La visualizzazione dei dati consiste nella rappresentazione dei dati attraverso l'uso di grafici, tracciati, infografiche e persino animazioni. Tali rappresentazioni visive delle informazioni evidenziano relazioni complesse tra i dati e forniscono insight basati sui dati di semplice comprensione.

La visualizzazione dei dati può essere utilizzata per una varietà di scopi ed è importante notare che non è riservata solo all'uso da parte dei team di dati. Il management se ne avvale per illustrare la struttura organizzativa e la gerarchia, mentre gli analisti di dati e data scientist la utilizzano per scoprire e descrivere modelli e tendenze. La Harvard Business Review (link esterno a IBM) classifica la visualizzazione dei dati in quattro obiettivi principali: generazione di idee, illustrazione di idee, scoperta visiva e visualizzazione dei dati di tutti i giorni. Di seguito vengono approfonditi tali concetti:

Generazione di idee

La visualizzazione dei dati viene comunemente utilizzata come stimolo alla generazione di idee nei team. Viene spesso utilizzata durante le riunioni di brainstorming o le sessioni di Design Thinking all'inizio di un progetto, supportando la raccolta di visioni da diverse prospettive ed evidenziando le preoccupazioni comuni del collettivo. Sebbene queste visualizzazioni siano generalmente grezze, aiutano a gettare le basi all'interno del progetto per garantire che il team sia allineato sul problema che si sta cercando di affrontare per le parti interessate principali.

Illustrazione di idee

La visualizzazione dei dati per l'illustrazione delle idee aiuta a veicolare le idee, sotto forma di strategia o processo. Viene comunemente utilizzata in contesti di apprendimento, quali tutorial, corsi di certificazione, centri di eccellenza, ma può anche essere usata per rappresentare strutture o processi organizzativi, facilitando la comunicazione tra le persone giuste per compiti specifici. I project manager utilizzano spesso i diagrammi di Gantt e i diagrammi a cascata per illustrare i flussi di lavoro. La modellazione dei dati utilizza inoltre l'astrazione per rappresentare e comprendere meglio il flusso di dati all'interno del sistema informatico di un'azienda, consentendo a sviluppatori, analisti aziendali, architetti dei dati e altri soggetti di comprendere più facilmente le relazioni in un database o in un data warehouse.

Scoperta visiva

La scoperta visiva e la visualizzazione dei dati di tutti i giorni sono attività più strettamente legate ai team di dati. Mentre la scoperta visiva aiuta analisti di dati, data scientist e altri specialisti dei dati a identificare modelli e tendenze all'interno di un set di dati, la visualizzazione dei dati di tutti i giorni supporta lo storytelling successivo al rilevamento di un nuovo insight.

Visualizzazione dei dati

La visualizzazione dei dati è un passaggio fondamentale nel processo di data science, poiché aiuta i team e gli individui a trasmettere i dati in modo più efficace a colleghi e ai responsabili delle decisioni. I team che gestiscono i sistemi di reportistica di solito si avvalgono di viste modello definite per monitorare le prestazioni. Tuttavia, la visualizzazione dei dati non si limita ai dashboard delle prestazioni. Ad esempio, mentre esegue il mining del testo, un analista può utilizzare una cosiddetta "nuvola di parole" per cogliere concetti chiave, tendenze e relazioni nascoste all'interno di questi dati non strutturati. In alternativa, può utilizzare una struttura a grafo per illustrare le relazioni tra le entità in un grafico della conoscenza. Esistono svariati modi per rappresentare diversi tipi di dati ed è importante ricordare che si tratta di un insieme di competenze che dovrebbe estendersi oltre il team di analytics principale.

La prima forma di visualizzazione dei dati può essere fatta risalire agli egiziani nel periodo precedente al XVII secolo, ed era ampiamente utilizzata per assistere nella navigazione. Con il passare del tempo, le persone hanno sfruttato le visualizzazioni dei dati per applicazioni più ampie, ad esempio nelle discipline economiche, sociali e sanitarie. Forse il più degno di nota è il libro pubblicato da Edward Tufte, The Visual Display of Quantitative Information (link esterno a IBM), che ha illustrato che le persone potevano utilizzare la visualizzazione dei dati per presentarli in modo più efficace. Il suo libro continua a resistere alla prova del tempo, soprattutto quando le aziende si rivolgono ai dashboard per riportare le loro metriche sulle prestazioni in tempo reale. I dashboard sono efficaci tool di visualizzazione dei dati per il monitoraggio e la visualizzazione dei dati provenienti da più origini, fornendo visibilità sugli effetti di comportamenti specifici da parte di un team sulle prestazioni. I dashboard includono tecniche di visualizzazione comuni, come:

• Tabelle: Composte da righe e colonne utilizzate per comparare variabili. Le tabelle possono mostrare una grande quantità di informazioni in modo strutturato, ma possono anche risultare troppo dettagliate per utenti semplicemente alla ricerca di tendenze generali.

• Grafici a torta e a barre in pila: questi grafici sono divisi in sezioni che rappresentano parti di un tutto. Forniscono un modo semplice per organizzare i dati e confrontare tra loro le dimensioni di ciascun componente.

• Grafici a linee e grafici ad area: questi elementi visivi mostrano il cambiamento in una o più quantità tracciando una serie di punti di dati nel tempo e sono spesso utilizzati con l'analytics predittiva. I grafici a linee utilizzano le linee per illustrare tali cambiamenti mentre i grafici ad area collegano i punti di dati con i segmenti di linea, impilando le variabili l'una sull'altra e usando il colore per distinguere le diverse variabili.

• Istogrammi: questo grafico traccia una distribuzione di numeri utilizzando un grafico a barre (senza spazi tra le barre), che rappresenta la quantità di dati che rientra in un determinato intervallo. Questo elemento visivo rende facile per un utente finale identificare i valori anomali all'interno di un determinato set di dati.

• Grafici a dispersione: questi elementi visivi sono utili per rivelare la relazione tra due variabili e sono comunemente usati nell'analisi dei dati di regressione. Tuttavia, a volte possono essere confusi con i grafici a bolle, che vengono utilizzati per visualizzare tre variabili tramite l'asse x, l'asse y e la dimensione della bolla.

• Mappe di calore: queste rappresentazioni grafiche sono utili per visualizzare i dati comportamentali in base all'ubicazione. Questa potrà essere una posizione su una mappa o anche una pagina web.

• Mappe ad albero,che visualizzano i dati gerarchici come un insieme di forme nidificate, di solito rettangoli. Le mappe ad albero sono ottime per confrontare le proporzioni tra le categorie in base alla dimensione dell'area.

L'accesso ai tool di visualizzazione dei dati non è mai stato così facile. Le librerie open source, come D3.js, consentono agli analisti di presentare i dati in modo interattivo, consentendo loro di coinvolgere un pubblico più ampio con nuovi dati. Alcune delle librerie di visualizzazione open source più popolari includono:

• D3.js: è una libreria JavaScript per la produzione di visualizzazioni dei dati dinamiche e interattive nei browser web. D3.js (link esterno a IBM) utilizza HTML, CSS ed SVG per creare rappresentazioni visive dei dati che possono essere visualizzate su qualsiasi browser. Fornisce anche funzionalità per interazioni e animazioni.

• ECharts: una potente libreria di grafici e visualizzazioni che offre un modo semplice per aggiungere grafici intuitivi, interattivi e altamente personalizzabili a prodotti, documenti di ricerca, presentazioni, ecc. Echarts (link esterno a IBM) è basata su JavaScript e ZRender, una libreria di aree di disegno leggera.

• Vega: Vega (link esterno a IBM) si definisce come la "grammatica di visualizzazione", che fornisce un supporto per personalizzare le visualizzazioni su grandi set di dati accessibili dal web.

• deck.gl: fa parte della suite di framework di visualizzazione open source di Uber. deck.gl (link esterno a IBM) è un framework che viene utilizzato per l'analisi esplorativa dei dati sui big data. Aiuta a creare visualizzazioni basate su GPU ad alte prestazioni sul web.

Con così tanti tool di visualizzazione dei dati prontamente disponibili, si è verificata anche una crescita nel numero di informazioni inutili visualizzate. La comunicazione visiva deve essere semplice e mirata per garantire che la visualizzazione dei dati aiuti i destinatari ad ottenere le conclusioni o gli insight previsti. Le seguenti best practice possono aiutare a garantire che la visualizzazione dei dati sia utile e chiara:

Impostare il contesto: è importante fornire informazioni generali di base per far comprendere ai destinatari il motivo per cui è importante un particolare punto di dati. Ad esempio, se i tassi di apertura delle e-mail non fossero adeguati, per evidenziare questo dato si potrebbe riportare un confronto tra il tasso di apertura dell'azienda rispetto al relativo intero settore di riferimento, dimostrando che l'azienda ha un problema su questo canale di marketing. Per promuovere un'azione, il destinatario dell'informazione deve confrontare le proprie prestazioni attuali con qualcosa di tangibile, come ad esempio un obiettivo, un benchmark o altri KPI.

Conoscere i propri destinatari: Considerare a chi è rivolta la visualizzazione e assicurarsi che soddisfi le loro esigenze. Quali informazioni sta cercando di ottenere una determinata persona? Che tipo di domande gli interessano? La visualizzazione risponde alle sue domande? È necessario che i dati forniti motivino le persone ad agire, ciascuna per il proprio ruolo. Se non si è certi che la visualizzazione sia chiara, è consigliabile presentarla a una o due dei propri destinatari per ottenere un feedback. Ciò consentirà di apportare ulteriori modifiche prima di una presentazione di grandi dimensioni.

Scegliere una visualizzazione efficace: le visualizzazioni specifiche sono progettate per tipi specifici di set di dati. Ad esempio, i grafici a dispersione mostrano bene la relazione tra due variabili, mentre i grafici a linee mostrano bene i dati delle serie temporali. Assicurarsi che l'immagine aiuti effettivamente i destinatari a comprendere il punto principale. Il disallineamento di grafici e dati può comportare l'effetto contrario, confondendo ulteriormente il destinatario anziché fornire chiarezza.

Assicurare la semplicità:  I tool di visualizzazione dei dati possono semplificare l'aggiunta di tutti i tipi di informazioni alla visualizzazione. Tuttavia, solo perché è possibile, non significa che lo si debba fare! Nella visualizzazione dei dati, è importante essere molto cauti rispetto alle informazioni che si aggiungono per focalizzare l'attenzione dell'utente. Ad esempio, sono necessarie le etichette dei dati su ciascuna barra del grafico a barre? Forse se ne possono inserire solo una o due per illustrare il punto. È necessario utilizzare una varietà di colori per comunicare un'idea? Si utilizzano colori accessibili a un'ampia gamma di segmenti di pubblico (ad es. tenendo conto dei destinatari daltonici)? Progettare la visualizzazione dei dati per ottenere il massimo impatto eliminando le informazioni che potrebbero distrarre i destinatari.