IEBSchool - La Escuela de los Negocios y los Emprendedores

Contenido destacado del mes

¿Porqué es importante tener una buena herramienta de Visual Analytics?

¿Porqué es importante tener una buena herramienta de Visual Analytics? Una parte del Business Intelligence, que para mi es la más importante desde un punto de vista de negocio, es el análisis visual , lo que se conoce como Visual … [ leer más ]

Lo más leído

Tags

¿Que es el Visual Analytics?

El término de Visual Analytics lo hemos oído muchas veces cuando se trata de temas relacionados con el Business Intelligence. También es posible que se hable en relación al Big Data y las herramientas que se utilizan para descubrir información en los datos. Pero, ¿Que es el Visual Analytics?

He buscado una definición y explicación más de origen científico y no tanto comercial como aparece en las características de un software de Business Intelligence o Big Data. Por decirlo de alguna manera, a la esencia de lo que representa. Vamos a verlo:

Según el autor del libro [1], Visual Analytics es la ciencia del análisis racional soportado por un interface visual e interactivo.

 

Visual Analytics está relacionado con estas áreas.

Visual Analytics está relacionado con estas áreas

Hoy en día se producen billones de datos y la capacidad de recogerlos y almacenarlos se aumenta mucho más que nuestra capacidad para analizarlos. Muchos métodos automáticos de análisis se han desarrollado , No obstante para según que complejidad, el ser humano debe actuar antes delante del proceso de análisis de datos.

El uso de técnicas de Visual Analytics permite la toma de decisions combinando la flexibilidad humana, creatividad y su expertise o conocimiento previo con la enorme capacidad de almacenamiento y proceso de los ordenadores para encontrar soluciones a los problemas más complejos. Por tanto, utilizando avanzados sistemas visuales de la información, las personas pueden interactuar con ella para tomar decisiones mejor informadas.

Las siguientes áreas científicas son objeto de estudio en relación a Visual Analytics :

Areas científicas en relación con visual analytics

Areas científicas en relación con visual analytics

  • La visualización: interviene la visualización de información y gráficos en ordenadores.
  • Los factores humanos: como la percepción y áreas cognitivas entre persona-ordenador
  • Y el análisis de datos, intervienen metodologías de obtención de datos, gestión de datos y conocimiento de como representarlos, así como el data mining.

El proceso de Visual Analytics

El proceso de Visual Analytics combina métodos de análisis automáticos y visuales con la interacción humana para obtener conocimiento de los datos.

En este gráfico se muestran las diferentes fases (representadas con los círculos ovalados) y como se pasa de una a otra a través de diferentes procesos (marcados con las flechas)

Proceso de visual analytics

Este el proceso para analizar datos mediante un sistema de visual analytics

Primero se deben consolidar las diferentes fuentes de información para poder aplicar métodos automáticos o visuales de análisis de información.

Por tanto, el primer paso es hacer un preproceso y transformación de los datos para poder crear diferentes representaciones de exploración.(indicado en la flecha desde Datos a Visualización). También se incluyen en este preproceso:

  • Limpieza de datos
  • Normalización
  • Agrupación e integración de fuentes de datos muy heterogéneas.

Después el analista de datos puede aplicar:

  • Métodos automáticos de análisis. En este caso se aplican métodos de data mining para crear modelos a partir de los datos originales. Una vez se ha creado un modelo, debemos evaluar y mejorar los modelos, que puede realizarse mejor si interactuamos con los datos.
  • Métodos visuales de análisis, que permiten interactuar con los métodos automáticos modificando los parámetros ó seleccionando otros algoritmos de análisis.

Alternando entre método visual y automático se consigue mejorar los resultados preliminares obtenidos. Se pueden detectar errores antes y se llega a obtener mejores resultados y correctos al 100%.

Si se realiza primero una exploración visual de los datos, el usuario debe confirmar las hipótesis generadas mediante un análisis automático. Es necesario interactuar con los datos visualmente para encontrar información útil, por ejemplo bajando de niveles de detalle o bien mirando lo datos por diferentes vistas. Estos descubrimientos nos permiten conducir a la construcción del modelo en el análisis automático.

En resumen, en el proceso de visual analytics, el conocimiento se puede obtener tanto de la visualización, análisis automático, así como de las interacciones entre visualizaciones, modelos y el análisis que realizan las personas.

 [1] Thomas, J., Cook, K.: Illuminating the Path: Research and Development Agenda for Visual Analytics. IEEE-Press (2005) http://vis.pnnl.gov/pdf/RD_Agenda_VisualAnalytics.pdf