Если вы решаете бизнес-задачи с помощью данных, велика вероятность, что вы уже используете инструменты визуализации данных. Их способность представлять результаты анализа данных может иметь решающее значение для извлечения понимания из информации во многих аспектах бизнеса.

Но некоторые, возможно, многие деловые люди не знают о таких инструментах, либо обходятся без них, либо ограничиваются тем, что им дает их ИТ-отдел.

Уже существует разрыв между теми, кто способен заставить свои данные работать на них, и теми, кто этого не делает. Распространенность ИИ в организациях и отраслях только усугубит это.

Но использование инструментов визуализации данных для работы с ИИ еще больше усложняет решение, которое и без того запутано.

Эта статья знакомит вас с инструментами визуализации, описывает виды, которые вы могли бы использовать для работы с ИИ, и предлагает, что следует учитывать при выборе одного из них.

1. ВВЕДЕНИЕ И ОСНОВЫ

Ваши варианты визуализации ИИ зависят от того, как вы создаете свое ИИ-решение

Визуализация в индивидуальной разработке ИИ

Если у вас есть команда, разрабатывающая ваше ИИ-решение, они, вероятно, будут использовать основной язык разработки ИИ, такой как Python. Они хороши в определенных вещах, но визуальное представление данных к ним не относится. Это относительно специализированная задача программирования, и основные языки искусственного интеллекта не пытаются ее решать.

Вместо этого они полагаются на библиотеки диаграмм, такие как plotly, или сторонние продукты визуализации, такие как Tableau.

  • Библиотеки диаграмм предоставляют функции построения диаграмм, которые можно вызывать из кода. В общих чертах, эти функции создают, форматируют и представляют графики. Есть много хороших библиотек, каждая со своими сильными сторонами и ограничениями. Обычно есть кривая обучения, и чем больше функций вы хотите, тем круче эта кривая, вероятно, будет. Библиотеки в основном бесплатны, но требуют дополнительного времени разработчика, чего нет.
  • Продукты визуализации - это автономные приложения, которые используют данные из других систем для создания, форматирования и представления диаграмм. Чтобы использовать их для ИИ, разработчик пишет код для передачи данных в продукт. Инструмент может не требовать кодирования для использования; если да, то обычно меньше библиотеки. Некоторые такие продукты бесплатны, но для коммерческого использования может потребоваться платная лицензия.

Визуализация на платформах AI

Конечно, библиотека диаграмм полезна только в том случае, если вы кодируете часть или все свое решение AI. Если вы используете платформу AI, например H20, Peak и Sparkbeyond, вам может вообще не понадобиться библиотека графиков и, возможно, даже продукт для визуализации данных.

Такие платформы искусственного интеллекта обычно включают в себя возможности визуализации данных, и они могут быть очень мощными. Однако некоторые из них уделяют больше внимания анализу и анализу с менее мощной визуализацией. Может быть, лучше использовать их в тандеме с продуктами для визуализации.

Даже если ваша платформа искусственного интеллекта имеет хорошую визуализацию данных, другой вариант использования результатов может иметь преимущества, особенно если он дает бизнес-пользователям больше контроля.

А еще есть бизнес-аналитика

Чтобы еще больше усложнить ситуацию, визуализацию также хорошо выполняет класс программного обеспечения, называемого бизнес-аналитикой (BI). Программное обеспечение бизнес-аналитики берет свое начало в технологии баз данных и хранилищах данных. Но это не всегда тот термин, когда речь идет об искусственном интеллекте и машинном обучении, даже если это допустимый вариант.

Некоторые инструменты визуализации, которые с полным основанием можно назвать продуктами визуализации данных, их поставщики называют продуктами бизнес-аналитики.

Для одних разница в терминологии имеет большое значение, для других - в меньшей степени. Для наших целей мы будем рассматривать бизнес-аналитику как просто еще один тип продукта для визуализации данных.

Необязательно, нужна ли вам библиотека графиков или продукт для визуализации (или и то, и другое)

Преимуществом некоторых продуктов визуализации является их доступность для нетехнических пользователей. Однако их установка требует технической работы и может потребовать некоторой формы кодирования. Если вы используете библиотеку диаграмм для визуализации, вам понадобятся разработчики для всей работы.

Поставщики продуктов будут утверждать, что для достижения тех же или превосходных результатов требуется меньше времени разработчика. Но многие разработчики не согласны и считают, что разница применима только в том случае, если разработчики не обладают достаточной компетенцией.

Обе точки зрения могут быть верными, ни одна из них не является универсальной.

Большинство команд AI будут иметь библиотеки диаграмм, доступные в их наборе инструментов, даже если доступны продукты визуализации. Хотя готовое решение ИИ может использовать продукт визуализации для передачи результатов бизнесу, библиотеки диаграмм по-прежнему часто используются экспертами по ИИ во время разработки.

Такие библиотеки могут быть очень полезны для создания быстрых временных отчетов для проверки промежуточных результатов или подтверждения того, что что-то работает должным образом.

У крупных предприятий часто уже есть продукты для визуализации. Обычно они являются частью корпоративного программного обеспечения (например, SAP, Microsoft) или набора инструментов хранилища данных (например, Oracle, Cognos).

Они могут удовлетворить ваши потребности в искусственном интеллекте, но вы должны явно подтвердить это. Если у вас не ограничен бюджет, редко бывает полезно использовать их только потому, что они уже есть.

Прежде чем изучать, как выбирать между библиотеками визуализации и продуктами, давайте кратко рассмотрим каждый из них.

2: ОБЩИЕ ИНСТРУМЕНТЫ ВИЗУАЛИЗАЦИИ ДАННЫХ ДЛЯ ИИ

Графические библиотеки

Python и R

Если вы работаете на Python, вы часто будете встречать четыре графических библиотеки: matplotlib, seaborn, bokeh и plotly. Если вы используете R, доступны версии большинства графических библиотек Python и несколько специфичных для R. Хорошо зарекомендовавший себя - ggplot2.

Их гораздо больше, например, сообщество Python (PSF) публикует подробности еще нескольких десятков. Но они будут актуальны только для продвинутых практиков.

JavaScript

Поскольку результаты часто отображаются в браузерах или других системах, работа по визуализации может выполняться с использованием технологий, отличных от базовой системы ИИ. Вот почему код визуализации AI иногда использует библиотеки javascript (js), а не более традиционный язык AI. Существует множество таких js-библиотек для построения диаграмм, в том числе с такими известными именами, как plotly.

Самой полной библиотекой диаграмм javascript некоторые считают D3js (хотя пуристы могут утверждать, что на самом деле это не библиотека диаграмм). Его сложно изучить и использовать, но, несомненно, он действенен. Фактически это основа для других графических библиотек, обычно более простых и простых в использовании, альтернативных или нишевых библиотек, например. для создания интерактивных карт или визуализации данных временных рядов.

Другие бесплатные библиотеки js, о которых вам может быть полезно знать, включают C3, chart.js, chartist, sigma и даже диаграммы Google. (NB: диаграммы Google бесплатны, но не имеют открытого исходного кода, поэтому есть некоторые ограничения на то, где вы можете размещать их файлы.)

WebGL / OpenGL

Наконец, сегодня визуализация может включать движение и анимацию, и в этом случае некоторая обработка может выполняться аппаратными средствами, а не программным обеспечением. Если это имеет значение, то библиотеки WebGL и OpenGL могут появиться в коде визуализации.

Если это актуально для вас, вы уже выполняете сложные технические работы и знаете, как их использовать. Но если вы новичок в построении графиков, полезно знать, о чем они говорят, чтобы вы могли спокойно игнорировать их для большей части работы с ИИ.

Продукты для визуализации данных

Визуализация - это быстрорастущий сегмент рынка программного обеспечения, охватывающий широкий спектр функций. Существует три приблизительных группы товаров, которые частично совпадают. Некоторые «продукты» на самом деле представляют собой семейства продуктов, охватывающие более одной группы.

Наборы инструментов для визуализации данных

По сути, продукт может быть не более чем фирменной библиотекой. Обычно это первая ступенька на лестнице к более обширным предложениям.

Продукты визуализации, которые начинались как библиотеки, могут восприниматься как инструменты для технически ориентированных пользователей. Но это не только реальность, но и отражает корни компании и ее рыночное положение. Наиболее известные примеры - plotly, Highcharts (от Highview) и FusionCharts.

Верхние части этих пакетов пересекаются с более известными продуктами визуализации, такими как Tableau и QlikView от Qlik. Они обеспечивают такую ​​же или большую гибкость и изысканность, но в более изысканной упаковке. Для их эффективного использования также могут потребоваться усилия и опыт, но они сумели позиционировать себя как менее вызывающие.

Если вы рассматриваете их, вам также следует обратить внимание на такие варианты, как Sisense и Vertica. Databricks и Cloudera также очень сильны в этой сфере, но их позиционирование превратилось в более комплексные платформы машинного обучения. Рынок быстро движется, и другие появляются регулярно.

Эти продукты рассматриваются (и продаются как) более быстрая альтернатива кодированию специальной функциональности визуализации. Они также предлагают шаблоны, которые могут соответствовать вашим обстоятельствам, что поможет сократить усилия по проекту.

Модули визуализации корпоративного программного обеспечения

В зависимости от вашей корпоративной ИТ-настройки и того, на что ориентирован ваш ИИ, вы можете быть ограничены в выборе инструментов визуализации. Часто это происходит из-за других задействованных приложений, особенно систем хранения и исходных данных.

Корпоративные стандарты могут ограничивать ваш выбор вариантами визуализации от поставщиков корпоративных решений, например CRM, ERP и хранилище данных. Примеры включают Microsoft (Power BI), IBM (Watson Analytics), Tibco (Spotfire), SAS (Visual Analytics), Cognos и, конечно же, Oracle, SAP и Salesforce.

Многие из этих крупных фирм приобрели нишевые фирмы в области визуализации, поэтому вы можете быть приятно удивлены тем, что доступно. Если вы этого не сделаете, этого может быть достаточно, чтобы отправить вас по маршруту библиотеки диаграмм, особенно для начальных версий ваших решений AI.

Самообслуживание и визуализация данных конечных пользователей

Наконец, искусственный интеллект часто предназначен для извлечения небольшого количества идей из большого пула данных, а ценность визуализации данных заключается в передаче простых сильных сторон. Эта ситуация часто идет рука об руку с сегодняшней тенденцией к приложениям для самообслуживания.

Для этого существует третий набор продуктов визуализации, предназначенных для компетентных бизнес-пользователей, которые могут создавать свои собственные графики и визуальные элементы данных. Они предлагают нетехническим людям доступ к данным, простые инструменты анализа и возможность убедительно представить результаты.

Excel когда-то был идеальным инструментом.

Примеры такого рода инструментов визуализации включают Datawrapper, Chartblocks, Infogram, Timeline и RAWGraphs.

Если вы рассматриваете такой продукт как «интерфейс» для готового решения ИИ, вам, вероятно, также понадобится более технически ориентированный инструмент при создании ИИ.

3: ВЫБОР ИНСТРУМЕНТА ВИЗУАЛИЗАЦИИ ДАННЫХ

С таким широким набором опций выбор инструмента визуализации данных - нетривиальное занятие. Однако это не обязательно должно быть долгим и долгим упражнением по выбору пакета, особенно когда вы начинаете работу с ИИ.

Очевидно, что то, как вы хотите, чтобы ваши диаграммы выглядели, является ключевым, но это не обязательно так важно, как вы (или поставщики инструментов) думаете.

Если ваши потребности в построении графиков не являются чем-то необычным, выбор между двумя компетентными альтернативами часто сводится к другим факторам. Примеры включают:

  • с какими языками и другими инструментами знакома ваша техническая команда;
  • насколько тесно вы хотите, чтобы функциональность визуализации была связана с основным анализом ИИ; а также
  • сколько выбора и контроля вы хотите для бизнес-пользователей при изучении результатов.

Централизованно управляемая ИТ-среда может сделать выбор проще (но не обязательно лучше)

Но давайте начнем с самой простой ситуации - когда у вас мало или нет выбора.

Если вы работаете в большом предприятии с централизованными ИТ-политиками и управлением поставщиками, вам, вероятно, сообщат, что вы можете использовать или какие у вас есть варианты.

Это можно было бы назвать BI, а не визуализацией, и, возможно, это было дорогостоящее упражнение по выбору. Если ваша работа с искусственным интеллектом достаточно мала, чтобы находиться под контролем центрального ИТ-радара, исключения могут быть разрешены, но только при низких затратах.

Преимущество продуктов визуализации в существующем корпоративном пакете заключается в том, что они должны хорошо интегрироваться с системами, предоставляющими ваши данные.

У вас также будет доступ к нужным навыкам, иногда в рамках контракта на техническое обслуживание и поддержку. А если ваша техническая команда еще не знакома с инструментом визуализации, скорее всего, обучение будет проще.

Недостатком является то, что такие поставщики также предлагают свою интерпретацию платформ искусственного интеллекта и машинного обучения, и вам может потребоваться использовать их для остальной части вашей работы с ИИ.

Это может быть разумным ходом, но вряд ли он даст вам «лучшее» решение для искусственного интеллекта. Однако с учетом затрат, навыков и преимуществ интеграции этого может быть достаточно.

Если у вас есть возможность выбрать инструмент визуализации для работы с ИИ, не позволяйте процессу сбора требований к визуализации и выбора инструмента отвлекать от остальной работы с ИИ.

Главное - начать с ясности требований к вашему инструменту визуализации.

Требования к инструментам визуализации не только в визуализации

Большинство согласны с тем, что выбор программного обеспечения (любого программного обеспечения) для данной ситуации зависит от требований. Это определенно верно для визуализации данных.

Но, возможно, как это ни парадоксально, необходимые вам графики не обязательно являются самым важным фактором при выборе инструментов визуализации для проекта ИИ.

Вкратце: если вы не делаете что-то очень узкое или сложное, вполне вероятно, что любой из ведущих продуктов и библиотек может сделать достаточно приличную работу.

Не то чтобы они все одинаковы, но все хорошие довольно хороши и достаточно хороши для большинства ситуаций.

Будут различия в стоимости, усилиях для достижения заданного результата, простоте использования и гибкости. Пользователи могут предпочесть внешний вид друг друга, и при некоторых требованиях возможны компромиссы.

Но в редких случаях визуализация данных для удовлетворения потребностей бизнеса оказывается невозможной.

То, что сделает использование вашего инструмента визуализации более плавным и улучшит результаты, также будут другими факторами, такими как:

  • знакомство вашей технической группы с используемым инструментом или языком;
  • поддержка поставщика по использованию продукта для ответа на вопрос определенным образом;
  • простота и надежность передачи данных из других систем в инструмент.

Они не всегда появляются в списках критериев оценки инструментов визуализации. Если они это сделают, они могут быть перевешены функциями визуализации, такими как количество доступных типов графиков.

Если бы только бизнес-пользователи знали, чего хотят

Что еще больше усложняет выбор инструмента визуализации данных, так это то, что бизнес-пользователи часто не «понимают» то, что предлагают такие инструменты, до конца проекта, когда они, наконец, осознают всю мощь предоставляемых данных.

Если ваш набор инструментов визуализации включает продукты для конечных пользователей, то ваши пользователи могут иметь четкое представление о том, чего они хотят от инструмента самообслуживания, только после того, как они какое-то время им пользуются.

Это означает, что дополнительные требования, зачастую принципиально новые, могут возникнуть на поздних этапах проекта или после того, как он должен был завершиться.

Другими словами, какой бы инструмент визуализации вы ни выбрали для своей первой работы с ИИ, есть неплохой шанс, что вы пересмотрите свое решение раньше, чем хотелось бы.

4. СВЯЗАТЬ ВСЕ ВМЕСТЕ

Хороший инструмент визуализации - важная часть большинства проектов ИИ. Но что означает «хорошо», ответить непросто, а «достаточно хорошо» еще сложнее определить.

Если вы можете четко это понимать, вы начинаете с лучшего места, чем большинство.

Если ваши требования ясны, значит и ваш выбор

  • Ваши требования к визуализации данных сложны и будут ли часто / значительно меняться? В таком случае следует рассмотреть продукты, и имена, упомянутые в статье, должны быть в вашем списке.
  • Или, возможно, ваши требования к визуализации данных относительно просты и стабильны? В этом случае разработчики, визуализирующие выходные данные с помощью библиотек диаграмм, являются надежным вариантом. Спросите у них краткий список библиотек и инструментов, поскольку они должны знать лучше всего. Если это не так, подумайте о том, чтобы добавить в свою команду эксперта по визуализации.
  • Есть ли у ваших бизнес-пользователей опыт работы со средствами визуализации? Если нет, будьте готовы к новым требованиям в конце дня, что может сделать ваш выбор инструмента визуализации недействительным.
  • У вас действительно есть выбор, или вы будете вынуждены выбрать корпоративный стандарт бизнес-аналитики? Иногда это становится неясным, пока не потрачено время на изучение возможных вариантов.

Требования, которые определяют инструмент визуализации данных, часто не связаны с визуализацией данных

Что бы вы ни выбрали, ваши задачи и проблемы вряд ли будут связаны с визуализацией данных, если вы выберете проверенное решение. Скорее всего, они будут интересоваться интеграцией данных, продуктивностью и временем, чтобы научиться делать то, что неочевидно.

Так что учитывайте знакомство и практический опыт разработки и использования выбранного вами инструмента. Это, вероятно, будет не менее ценным, чем любые конкретные функции визуализации данных.

Возможно, у вас уже есть ответ «достаточно хорошего»

Наконец, есть много опыта и советов по выбору и использованию инструментов визуализации данных. Часто это уже происходит в вашей команде, организации или у существующих партнеров / поставщиков, хотя они могут знать это как нечто другое.

Более того, этот опыт может исходить от инструментов визуализации данных, которые ваша организация уже приобрела.

Так что сначала смотрите поближе к дому, ведь нет ничего лучше, чем иметь на вашей стороне кого-то, кто делал это раньше. Особенно, если это инструмент, за который уже заплатил кто-то другой.

Эта статья была впервые опубликована на www.aiprescience.com