Un altro sguardo all’analisi esplorativa dei dati con la funzionalità Idee di Excel

Ho notato che la funzione aggiornata non esamina i valori mancanti così come ha fatto la funzione “Idee” legacy.

L’altra “mancanza” immediata per me è stata la mancanza di una tabella statistica riassuntiva. Voglio vedere i valori alti, i valori bassi, i valori mediani, forse anche i valori del 25 ° e 75 ° percentile. Sono interessato alla scienza. Una tabella (o almeno l’opzione per creare) una tabella di statistiche di riepilogo con i valori sopra e la deviazione standard, ad esempio, sarebbe un miglioramento che aggiungerei al backlog se fossi in Microsoft.

Durante la revisione di questa funzione non ho visto molto per l’elaborazione del linguaggio naturale. Una nuvola di parole potrebbe essere stata un’idea intelligente per Microsoft da includere qui.

Tra le immagini suggerite c’erano più grafici a dispersione. Sono un fan di una buona trama a dispersione. Sono stato felice di vedere che Excel sapeva darmi un grafico a dispersione quando ho chiesto la relazione tra efficienza e peso sopra. Ma per coloro che hanno in mente di costruire in seguito modelli predittivi, modelli di apprendimento automatico o altre attività di modellazione formali, sarebbe stato utile includere le linee di migliore adattamento in quei grafici a dispersione. Sarebbe stata utile anche l’equazione di regressione per quella linea o il coefficiente di correlazione. Un modo più breve per porre questa limitazione è che i suggerimenti di Excel sembrano essere lunghi sugli elementi visivi ma brevi sulle statistiche.

È curioso che Excel non dia un’opzione per visualizzare i valori statistici qui. Sotto il cofano, deduco che Microsoft ha progettato questa funzione con una varietà di strumenti statistici. È una semplificazione eccessiva pensare che Microsoft possa fornire un’opzione per far emergere o rivelare quei valori importanti con un clic del pulsante di attivazione? Coloro che hanno conoscenza delle statistiche avanzate e del calcolo statistico mancheranno di avere accesso immediato ai valori statistici. Forse questa funzionalità non è destinata a coloro che intendono passare all’apprendimento automatico o alla scienza dei dati più avanti nel loro progetto?

Per un altro esempio di output che sarebbe utile per il processo di data science e machine learning, una semplice matrice di correlazione sarebbe intelligente. Le statistiche disponibili da una semplice matrice di correlazione forniscono agli analisti un’abbondanza di approfondimenti aggiuntivi. Un altro esempio di qualcosa che ho trovato mancante è che per tutte le trame, anche un grafico a coppie (simile a quelli facilmente disponibili nei linguaggi di programmazione) sarebbe stato intelligente. Vorrei anche dare grafici congiunti come esempio di un visual che Microsoft dovrebbe aggiungere anche a questa analisi esplorativa dei dati.

Un’altra caratteristica che sembra mancare è una serie di strumenti che ti permetteranno di modificare le immagini. Uno o più strumenti che consentono di modificare l’asse x, l’asse y, i titoli o altri aspetti dell’oggetto visivo sarebbero intelligenti. Attualmente, è necessario inserire l’oggetto visivo nel documento (facile da fare con un clic) prima di poter apportare modifiche. Sarebbe utile, se non modesto, un risparmio di tempo essere in grado di apportare piccole modifiche prima di inserire la bozza nel documento.

Per coloro che si trovano nella fase iniziale dell’EDA è spesso utile esaminare osservazioni campione. In Excel, teoricamente è facile sfogliare le osservazioni nell’ambiente del foglio di calcolo. Tuttavia, una caratteristica che aiuterebbe ulteriormente gli scienziati dei dati sarebbe quella di identificare osservazioni duplicate e anche di identificare osservazioni altamente uniche. Ciò aiuterebbe lo scienziato dei dati a sapere quali osservazioni esaminare più da vicino. È qui che un riepilogo dei valori mancanti aiuterebbe – almeno proporrei un elenco di osservazioni con uno o più valori mancanti.

Per coloro che mirano a condurre analisi più sofisticate in seguito, sarebbe anche bello vedere lo strumento EDA integrarsi con uno o più linguaggi di programmazione, soprattutto se fossero open source.

Mi sono anche trovato a chiedermi se avessi eseguito un po ‘di wrangling dei dati prima di eseguire l’EDA automatizzato di Excel se i risultati già buoni avrebbero potuto essere ancora migliori. Se questa funzione (o forse una funzione accoppiata separata) potesse offrire suggerimenti per la lotta ai dati, sarebbe un miglioramento significativo a mio parere.

Forse la strada da percorrere per Microsoft, se volesse vedere questo strumento supportare meglio i data scientist, la scienza dei dati e l’apprendimento automatico, sarebbe quella di introdurre una “modalità di alimentazione” per la funzionalità? La modalità di alimentazione potrebbe dare ulteriore accesso alle funzionalità mancanti di cui sto scrivendo qui. Per set di dati più grandi, potrebbe anche essere intelligente consentire agli utenti della “modalità di alimentazione” di connettere la funzionalità alla propria infrastruttura cloud su Google Cloud, Azure o AWS (o altre applicazioni cloud).

Inoltre, non ho visto molto potenziale per un data mining più profondo. Per migliorare il potenziale di attività di data mining più approfondite, Microsoft potrebbe prendere in considerazione la possibilità di consentire agli utenti di identificare le caratteristiche principali dei dati (ovvero una manciata di variabili che contano di più per l’utente). Per lo meno sarebbe intelligente consentire agli utenti, facoltativamente, di specificare una variabile indipendente. Forse potrebbe esserci un’opzione per specificare più di una variabile di interesse specifico. Quella variabile consentirebbe a Excel di utilizzare per suggerire in modo più intelligente risultati significativi.

Un’altra funzionalità mancante è un modo per distribuire facilmente gli oggetti visivi risultanti in modo pubblico. Gli utenti di Tableau e Power BI sentiranno l’assenza di queste funzionalità!

Nessuna delle visualizzazioni suggerite includeva una cresta, una trama di scatole o una trama di violino. Questi grafici a singola variabile sarebbero utili per gli utenti che cercano o hanno bisogno di comprendere la distribuzione delle variabili. Molti processi nella scienza dei dati implicano la revisione delle misure di distribuzione.

Sarebbe troppo chiedere se Excel potrebbe sviluppare un pulsante automatico di “raccolta dati” o “data warehouse”?

Alzerò la mano ora se Microsoft decide di voler testare uno dei suggerimenti di funzionalità di cui sopra.