A visualização de dados é a representação de dados por meio do uso de recursos visuais comuns, como gráficos, plotagens, infográficos e até mesmo animações. Esses recursos visuais de informações comunicam relacionamentos de dados complexos e insights baseados em dados de uma maneira fácil de entender.

A visualização de dados pode ser usada para diversos propósitos e é importante observar que seu uso não é restrito às equipes de dados. Os profissionais de gestão também a usa para comunicar a estrutura organizacional e a hierarquia, e analistas de dados e cientistas de dados a usam para descobrir e explicar padrões e tendências. A Harvard Business Review (link externo a IBM) divide a visualização de dados com base em quatro propósitos principais: geração de ideias, ilustração de ideias, descoberta visual e visualização de dados do cotidiano. Vamos nos aprofundar neles abaixo:

Geração de ideias

A visualização de dados é comumente usada para promover a geração de ideias entre as equipes. Ela é usada durante sessões de brainstorming ou Design Thinking no início de um projeto, para dar suporte à compilação de diferentes perspectivas e destacar as preocupações comuns do grupo. Embora essas visualizações geralmente não sejam polidas e refinadas, elas ajudam a definir a base dentro do projeto para garantir que a equipe esteja alinhada com o problema que está tentando resolver para os principais stakeholders.

Ilustração da ideia

A visualização de dados para ilustração de ideias auxilia da apresentação de uma ideia, como uma tática ou um processo. É mais usada em cenários de aprendizado, como tutoriais, cursos de certificação, centros de excelência, mas também pode ser usado para representar estruturas ou processos da organização, facilitando a comunicação entre os indivíduos certos para tarefas específicas. Os gerentes de projeto frequentemente usam gráficos de Gantt e gráficos em cascata para ilustrar os  fluxos de trabalho. A modelagem de dados  também usa a abstração para representar e entender melhor o fluxo de dados dentro do sistema de informações uma empresa, tornando mais fácil para desenvolvedores, analistas de negócios, arquitetos de dados e outros entenderem os relacionamentos em um banco de dados ou armazém de dados .

Descoberta visual

A descoberta visual e a visualização diária de dados estão mais alinhadas com as equipes de dados. Embora a descoberta visual ajude analistas de dados, cientistas de dados e outros profissionais de dados a identificar padrões e tendências em um conjunto de dados, a visualização diária de dados oferece suporte à narrativa subsequente após a descoberta de um novo insight.

Visualização de dados

A visualização de dados é uma etapa crítica no processo de ciência de dados, ajudando equipes e indivíduos a compartilhar dados de forma mais eficaz para os colegas e tomadores de decisão. As equipes que gerenciam sistemas de relatórios normalmente usam visualizações de modelo definidas para monitorar o desempenho . No entanto, a visualização de dados não se limita a painéis de desempenho . Por exemplo, durante a  mineração de texto  um analista pode criar uma nuvem de palavras para extrair conceitos importantes, tendências e relacionamentos ocultos presentes nesses dados não estruturados. Além disso, eles podem usar uma estrutura gráfica para ilustrar relacionamentos entre entidades em um gráfico de conhecimento. Há diversas maneiras de representar diferentes tipos de dados e é importante lembrar que é um conjunto de habilidades que deve ir além de sua equipe principal de análise de dados.

O primeiro formulário de visualização de dados remonta aos egípcios no século XVII, amplamente utilizado para auxiliar na navegação. Com o passar do tempo, as pessoas aproveitaram as visualizações de dados para aplicações mais amplas, como na área econômica, social e de saúde. Talvez mais notavelmente, Edward Tufte publicou A exibição visual de informações quantitativas (link externo a IBM), que revelou que os indivíduos poderiam usar a visualização de dados para apresentar os dados de maneira mais eficaz. Seu livro continua a ser relevante, especialmente quando as empresas recorrem a painéis para reportar suas métricas de desempenho em tempo real. Os painéis são ferramentas eficazes de visualização de dados para rastreamento e visualização de dados provenientes de diversas fontes de dados, proporcionando visibilidade sobre os efeitos de resultados específicos de uma equipe ou adjacentes em relação ao desempenho. Os painéis contemplam técnicas comuns de visualização, como:

• Tabelas: consistem em linhas e colunas usadas para comparar variáveis. As tabelas podem mostrar uma grande quantidade de informações de forma estruturada, mas também podem sobrecarregar os usuários que estão simplesmente procurando por tendências de alto nível.

• Gráficos de pizza e gráficos de barras empilhadas:  esses gráficos são divididos em seções que representam partes de um todo. Eles oferecem uma maneira mais simples de organizar dados e comparar o tamanho de seus componentes.

• Gráficos de linha e gráficos de área:  esses recursos visuais mostram a mudança em um ou mais dados quantitativos, plotando uma série de pontos de dados ao longo do tempo e são frequentemente usados em análises preditivas. Os gráficos de linha usam linhas para demonstrar essas mudanças, enquanto os gráficos de área conectam pontos de dados com segmentos de linha, empilhando variáveis umas sobre as outras e usando cores para diferenciar as variáveis.

• Histogramas: este gráfico plota uma distribuição de números usando um gráfico de barras (sem espaços entre as barras), representando os dados que estão em um determinado intervalo. Esse recurso visual facilita a identificação de valores discrepantes em um determinado conjunto de dados para um usuário final.

• Gráficos de dispersão: essas representações visuais são úteis para revelar o relacionamento entre duas variáveis e são comumente usadas na análise de dados de regressão. No entanto, às vezes eles podem ser confundidos com gráficos de bolhas, que são usados para visualizar três variáveis, o eixo x, o eixo y e o tamanho da bolha.

• Mapas de calor:  essas representações gráficas são úteis para visualizar dados comportamentais por local. Isso pode ser um local em um mapa ou até mesmo uma página da web.

• Mapas de árvores, que  exibem dados hierárquicos como um conjunto de formas aninhadas, tipicamente retângulos. Os mapas de árvores são ótimos para comparar as proporções entre categorias por meio do tamanho da área.

O acesso às ferramentas de visualização de dados nunca foi tão fácil. As bibliotecas de código aberto, como a D3.js, permitem que os analistas apresentem dados de maneira interativa, para que eles envolvam um público geral com novos dados. Algumas das bibliotecas de visualização software livre mais conhecidas são:

• D3.js: é uma biblioteca JavaScript de front-end para produzir visualizações de dados dinâmicas e interativas em navegadores da web. D3.js (link externo a IBM) usa HTML, CSS e SVG para criar representações visuais de dados que podem ser visualizadas em qualquer navegador. Ele também fornece recursos para interações e animações.

• Echarts:  uma potente biblioteca de gráficos e visualização que oferece uma maneira fácil de incluir gráficos intuitivos, interativo e altamente personalizáveis para produtos, artigos de pesquisa, apresentações, entre outros. O Echarts (link externo a IBM) é baseado em JavaScript e ZRender, uma biblioteca de telas leves.

• Vega:o  Vega (link externo a IBM) pode ser definido como a "gramática da visualização" fornecendo suporte para customizar visualizações em grandes conjuntos de dados que são acessíveis na web.

• deck.gl: é parte da suíte do framework de visualização de software livre da Uber. o deck.gl (link externo a IBM) é um framework que é usado para a análise exploratória de dados em big data. Ele ajuda a criar a visualização baseada em GPU de alto desempenho na web.

Com tantas ferramentas de visualização de dados prontamente disponíveis, houve também um aumento na visualização ineficaz de informações. A comunicação visual deve ser simples e direta para garantir que sua visualização de dados ajude seu público-alvo a obter insights ou alcançar a conclusão pretendida. As práticas recomendadas a seguir podem ajudar a garantir que sua visualização de dados seja útil e clara:

Defina o contexto:  é importante fornecer informações gerais de contextualização para mostrar ao público por que esse ponto de dados é importante. Por exemplo, se as taxas de abertura de e-mail estiverem abaixo do esperado, podemos ilustrar como a taxa de abertura uma empresa se compara à indústria como um todo, demonstrando que a empresa tem um problema nesse canal de marketing. Para impulsionar uma ação, o público precisa entender como o desempenho atual se compara a algo tangível, como um objetivo, referência ou outros indicadores chave de desempenho (KPIs).

Conheça seu público: pense para quem sua visualização foi projetada e, então, certifique-se de que sua visualização de dados atenda às necessidades deles. O que essa pessoa está tentando alcançar? Quais assuntos são importantes para eles? Sua visualização ajuda a lidar com suas preocupações? Os dados que você fornecer devem motivar as pessoas a tomar ações dentro do escopo de sua função. Se você não tiver certeza se a visualização está clara, apresente-a para uma ou duas pessoas de seu público-alvo para obter feedback, permitindo que você faça novas alterações antes de uma grande apresentação.

Escolha um recurso visual eficaz:  recursos visuais específicos são projetados para tipos específicos de conjuntos de dados. Por exemplo, os gráficos de dispersão exibem o relacionamento entre duas variáveis, enquanto os gráficos de linha exibem os dados em uma série temporal. Certifique-se de que o recurso visual realmente ajude o público a entender sua ideia principal. A falta de alinhamento entre os gráficos e os dados pode gerar um resultado oposto do pretendido, confundindo ainda mais o público em vez de oferecer esclarecimento.

Mantenha a simplicidade:  as ferramentas de visualização de dados podem facilitar a inclusão de diferentes tipos de informações ao seu recurso visual. No entanto, não é porque você pode, que você deve fazer! Na visualização de dados, você deve ter cuidado ao incluir informações adicionais para aumentar o foco do usuário. Por exemplo, você precisa de rótulos de dados em todas as barras do gráfico de barras? Talvez você só precise de um ou dois para ajudar a ilustrar seu ponto. É necessário incluir várias cores para comunicar a sua ideia? Você está usando cores que são acessíveis a todos os públicos (por exemplo, pessoas daltônicas)? Crie sua visualização de dados para causar o máximo de impacto eliminando informações que possam distrair seu público-alvo.