chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

如今你能看到的任何地方，特別是在數(shù)據(jù)驅(qū)動(dòng)的組織機(jī)構(gòu)，你會(huì)發(fā)現(xiàn)數(shù)據(jù)可視化。數(shù)據(jù)可視化是現(xiàn)代公司締造影響力的關(guān)鍵要素，存在于每個(gè)工具和工作流程里。它不僅僅是數(shù)據(jù)工程師、數(shù)據(jù)科學(xué)家、數(shù)據(jù)分析員的工作中重要的部分，也是那些職位名稱中不帶“數(shù)據(jù)”的人的工作重要部分。數(shù)據(jù)可視化出現(xiàn)在產(chǎn)品演示中，在 Slack 上的臨時(shí)通訊中、在提交給股東的領(lǐng)導(dǎo)層報(bào)告中，甚至在營銷材料中。

我們希望改變?nèi)藗兘?jīng)常在數(shù)據(jù)可視化中看到的 以工具為中心和以角色為中心的設(shè)計(jì)方法，這些方法強(qiáng)迫用戶在工具間或者不同角色的權(quán)限墻中來回跳躍。

在 Noteable，我們很清楚地設(shè)計(jì)了視覺可視化來反映當(dāng)今人們?cè)诠ぷ髦腥绾问褂脭?shù)據(jù)，而不是他們?cè)?15 年前如何使用數(shù)據(jù)。無論數(shù)據(jù)工作者的職位名稱是什么，無論數(shù)據(jù)消費(fèi)者在解決的問題是什么，我們正在研究他們的期望是如何增長并融合的。我們希望 改變?nèi)藗兘?jīng)常在數(shù)據(jù)可視化中看到的以工具為中心和以角色為中心的設(shè)計(jì)方法，這些方法強(qiáng)迫用戶在工具間或者不同角色的權(quán)限墻中來回跳躍。我們感覺通過從其他方法中引入優(yōu)勢，會(huì)鼓勵(lì)數(shù)據(jù)可視化表達(dá)的多樣性。這意味著，即使我們?cè)陂_發(fā)一個(gè) 計(jì)算筆記本【1】產(chǎn)品，我們?nèi)匀恍枰鰝鹘y(tǒng)筆記本的局限性，去看數(shù)據(jù)可視化，并將其置于更廣闊的背景下，即每個(gè)人如何使用數(shù)據(jù)可視化。

（【1】計(jì)算筆記本（computational notebook）：指能讓用戶將說明文本、數(shù)學(xué)方程、代碼和可視化內(nèi)容全部組合到一個(gè)易于共享的文檔中的工具。是特別適合數(shù)據(jù)科學(xué)使用的平臺(tái)，能讓數(shù)據(jù)科學(xué)家在同一個(gè)文檔中編寫代碼、分析數(shù)據(jù)和插入可視化。）

1. 現(xiàn)有的工具往往傾向到具體工作/職能

1. Existing tools tend to be specific to the job/function

創(chuàng)建可視化數(shù)據(jù)的設(shè)計(jì)工具無處不在的呈現(xiàn)與反映在各方面并沒有改變?，F(xiàn)有可用的工具通常與某個(gè)具體的使用案例相關(guān)，并針對(duì)案例進(jìn)行優(yōu)化。如果你是數(shù)據(jù)科學(xué)家，你會(huì)專注于驗(yàn)證方法，通常你會(huì)使用 Jupyter notebooks 或者 RStudio；如果你是分析師，你可能會(huì)使用 Tableau 或者 Looker；如果你需要制作說明圖表，你是軟件開發(fā)你可能會(huì)使用 D3，如果你不是開發(fā)你可能會(huì)選擇 Powerpoint；如果你從業(yè)于金融或人力資源，你可能會(huì)選擇Excel。

2. 很多工具在數(shù)據(jù)科學(xué)興起前已存在

2. Many tools were designed before the data science boom

這些工具是在數(shù)據(jù)素養(yǎng)更低、數(shù)據(jù)驅(qū)動(dòng)的組織機(jī)構(gòu)更少、以及技術(shù)限制導(dǎo)致工具功能受限時(shí)設(shè)計(jì)的。當(dāng)行業(yè)繼續(xù)發(fā)展，很多工具隨之發(fā)展的過程和特定的數(shù)據(jù)、數(shù)據(jù)處理方法及專業(yè)角色結(jié)合得太過緊密，導(dǎo)致這些工具讓人感覺過于專業(yè)化，例如主要為數(shù)據(jù)分析師使用的BI（商業(yè)智能）工具。

數(shù)據(jù)處理方法和工具的緊密耦合也是數(shù)據(jù)角色演變后的結(jié)果，隨著它們的成熟，反而加強(qiáng)了讓工具定義工作：研究生課程宣傳如何通過學(xué)習(xí) python 計(jì)算筆記本成為一名數(shù)據(jù)科學(xué)家，訓(xùn)練營告訴你要學(xué) D3 軟件這樣你才可以成為一名數(shù)據(jù)可視化開發(fā)，無數(shù)的工作坊幫助你學(xué)習(xí) Tableau 軟件來成為一名分析師。

但是由 分析師 / 數(shù)據(jù)科學(xué)家 / 產(chǎn)品經(jīng)理 所做的工作并不是離散的、孤立的數(shù)據(jù)可視化片刻。在這些領(lǐng)域中用的某一數(shù)據(jù)處理方法在本質(zhì)上和在另一領(lǐng)域用到的沒有任何不同。恰恰相反：如果將一種方法中使用到的技能和方法結(jié)合到另一種方法中，可能會(huì)非常有用。

我們看到這些步驟是孤立的，不是因?yàn)檫@是使用它們的最佳方式，而是因?yàn)樗鼈兡壳笆翘幱诠铝顟B(tài)下運(yùn)行的。

這就是為什么我們應(yīng)該避開“分析師做的數(shù)據(jù)可視化與數(shù)據(jù)科學(xué)家做的不一樣”的觀點(diǎn)。我們看到這些步驟是孤立的，不是因?yàn)檫@是使用它們的最佳方式，而是因?yàn)樗鼈兡壳笆翘幱诠铝顟B(tài)下運(yùn)行的。這就是便利規(guī)則被創(chuàng)建的原因，例如“不要用餅圖”或“從不使用彩虹配色方案”或“最大化你的 數(shù)據(jù)墨水比 【2】”。即使在孤立狀態(tài)之外的進(jìn)行數(shù)據(jù)分析任務(wù)時(shí)，這些便利規(guī)則仍會(huì)受到挑戰(zhàn)，但這些步驟是將原始數(shù)據(jù)轉(zhuǎn)化為洞察和行動(dòng)的過程的一部分。這個(gè)過程橫跨從早期對(duì)數(shù)據(jù)的完全探索到最后給股東和領(lǐng)導(dǎo)層的匯報(bào)。

（【2】數(shù)據(jù)墨水比（Data-Ink-Ratio）：圖形中的數(shù)據(jù)墨水量除以圖形中的總墨水量，即在展示介質(zhì)/頁面上，用于展示數(shù)據(jù)所用的“墨水”量與介質(zhì)/頁面上全部“墨水”量之間的比值。其中數(shù)據(jù)墨水指的是圖表中不可刪除的核心內(nèi)容。數(shù)據(jù)墨水比值越大，即意味著數(shù)據(jù)可視化圖表中的冗余信息越少，不可刪除的核心內(nèi)容越多。）

3. 數(shù)據(jù)可視化生命周期

3. The Data Visualization Lifecycle

最好的看待數(shù)據(jù)可視化的方式就是不要受限于角色或工具，而是專注于數(shù)據(jù)處理過程中哪里需要使用到數(shù)據(jù)可視化。這些孤立離散的步驟中每一個(gè)都需要數(shù)據(jù)可視化的特別功能，從對(duì)原始數(shù)據(jù)的探索數(shù)據(jù)分析，到驗(yàn)證數(shù)據(jù)的假設(shè)、解釋數(shù)據(jù)模式，再到將生成的圖表產(chǎn)品化為定期的報(bào)告和其他數(shù)據(jù)資源。

組織或機(jī)構(gòu)試圖尋找數(shù)據(jù)的日子早已將一去不復(fù)返了，現(xiàn)在他們輕易能獲得大量數(shù)據(jù)，而挑戰(zhàn)變成了：如何從中定位正確的數(shù)據(jù)并將這些數(shù)據(jù)摘要給到正確的人。

讓我們來看下每個(gè)步驟，了解當(dāng)今數(shù)據(jù)可視化如何應(yīng)用與支撐工作。

1）探索性數(shù)據(jù)分析

探索性數(shù)據(jù)分析（EDA）指的是 當(dāng)數(shù)據(jù)可視化是用來理解數(shù)據(jù)的模式和形狀，而不是來解釋解釋這些模式。當(dāng)它最常放在數(shù)據(jù)科學(xué)的背景下討論時(shí)（使用例如 ggplot2 和 vega-lite 等工具優(yōu)化數(shù)據(jù)處理方法），它的最佳案例是數(shù)據(jù)訪問問題。組織或機(jī)構(gòu)試圖尋找數(shù)據(jù)的日子早已將一去不復(fù)返了，現(xiàn)在他們輕易能獲得大量數(shù)據(jù)，而挑戰(zhàn)變成了：如何從中定位正確的數(shù)據(jù)并將這些數(shù)據(jù)摘要給到正確的人。

為了支持探索性數(shù)據(jù)分析，數(shù)據(jù)工程師持續(xù)性的工作就是部署數(shù)據(jù)可視化來展示數(shù)據(jù)源的形狀、數(shù)據(jù)的沿襲【5】、以及它們?nèi)绾渭尤氲狡渌麛?shù)據(jù)中。在數(shù)據(jù)集還是分析師/數(shù)據(jù)科學(xué)家的眼中獨(dú)有的秘密之前，數(shù)據(jù)工程師早已在創(chuàng)建數(shù)據(jù)集并評(píng)估數(shù)據(jù)健康時(shí)用上了數(shù)據(jù)可視化。在這些數(shù)據(jù)源的視覺表達(dá)中，部分可能會(huì)繼續(xù)保留來提供有關(guān)數(shù)據(jù)源狀態(tài)的持續(xù)性報(bào)告，但一旦 數(shù)據(jù)集【3】合或 數(shù)據(jù)工作流 【4】完工，大部分的此階段數(shù)據(jù)可視化會(huì)被拋棄。

（【3】數(shù)據(jù)集（dataset）：一組數(shù)據(jù)的集合，通常以表格形式出現(xiàn)。每一列代表一個(gè)特定變量。每一行都對(duì)應(yīng)于某一成員的數(shù)據(jù)集的問題。）

（【4】數(shù)據(jù)工作流（data pipeline）：數(shù)據(jù)工作流溝通了數(shù)據(jù)源和數(shù)據(jù)應(yīng)用的目標(biāo)，包含了一家公司內(nèi)部的數(shù)據(jù)流動(dòng)全過程。它是一個(gè)貫穿了整個(gè)數(shù)據(jù)產(chǎn)品或者數(shù)據(jù)系統(tǒng)的一個(gè)管道，它連接了不同的數(shù)據(jù)處理分析的各個(gè)環(huán)節(jié)，將整個(gè)龐雜的系統(tǒng)變得井然有序，便于管理和擴(kuò)展，因此讓使用者能夠集中精力從數(shù)據(jù)中獲取所需要的信息，而不是把精力花費(fèi)在管理日常數(shù)據(jù)和管理數(shù)據(jù)庫方面。）

（【5】數(shù)據(jù)延襲（data lineage）：通常定義為一種數(shù)據(jù)生命周期，其中包括數(shù)據(jù)的來源以及數(shù)據(jù)隨時(shí)間推移的位置。該術(shù)語還可以描述數(shù)據(jù)經(jīng)過不同過程時(shí)會(huì)發(fā)生什么。）

用來構(gòu)建這類模式的工具，例如 Superset，強(qiáng)調(diào)直接插入您的數(shù)據(jù)，讓您可以在不同的圖表和設(shè)置之間快速切換。這種快速高效地可視化任何數(shù)據(jù)集的能力，無論它是關(guān)于什么的，再怎么強(qiáng)調(diào)都不為過。任何數(shù)據(jù)可視化處理的第一步幾乎總是先看一看表格的一些行，不是因?yàn)檫@是可視化數(shù)據(jù)的最佳方式，而是因?yàn)楸砀駧缀踹m用于所有數(shù)據(jù)集。通常股東僅需要訪問并概覽數(shù)據(jù)，他們會(huì)接受表格視圖，因?yàn)檫@快捷又方便。

探索性數(shù)據(jù)分析（EDA）在數(shù)據(jù)科學(xué)的領(lǐng)域特別突出，它在一開始與上面已經(jīng)描述的類似，但很快就轉(zhuǎn)向更集中的方法，這些方法屬于數(shù)據(jù)可視化生命周期的下一步。

2）假說的生成和驗(yàn)證

數(shù)據(jù)可視化中最和工作相關(guān)的方面是生成和驗(yàn)證假說。這和探索性數(shù)據(jù)分析（EDA）很像，但是更加具體，因?yàn)樗趩渭兊奶剿髦飧钊霐?shù)據(jù)的清晰申明。

在數(shù)據(jù)科學(xué)的工作流程里，假說的生成和驗(yàn)證是通過具有分面等強(qiáng)大功能和處理幾乎能處理所有類型數(shù)據(jù)的工具 —— 比如 ggplot2 和 vega —— 來完成的。這些工具通常還提供可用的功能來展示統(tǒng)計(jì)數(shù)據(jù)的顯著性和不確定性，這是數(shù)據(jù)可視化生命周期里的其他部分所缺少的。統(tǒng)計(jì)測試，特別是 A/B 測試，可能會(huì)使用更定制化的界面并利用統(tǒng)計(jì)摘要的復(fù)雜表格來展示，為了方便那些非數(shù)據(jù)科學(xué)家進(jìn)行假說的驗(yàn)證。

機(jī)器學(xué)習(xí)是數(shù)據(jù)可視化在假設(shè)生成部分占有重要地位的另一個(gè)主要領(lǐng)域。數(shù)據(jù)可視化可能提供非常不同的形式來支持機(jī)器學(xué)習(xí)的工作流程：目標(biāo)是優(yōu)化特定數(shù)字（例如混淆矩陣的某些方面）以驗(yàn)證你的假說，然后對(duì)隨機(jī)樣本進(jìn)行可視化來嘗試確認(rèn)沒有偏差。

3）說明圖

驗(yàn)證假說是不夠的，你必須向觀眾解釋它?？赡艽嬖谕瑯佑行У母偁幏椒?，即使沒有，公司也沒有無限的資源來追求每一種驗(yàn)證方法。數(shù)據(jù)可視化僅讓建立它的人能理解是不夠的，它需要被那些參與到圍繞可視化數(shù)據(jù)決策的的人們所無障礙地理解并相信。這是從業(yè)人員真正的盲點(diǎn)領(lǐng)域，他們會(huì)很驚訝在他們分析中用到的圖表在報(bào)告中沒有那么有效。

即使這個(gè)假說簡單到是“這件事很重要”，下一件需要做到的事就是讓這個(gè)假說對(duì)于不熟悉原始創(chuàng)建者的數(shù)據(jù)集和方法的受眾而言更加清楚。你可以使用正式的 BI (商業(yè)智能）工具以及數(shù)據(jù)可視化庫來完成此操作，它們能風(fēng)格化并裝飾那些在早期步驟中創(chuàng)建的簡樸且雜亂的圖表。

有效的說明圖依賴于所有有效溝通的法則：編輯、上下文（情景）和 清晰度。在前期數(shù)據(jù)分析探索中使用到（用來展示盡可能多的值）的配色方案被更深思熟慮過的顏色所取代，這些顏色強(qiáng)調(diào)了被分析的數(shù)據(jù)中的關(guān)鍵主題。圖表中元素上的標(biāo)簽（比如如坐標(biāo)軸）的格式更經(jīng)過深思熟慮并弱化（不要那么視覺顯眼）。遵循無數(shù)的數(shù)據(jù)可視化指南中描述的最佳實(shí)踐，圖表獲得了一個(gè)標(biāo)題和一些文本來配合讀者。注釋和上下文圖表進(jìn)一步說明和簡單圖表不同，說明圖是為更多人設(shè)計(jì)的，而不僅僅是為了原始圖表創(chuàng)建者們。

4） 產(chǎn)品化

讓圖表變得可閱讀并不是最后一件事，因?yàn)樗枰屗氖鼙婇喿x和分發(fā)。大部分?jǐn)?shù)據(jù)可視化指南忽略了這步，除非他們處理看板（dashboard）—— 他們真心地認(rèn)為數(shù)據(jù)可視化的產(chǎn)品化的唯一方式就是把圖表都塞到看板里。但是圖表們有其他觸達(dá)到它們受眾的形式，無論是通過自動(dòng)郵件、演講還是備忘錄。產(chǎn)品化改變了圖表，它能讓圖表：增強(qiáng)合作（比如可以評(píng)論）、便于分享、易于交互和自動(dòng)更新（或者用郵件報(bào)告的方式定期發(fā)布）。

因此，產(chǎn)品化可能就像讓在 Apple 和 Netflix 這樣公司里的數(shù)據(jù)可視化工程師們?nèi)ゴ罱ㄒ粋€(gè)完全定制化的分享應(yīng)用一樣，非常復(fù)雜和昂貴?；蛘弋a(chǎn)品化可能就像截圖一個(gè)圖表并把它塞到一個(gè)用于會(huì)議分享的文檔里一樣簡單。現(xiàn)代的BI（商業(yè)智能）工具有能改進(jìn)共享（它們工具構(gòu)建的）看板的功能，其中還包括將看板共享為電子郵件報(bào)告。在定制化的應(yīng)用和標(biāo)準(zhǔn)化的BI（商業(yè)智能）工具之間，還有例如 Dash 和 Streamlit 這樣的看板庫，可以快速地從上文提到的探索性數(shù)據(jù)分析（EDA）和假說生成這兩個(gè)模式中生成看板。

除此之外，最有爭議的莫過于將圖表的圖片嵌入文檔了。數(shù)據(jù)可視化的產(chǎn)品化，能像在 Notion, Coda, Quip, Confluence 或者 Google Docs 中插入圖表一樣簡單嗎？在很多情況下，便于分享和提供評(píng)論功能，是產(chǎn)品化的核心需求，但這已經(jīng)通過在線文檔里的靜態(tài)截圖完成了。這是最優(yōu)解嗎？還差得遠(yuǎn)了。圖表不能夠再繼續(xù)動(dòng)態(tài)更新、截圖的人們可能會(huì)不小心裁剪掉關(guān)鍵信息。但很明顯，鑒于這種能夠在圖表上分享和評(píng)論的方法的頻率，收益仍大于缺陷。

5）戰(zhàn)略方向

產(chǎn)品化可能看上去也像是在數(shù)據(jù)額可視化生命周期里的最后一步，但不是。除了在演講中的直接影響力之外，圖表還（消極地和積極地）有助于使用數(shù)據(jù)的知識(shí)共享、最佳實(shí)踐和指南。圖表是一個(gè)公司的生命之血。如果公司想要改進(jìn)它如何使用數(shù)據(jù)可視化，他們只能在評(píng)估如何使用數(shù)據(jù)可視化時(shí)才能做到這一點(diǎn)。

即使沒有積極的數(shù)據(jù)可視化評(píng)估，圖表仍然影響著一個(gè)公司的戰(zhàn)略方向。因?yàn)閳D表提純和強(qiáng)調(diào)了指標(biāo)。這些我們展示的指標(biāo)、特別是在數(shù)據(jù)可視化生命周期中從探索活到產(chǎn)品化的指標(biāo)，是認(rèn)真投資的結(jié)果。它們影響決策，但也影響著之后的指標(biāo)。這就是為什么數(shù)據(jù)可視化是指標(biāo)設(shè)計(jì)的一個(gè)關(guān)鍵方面。

類似地，數(shù)據(jù)本身以及數(shù)據(jù)的轉(zhuǎn)變需要可視化。數(shù)據(jù)沿襲（數(shù)據(jù)生命周期）不僅包括ETL【6】 過程中創(chuàng)建的數(shù)據(jù)、也包括讓數(shù)據(jù)在語義上足夠有意義來讓公司使用且決策的必需步驟。

（【6】ETL：是英文Extract-Transform-Load的縮寫，用來描述將數(shù)據(jù)從來源端經(jīng)過抽?。╡xtract）、轉(zhuǎn)換（transform）、加載（load）至目的端的過程。）

最后，每個(gè)公司產(chǎn)生的圖表是公司里的人需要看的。這似乎是一個(gè)顯而易見的觀點(diǎn)，但圖表通過提高或限制數(shù)據(jù)素養(yǎng)的方式表示數(shù)據(jù)。如果你的所有圖表都是條形圖或者折線圖，那么你所有的指標(biāo)都只會(huì)是那些可以在那些條形圖和折線圖圖表上出現(xiàn)的那種，并且你所有的決策都將是基于這些指標(biāo)的那種。但是，如果你有顯示不確定性、分層數(shù)據(jù)、地型圖、過程圖、地圖和其他數(shù)據(jù)類型的圖表，那么你的公司將能夠根據(jù)此類數(shù)據(jù)做出決策。

因此，即使圖表已成功被部署，它仍然會(huì)影響你公司的數(shù)據(jù)素養(yǎng)。如果你想了解更多相關(guān)信息，請(qǐng)查看我的文章——《圖表能做什么》。

4. 支持整個(gè)數(shù)據(jù)可視化生命周期

4. Supporting the Entire Data Visualization Lifecycle

我決定與他人共同創(chuàng)立 Noteable 公司的原因之一是我堅(jiān)信受眾和數(shù)據(jù)工具的融合，這是我在 2018 年 Tapestry 的主題演講中提出的觀點(diǎn)。

在我嘗試預(yù)測未來時(shí)，我建議將“Dashtellingbooks”作為數(shù)據(jù)講故事、看板和計(jì)算筆記本的融合。自從那時(shí)起，我意識(shí)到構(gòu)建支持現(xiàn)代數(shù)據(jù)可視化的產(chǎn)品不僅僅只需要不同工具形式的簡單組合。在數(shù)據(jù)可視化上，我們需要關(guān)注的不僅僅是工具的產(chǎn)出；我們需要考慮這些工具如何適應(yīng)現(xiàn)代數(shù)據(jù)方法，數(shù)據(jù)可視化發(fā)生在數(shù)據(jù)生命周期的每個(gè)點(diǎn)，而不僅僅是在最后。這就是我們?cè)?Noteable 公司處理數(shù)據(jù)可視化的方式。這就是每個(gè)想要利用數(shù)據(jù)可視化的公司都應(yīng)該采用的處理方式。

在 Noteable 公司，我們正在創(chuàng)建一個(gè)能支持整個(gè)數(shù)據(jù)可視化生命周期的工具：我們利用計(jì)算筆記本的力量來讓我們的用戶能探索、解釋和拓展他們的數(shù)據(jù)。

對(duì)于數(shù)據(jù)可視化生命周期的每一個(gè)階段，在未來我會(huì)寫得更加詳細(xì)，并闡明如何以整體化的方式去處理數(shù)據(jù)可視化的產(chǎn)品設(shè)計(jì)與應(yīng)用設(shè)計(jì)，能更好地使用戶能夠充分利用數(shù)據(jù)可視化生命周期。

如果你想閱讀更多的關(guān)于“為什么發(fā)展你的數(shù)據(jù)文化是公司成功的關(guān)鍵之處”的文章，看看我們Noteable公司首席執(zhí)行官（CEO） Michelle Ufford 的文章 —— 2021 年數(shù)據(jù)驅(qū)動(dòng)領(lǐng)導(dǎo)者指南（第 1 部分）。

對(duì)我們?cè)?Noteable公司 的工作感到好奇嗎？看看Noteable首席技術(shù)官（CTO） Matt Seal 的文章 —— Noteable：適用于現(xiàn)代數(shù)據(jù)團(tuán)隊(duì)的交互式計(jì)算筆記本文檔。