Por que o Visualization importa para o Predictive Analytics - manequins

Ler linhas de planilhas, digitalizar páginas e páginas de relatórios, e passar por pilhas de resultados analíticos gerados por modelos preditivos podem ser laboriosos, demorados e - vamos enfrentar isso é chato. Olhar para alguns gráficos que representam esses mesmos dados é mais rápido e fácil, ao mesmo tempo que transmite o mesmo significado. Os gráficos podem trazer mais compreensão mais rapidamente e direcionar o local de maneira eficiente.

Armar seus analistas de dados com ferramentas de visualização altera a maneira como eles analisam os dados: eles podem obter mais informações e responder aos riscos mais rapidamente. E eles terão o poder de utilizar imaginação e criatividade em suas escavações e minas para obter informações mais profundas. Além disso, através de ferramentas de visualização, seus analistas podem apresentar suas descobertas aos executivos de forma a proporcionar um acesso fácil e fácil de usar aos resultados analíticos.

Por exemplo, se você está lidando com análise de conteúdo e tem que analisar texto, e-mails e apresentações (para abridores), você pode usar ferramentas de visualização para converter o conteúdo e as idéias mencionadas em conteúdo bruto (geralmente como texto) em uma representação pictórica clara.

Por exemplo, esses gráficos representam a correlação entre os conceitos mencionados nas fontes de texto. Pense nisso como um dispositivo que economiza mão de obra: agora, alguém não precisa ler milhares de páginas, analisá-las, extrair os conceitos mais relevantes e derivar uma relação entre os itens de dados.

As ferramentas de análise fornecem visualizações como saída, que vão além das visualizações tradicionais, ajudando você com uma seqüência de tarefas:

1. Faça a leitura eficientemente.

2. Compreenda textos longos.

3. Extraia os conceitos mais importantes.

4. Dê uma visualização clara da relação entre esses conceitos.

5. Presente os conceitos de forma que suas partes interessadas considerem-se significativas.

Este processo é conhecido como visualização de dados interativos . É diferente de uma visualização simples porque

• Você pode analisar e detalhar os dados representados pelos gráficos e gráficos para mais detalhes e insights.

• Você pode alterar dinamicamente os dados usados ​​nesses gráficos e gráficos.

• Você pode selecionar os diferentes modelos preditivos ou técnicas de pré-processamento para aplicar aos dados que geraram o gráfico.

Essas ferramentas de visualização salvam o analista de dados uma tremenda quantidade de tempo ao gerar relatórios, gráficos e (mais importante) uma comunicação efetiva sobre os resultados da análise preditiva.

Essa comunicação eficaz inclui reunir as pessoas em uma sala, apresentar as visualizações e liderar discussões que emergem de questões como estas:

"O que significa esse ponto no gráfico? "

" Todos vêem o que eu vejo? "

" O que aconteceria se adicionássemos ou removêssemos determinados elementos ou variáveis ​​de dados? "

" O que aconteceria se mudássemos essa ou aquela variável? "

Tais discussões poderiam revelar aspectos dos dados que não eram evidentes antes, remover ambigüidade e responder algumas novas questões sobre os padrões de dados.