Data Visualization

Vad det är och varför det är viktigt

Data visualization handlar om att presentera data med hjälp av bilder eller grafik. Det gör det möjligt för beslutsfattare att se analyser presenterade visuellt, så att de kan förstå svåra begrepp eller identifiera nya mönster. Om visualiseringen görs interaktiv kan konceptet tas ett steg längre. Genom möjligheten att ändra vilken data som används och visas i grafer och diagram blir det möjligt att gräva djupare efter detaljer.

Data Visualization: Historia

Att använda sig av bilder för att förstå och tolka data är inget nytt. Från kartor och grafik på 1600-talet till introduktionen av tårtdiagrammet under tidigt 1800-tal. Några decennier senare tog Charles Minard fram ett av de mest citerade exemplen på statistisk grafik när han kartlade Napoleons invasion av Ryssland. Hans karta hade information om arméns storlek, såväl som den rutt Napoleon följde vid reträtten från Moskva. Denna data kopplades samtidigt till information om tid och temperatur för att ge en djupare förståelse av förloppet.

Men det som verkligen satte fart på användningen av datavisualisering är ny teknik. Datorer har gjort det möjligt att blixtsnabbt hantera stora mängder data. Idag har datavisualisering utvecklats till en blandning mellan vetenskap och konst som med säkerhet kommer att få stor påverkan för företag under de närmaste åren.

Data visualization: En klok investering för din framtid med big data

Samtidigt som big data skapar stora möjligheter så kämpar många banker med att få ut rätt värde från sina investeringar i big data. Exempelvis, hur kan de använda sig av big data för att förbättra relationen till sina kunder. Hur och i vilken utsträckning man bör investera i big data?

I denna frågestund med Simon Samuel, ansvarig för modellering av kundvärden på en större bank i Storbritannien, går vi igenom frågan och andra utmaningar kring big data som banker upplever idag.

Varför är data visualization viktigt?

BDet sätt människors hjärnor processar information gör att det underlättar för oss när stora mängder komplex data presenteras med hjälp av grafer och diagram, istället för i kalkylblad eller rapporter. Datavisualisering erbjuder ett snabbt och enkelt sätt att presentera koncept på ett sätt som alla förstår - och genom små ändringar kunna experimentera med olika scenarier.

Datavisualisering gör det också möjligt att:

Identifiera områden som behöver åtgärder eller förbättringar.
Tydliggöra vilka faktorer som påverkar konsumentbeteenden.
Förstå vilka produkter som ska visas vart.
Förutsäga försäljningsvolymer.

Data Visualization idag

Vilken påverkan har datavisualisering haft på företag - och vad kan vi förvänta oss i framtiden? Så här säger experterna.

Mellanstora företag börjar använda sig av datavisualisering

Begränsade IT-resurser och relativt sett mindre budget gör att många mellanstora företag får svårt att veta var de ska börja när det gäller att skapa värde från big data.

Den här rapporten ger tips om hur du skapar resultat med hjälp av analys och visualisering av data.

Läs rapporten

Tekniker för data visualization

En bild säger mer än tusen ord - speciellt när du försöker hitta samband i och tolka din data som kanske består av tusentals, eller rent av miljontals olika variabler.

Den här rapporten ger dig några enkla tips och tekniker för hur du med hjälp av visualisering kan få insikter från din data.

Utforska tekniker

Hur datavisualisering kan lyfta dina resultat

Vi beskriver hur sex företag i olika storlekar med hjälp av datavisualisering uppnått stora förbättringar i sättet de arbetar på.

Läs e-boken

Hur kan du skapa datadrivna resultat utan att behöva anställa programmerare

Sjukhuset Crouse i USA använder sig av SAS peka-och-klicka-verktyg för hälsoanalyser för att hantera ett antal program som syftar till att minska risken för post-kirurgisk infektion, förbättra utskrivningsprocessen och minska antalet patienter som måste läggas in igen..

Läs artikeln

Data visualization kommer att förändra sättet era analytiker arbetar med data. De kommer att förväntas leverera svar och lösningar på problem snabbare. De kommer också att kunna gräva djupare efter insikter - se data på andra och mer kreativa sätt. Datavisualisering kommer att bidra till mer kreativ utforskning av data. Simon Samuel Head of Customer Value Modeling for a large bank in the UK

Läs artikeln

Hur används den?

Oavsett bransch eller storlek använder alla typer av företag data visualization för att förstå sina data. Så här gör du.

Förstå information snabbt

Genom att använda grafiska representationer av företagsinformation kan företag se stora mängder data på tydliga, sammanhängande sätt – och dra slutsatser. Eftersom det är betydligt snabbare att analysera information i grafiskt format (i motsats till att analysera information i kalkylblad), kan företag ta itu med problem eller svara på frågor snabbare.

Hitta nya trender

Att använda datavisualisering för att upptäcka trender – både i branschen och på marknaden – kan ge företag ett försprång i konkurrensen och i slutändan påverka slutresultatet. Det är lätt att upptäcka avvikande värden som påverkar produktkvaliteten eller kundbortfall och ta itu med mindre problem innan de blir större problem.

Identifiera samband och mönster

Även omfattande mängder komplicerade data kan ge större värde när de presenteras grafiskt; företag kan hitta parametrar som korrelerar. Vissa av korrelationerna kommer att vara uppenbara, men andra kommer inte att vara lika enkla att se. Att identifiera dessa relationer hjälper organisationer att fokusera på områden som mest sannolikt påverkar deras viktigaste mål.

Kommunicera en berättelse till andra

När ett företag har funnit nya insikter genom visuell analys är nästa steg att kommunicera dessa insikter till andra. Att använda grafer, diagram eller andra visuellt effektfulla representationer av data är viktigt i det här steget eftersom det är engagerande och snabbt får fram budskapet.

Så här fungerar det

Data visualization i det dagliga arbetet

Även om det kan vara enkelt att förstå hur datavisualisering kan hjälpa dig att förstå och tolka stora mängder data, är det inte lika lätt att förstå vad som händer härnäst. Vilken typ av teknik du behöver och hur du använder den?

Den här videon ger dig en översikt över SAS Visual Analytics och SAS Visual Statistics, och visar hur det är möjligt att utforska miljarder rader data på några sekunder, med hjälp av olika konfigurationer. Tekniken från SAS hjälper dig att förbereda data, skapa rapporter och grafer, upptäcka nya insikter och dela dessa med andra via webben, PDF-filer eller mobila enheter.

Skapa grunden för data visualization

Innan du implementerar ny teknik finns det några steg du måste vidta. Du behöver inte bara ha bra koll på din data, du måste också förstå dina mål, dina behov och din publik. När du förbereder organisationen för datavisualisering måste du först:

Förstå den data du försöker visualisera, inklusive dess storlek och kardinalitet (unika värden i en kolumn).
Bestäm vad du försöker visualisera och vilken typ av information du vill kommunicera.
Lär känna din målgrupp och förstå hur den bearbetar visuell information.
Använd ett visuellt objekt som förmedlar informationen på det bästa och enklaste sättet för din målgrupp.

När du har svarat på de inledande frågorna om vilken typ av data du har och vilken målgrupp det är som kommer att konsumera informationen måste du sedan förbereda dig för mängden data du ska arbeta med. Big data medför nya utmaningar för visualisering eftersom det handlar om stora volymer av data, olika sorters data som förändras olika snabbt. Dessutom genereras data ofta snabbare än den kan hanteras och analyseras.

Det finns faktorer du bör tänka på, till exempel kardinaliteten i kolumner som du försöker visualisera. Hög kardinalitet innebär att det finns en stor andel unika värden (t.ex. bankkontonummer, eftersom varje artikel ska vara unik). Låg kardinalitet innebär att en kolumn med data innehåller en stor andel upprepade värden (exempelvis en kolumn som anger "kön").

Bestämma bästa sätt att visualisera

En av de största utmaningarna för affärsanvändare är att bestämma vilket visuellt objekt som ska användas för att bäst representera informationen. SAS Visual Analytics använder intelligent autoladdning för att skapa bästa möjliga visualisering baserat på vald data.

När du först utforskar en ny uppsättning data är autocharts särskilt användbara eftersom de snabbt ger en bild av stora mängder data. Den här funktionen är till hjälp även för erfarna statistiker när de försöker påskynda analysprocesser eftersom den eliminerar behovet av upprepad sampling för att avgöra vilka data som är lämpliga för varje modell.

Data Visualization

Vad det är och varför det är viktigt

Data Visualization: Historia