Visualización de Datos

Visualización de Datos

1. Consideraciones

   • Entender de qué trata el tema
   • Revisar el esfuerzo que va a requerirse
   • Tamaño y prarticularidades
   • Información que se desea obtener
   • Conocer el mercado meta
   • Saber como visualiza la información el target

2. Gráficas

   • Líneas, muestran la relacion entre una variable y otra, Por ejemplo cuando deseas saber de ventas por años de autos
   • Barras. Comparar cantidades de diferentes categorías o grupos. Por ejemplo datos de ventas por mes de autos
   • Puntos de dispersión, muestra la variación conjunta de un grupo de datos. Por ejemplo cuando quieres saber de las ventas de autos de varias marcas en diferentes periodos del año
     • Gráfico de burbujas, muestra las relaciones entre al menos tres medidas. Por ejemplo el tener conocimiento de la venta de autos de varias marcas en los diferentes periodos en varias zonas del país.
   • Pie/Dona, se utiliza para comparar las partes de un todo. Por ejemplo saber las edades de las personas que compran los autos, ya sea por segmentos de edades.

3. Big Data

   • Debemos de considerar
     • Volumen
     • Variedad
       • Estructurada
       • No estructurada
       • Semi estructurada
     • Velocidad
       • Arribo de datos
         • Datos útiles
           • Interpretar datos comprensibles
           • Contrastar con otros datos
         • Datos a descartar, no útiles
       • Frecuencia con la que cambian
   • SAS Visual Analytics
     • Diagramas de caja. Visualización gráfica de cinco estadísticas por cuadriles, usualmente utilizados para valores atípicos; ejemplo, distribución de puntos de datos dentro de una categoría
     • Diagramas de nubes. De acuerdo al tamaño de la palabra representa su frecuencia dentro de un cuerpo de texto; ejemplo el tema de twitter y elegir la palabra que se desea profundizar y ver poco más de ese tema
     • Matrices de correlación. Muestra cuán fuertes son las relaciones entre las variables.; por ejemplo, correlación de el clima con las ventas de productos para nadar.
     • Pronóstica, realiza un gráfico y además da una explicación.
     • Arboles de decisión. Cual tiene mayor influencia e impacto como una serie de causa y efecto, hasta permiten pronosticar cuando hay múltiples variables.
     • Diagrama de red. Relaciones en términos de nodos y vínculos (líneas) que muestren las relaciones; ejemplo, mapear en un país la relación o las ventas de productos en áreas geográficas
     • Barras. Muestran también la alta cardinalidad entre las variables además de ser interactivo donde puedes desplazar el cursor y ver la correlación entre barras y los ejes; ejemplo las ventas ente países.
     • Mapa de Calor. presenta valores de datos con rectángulos con diferentes tonos de color o colores diferentes.
       • Estandar
         • mostrará un recuento de frecuencia de los datos; ejemplo el clima en los 12 meses y los lugares.
       • Fecha
         • se requiere una medida y el objeto visual será un gráfico lineal; ejemplo ventas y sus variables.
       • Geográfica
         • Mostrará un mapa; ejemplo, las ventas en un área.
       • Barras.
         • Igual que la ordinaria pero aquí variaran de acuerdo a el color, intensidad con las variables. Ventas y su correlación con variables que influyan con el clima
     • Geo mapas. Consultas visuales que combina datos tradicionales, como transaccionales, de clientes y operativos, con datos de ubicación para análisis en un contexto geográfico; ejemplo, eleccionando un área en un mapa o eligiendo un tiempo de conducción o una distancia de conducción específicos para comprender mejor lo que está sucediendo y por qué.
     • Dispositivos móviles. Informes de inteligencia empresarial, KPI y paneles de control; ejemplo es los reportes dinámicos de un i-phone.

4. Lenguajes de visualización de datos

   • XML, pandas, SQL, SQLite, Toad, Tora, RapidMiner, Knime, Pentaho, Data.table, RODBC, RJDBC, json, pyODBC, mxODBC,
     • Por ejemplo, excel usa xml

5. ¿Cómo ponerlo a servicio de la comunidad?

   • Aplicaciones analíticas, empresariales y de la nube
     • Por ejemplo servirán para el análisis, gestión, almacen
       • Datos de aplicaciones
       • Transacciones
       • Datos de dispositivos
       • Medios sociales
       • Contenidos

6. 4 principios

   • 1. Basados en datos adecuados. Obtener datos buenos fijandonos en buenas fuentes, cómo lo miden por ejemplo
   • 2. Ser Atractivos. Que se vea elegante, bien diseñada, atractiva para la audiencia que esta dirigida si es para niños agregar colores y que sea muy gráfica.
   • 3. Representativa. Deben de estar codificados adecuadamente, por ejemplo si se realizo una mala codificación no va a ser representativo lo que se muestra
   • 4. Muestra adecuada. Cantidad adecuada de datos, sin buscar simplificar en exceso. A veces se requiere más aumentar que disminuir la cantidad de datos, por ejemplo mostrar más que la media.

7. Sintesis y evaluación de datos

   • Tableau
   • Qlick View
   • Plotly
   • Carto
   • Data Wrapper

8. es el proceso de:

   • Búsqueda de datos
   • Interpretación de datos
   • Contrastación de datos
   • Comparación de datos