- Terminología (A a D)
- Control de capacidad de IA
- AIOPS
- Albumentarias
- Rendimiento de activos
- Codificador automático
- Propagación hacia atrás
- Teorema de Bayes
- Big Data
- Chatbot: una guía para principiantes
- Pensamiento computacional
- Visión por computador
- Matriz de confusión
- Redes neuronales convolucionales
- La Ciberseguridad
- Tejido de datos
- Narración de datos
- Data science
- Almacenamiento de datos
- Árbol de decisión
- Deepfakes
- Aprendizaje profundo
- Aprendizaje de refuerzo profundo
- Devops
- DevSecOps
- Modelos de difusión
- Digital Twin
- Reducción de dimensionalidad
- Terminología (E a K)
- IA de borde
- Emoción AI
- Ensemble Learning
- Hackeo ético
- ETL
- IA explicable
- Aprendizaje federado
- Operaciones financieras
- IA generativa
- Red de Publicidad Generativa
- Generativo versus discriminativo
- Aumento de gradiente
- Descenso de gradiente
- Aprendizaje de pocos disparos
- Clasificación de imagen
- Operaciones de TI (ITOps)
- Automatización de incidentes
- Ingeniería de influencia
- Agrupamiento de medias K
- K-Vecinos más cercanos
- Terminología (L a Q)
- Terminología (R a Z)
- Aprendizaje reforzado
- IA responsable
- RLHF
- Automatización de procesos robóticos
- Estructurado vs No estructurado
- Análisis de los sentimientos
- Supervisado vs No supervisado
- Máquinas de vectores de soporte
- Datos sintéticos
- medios sintéticos
- Clasificación de texto
- TinyML
- Transferir aprendizaje
- Transformador de Redes Neuronales
- Prueba de Turing
- Búsqueda de similitudes vectoriales
AI 101
¿Qué es la narración de datos? Componentes, beneficios y ejemplos
Publicado
Hace años 1on
By
Haziqa SayidTabla de contenido
En el mundo actual basado en datos, la narración de datos es cada vez más importante para la toma de decisiones y el crecimiento empresarial. Los roles de análisis de datos, como analista de investigación de mercado, analista financiero y analista de investigación de operaciones, son cada vez más frecuentes a medida que las empresas se dan cuenta de la importancia de los conocimientos basados en datos.
Según el Manual de Perspectivas Ocupacionales de la BLS de EE. UU. 2021-2031, estos roles laborales están experimentando un crecimiento considerable:
Puesto de trabajo | Crecimiento laboral | Salario medio |
Market Research Analyst | 19% | $63,920 |
Analista financiero | 9% | $91,580 |
Analista de Investigación de Operaciones | 23% | $82,360 |
Estos analistas emplean varias técnicas de narración de datos para llevar a cabo operaciones de análisis efectivas. Analicemos qué es la narración de datos, sus principales componentes y beneficios, y si es analista, cómo puede mejorar en la narración de datos.
¿Qué es la narración de datos?
La narración de datos implica el análisis de datos utilizando narraciones visuales y convincentes para comunicar información sobre los datos a las partes interesadas. Un narrador de datos explica el "por qué" de los datos mediante la visualización. El objetivo es explicar claramente los atributos de los datos y proporcionar un contexto significativo para lo que representan esos datos. La presentación de los conocimientos subyacentes en los datos y las tendencias es necesaria para una toma de decisiones eficaz.
Por ejemplo, un analista financiero puede mostrar un gráfico de velas japonesas a los inversores para demostrar el movimiento del precio de un en stock o activo. Un gráfico de velas visualiza los patrones históricos de acciones utilizando cuatro indicadores comerciales ("precio de apertura", "precio de cierre", "precio alto" y "precio bajo") para predecir la próxima tendencia del mercado.
Para una mejor comprensión, mire el gráfico de velas de precios de bitcoin a continuación. El gráfico visualiza los precios de bitcoin para los primeros dos meses de 2023. Las barras verdes representan una tendencia de precio creciente, mientras que las barras rojas muestran una tendencia decreciente de precio de bitcoin.
Un aspecto crucial de la narración de datos es que los narradores de datos deben comprender el contexto comercial y los requisitos de las partes interesadas. La investigación muestra que 60% de la inversión realizada en análisis de datos se desperdicia porque los conocimientos obtenidos no se alinean con la toma de decisiones y los objetivos comerciales. Como resultado, los tomadores de decisiones solo usan 22% de los datos que reciben.
3 componentes principales de la narración de datos
Los datos, las imágenes y la narrativa son los tres componentes principales de la narración de datos. Vamos a explorarlos más a continuación.
- Fecha: Los narradores de datos recopilan y preprocesan los datos que necesitan para contar una historia. Realizan análisis estadísticos y visualizan tendencias y patrones clave para un análisis de datos exhaustivo.
- Narrativa: La creación de una historia atractiva y el contexto de los hallazgos clave obtenidos a partir de los datos se denomina narración. Una buena narrativa inspira a la audiencia a tomar acción.
Tomás. H. Davenport, un líder de pensamiento en gestión empresarial, dice:
“La narrativa es la forma en que simplificamos y damos sentido a un mundo complejo. Proporciona contexto, información, interpretación: todo lo que hace que los datos sean significativos y que los análisis sean más relevantes e interesantes”.
- Visuales: Una imagen vale 1000 palabras. La visualización agrega peso a la narrativa y crea una historia de datos impactante. Las imágenes pueden ser en forma de gráficos, imágenes o videos.
Un analista de datos puede usar un marco de narración de datos como personajes, escenario, conflicto y resolución para contar una historia convincente. Por ejemplo, en el dominio del comercio electrónico, los personajes pueden ser clientes, el entorno es una empresa que lucha por retener clientes, el conflicto puede ser una tasa de abandono creciente y la resolución es el conjunto de pasos que sugiere el narrador de datos para reducir la tasa de abandono.
¿Cómo puede un analista de datos mejorar en la narración de datos?
Entiende tu audiencia
Comprender a la audiencia es la clave para una narración de datos convincente. Si está hablando con ejecutivos de negocios, sería importante brindarles análisis de alto nivel e información procesable para la estrategia comercial. Pero cuando hable con el equipo, debe explicar en detalle los métodos utilizados para llegar a una conclusión.
Elija visualizaciones apropiadas
La visualización de datos destaca diferentes aspectos de los datos, tales como;
- Comparación (gráfico de barras, gráfico de líneas)
- Relación (diagrama de dispersión, gráfico de burbujas)
- Distribución (histograma, diagramas de dispersión)
- Composición (gráfico de cascada, gráfico de áreas apiladas)
Comprenda lo que está tratando de lograr con los datos y cuántas variables debe considerar. Seleccione la mejor visualización para transmitir su idea.
Evite el desorden
Ordene la visualización agregando o eliminando información que no sea necesaria. Por ejemplo, en las tablas a continuación, WGM, WIM, WCM y WFM son los principales títulos femeninos en ajedrez; los datos restantes se pueden agregar como "otros".
Usa colores vibrantes
Use paletas de colores accesibles para todos, incluidas las personas con problemas de visión o daltónicos. Mantenga el contraste en los colores y evite usar los mismos colores uno al lado del otro. Por ejemplo, en los gráficos de barras a continuación, la combinación de colores en el primer gráfico puede ser difícil de distinguir en comparación con el segundo gráfico.
¿Cuáles son los beneficios de la narración de datos para las organizaciones?
Promueve la alfabetización de datos entre los empleados
La narración de datos puede mejorar la alfabetización en datos de los empleados de la organización. Según una encuesta de Accenture y Qlik, sólo el 21% de los empleados se siente seguro al leer, analizar y discutir datos. Por lo tanto, una narración de datos convincente los alienta a explorar y discutir datos dentro de la organización.
Cree experiencias atractivas y valiosas para todas las partes interesadas
Comprender y captar la atención de la audiencia es fundamental para una comunicación eficaz. El cerebro humano procesa imágenes 60,000 equipos más rápido que el texto, y la gente recuerda las historias 22 equipos más que hechos. Por lo tanto, contar historias de datos a los usuarios o accionistas de su producto utilizando narraciones y visualizaciones convincentes puede ser muy atractivo y valioso.
Influir en la toma de decisiones
La narración de datos convincentes proporciona una nueva perspectiva o descubre aspectos ocultos. Comunica lo que hay que hacer. Permite a las partes interesadas tomar decisiones informadas y tomar medidas con respecto a su estrategia comercial.
Narración de datos: el camino a seguir para los analistas de datos
La narración de datos es el arte y la ciencia de comunicar conocimientos sobre los datos. A medida que los datos aumentan exponencialmente y se vuelven más complejos, la narración basada en datos se está convirtiendo en una habilidad esencial.
En una organización, el rol de los narradores de datos lo realizan los analistas de datos o los ingenieros de datos. Herramientas como Tableau y PowerBI permiten a los analistas de datos crear visualizaciones y paneles atractivos sin mucho esfuerzo. De hecho, Gartner estima que para 2025 la mayoría de las historias de datos se generarán automáticamente.
Los analistas de datos deben mantenerse en contacto con las últimas tendencias y existentes análisis de datos industria para contar historias de datos impactantes. Para obtener más contenido relacionado con la IA, visite unir.ai.
Haziqa es un científico de datos con amplia experiencia en la redacción de contenido técnico para empresas de IA y SaaS.
Te podría gustar
El diálogo interno de la IA: cómo la autorreflexión mejora los chatbots y los asistentes virtuales
Estilo instantáneo: preservación del estilo en la generación de texto a imagen
LoReFT: ajuste de representación para modelos de lenguaje
Más allá de los motores de búsqueda: el auge de los agentes de navegación web basados en LLM
Mejora de la transparencia y la confianza de la IA con IA compuesta
Los centros de datos GPU ejercen presión sobre las redes eléctricas: equilibrando la innovación en IA y el consumo de energía