De todas las etapas de la consultoría de big data, la visualización parece ser la más subestimada. Las empresas a veces no profundizan en este tema, lo dan por sentado y no se dan cuenta de cuánto contribuyen estos gráficos y cuadros de lujo a su éxito. Pero este enfoque es incorrecto. La visualización es extremadamente importante. Sin él, los usuarios de negocios no podrían captar los datos que son grandes y crecientes según la definición misma. Sin visualización, no habría información comercial, ni respuestas a preguntas ad hoc, ni control de la calidad de los datos.
Por qué las empresas deberían molestarse en visualizar datos masivos
John Tukey, un célebre matemático e investigador, dijo una vez: “El mayor valor de una imagen es cuando nos obliga a observar lo que nunca esperamos ver”. Y no podríamos estar más de acuerdo. La visualización hace que los resultados de análisis sean obvios y claros. Los usuarios empresariales pueden identificar fácilmente las dependencias y las correlaciones ocultas dentro de grandes conjuntos de datos.
Los beneficios que aporta la visualización de datos son múltiples. Para cada empresa, la lista será individual, incluidos algunos puntos específicos. Hemos identificado 3 ventajas principales que serán relevantes para cualquier empresa:
Obtener ideas.
Identificando tendencias, oportunidades y amenazas.
Tomar decisiones basadas en datos, que es el objetivo final.
La visualización de Big Data hace la diferenciaAquí hay ejemplos de cómo se pueden ver algunos resultados de análisis de big data con y sin visualización de datos.
Ejemplo 1: análisis de datos industriales
Por supuesto, es genial cuando el equipo de mantenimiento recibe una notificación de que la parte 23 en la máquina 245 es probable que se descomponga. Podrán verificar y reparar la pieza antes de que esté fuera de servicio e interrumpir el flujo habitual de operaciones. En este caso, el equipo no necesita mirar los millones de valores que los sensores suministran a diario. Dejan el trabajo de procesamiento en el sistema analítico que verifica los valores contra un patrón de falla. Lo que el equipo realmente necesita es una alerta instantánea si los patrones coinciden.
Sin embargo, es improbable que el equipo de mantenimiento esté satisfecho con las alertas instantáneas solamente. También necesitan conocer tendencias, dependencias, conexiones y más. Y solo pueden hacerlo con la visualización de big data en su lugar. Si están interesados en comparar el tiempo de trabajo y la eficiencia de las máquinas disponibles, obtendrán esta información al instante simplemente mirando el gráfico de líneas. Si el equipo quisiera entender las conexiones entre las fallas de la maquinaria y ciertos eventos que las desencadenan, deben mirar las tablas de conectividad para obtener información. Ejemplo 2: análisis de comentarios sociales Imagine un minorista con cobertura nacional. Un cliente puede visitar su tienda y publicar en Facebook: “Chicos, si aún no han comprado regalos de Navidad, diríjase a hoy. Y el personal fue grosero. ¡Odio este lugar! “. El tercer cliente puede publicar en Instagram:” Mira, qué magnífico suéter de venado compré en . ¡Y hice una foto con Santa! ¡Genial! “La base de clientes de la compañía es de más de 20 millones. Como sería imposible para el minorista navegar por Internet en la búsqueda de todos los comentarios y reseñas, sería una locura tratar de obtener información simplemente desplazándose a través de todos los comentarios y leyéndolos todos. Para realizar estas tareas automáticamente, las empresas recurren al análisis de sentimientos. Y para obtener información instantánea sobre los resultados del análisis, aplican técnicas de visualización de big data. Por ejemplo, nubes de palabras demuestran la frecuencia de las palabras usadas. Cuanto mayor sea la frecuencia, mayor será el tamaño de una palabra. Entonces, si las palabras más importantes son odio, horrible, terrible, fallido y sus gustos, es hora de reaccionar. Ejemplo 3: análisis del comportamiento del cliente Las empresas usan un escenario similar para analizar el comportamiento del cliente. Se esfuerzan por implementar soluciones de big data que permitan recopilar datos detallados sobre las compras en tiendas físicas y en línea, un historial de navegación y participación, datos GPS y datos de la aplicación móvil del cliente, llamadas al centro de soporte y más. Al registrar miles de millones de eventos al día, una empresa no puede identificar las tendencias en el comportamiento del cliente si solo tiene varios registros a su disposición. Con la visualización de datos grandes, los minoristas de comercio electrónico, por ejemplo, pueden notar fácilmente el cambio en la demanda de un producto en particular basado en las visitas a la página. También pueden entender las horas pico en que los visitantes hacen la mayoría de sus compras, así como también ver la parte del canje de cupones, etc.