datos.
Figura 1: Data Discovery.
Fuente: Information Builders, 2017,
[Link]
El descubrimiento de datos se encuentra actualmente entre las mejores tendencias de BI
Sorprendentemente, los usuarios de TI, los consultores y los proveedores otorgan más
importancia al descubrimiento de datos que los usuarios comerciales reales.
El porcentaje de encuestados que dijo usar el descubrimiento de datos experimentó un aumento
significativo entre 2012 y 2016. Otro porcentaje planea implementar casos de uso de
descubrimiento de datos en el futuro, lo que lleva a la conclusión de que un gran porcentaje del
mercado dependerá de su herramienta de inteligencia comercial para abordar este caso de uso en
los próximos años.
La segmentación de clientes tiene como objetivo tratar a cada cliente por separado y proporcionar
una vista personalizada de las ofertas. Uno de los enfoques más comunes incluye la agrupación
de la población del cliente en diferentes niveles según sus acciones.
Figura 2: PLATFORA. Big Data Discovery.
Fuente: Schlampp, 2015,
[Link]
¿Por qué el descubrimiento de datos crea tanto revuelo?
Comúnmente, se cree que el descubrimiento de datos es el petróleo del futuro ya que proporciona
un alto valor para la innovación y el éxito.
Este nuevo enfoque basado en datos pretende ir más allá de la mera presentación de informes y
la supervisión del rendimiento de la organización, que ha sido el núcleo de las iniciativas
tradicionales de BI. El objetivo es explotar el valor total de los datos para no solo mejorar la toma
de decisiones, sino también para tener un impacto directo en la optimización de los procesos
comerciales y para alimentar nuevos modelos comerciales.
La gran demanda de herramientas de descubrimiento de datos refleja un gran cambio en el mundo
de BI hacia un mayor uso de datos y la extracción de conocimientos, y patrones a partir de los
datos.
Esto significa que las decisiones operativas y la planificación a largo plazo se basan en datos y
perspectivas. Para que esto funcione, los empleados necesitan información relevante y confiable
de manera oportuna.
La digitalización exige la democratización del uso de datos para permitir que tantos empleados
como sea posible revelen información sobre datos corporativos o externos. Para garantizar un
ciclo cerrado de uso de la información, las herramientas de descubrimiento de datos deben
considerarse, en primer lugar, como complementarias del BI tradicional.
Conceptos tales como la gobernanza son importantes para garantizar la reutilización de los
conocimientos adquiridos a partir del proceso de descubrimiento de datos y las soluciones
orientadas al usuario son necesarias para proporcionar a los usuarios comerciales un kit de
herramientas adecuado para el análisis de datos.
Debido a que el software de descubrimiento de datos cumple estas demandas mucho mejor que la
mayoría de los paquetes de software de inteligencia de negocios tradicionales, no sorprende que
actualmente esté captando la atención de los profesionales de BI y que las principales suites de BI
ahora se estén ampliando para satisfacer estos requisitos.
Lectura 4. Visual analytics y big data
La empresa en la que te desempeñas como analista de datos contrata a un proveedor para que haga
predicciones acerca del comportamiento de sus clientes. El proveedor te devolverá un set de datos con las
probabilidades de que el cliente regrese y efectúe una compra. Es tu tarea segmentar las bases y presentar
esta información gráficamente para que los altos mandos de la compañía tomen las acciones adecuadas.
Visual analytics y Big Data
Visualización
Nunca antes en la historia del mundo se han producido tantos datos en tan poco tiempo. Los
teléfonos inteligentes, las redes sociales y los dispositivos móviles son responsables de gran parte
de esta producción, pero también el número, cada vez mayor, de cámaras de seguridad, satélites,
etiquetas, sensores y redes inalámbricas. Se necesitan nuevas formas de almacenar datos y
nuevas arquitecturas de indexación como una cuestión urgente. Bajo el liderazgo de los
principales jugadores de Internet (Google, Facebook, Amazon, Twitter, etc.), los procesos de
almacenamiento de datos se han adaptado al crecimiento de los volúmenes de datos que se
almacenarán. Las técnicas de administración de bases de datos NoSQL (no solo SQL) superan
las actuales soluciones de administración de bases de datos SQL y están impulsando el
surgimiento de un enfoque completamente nuevo para las arquitecturas de bases de datos.
Big Analytics se basa en algoritmos, es importante tener en cuenta que se necesitan diferentes
algoritmos para datos estructurados, no estructurados y parcialmente estructurados.
Si sabemos cómo se estructuran los datos, los procesos estadísticos se pueden utilizar para
muestrear los conjuntos de datos y sacar conclusiones de una población más pequeña sin la
necesidad de un análisis exhaustivo de las cantidades, a menudo significativas, de datos
disponibles. Esto podría denominarse análisis impulsado por hipótesis, ya que se supone que
ciertos aspectos de la población analizada son verdaderos desde el principio.
Figura 1: Elementos de una infografía.
Fuente: Dreamstime. (2020) Elementos de una infografía [imagen]. Recuperado de
[Link]
junto-de-los-elementos-de-infographic-image22017387
Big Data es inútil sin análisis visuales
Big Data, con sus vastos volúmenes de datos, es en gran medida inútil sin la funcionalidad de
análisis y presentación de datos que se encuentra en las herramientas de análisis visual. Piensa
en lo difícil que es detectar anomalías o tendencias en filas y columnas interminables de datos de
hoja de cálculo. Las herramientas analíticas visuales resuelven ese problema de sobrecarga de
datos.
Big Data es un tema de moda en la tecnología de la información en este momento. Muchos, en la
suite ejecutiva, están empezando a ver que Big Data abre posibilidades transformadoras para
productos, servicios y mercados. Esta comprensión ha provocado inversiones masivas en
software para análisis visual e inteligencia de negocios, así como servicios relacionados que, a
menudo, están basados en la nube. Las ventas de este software crecerán significativamente en el
futuro.
Debido a su gran volumen, Big Data es difícil de analizar de manera significativa para el valor
comercial.
El análisis visual es perfecto para Big Data
El análisis visual es un componente del software de inteligencia empresarial que hace hincapié en:
visualizaciones o gráficos como salida;
una interfaz gráfica notablemente fácil.
Las visualizaciones son valiosas porque muestran una gran cantidad de datos en un formato
visual fácil de entender que funciona bien para nuestras mentes visuales.
El software de inteligencia empresarial es un conjunto de herramientas para la adquisición y
transformación de datos brutos en información significativa y útil para fines de análisis, y mejora
del negocio.
Sin embargo, la inteligencia empresarial se ve afectada por la falta de:
calidad de datos como valores incorrectos o faltantes;
datos secundarios o de apoyo;
mano de obra de análisis;
apertura organizacional a nuevos resultados.
Figura 2: Mapa de calor.
Fuente: Shutterstock. (2020) Mapa de calor [imagen]. Recuperado de
[Link]
Los informes clásicos son demasiado pesados para Big Data
Algunas organizaciones han creado una importante herramienta de software y realizado
inversiones de desarrollo para desplegar una rica biblioteca de informes de análisis de datos
reutilizables, donde el usuario final puede variar dinámicamente los criterios de selección de datos.
Los principales ejemplos son SAP Crystal Reports y Oracle Reports.
En general, los informes reutilizables:
➔ producen un excelente resultado para consultas rutinarias;
➔ ofrecen resultados confiables y consistentes ya que los informes son cuidadosamente desarrollados y
probados;
➔ se pueden producir de manera eficiente cuando el volumen de datos es modesto y la cantidad de
fuentes de datos es baja.
Sin embargo:
no son de autoservicio;
requieren habilidades de desarrollo de software para mejorar. Por lo tanto, su éxito
depende completamente de la capacidad de respuesta del departamento de TI;
requieren mantenimiento de software cuando se actualizan las versiones de las
aplicaciones subyacentes;
no son compatibles con la exploración de los datos;
pueden o no proporcionar funcionalidad básica de gráficos;
se ahogarán cuando haya grandes volúmenes de datos o crezca la cantidad de fuentes de
datos;
tienden a proliferar con el tiempo, ya que se crean muchas versiones con pequeñas
diferencias.
Excel es demasiado restrictivo para Big Data
Todos hemos escuchado que Excel es la herramienta líder para el análisis de datos. Se usa
ampliamente y con éxito en organizaciones pequeñas con aplicaciones generalmente primitivas,
herramientas simples y volúmenes de datos modestos. Excel también se usa ampliamente como
una poderosa herramienta de productividad personal dentro de muchas organizaciones más
grandes donde la capacidad de respuesta del departamento de TI es un problema.
Sin embargo, Excel:
limita severamente el volumen de datos que se puede consultar con éxito;
restringe la cantidad de fuentes de datos a las que se puede acceder;
utiliza la sintaxis que dificulta la programación y la depuración;
produce salida primitiva;
no es escalable para múltiples usuarios finales;
está desprovisto de características de gestión de nivel empresarial.
Revisión del Módulo 4: Visualización de la información
01 - Conceptos básicos de visualización: La visualización de datos es la presentación de información en un
formato gráfico o pictórico permite a los responsables de la toma de decisiones ver los análisis presentados
visualmente, para que puedan captar conceptos difíciles o identificar nuevos patrones.
02- Visualización y tableros de información: Las herramientas de visualización de datos se pueden usar de
varias formas. El uso más común hoy en día es como herramienta de informes de inteligencia empresarial
(Business Intelligence, BI). Los usuarios pueden configurar herramientas de visualización para generar
paneles de control automáticos que rastrean el rendimiento de la empresa a través de indicadores clave de
rendimiento.
03- Visual discovery: El descubrimiento de datos no es una herramienta; se constituye como un proceso
empresarial orientado al usuario que permite detectar valores y patrones atípicos a través de la navegación
visual de datos o de la aplicación de análisis avanzados guiados. El descubrimiento es un proceso iterativo
que no requiere una amplia creación de modelos iniciales.
04- Visual analytics: Big Data, con sus vastos volúmenes de datos, es en gran medida inútil sin la
funcionalidad de análisis y presentación de datos que se encuentra en las herramientas de análisis visual.
Piensa en lo difícil que es detectar anomalías o tendencias en filas y columnas interminables de datos de hoja
de cálculo. Las herramientas analíticas visuales resuelven ese problema de sobrecarga de datos.