THE BLOG

07
Apr

Why is data visualization necessary?

Okay…tell me what is happening to the debt level of the United States government over time.

Is it rising? Falling? Staying the same?

Source: Federal Reserve Bank of St. Louis

You may have been able to give me an answer by looking at the data. But it probably took you a while. Also, there are more data outside of the screenshot, so the answer you would have given would have been incomplete.

Furthermore this was a small, simple dataset. How would you have done it if the dataset had millions of data in it? What if there were one hundred categories? If the numbers weren’t as easy to calculate?

The approach you took to solve the above problem is impractical for the huge amount of data that we encounter in the real world.

Okay, now tell me what’s happening to the level of U.S. debt over time.

Ahhhh, much better isn’t it?

The awesome thing about data visualizations are that they can tell you information about datasets, a collection of data, with hundreds, thousands, millions or more data.

Software like Excel has become so sophisticated that you can visualize large amounts of data with a few clicks, allowing you to figure things out about your data that were hidden when all you saw was a sea of information.

And sometimes, that visualization is necessary.

You might not feel the need to look at visualization. Maybe you skim the executive summary of the reports you get, or rely on the summary functions that Excel has to get to know a dataset.

Those aren’t enough.

To know your data, you have to see it.

 

Anscombe’s quartet

To show this, let’s look at the four datasets below.

They have the same summary statistics.

 Don’t worry about what the property terms are. They’re just ways of describing the characteristics of data. You might be tempted to say these datasets are similar because the statistics are similar. But when you graph them…

Oh. Wow.

The data are very different from one another!

I didn’t make these numbers up. This is a famous set of data called Anscombe’s Quartet, created by statistician Francis Anscombe in 1973, underscores the need to make charts of your data in order to properly understand it.

In your job, in just looking at the summary statistics of the dataset, you might make a decision that doesn’t reflect the data. That decision might not be very good, or worse, it could be harmful.

 

Conclusion

With visualizations, you see your data. You understand its shape. You see the relationships between the variables. All the information present in the visualization helps you to get to know your data on a deeper level that just looking at it on a spreadsheet.

All this is why visualizations are important, and spending time to understand them is very beneficial to get to know the data they are made from.

02
Apr

Metodologías Ágiles

Tradicionales vs. Agiles

Haciendo una rápida comparación entre metodologías tradicionales de recursos humanos y metodologías ágiles veremos lo siguiente:

Capacitación

  • Tradicional: Abordaje medicinal al aprendizaje: se capacita a quienes tienen un nivel de rendimiento menor al deseado.
  • Ágil: Entorno de aprendizaje continuo: se brindan constantemente oportunidades de aprendizaje y crecimiento

Reclutamiento

  • Tradicional: Se contratan empleados en respuesta a posiciones vacantes o nuevas tareas
  • Ágil: Se invierte en las capacidades de los empleados y se cultivan de relaciones con talentos a través de múltiples canales

Funciones

  • Tradicional: Se consideran los distintos puestos como pequeños elementos de un complejo engranaje, que siempre dependen de tareas específicas
  • Ágil: Se considera el rendimiento diario de los empleados como un elemento esencial de la cultura de trabajo que contribuye directamente a la misión y los valores de la organización

Cambios

  • Tradicional: Se ponen en marcha sistemas diseñados cuidadosamente luego de varios meses o incluso años de estudio:
  • Ágil: Se ensayan iniciativas en menor escala y con mayor especificidad, contando con rápido feedback sobre su utilidad

Desarrollo Humano

  • Tradicional: Se ve el área de recursos humanos como un departamento dedicado al control de los empleados que acciona en respuesta a su comportamiento
  • Ágil: El área de recursos humanos se encarga de alentar a sus empleados para que encuentren motivación interna dentro de un espacio de colaboración

Indicadores

  • Tradicional: Medición burocrática: el éxito se mide en los papeles, en el cumplimiento horario y planillas
  • Ágil: Medición intangible: el éxito se mide en términos de retención, niveles de satisfacción de empleados, niveles de innovación y de compromiso con la organización

 

Las 3 Cualidades

Si algo debemos aprender de las metodologías ágiles es que nos permiten pasar de la reacción a la planificación, de solucionar problemas a aprovechar las oportunidades. No se trata más de emparchar, sino de medir y anticipar. Pero para que la medición sea efectiva debe contar con tres características:

  • Debe ser accionable, esto es saber sobre qué produce un efecto,
  • Debe ser accesible, todos deben saber que significa,
  • Debe ser auditable, es decir, debe coincidir las distintas realidades.

Las metodologías ágiles dejaron de ser propias de los startups para pasar a ser herramientas internas de las grandes organizaciones. El ciclo “construir, medir, aprender” es una herramienta más de la comunicación interna.

“Lo que no se define, no se puede medir.

Lo que no se mide, no se puede mejorar.

Lo que no se puede mejorar, se degrada.”

Lord Kelvin