{"id":9679,"date":"2024-04-30T17:51:04","date_gmt":"2024-04-30T15:51:04","guid":{"rendered":"https:\/\/dev.29forward.com\/bez-kategorii\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe"},"modified":"2024-06-26T14:11:42","modified_gmt":"2024-06-26T12:11:42","slug":"wizualizacja-danych-gdy-tylko-jest-to-mozliwe","status":"publish","type":"post","link":"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe","title":{"rendered":"Wizualizacja danych, gdy tylko jest to mo\u017cliwe"},"content":{"rendered":"

\"Graue\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/p>\n

Artyku\u0142 specjalistyczny<\/p>\n

Wizualizacja danych<\/h1>\n

Czym dok\u0142adnie jest wizualizacja danych? Ka\u017cdego dnia firma gromadzi nowe dane dotycz\u0105ce wielu r\u00f3\u017cnych proces\u00f3w. Jednak przy tak du\u017cej ilo\u015bci danych mo\u017ce by\u0107 trudno uchwyci\u0107 rzeczywisty przekaz. W tym miejscu do gry wkracza wizualizacja danych. Nowoczesne wizualizacje danych przek\u0142adaj\u0105 te z\u0142o\u017cone informacje na kontekst wizualny, aby u\u0142atwi\u0107 ludzkiemu m\u00f3zgowi zrozumienie po\u0142\u0105cze\u0144 i pom\u00f3c w wyci\u0105gni\u0119ciu wa\u017cnych wniosk\u00f3w z danych. Pokazuj\u0105 „du\u017cy obraz” i w ten spos\u00f3b uzupe\u0142niaj\u0105 s\u0142abo\u015bci modeli statystycznych i metod uczenia maszynowego, kt\u00f3re redukuj\u0105 z\u0142o\u017cone relacje tylko do kilku pojedynczych statystyk Niestosowanie wizualizacji danych lub niewykorzystywanie jej pe\u0142nego potencja\u0142u mo\u017ce prowadzi\u0107 do przeoczenia potencjalnych spostrze\u017ce\u0144 lub nawet generowania fa\u0142szywej wiedzy. Metody wizualizacji danych stale rozwija\u0142y si\u0119 w ostatnich latach, a wiele nowych temat\u00f3w pojawia si\u0119 obecnie na obrze\u017cach wizualizacji danych, takich jak demokratyzacja danych, opowiadanie historii danych lub wykorzystanie sztucznej inteligencji w wizualizacji danych, aby wymieni\u0107 tylko kilka przyk\u0142ad\u00f3w.<\/p>\n

Niniejszy artyku\u0142 zwraca uwag\u0119 na niebezpiecze\u0144stwa zwi\u0105zane z poleganiem wy\u0142\u0105cznie na statystykach bez wizualizacji danych, a tak\u017ce na niekt\u00f3re technologie wizualizacji danych. Opisuje r\u00f3wnie\u017c najnowsze osi\u0105gni\u0119cia w tej dziedzinie i ko\u0144czy si\u0119 prognoz\u0105 dotycz\u0105c\u0105 aktualnych trend\u00f3w i przysz\u0142ych temat\u00f3w.<\/p>\n

Znalaz\u0142em znacz\u0105c\u0105, liniow\u0105, siln\u0105 korelacj\u0119 r = 0,816 \u2013 wi\u0119c po co wizualizowa\u0107 moje dane?
<\/b>Je\u015bli patrzysz tylko na zestawy danych i zwi\u0105zane z nimi statystyki, mo\u017cesz bardzo szybko doj\u015b\u0107 do b\u0142\u0119dnych wniosk\u00f3w. Anscombe (1973) zwizualizowa\u0142 to w imponuj\u0105cy spos\u00f3b ju\u017c 50 lat temu: Rysunek 1 przedstawia „kwartet Anscombe’a” czterech wykres\u00f3w rozrzutu, z kt\u00f3rych wszystkie pokazuj\u0105 t\u0119 sam\u0105 korelacj\u0119 r = 0,816, a tak\u017ce te same warto\u015bci \u015brednie, wariancje i b\u0142\u0119dy standardowe. Jednak za\u0142o\u017cenie, \u017ce znaleziono korelacj\u0119 liniow\u0105, jest prawdziwe tylko dla wykresu 1(A).<\/p>\n

\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"Grafik\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/p>\n

Abbildung 1. Das Anscombe-Quartett zeigt vier unterschiedliche Scatterplots mit nahezu identischen statistischen Eigenschaften: Mittelwert von x = 9; Mittelwert von y = 7,5; Standardabweichung x = 1; Standardabweichung y = 4,122; r = 0.816; p =.002.<\/h6>\n

Rysunek 1(B) pokazuje idealn\u0105 kwadratow\u0105 zale\u017cno\u015b\u0107, kt\u00f3ra jest \u0142atwa do rozpoznania ludzkim okiem. Parametry statystyczne nie r\u00f3\u017cni\u0105 si\u0119 jednak od innych wykres\u00f3w punktowych. Rysunek 1(C) pokazuje, \u017ce pojedyncze warto\u015bci odstaj\u0105ce mog\u0105 powodowa\u0107 przeszacowanie idealnej zale\u017cno\u015bci liniowej. Z drugiej strony, rysunek 1(D) pokazuje, \u017ce silna korelacja liniowa jest fa\u0142szywie identyfikowana z powodu warto\u015bci odstaj\u0105cych, chocia\u017c w rzeczywisto\u015bci nie mo\u017cna rozpozna\u0107 \u017cadnej korelacji (potencjalny b\u0142\u0105d pierwszego rodzaju).<\/p>\n

We wszystkich tych przypadkach mo\u017cna by za\u0142o\u017cy\u0107 – opieraj\u0105c si\u0119 wy\u0142\u0105cznie na warto\u015bciach charakterystycznych \u2013 \u017ce istnieje silna, znacz\u0105ca i liniowa zale\u017cno\u015b\u0107 mi\u0119dzy naszymi zmiennymi w danych. Spojrzenie na wykresy rozrzutu pokazuje, \u017ce jest to poprawne tylko w jednym z czterech przypadk\u00f3w, a mianowicie na rysunku 1 (A).<\/p>\n

\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"9\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/p>\n

Abbildung 2. Neun Grafiken aus dem Datasaurus-Dutzend. Obwohl sie unterschiedlich aussehen, hat jeder Datensatz die gleichen zusammenfassenden Statistiken (Mittelwert X=54.26, Mittelwert Y=47.83, Standardabweichung X=16.76, Standardabweichung Y=26.93 und Pearson-Korrelation= -0.06)<\/h6>\n

Metajka i Fitzmaurice (2017) przyj\u0119li kwartet Anscombe jako model i wygenerowali jeszcze bardziej imponuj\u0105ce przyk\u0142ady, kt\u00f3re nazwali „Datasaurus Dozen”. W tym przyk\u0142adzie Metajka i Fitzmaurice zmodyfikowali istniej\u0105cy zbi\u00f3r danych, zachowuj\u0105c jego w\u0142a\u015bciwo\u015bci statystyczne. Wizualnie nie wida\u0107 \u017cadnych podobie\u0144stw, ale statystycznie dwana\u015bcie zestaw\u00f3w danych ma te same warto\u015bci dla standardowych statystyk (patrz rysunek 2).<\/p>\n

Nawet je\u015bli zbiory danych Datasaurus i Anscombe Quartet s\u0105 sztucznie wygenerowane, nadal pokazuj\u0105, \u017ce wizualizacja danych nie jest tylko mi\u0142ym dodatkiem, ale zapobiega b\u0142\u0119dom interpretacyjnym. Podobne przyk\u0142ady s\u0105 r\u00f3wnie\u017c regularnie spotykane w prawdziwym \u017cyciu biznesowym: Satysfakcja finansowa i dochody cz\u0119sto s\u0142abo ze sob\u0105 koreluj\u0105. Je\u015bli jednak wykre\u015blisz dane, zauwa\u017cysz, \u017ce zwykle istnieje wyra\u017ana korelacja dla os\u00f3b o niskich zarobkach, ale jest ona „przy\u0107miona” przez reszt\u0119 rozk\u0142adu.<\/p>\n

Inny przyk\u0142ad: Osoby starsze s\u0105 bardziej sk\u0142onne do polubienia produktu na wsi, podczas gdy osoby m\u0142odsze s\u0105 bardziej sk\u0142onne do polubienia go w mie\u015bcie. Jednak b\u0142\u0119dnie nie zarejestrowano, czy ludzie mieszkaj\u0105 na wsi, czy w mie\u015bcie. W takim przypadku otrzymamy dane pokazane na rysunku 2 w „kszta\u0142cie X” (zak\u0142adaj\u0105c, \u017ce X to wiek, a Y to ocena mojego produktu). Wynikiem by\u0142aby s\u0142aba ujemna korelacja r = -0,06 \u2013 ale je\u015bli wykre\u015blisz dane, zobaczysz, \u017ce co\u015b jest nie tak. Zaczynasz szuka\u0107 efektu moderuj\u0105cego i przy odrobinie umiej\u0119tno\u015bci mo\u017cesz dowiedzie\u0107 si\u0119, \u017ce miejsko\u015b\u0107 jest wa\u017cnym czynnikiem, kt\u00f3ry powinien zosta\u0107 uwzgl\u0119dniony w przysz\u0142ych ankietach.<\/p>\n

W tym miejscu do gry wkracza szczeg\u00f3lna si\u0142a wizualizacji danych, „du\u017cy obraz”. Metody statystyczne lub uczenia maszynowego mog\u0105 oczywi\u015bcie r\u00f3wnie\u017c identyfikowa\u0107 warto\u015bci odstaj\u0105ce i odkrywa\u0107 efekty nieliniowe, ale potrzebuj\u0105 do tego wszystkich niezb\u0119dnych zmiennych. Wizualizacja danych pozwala nam rozpozna\u0107, kiedy co\u015b jest nie tak z naszymi danymi i aktywnie szuka\u0107 wyja\u015bnie\u0144: Czy potrzebuj\u0119 innych danych? Czy in\u017cynieria cech mo\u017ce mi pom\u00f3c? Innymi s\u0142owy, czy mog\u0119 zidentyfikowa\u0107 mieszka\u0144c\u00f3w miasta na podstawie innych zmiennych i uwzgl\u0119dni\u0107 to w moim modelu? Jak rozk\u0142adaj\u0105 si\u0119 warto\u015bci odstaj\u0105ce jedno- i dwuwarto\u015bciowe i co mo\u017ce si\u0119 za nimi kry\u0107? Czy mam problem z jako\u015bci\u0105 danych, kt\u00f3ry ukrywa potencjalne efekty?<\/p>\n

Mo\u017cliwo\u015bci nowoczesnych metod wizualizacjin
<\/strong>Tradycyjne metody wizualizacji zawsze mia\u0142y t\u0119 wad\u0119, \u017ce musia\u0142y dzia\u0142a\u0107 na papierze \u2013 zw\u0142aszcza w badaniach \u2013 dlatego wykresy punktowe i s\u0142upkowe od dawna s\u0105 standardem. Nawet klasyczne tr\u00f3jwymiarowe wykresy punktowe nie maj\u0105 sensu na czysto dwuwymiarowej powierzchni, poniewa\u017c naszemu m\u00f3zgowi brakuje informacji o g\u0142\u0119bi potrzebnych do \u0142atwej interpretacji takiego wykresu. Rysunek 3(A) pokazuje nam siatk\u0119 wsp\u00f3\u0142rz\u0119dnych 3D, ale dopiero po obr\u00f3ceniu jej na rysunkach 3(C) do 3(E) staje si\u0119 jasne, gdzie punkty danych s\u0105 faktycznie zlokalizowane w przestrzeni. Jednak wielk\u0105 zalet\u0105 nowoczesnej wizualizacji danych jest to, \u017ce wizualizacje mog\u0105 by\u0107 interaktywne. Na przyk\u0142ad nowsze tr\u00f3jwymiarowe wykresy rozrzutu pozwalaj\u0105 u\u017cytkownikowi dowolnie obraca\u0107, powi\u0119ksza\u0107 lub pod\u015bwietla\u0107 punkty, co jeszcze bardziej u\u0142atwia interpretacj\u0119 chmury punkt\u00f3w.<\/p>\n

\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"Grafik\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/p>\n

Abbildung 3 (Beschriftung fehlt)<\/h6>\n

Dzisiejsza interaktywno\u015b\u0107 idzie jeszcze dalej – kilka wizualizacji mo\u017ce istnie\u0107 obok siebie i by\u0107 ze sob\u0105 po\u0142\u0105czonych. Rysunek 4.A pokazuje przyk\u0142ad fikcyjnych dzia\u0142\u00f3w i przychod\u00f3w na produkt. Przychody na produkt mo\u017cna zobaczy\u0107 we wszystkich dzia\u0142ach, ale klikni\u0119cie dzia\u0142u dostosowuje wizualizacj\u0119 i pokazuje przychody dla tego konkretnego dzia\u0142u (patrz rysunek 4.B).<\/p>\n

\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"Grafik\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/p>\n

Rysunek 4.A. Interaktiver Plot zeigt links Einnahmen nach Landesgesellschaften und Rechts die Einnahmen je Produkt aggregiert \u00fcber alle Landesgesellschaften hinweg. <\/h6>\n

\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"Grafik\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/p>\n

Rysunek 4.B. Im Kreisdiagramm (links) wurde die Landesgesellschaft \u201cItaly\u201d selektiert, das Balkendiagramm (rechts) wird interaktiv gefiltert und zeigt nur noch die Einnahmen je Produkt f\u00fcr die Landesgesellschaft \u201cItaly\u201d.<\/h6>\n

Mo\u017cliwo\u015bci nowoczesnych metod podsumowywania informacji id\u0105 jeszcze dalej. Najbardziej znanym przyk\u0142adem jest prawdopodobnie „wykres b\u0105belkowy” z Gapminder Foundation (Gapminder Foundation<\/a>, 2021). Punkty danych to narody, o\u015b X pokazuje \u015bredni doch\u00f3d, o\u015b Y \u015bredni\u0105 d\u0142ugo\u015b\u0107 \u017cycia, rozmiar kropek pokazuje wielko\u015b\u0107 populacji, a r\u00f3\u017cne kolory oznaczaj\u0105 regiony. Wskaz\u00f3wka: wykres nie tylko pokazuje aktualn\u0105 sytuacj\u0119, ale ma r\u00f3wnie\u017c suwak, kt\u00f3ry mo\u017ce by\u0107 u\u017cywany do interaktywnego obracania czasu do przodu i do ty\u0142u. Poszczeg\u00f3lne kraje mo\u017cna wybiera\u0107 w celu rejestrowania rozwoju poszczeg\u00f3lnych kraj\u00f3w w czasie dla dowolnego okresu. Na przyk\u0142ad rysunek 5 pokazuje rozw\u00f3j Niemiec od 1950 do 2019 roku, podczas gdy inne kraje pokazuj\u0105 tylko stan na 2019 rok.<\/p>\n

\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"Animierte\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/p>\n

Abbildung 5. Interaktiver Bubble-Plot der Gapminder-Stiftung (Gapminder-Stiftung, 2021): Einkommen vs. Lebenserwartung \u00fcber die Zeit<\/h6>\n

Kt\u00f3re narz\u0119dzia s\u0105 odpowiednie do wizualizacji danych?
<\/strong>Obecnie na rynku dost\u0119pnych jest niezliczona ilo\u015b\u0107 narz\u0119dzi do wizualizacji danych, z kt\u00f3rych ka\u017cde ma swoje zalety i wady. Najbardziej znanym narz\u0119dziem do wizualizacji danych jest z pewno\u015bci\u0105 Microsoft PowerBI, z kt\u00f3rym 29FORWARD r\u00f3wnie\u017c lubi pracowa\u0107, na przyk\u0142ad w celu zapewnienia historycznej perfumerii pulpit\u00f3w nawigacyjnych dotycz\u0105cych zachowa\u0144 klient\u00f3w i wynik\u00f3w sprzeda\u017cy.<\/p>\n

Mamy r\u00f3wnie\u017c bardzo dobre do\u015bwiadczenia z SAS Visual Analytics, ostatnio wykorzystanym w projekcie klienta do wizualizacji istotnych kluczowych danych liczbowych zwi\u0105zanych z pandemi\u0105 COVID-19, w tym geowizualizacji, szereg\u00f3w czasowych, prognoz i symulacji. Dzi\u0119ki temu odpowiednie regiony mog\u0142y szybciej i \u0142atwiej rozpozna\u0107 rozw\u00f3j sytuacji i punkty zapalne, aby zainicjowa\u0107 dzia\u0142ania na wczesnym etapie.<\/p>\n

Wreszcie, rozwi\u0105zania open source ciesz\u0105 si\u0119 og\u00f3ln\u0105 popularno\u015bci\u0105. Narz\u0119dzia takie jak Python, R, a zw\u0142aszcza R-Shiny s\u0105 bardzo odpowiednie do tworzenia dashboard\u00f3w. Kilka og\u00f3lnodost\u0119pnych przyk\u0142ad\u00f3w od producenta mo\u017cna znale\u017a\u0107 tutaj: R-Shiny<\/a>, 2021.<\/p>\n

Spojrzenie w przysz\u0142o\u015b\u0107
<\/strong>Oczywiste jest, \u017ce narz\u0119dzia do wizualizacji danych znacznie si\u0119 rozwin\u0119\u0142y w ostatnich latach. Co wi\u0119c jeszcze przed nami? Mo\u017cna by pomy\u015ble\u0107, \u017ce wizualizacja danych znajduje si\u0119 obecnie na p\u0142askowy\u017cu \u2013 prawie nie pojawiaj\u0105 si\u0119 \u017cadne nowe procesy, ale inne tematy zwi\u0105zane z wizualizacj\u0105 danych staj\u0105 si\u0119 coraz bardziej istotne. Ka\u017cdy z tych punkt\u00f3w zas\u0142ugiwa\u0142by na osobny artyku\u0142, wi\u0119c poruszymy je tylko tutaj.<\/p>\n

Demokratyzacja<\/em> danych opisuje udost\u0119pnianie danych du\u017cej grupie os\u00f3b, tworz\u0105c z jednej strony przejrzysto\u015b\u0107, a z drugiej umo\u017cliwiaj\u0105c szerokiej grupie os\u00f3b generowanie spostrze\u017ce\u0144 na podstawie danych. Demokratyzacja danych jest r\u00f3wnie\u017c mo\u017cliwa w firmach. Zdecydowanie ma znaczenie, czy dzia\u0142 marketingu otrzymuje tylko gotowe wyniki od zespo\u0142u analitycznego, czy te\u017c baza danych jest wizualizowana interaktywnie. W ten spos\u00f3b pracownicy, kt\u00f3rzy mog\u0105 mie\u0107 niewielkie do\u015bwiadczenie z danymi, ale maj\u0105 wystarczaj\u0105c\u0105 wiedz\u0119 specjalistyczn\u0105, mog\u0105 uzyska\u0107 dalszy wgl\u0105d.<\/p>\n

Storytelling danych<\/em> opisuje techniki, kt\u00f3re wykraczaj\u0105 poza zwyk\u0142\u0105 prezentacj\u0119 danych. Storytelling danych jest zwykle stosowany, gdy spostrze\u017cenia zosta\u0142y ju\u017c wygenerowane, ale nadal s\u0105 zbyt abstrakcyjne dla grupy docelowej. Storytelling danych osadza te spostrze\u017cenia w kontek\u015bcie i \u2013 jak sama nazwa wskazuje \u2013 wykorzystuje przede wszystkim metody narracyjne. W skr\u00f3cie: Wszystkie dane opowiadaj\u0105 pewn\u0105 histori\u0119, a storytelling danych dotyczy tego, jak t\u0119 histori\u0119 mo\u017cna przedstawi\u0107 w interesuj\u0105cy i zrozumia\u0142y spos\u00f3b.<\/p>\n

Sztuczna inteligencja (AI)<\/em> i uczenie maszynowe (ML)<\/em> wp\u0142ywaj\u0105 r\u00f3wnie\u017c na dziedzin\u0119 wizualizacji danych. Z jednej strony chodzi o to, jak sprawi\u0107, by z\u0142o\u017cone modele AI i ML mo\u017cna by\u0142o interpretowa\u0107 wizualnie; z drugiej strony metody AI wspieraj\u0105 r\u00f3wnie\u017c p\u00f3\u0142automatyczne raportowanie. Jednym z przyk\u0142ad\u00f3w jest SAS Visual Analytics for Viya, w kt\u00f3rym sztuczna inteligencja sugeruje, kt\u00f3re wizualizacje s\u0105 szczeg\u00f3lnie odpowiednie w oparciu o dane wybrane przez u\u017cytkownika.<\/p>\n

Jednak temat wizualizacji danych zyskuje na znaczeniu nie tylko w obszarach biznesowych. Coraz wi\u0119cej artyst\u00f3w zdaje sobie spraw\u0119 z wizualizacji danych – pierwsza kolekcja mody wizualizacji danych autorstwa Geogrii Lupi<\/a> (2021) zosta\u0142a niedawno opublikowana pod nazw\u0105 Data Fashion. Nawet je\u015bli nie jest to g\u0142\u00f3wny obszar zastosowania 29FORWARD, cieszymy si\u0119 jednak, \u017ce wizualizacja danych staje si\u0119 coraz bardziej powszechna w innych dziedzinach \u017cycia, a by\u0107 mo\u017ce w przysz\u0142o\u015bci b\u0119dzie nawet nauczana w szko\u0142ach i na uniwersytetach, dzi\u0119ki czemu nast\u0119pne pokolenie b\u0119dzie mog\u0142o poczyni\u0107 dalsze post\u0119py w dziedzinie wizualizacji danych i \u2013 by\u0107 mo\u017ce \u2013 wkroczy\u0107 w trzeci wymiar. By\u0107 mo\u017ce za pomoc\u0105 wirtualnej lub rozszerzonej rzeczywisto\u015bci; pierwsze pr\u00f3by s\u0105 ju\u017c podejmowane pod nazw\u0105 „immersyjnej wizualizacji danych”.<\/p>\n

A teraz?
<\/strong>Podsumowuj\u0105c, mo\u017cna powiedzie\u0107, \u017ce wizualizacja danych nadal powinna by\u0107 centralnym elementem ka\u017cdej analizy statystycznej i mo\u017ce by\u0107 wizualizowana teraz bardziej ni\u017c kiedykolwiek. By\u0107 mo\u017ce ten artyku\u0142 zainspirowa\u0142 Ci\u0119 do przyjrzenia si\u0119 w\u0142asnym wizualizacjom danych. By\u0107 mo\u017ce korzystasz ju\u017c z oprogramowania do wizualizacji danych, ale jego potencja\u0142 mo\u017cna jeszcze zwi\u0119kszy\u0107. Alternatywnie, mo\u017cesz rozpocz\u0105\u0107 swoje pierwsze pr\u00f3by z rozwi\u0105zaniami open source \u2013 nie zawsze musi to by\u0107 najlepsze oprogramowanie. Potrzebujesz wsparcia przy wdro\u017ceniu? Porozmawiaj z nami, ch\u0119tnie pomo\u017cemy.<\/p>\n

\u0179r\u00f3d\u0142a:<\/strong><\/p>\n

Anscombe, F. J. (1973). Graphs in statistical analysis. The american statistician<\/em>, 27 <\/em>(1), 17-21.<\/h6>\n
Matejka, J., & Fitzmaurice, G. (2017, May). Same stats, different graphs: generating datasets with varied appearance and identical statistics through simulated annealing. In Proceedings of the 2017 CHI conference on human factors in computing systems<\/em> (pp. 1290-1294).<\/h6>\n
Gapminder Foundation<\/a> (2021) Interactive Bubble Plot, Retrieved 02\/09\/2021.<\/h6>\n
R-Shiny Gallery<\/a> (2021), data pobrania: 02\/09\/2021<\/h6>\n
Giorgia Lupi<\/a> (2021), Artyku\u0142 na blogu: data-items-a-fashion-landscape-at-the-museum-of-modern-art, Retrieved 02\/09\/2021.<\/h6>\n

\t\t\t
\n\t\t\t\t\t\tWszystkie artyku\u0142y
\n\t\t\t\t\t<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Czym dok\u0142adnie jest wizualizacja danych? Ka\u017cdego dnia firma gromadzi nowe dane dotycz\u0105ce wielu r\u00f3\u017cnych proces\u00f3w. Jednak przy tak du\u017cej ilo\u015bci danych mo\u017ce by\u0107 trudno uchwyci\u0107 rzeczywisty przekaz. W tym miejscu do gry wkracza wizualizacja danych.<\/p>\n","protected":false},"author":1,"featured_media":7370,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"elementor_header_footer","format":"standard","meta":{"footnotes":""},"categories":[95],"tags":[],"class_list":["post-9679","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artykul-specjalistyczny"],"yoast_head":"\nWizualizacja danych, gdy tylko jest to mo\u017cliwe - 29FORWARD<\/title>\n<meta name=\"description\" content=\"Wizualizacja danych, gdy tylko jest to mo\u017cliwe\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe\" \/>\n<meta property=\"og:locale\" content=\"pl_PL\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Wizualizacja danych, gdy tylko jest to mo\u017cliwe - 29FORWARD\" \/>\n<meta property=\"og:description\" content=\"Wizualizacja danych, gdy tylko jest to mo\u017cliwe\" \/>\n<meta property=\"og:url\" content=\"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe\" \/>\n<meta property=\"og:site_name\" content=\"29FORWARD\" \/>\n<meta property=\"article:published_time\" content=\"2024-04-30T15:51:04+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-06-26T12:11:42+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/29forward.com\/wp-content\/uploads\/2023\/10\/29FORWARD-fachartikel-1.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"1067\" \/>\n\t<meta property=\"og:image:height\" content=\"667\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"CreN30\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Napisane przez\" \/>\n\t<meta name=\"twitter:data1\" content=\"CreN30\" \/>\n\t<meta name=\"twitter:label2\" content=\"Szacowany czas czytania\" \/>\n\t<meta name=\"twitter:data2\" content=\"10 minut\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/29forward.com\\\/pl\\\/artykul-specjalistyczny\\\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/29forward.com\\\/pl\\\/artykul-specjalistyczny\\\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe\"},\"author\":{\"name\":\"CreN30\",\"@id\":\"https:\\\/\\\/29forward.com\\\/pl#\\\/schema\\\/person\\\/68a11ff629791ca95226647d1f881c75\"},\"headline\":\"Wizualizacja danych, gdy tylko jest to mo\u017cliwe\",\"datePublished\":\"2024-04-30T15:51:04+00:00\",\"dateModified\":\"2024-06-26T12:11:42+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/29forward.com\\\/pl\\\/artykul-specjalistyczny\\\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe\"},\"wordCount\":2085,\"image\":{\"@id\":\"https:\\\/\\\/29forward.com\\\/pl\\\/artykul-specjalistyczny\\\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/29forward.com\\\/wp-content\\\/uploads\\\/2023\\\/10\\\/29FORWARD-fachartikel-1.webp\",\"articleSection\":[\"Artyku\u0142 specjalistyczny\"],\"inLanguage\":\"pl-PL\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/29forward.com\\\/pl\\\/artykul-specjalistyczny\\\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe\",\"url\":\"https:\\\/\\\/29forward.com\\\/pl\\\/artykul-specjalistyczny\\\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe\",\"name\":\"Wizualizacja danych, gdy tylko jest to mo\u017cliwe - 29FORWARD\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/29forward.com\\\/pl#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/29forward.com\\\/pl\\\/artykul-specjalistyczny\\\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/29forward.com\\\/pl\\\/artykul-specjalistyczny\\\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/29forward.com\\\/wp-content\\\/uploads\\\/2023\\\/10\\\/29FORWARD-fachartikel-1.webp\",\"datePublished\":\"2024-04-30T15:51:04+00:00\",\"dateModified\":\"2024-06-26T12:11:42+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/29forward.com\\\/pl#\\\/schema\\\/person\\\/68a11ff629791ca95226647d1f881c75\"},\"description\":\"Wizualizacja danych, gdy tylko jest to mo\u017cliwe\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/29forward.com\\\/pl\\\/artykul-specjalistyczny\\\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe#breadcrumb\"},\"inLanguage\":\"pl-PL\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/29forward.com\\\/pl\\\/artykul-specjalistyczny\\\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"pl-PL\",\"@id\":\"https:\\\/\\\/29forward.com\\\/pl\\\/artykul-specjalistyczny\\\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe#primaryimage\",\"url\":\"https:\\\/\\\/29forward.com\\\/wp-content\\\/uploads\\\/2023\\\/10\\\/29FORWARD-fachartikel-1.webp\",\"contentUrl\":\"https:\\\/\\\/29forward.com\\\/wp-content\\\/uploads\\\/2023\\\/10\\\/29FORWARD-fachartikel-1.webp\",\"width\":1067,\"height\":667},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/29forward.com\\\/pl\\\/artykul-specjalistyczny\\\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/29forward.com\\\/pl\\\/startseite\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Artyku\u0142 specjalistyczny\",\"item\":\"https:\\\/\\\/29forward.com\\\/pl\\\/artykul-specjalistyczny\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Wizualizacja danych, gdy tylko jest to mo\u017cliwe\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/29forward.com\\\/pl#website\",\"url\":\"https:\\\/\\\/29forward.com\\\/pl\",\"name\":\"29FORWARD\",\"description\":\"Analyse. Advice. Assist.\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/29forward.com\\\/pl?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"pl-PL\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/29forward.com\\\/pl#\\\/schema\\\/person\\\/68a11ff629791ca95226647d1f881c75\",\"name\":\"CreN30\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pl-PL\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/8b458b4183f9d2824c984eeb8219ac9ee94fe2e5f2369c7ad6fcd1241584ff8d?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/8b458b4183f9d2824c984eeb8219ac9ee94fe2e5f2369c7ad6fcd1241584ff8d?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/8b458b4183f9d2824c984eeb8219ac9ee94fe2e5f2369c7ad6fcd1241584ff8d?s=96&d=mm&r=g\",\"caption\":\"CreN30\"},\"sameAs\":[\"https:\\\/\\\/29forward.com\"],\"url\":\"https:\\\/\\\/29forward.com\\\/pl\\\/author\\\/cren30\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Wizualizacja danych, gdy tylko jest to mo\u017cliwe - 29FORWARD","description":"Wizualizacja danych, gdy tylko jest to mo\u017cliwe","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe","og_locale":"pl_PL","og_type":"article","og_title":"Wizualizacja danych, gdy tylko jest to mo\u017cliwe - 29FORWARD","og_description":"Wizualizacja danych, gdy tylko jest to mo\u017cliwe","og_url":"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe","og_site_name":"29FORWARD","article_published_time":"2024-04-30T15:51:04+00:00","article_modified_time":"2024-06-26T12:11:42+00:00","og_image":[{"width":1067,"height":667,"url":"https:\/\/29forward.com\/wp-content\/uploads\/2023\/10\/29FORWARD-fachartikel-1.webp","type":"image\/webp"}],"author":"CreN30","twitter_card":"summary_large_image","twitter_misc":{"Napisane przez":"CreN30","Szacowany czas czytania":"10 minut"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe#article","isPartOf":{"@id":"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe"},"author":{"name":"CreN30","@id":"https:\/\/29forward.com\/pl#\/schema\/person\/68a11ff629791ca95226647d1f881c75"},"headline":"Wizualizacja danych, gdy tylko jest to mo\u017cliwe","datePublished":"2024-04-30T15:51:04+00:00","dateModified":"2024-06-26T12:11:42+00:00","mainEntityOfPage":{"@id":"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe"},"wordCount":2085,"image":{"@id":"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe#primaryimage"},"thumbnailUrl":"https:\/\/29forward.com\/wp-content\/uploads\/2023\/10\/29FORWARD-fachartikel-1.webp","articleSection":["Artyku\u0142 specjalistyczny"],"inLanguage":"pl-PL"},{"@type":"WebPage","@id":"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe","url":"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe","name":"Wizualizacja danych, gdy tylko jest to mo\u017cliwe - 29FORWARD","isPartOf":{"@id":"https:\/\/29forward.com\/pl#website"},"primaryImageOfPage":{"@id":"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe#primaryimage"},"image":{"@id":"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe#primaryimage"},"thumbnailUrl":"https:\/\/29forward.com\/wp-content\/uploads\/2023\/10\/29FORWARD-fachartikel-1.webp","datePublished":"2024-04-30T15:51:04+00:00","dateModified":"2024-06-26T12:11:42+00:00","author":{"@id":"https:\/\/29forward.com\/pl#\/schema\/person\/68a11ff629791ca95226647d1f881c75"},"description":"Wizualizacja danych, gdy tylko jest to mo\u017cliwe","breadcrumb":{"@id":"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe#breadcrumb"},"inLanguage":"pl-PL","potentialAction":[{"@type":"ReadAction","target":["https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe"]}]},{"@type":"ImageObject","inLanguage":"pl-PL","@id":"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe#primaryimage","url":"https:\/\/29forward.com\/wp-content\/uploads\/2023\/10\/29FORWARD-fachartikel-1.webp","contentUrl":"https:\/\/29forward.com\/wp-content\/uploads\/2023\/10\/29FORWARD-fachartikel-1.webp","width":1067,"height":667},{"@type":"BreadcrumbList","@id":"https:\/\/29forward.com\/pl\/artykul-specjalistyczny\/wizualizacja-danych-gdy-tylko-jest-to-mozliwe#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/29forward.com\/pl\/startseite"},{"@type":"ListItem","position":2,"name":"Artyku\u0142 specjalistyczny","item":"https:\/\/29forward.com\/pl\/artykul-specjalistyczny"},{"@type":"ListItem","position":3,"name":"Wizualizacja danych, gdy tylko jest to mo\u017cliwe"}]},{"@type":"WebSite","@id":"https:\/\/29forward.com\/pl#website","url":"https:\/\/29forward.com\/pl","name":"29FORWARD","description":"Analyse. Advice. Assist.","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/29forward.com\/pl?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"pl-PL"},{"@type":"Person","@id":"https:\/\/29forward.com\/pl#\/schema\/person\/68a11ff629791ca95226647d1f881c75","name":"CreN30","image":{"@type":"ImageObject","inLanguage":"pl-PL","@id":"https:\/\/secure.gravatar.com\/avatar\/8b458b4183f9d2824c984eeb8219ac9ee94fe2e5f2369c7ad6fcd1241584ff8d?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/8b458b4183f9d2824c984eeb8219ac9ee94fe2e5f2369c7ad6fcd1241584ff8d?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/8b458b4183f9d2824c984eeb8219ac9ee94fe2e5f2369c7ad6fcd1241584ff8d?s=96&d=mm&r=g","caption":"CreN30"},"sameAs":["https:\/\/29forward.com"],"url":"https:\/\/29forward.com\/pl\/author\/cren30"}]}},"_links":{"self":[{"href":"https:\/\/29forward.com\/pl\/wp-json\/wp\/v2\/posts\/9679","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/29forward.com\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/29forward.com\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/29forward.com\/pl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/29forward.com\/pl\/wp-json\/wp\/v2\/comments?post=9679"}],"version-history":[{"count":0,"href":"https:\/\/29forward.com\/pl\/wp-json\/wp\/v2\/posts\/9679\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/29forward.com\/pl\/wp-json\/wp\/v2\/media\/7370"}],"wp:attachment":[{"href":"https:\/\/29forward.com\/pl\/wp-json\/wp\/v2\/media?parent=9679"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/29forward.com\/pl\/wp-json\/wp\/v2\/categories?post=9679"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/29forward.com\/pl\/wp-json\/wp\/v2\/tags?post=9679"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}