Data visualization tra rappresentazione e modellazione, è una procedura fondamentale in un’era guidata dalle informazioni. Come funziona? Considerata una pratica, in realtà la visualizzazione dei dati è una scienza che, lavorando sulle dinamiche intrinseche della percezione umana, sa come tradurre e rappresentare al meglio le informazioni in un contesto visivo che ne rende più facile e intuitiva la comprensione, accelerando e potenziando le capacità di intuizione e di riflessione di uno o più team aziendali.
Data visualization pro a supporto della data science
L’obiettivo principale della visualizzazione dei dati è semplificare l’identificazione di modelli, tendenze e valori anomali in set di dati di grandi dimensioni. Per questo oggi la data visualization è considerata una delle fasi integranti del processo di data science ma anche dei processi DevOps.
Dopo che i dati sono stati raccolti, elaborati e modellati, infatti, per trarre delle conclusioni e azionarli devono essere visualizzati. La visualizzazione dei dati è anche un elemento della più ampia disciplina dell’architettura di presentazione dei dati (DPA – Data Presentation Architecture), che mira a identificare, individuare, manipolare, formattare e fornire i dati nel modo più efficiente possibile. Esempi di data visualization sono i grafici a torta o gli istogrammi ma anche le mappe concettuali come i pallogrammi o le infografiche (statiche o dinamiche).
La data visualization supporta anche lo sviluppo degli algoritmi
La visualizzazione è fondamentale per l’analisi avanzata. Quando un data scientist scrive analisi predittive avanzate o algoritmi di machine learning (ML), diventa importante visualizzare gli output per monitorare i risultati e garantire che i modelli funzionino come previsto. Questo perché le visualizzazioni di algoritmi complessi sono generalmente più facili da interpretare rispetto agli output numerici. Ecco perché L’alfabetizzazione alla visualizzazione dei dati è un elemento cruciale, aiutando a comunicare i risultati.
L’importanza di alfabetizzare tutta l’organizzazione
Il processo di alfabetizzazione necessario a finalizzare l meglio la data visualization comprende una varietà di abilità che implicano la capacità di esprimersi chiaramente e di sapere come leggere e comprendere il significato delle visualizzazioni in modo efficace. Il che significa che l’argomento non è più di esclusiva responsabilità dei team di dati.
Le aziende devono adottare un approccio organizzativo collaborativo per coltivare la competenza di visualizzazione dei dati in tutta l’organizzazione e ottenere risultati di business migliori. L’alfabetizzazione dei dati, d’altra parte, è importante per comprendere il set di dati stesso e la sua rilevanza nel contesto in cui viene creato e messo insieme. Il che include fluidità nelle origini dati, come vengono create le pipeline relative, le diverse tecniche di analisi e di trasformazione dei dati. Un’organizzazione ha bisogno di competenze in queste aree per prendere decisioni basate sui dati efficaci ed efficienti per far progredire il business.
I vantaggi della data visualization per le aziende
Per questo motivo è fondamentale stabilire best practice e standard per i flussi di lavoro dei dati in modo che i team abbiano trasparenza su come vengono creati gli insight, quali fonti di dati vengono utilizzate e quali metodi e strumenti di analisi vengono utilizzati. Il principio di base della data visualization è un nuovo livello di trasparenza informativa: tutti nell’organizzazione dovrebbero essere in grado non solo di vedere una visualizzazione dei dati, ma anche di tracciare come è stata raggiunta quella determinata intuizione ed essere in grado di interagire con essa per comprenderla più a fondo.
Maturare competenze nell’ambito della data visualization aiuta i dipendenti a imparare a identificare la differenza tra visualizzazioni patinate e l’effettivo valore aziendale dei dati rappresentati.
A cosa serve l’alfabetizzazione alla data visualization
Alfabetizzazione dei dati e visualizzazione dei dati possono essere viste come discipline complementari che richiedono una comprensione della provenienza delle informazioni, del motivo per cui vengono raccolte e di come vengono utilizzate. La combinazione tra le due discipline porta diversi vantaggi nelle aziende:
- L’alfabetizzazione alla visualizzazione dei dati può aiutare a verificare che la storia raccontata visivamente sia anche raccontata in modo accurato.
- Le capacità di visualizzazione dei dati aiutano a rispondere più rapidamente alle domande di un determinato set utilizzando elementi visivi per comunicare l’analisi, il che consente a individui e team di costruire una narrazione coerente su dati diversi ma correlati per guidare più rapidamente decisioni migliori basate sui dati.
- Le capacità di presentazione dei dati aiutano a visualizzare i risultati in cui KPI o altre metriche significative producono un riepilogo dei dati aziendali.
- Le capacità di esplorazione dei dati aiutano a esplorare visivamente i dati sconosciuti per comprendere le statistiche e la correlazione.
Alfabetizzazione della visualizzazione dei dati vs. alfabetizzazione dei dati
L’alfabetizzazione dei dati implica la comprensione del campo più ampio delle pratiche relative alla raccolta e all’archiviazione dei dati e al modo in cui i dati possono aiutare a guidare le decisioni. L’alfabetizzazione alla visualizzazione dei dati consiste nel capire come creare grafici più efficaci. La competenza implica la comprensione dei punti di forza e di debolezza di ogni tipo di grafico e come formattarli e adornarli. I consumatori di grafici hanno anche bisogno di competenze di visualizzazione dei dati per interpretare correttamente i grafici e giudicarne l’autenticità.
Le capacità di visualizzazione dei dati aiutano a rispondere più rapidamente alle domande di un determinato set utilizzando elementi visivi per comunicare l’analisi. Consentono alle persone di visualizzare elementi visivi come diagrammi, grafici, dashboard o grafica animata e di comprendere rapidamente le informazioni. Ciò consente a singoli e team di costruire una narrazione coerente su dati diversi ma correlati per guidare più rapidamente decisioni migliori basate sui dati.
8 best practice della data visualization
Gli esperti sintetizzano in 8 fasi le buone regole della data visualization che possono contribuire a migliorare la cultura aziendale in questo senso.
Adottare un linguaggio visivo coerente
Le aziende dovrebbero abbracciare un’applicazione coerente del linguaggio visivo come, ad esempio, una forma particolare che comunica un concetto specifico, consentendo una comprensione più rapida e una maggiore chiarezza a livello di comunicazione. Inoltre, l’associazione diretta della visualizzazione tra un gruppo di dati e un altro può aiutare a organizzare le informazioni in bucket più chiari e accessibili. Un linguaggio visivo adeguato con connessioni dirette ai dati semplifica l’analisi di complesse reti di dati attraverso immagini semplificate.
Digitalizzare le metriche
La digitalizzazione e la raccolta dei dati sono fondamentali per coltivare l’alfabetizzazione alla data visualization. Più dati vengono raccolti e organizzati, più team possono visualizzare e collaborare sui dati. Un aspetto cruciale di questo passaggio consiste nella definizione di KPI e metriche per misurare in modo coerente processi ed eventi che potrebbero non sembrare facili da quantificare, semplificando la scelta e l’applicazione della tecnica di visualizzazione dei dati appropriata a una determinata domanda, analisi o discussione.
Comprendere gli utenti
Non si può fare data visualization se non si comprende prima chi sono gli utenti che fruiranno delle rappresentazioni, quali sono le loro finalità e in che modo utilizzeranno i dati per lavorare. È fondamentale comprendere il pubblico di destinazione e collegare le esigenze aziendali e degli utenti, clusterizzando i dati da rappresentare in modo sinottico e pertinente.
Una delle migliori pratiche di visualizzazione dei dati è quella di dividerli su più pagine, mantenendo in ognuna solo il cluster di dati necessario. Molti dati in un unico posto, infatti, non aiutano a mantenere l’attenzione sulle informazioni necessarie. Il che significa identificare e saper evidenziare in maniera intuitiva la connessione tra diversi tipi di dati, agevolando la loro interpretazione utilizzando gli standard di accessibilità per caratteri e colori.
Per finalizzare l’output, è necessario considerare anche gli strumenti di fruizione dei dati visualizzati: il pubblico utilizza principalmente dispositivi mobili, per cui sarebbe opportuno ragionare con un approccio mobile-first. Il tutto senza dimenticare il principio dell’inclusione: i dati devono essere facili da leggere anche per gli utenti con disabilità.
Comprendere il contesto aziendale
È necessario prestare molta attenzione al modo in cui i dati vengono presentati visivamente e al modo in cui viene raccontata la storia. Considerare la user experience è dunque fondamentale. Considera l’esperienza dell’utente e i tipi di grafici utilizzati per visualizzare i dati. Nella visualizzazione bisogna raggiungere una comprensione di base del contesto aziendale e del pubblico con cui ci si relaziona.
Ad esempio, qualcuno potrebbe visualizzare una popolazione generale e segmenti all’interno di quella popolazione in modo molto diverso da come presenterebbero informazioni in cui vengono tracciati solo due punti dati nel tempo. Con solo due punti dati, spesso è sufficiente un semplice grafico a linee. Quando si visualizza una popolazione generale, qualcuno potrebbe voler mettere in relazione i dati demografici come età, etnia, occupazione e reddito con alcune metriche rilevanti per l’azienda utilizzando una combinazione di grafici a linee, grafici a bolle o grafici a barre.
L’alfabetizzazione alla visualizzazione dei dati informerebbe il modo migliore per collegare la presentazione dei dati ad alcuni aspetti dell’attività a cui potrebbe riferirsi, come l’identificazione di specifici segmenti di popolazione che spendono di più su particolari linee di prodotti o categorie.
Creare un ciclo di feedback
Analogamente a quanto succede agli scrittori di libri che devono adattare il loro linguaggio al pubblico, con la visualizzazione dei dati, la maggior parte della responsabilità di adattare la visualizzazione e la relativa comprensibilità ricade sui creatori. L’analisi rapida dei dati e i cicli di feedback sulla visualizzazione possono aiutare a migliorare le capacità di tutti nella creazione e nell’utilizzo di visualizzazioni.
Nella fase di raccolta dei requisiti, l’analista deve capire cosa deve essere fatto e presentare un progetto iniziale di analisi dei dati, inclusa la visualizzazione. Lo stakeholder può quindi conoscere i metodi, dare input e imparare come interpretare i dati. L’analista può quindi regolare il livello di complessità in base al feedback.
Identificare le lacune
I team dovrebbero anche identificare le lacune nell’alfabetizzazione alla visualizzazione dei dati all’interno dell’organizzazione o per gli individui. Le persone possono adottare delle contromisure per colmare le lacune di competenze o conoscenze imparando di più sulle tecniche e sugli strumenti di analisi e visualizzazione dei dati o effettuando visualizzazioni di dati efficaci per comunicare approfondimenti da diversi tipi di dati.
Non subirla ma cavalcarla con passione
La data visualization è un’arte e una scienza. Per il creatore, trovare la rilevanza dei dati significa metterci intelligenza, ma anche creatività. Il risultato azionerà delle intuizioni che motiveranno a esplorare i dati ulteriormente per trovare nuove correlazioni di senso e insight. C’è un altro tema da considerare che è l’onestà: i dati sono dati, ma la loro rappresentazione può essere ingannevole. Si pensi a certe visualizzazioni dei dati fatti dai media. Quando i grafici compaiono nelle presentazioni al lavoro, è fondamentale essere consapevoli del fatto che possono essere efficaci oppure diventare fonte di distrazione e distorsione.
Considera la tecnologia, il processo e la cultura
L’alfabetizzazione alla data visualization richiede la comprensione della tecnologia, dei processi e della cultura aziendale. Mettere la tecnologia analitica nelle mani delle persone giuste è la chiave per far crescere e democratizzare le intuizioni basate sui dati. I processi ripetibili garantiscono coerenza, standardizzazione e governance, fornendo ai team un percorso accurato attraverso i dati. Con un punto di attenzione importante: è possibile possedere tutti i dati del mondo e usarli per alimentare bellissime visualizzazioni, ma se l’utente non è esperto di dati e non ha le competenze per comprendere e comunicare con precisione queste informazioni per guidare l’azione, il valore viene immediatamente perso.
