Erik：欢迎来到工业 IoT Spotlight，这是您从工业 IoT 思想领袖那里获得洞察力的第一站，他们正在与您的主持人 Erik Walenza 一起改变当今的业务。

欢迎回到 IoT 聚光灯播客。这是您的主持人，IoT ONE 的首席执行官 Erik Walenza。 Kristen Sosulski 博士今天也加入了我的行列。 Kristen 是纽约大学斯特恩商学院的数据可视化教授，也是该主题的作者和演讲者。而今天，手头的话题将是管理层如何利用数据可视化技术来获得洞察力并根据物联网系统现在提供的绝对激增的数据做出决策。当然，在许多情况下，系统只是在理论上向他们提供这些数据。所以数据存在于数据库中的某个地方，但如果没有合适的数据可视化解决方案，管理层往往无法做出决策或只能在很大的时间滞后下做出决策，因此无法根据数据做出实时决策。

我希望你喜欢这次谈话。我期待您的反馈。克里斯汀，非常感谢您今天抽出时间与我们讨论数据可视化。

克里斯汀：谢谢你，埃里克。我很高兴来到这里。

Erik：所以，Kristen，我已经在介绍中快速介绍了你。但也许在我们开始对话之前，您可以花点时间介绍一下您最近出版的“数据可视化变得简单”一书，作为我们在此对话的基础。因此，在这里我们将讨论数据可视化的作用，可视化如何通过采用新技术而发生变化，以及这对我们与数据的关系的影响，跨时间跨不同受众和格式的数据可视化，以及重要性在您的组织中建立数据实践。也许我们在你的背景下。出版这本书的灵感是什么？为什么这在这个时候很重要？

埃里克：当然。因此，数据可视化是当今信息丰富的世界所需的基本技能。对于实习生、MBA、经理等任何人来说，这是一种领导技能。通过我在纽约大学斯特恩商学院的教学和教授，我的学生实际上向我提出了挑战，要求我创建商业案例，说明为什么可视化需要成为公司实践的一部分。我非常热衷于这种立场，即能够在整个组织中从数据人员到非数据人员清楚地传达来自数据的见解。它真的就这么简单。

因此，我的动力来自于我对教育的真正热情，以及在组织内实现信息访问的民主化，以改善每个人的决策，并最终考虑客户体验。

Erik：出现的最普遍的话题之一是捕获数据，打破数据孤岛。很多时候，实际上让需要根据它做出决策的人可以访问这些数据的主题并不是该对话的重要部分。所以没关系，我们是否在捕获数据？我们能分析数据吗？但是，当您与本应根据这些数据做出业务决策或运营决策的人员的操作员交谈时，他们通常会陷入最后一英里的问题，在这种情况下，他们无法真正充分地访问这些数据。他们需要的时间。

克里斯汀：这就是为什么不仅要有可视化实践如此重要，还要建立数据实践并将其融入您的企业文化中。

Erik：那么让我们从数据可视化角色的这个基础开始。当您与管理专业的学生交流时，您如何看待现代组织中数据可视化的不同角色？

Kristen：就像在组织中使用数据图形有不同的角色。所以它可以是探索的任何地方。因此，当您尝试建立对数据的理解或对数据的理解时，很多时候我们使用可视化来能够发现类似的相关性和趋势，并获得帮助我们构建驱动或分析问题的初步见解。因此，正如您所知，数据探索是一项与数据建模截然不同的活动。

还有数据建模，有很多可视化可以帮助我们喜欢不同的相关矩阵，这样可以让我们更好地理解模型的准确性，等等。因此，这些数据图形用于特定目的。然后我们去想，我们如何使用数据图形进行决策？在那里，您正在与更广泛的受众进行交流。因此，对管理者进行数据分析，以及管理者如何轻松解释数据图形以做出决策并拥有当今最重要的信息。

因此，为此需要不同的参数和不同的输入，而且我们可以为该产品使用的不同视觉提示具有更简单的显示，这些显示实际上只是显示了帮助其角色所需的关键信息一个组织。

然后是演示的想法。因此，现在您不喜欢使用输入来了解组织中正在发生的事情，但您可能正在尝试预测明天可能发生的事情。因此，在这种情况下，您实际上正在构建案例，说明为什么您的预测模型显示明天可能会有新市场，以及我们现在必须如何采取行动。因此，当您进行宣传时，使用可视化来展示数据的证据，以及您所做的所有强有力的分析都是至关重要的。但是当您立即开始谈论统计数据时，人们的眼睛会变得呆滞。所以你想要做的是使用视觉作为真正的证据，就像假装你真的看到了一个数字表，但你真的看到了一个数据图形。

Erik：因此，如果我们考虑可能将数据可视化用于探索，然后用于做出非常具体的决策，因此我们有这些不同的目的，那么您将如何就可视化的结构向公司提供建议，或者谁可能是使用它来完成这两个不同的目的？

克里斯汀：嗯，一个是我们需要人们了解数据以及这些数据在现实世界中对业务的代表什么，这需要了解数据结构中所有不同的列和行。并且能够查看管理层提出的问题是否真的是我们可以用数据回答的问题。因此，这是一种不同于我们向更广泛的受众展示分析结果的技能。

这需要非常好，让我们想想作为人类我们如何保留信息，让我们想想人类如何感知这些不同的数据图形及其编码。例如，如果我们像普通观众一样谈论，我们可能不想显示数据图形，如直方图、箱形图、平行坐标，或者本质上可能更具统计性或更复杂的事物。我们希望显示易于解释的数据图形。这与这里的诡计或复杂性无关。这是关于展示关键洞察力，并再次使用它来提供证据。所以这就是真正的区别。

Erik：所以在某种程度上我们是在讲故事，但我们是为了不同的目的而告诉不同的观众，然后我们需要以不同的形式呈现他们。我们最近也出现了新技术的激增，它使我们一方面能够以不同的方式可视化数据，可视化以前我们无法访问的不同类型的数据或混合数据集，并且还可以以非常不同的格式查看它们。与我们谈谈您在数据可视化、技术方面所看到的变化，以及我们作为组织的方式，以及过去（可能是 5 到 10 年）人们与之互动的方式？然后，您是否看到我们与数据交互的方式即将发生重大变化？

克里斯汀：当然。我的意思是，所以有很多问题要解开。但是为什么我们不开始喜欢一些变化呢？在我的书中，我谈到了正在发生的两个主要趋势，它们正在影响数据可视化领域。就像你之前提到的讲故事一样，强调数据故事。为什么？因为我们知道数据本身是毫无意义的。因此，我们必须将这些数据转化为信息，并希望有人可以采取行动的知识。

这样做我们可以将其置于故事的背景下，特别是当我们想要有说服力或当我们可以推销时，或者我们正在展示一些可能是未来主义的东西，比如预测，而不仅仅是报道过去。所以我一直认为最无聊的数据展示是当我刚刚了解过去并且没有关于未来可能发生的事情的建议时，它只是一个报告。但那些特别引人注目的是那些喜欢通知你并激励你采取某种行动的人。因此，随着数据可视化领域的发展，这一点肯定发生了变化。

第二个是创建交互式数据图形的能力。所以现在我不必总是依赖演讲者来拥有演讲者驱动的故事。现在有以观众为导向的讲故事。你考虑一下。我可以将一些数据输入到数据图表中，例如我的邮政编码、性别或关于我的某些信息，然后我可以看到这些数据与您的关系与我自己的个人叙述之间的关系。

因此，如果我想看看人们如何度过他们的时间，有很多有趣的可视化关于人们如何度过他们的时间由美国人口普查进行。所以我可能会在某个年龄范围内选择像女性一样被雇用的人。我可能会看到我这个年龄段的所有女性都喜欢把时间花在工作、锻炼和看电影上。所有这些不同的东西。所以现在这些信息对我来说更有意义，因为我可以通过我选择的镜头来探索它。这个镜头有点窄，因为数据图形的设计者选择了那些你可以用来探索的过滤器。但这正在创造经验。

我围绕数据可视化做了很多培训、咨询和教学，相信我，还有很多工作要做。因为您要求统计学家以一种方式成为交互式图形设计师，如果您真的考虑它，考虑整体体验，并以我们在呈现不同数据时从未有过的不同方式考虑受众图形。所以我认为这就像一个巨大的机会，几乎可以与我们的观众进行双向对话。这是一种更有效的方式来实际从数据中学习，并在我们展示数据图形时鼓励这种探究方式。

但这也要求受众是移动的。当他们出现在我们面前时，我们不会让他们拥有那种互动体验。否则，我们为什么还要待在房间里？因此，在数据图形的格式方面，人们必须考虑很多不同的因素，比如它是在你的小手表上，还是专为桌面设计的，或者是要打印为我的报告的东西地铁能看书吗？或者它会是我需要在现场演示的东西吗？

Erik：所以我们在举办研讨会时尝试做的一件事是，我们经常尝试对参与者进行一次快速的第 32 次、一分钟的调查，因为有即时的输入并能够在屏幕上看到，所以如果每个人都可能使用微信应用程序并通过他们的手机投票，那么他们就可以突然对房间里其他人的体验有所了解。不知何故，这是因为它是直接的，并且与直接在他们附近的人有关。它比我们刚才说的更有影响力，这里是我们上个月所做的一项调查的平均结果。

或者，如果我们正在查看访问阿里巴巴之类的东西，他们有很好的可视化，他们可以显示过去 24 小时内通过他们的服务器有多少流量，以及有多少电子商务通过他们的网站并能够看看这实际上发生在过去 24 小时内，这是一种实时数据，它再次产生的影响比过去一年要大得多，平均每天，我们做了这么多的交易量。因此，不知何故，这种数据的即时性也与查看平均值的影响非常不同，然后将平均值降低到特定的时间单位。

克里斯汀：即时性增加了这种特权的概念。我现在看到这个特殊的信息，有多少人可以在这一刻看到。而且我认为它为组织或现象增加了以前不可能的亲密程度。所以我们实际上越来越接近现在正在发生的事情，而不是像真正反思过去发生的类似趋势。我认为这就像如此强大。我们如何开始使用这些信息并在某些方面期待它肯定会发生变化，我相信我们作为人类，就像我们的行为一样，我们如何消费信息，以及它如何影响我们日常活动的规模和节奏。

Erik：你之前提到数据的能力也没有好坏之分，是真是假？嗯，我的意思是，希望它是真的。我们现在在这里展开了一个很好的案例研究，那就是美国的中期选举。现在，如果您查看美国的任何在线媒体，都会实时显示结果的可视化。在过去的几个月里，我们有不同的组织用不同的数据点讲述不同的故事，但没有得到这里过于政治左派或右派，而只是数据在用于传达信息并在一定程度上赢得争论的环境中的上下文。

您如何看待这一点，因为这非常强大，无论我们是在政治领域还是作为投资者，早期创业公司有选择地选择适合他们的数据以确保他们的下一轮投资，你又拥有这种非常强大且适度的操纵性，你可以说，使用数据来传达信息？

克里斯汀：所以，我有几点。所以我的第一点是，作为数据图形设计师，你可以完全控制你展示什么和不展示什么，你展示什么，你如何展示它。您是否展示了所有信息、部分故事以及您如何具体可视化数据？这真的很容易，即使它可能是计算机生成的，用来隐藏数据并对其进行操作，并使图形看起来好像它们在呈现现实，而实际上它们并没有。

任何在创建数据图形方面的新手，并且在他们的实践中已经发展并且作为今天更多的专家，都知道数据很容易出错。因此，如果我们知道我们可以不小心做到这一点，我们肯定可以故意这样做。我们绝对可以创建符合我们目的的数据故事。数据可用于做广告、说服和推广。这就是它的力量的一部分。我们正在提供证据。现在我们可以考虑收集该数据的背景、用于收集该数据的道德规范、提供该数据的参与者的隐私等等。因此，我们可以通过多种方式来看待它，尤其是当我们谈论将数据用于政治目的时。

但这里的关键是第一点是我们经常认为好的，我们相信数据图形，它有点失控。但我想说的是，设计师完全可以控制，并对展示的内容完全负责。他们应该 100% 知道这些信息的含义以及它在现实世界中的含义，并试图弄清楚这些信息会产生什么影响。

我想说的第二点是，实际上在我的书的一部分中，哥伦比亚大学的一位政治学教授实际上为我的书写了一个小案例。它被称为“总统的政策情绪和党派控制”。他谈到，他展示了一个视觉效果，显示了公众舆论在对自由主义和保守主义政策的需求方面所采取的不同周期。

对于我们中的一些人来说，事情可能正在好转。随着我们走向更保守的政策，势头通常会转向更自由的政策。我们每年都看到了这一点，他通过数据图表在我的书中证明了这一点。所以这应该让一些人放心，但也能够反思现在正在发生的事情，就每一个数字、我们获得和报告的每一个输入、中期选举以及所有这些事情，它们将在某个时候加起来成为一个整体。但在某些时候，我认为我们并不总是掌握全部信息。我们可能正在查看某些不同的数据点。但我们不一定代表整个人口。

因此，能够在这些不同的历史理论中表达这一点非常重要。我们可以回顾一下关于国家不同政策情绪的形象化的事情，以及从奥巴马以后这种情况的变化。

Erik：你提到视觉辅助站的创建者正在控制故事，他们控制着他们分享的内容。在政治环境中，也在商业环境中，我们处于这样一种情况，即我们不断地看到由看似非常可行的数据支持的故事情节，这些数据往往讲述了非常矛盾的故事。作为这些数据的消费者，您对我们的听众有什么建议？

当然，作为选民或商业决策者，我们有责任提升我们的游戏或提高我们将收到的数据转化为理性决策的能力，这样我们就不仅仅是，你可以说，只是接受正在告诉我们的故事，但也结合不同的故事，为故事情节提供我们自己的投入以丰富它。我认为，在某些情况下，我们现在肯定有一些超载，我们正在努力应对如何处理所有这些数据的挑战，然后能够从中做出合理的决定。所以，也许，从接收者的角度来看，你有什么建议？

克里斯汀：所以有一个叫做媒体素养的整个领域。它已经存在了很长时间。这确实研究了通过媒体传递信息对我们文化的影响，以及如何解读所说的内容、虚构的真相或对传达给我们的信息形成批判眼光的方法，而不是总是把它当面看待价值，但要根据更大的背景来评估。

我觉得我们都必须具备一套研究技能。我有博士学位，我有研究，等等，当你是一名研究人员时，你会学到什么？就像你知道如何从总体中抽样，你知道什么是好样本，你知道什么是坏样本，你知道什么是代表性样本，你知道什么时候不是，并且能够理解这些基本的原则将使我们能够开发这种我们非常需要的关键语言，以便解码我们正在消费的所有这些信息，以及它的完整性。

对于任何人，只要您查看数据图形，请查看数据图形的来源。如果没有来源，您将不知道该信息来自何处。就像，第一步。如果没有像你这样的来源不应该相信它。然后如果你也看到有来源，有日期吗？这是从什么时间段开始的？所以有人向你展示了 1973 年的一些东西，试图谈论现在，这是一个批评和质疑的观点。所以这些只是一些起点。

Erik：在这里，我们有一个有趣的动态，一方面，随着时间的推移，我们拥有跨地区的大型数据集，这些数据集可以提交给高级管理人员进行长期决策，而中层管理人员可以进行更多持续的决策，也可以提交给运营商对数据进行真正实时反应的基础。在这里，我们经常查看来自相同传感器或相同系统的数据。但是人们正在与之交互的数据是在不同的时间段，在不同的地理区域。它肯定以非常不同的方式呈现给他们。

我以 ThingWorx 为例，假设他们正在与 Caterpillar 或其他人合作，因此他们希望将这些数据呈现给 Caterpillar 的执行管理层，他们还希望将其呈现给进行维护并响应真实情况的维护团队时间命令。在这个组织的背景下，您如何看待结构化数据并在正确的时间以正确的格式为每个特定受众将其放置在正确的位置，您可能可以将一个大型组织分成几十个不同的具有不同数据要求的不同受众？

克里斯汀：是的，我认为这叫做魔法和完美。所以，我的意思是，这真的取决于你的组织。如果您已经有一种文化，您可以公平地访问数据，并且您的数据也不是孤立的，并且您能够利用所有这些工具，例如漂亮的 BI 或商业智能工具，就像您可以很容易地做到这一点一样，对，您可以设置访问级别，并且可以构建对用户有意义的不同报告。

这不仅仅是构建它然后离开，并希望人们能够理解这些信息。就像是将其纳入报告实践中一样。因此，任何在现场使用这些信息的人，比如每天向经理报告他们如何使用这些信息，以及为什么它很重要，我认为这就像最大的其中的一部分是弄清楚什么是最重要的信息，以及如何最好地传达这些信息以帮助做出决策。

此外，在报告备份时，管理层需要了解的最重要信息是什么？例如，回想一下，这些信息实际上正在用于业务战略。而且我认为拥有反馈循环非常重要并加强它。您可以通过在每个不同的业务部门中拥有影响者，并拥有建立这种数据实践的拥护者，以及利用这些不同的数据洞察力做出决策的能力，从而对您的业务变得更加明智，从而快速启动这种文化。

Erik：所以你之前提到了数据实践的概念，我猜组织有 IT 部门，他们有 CIO 职能，他们有 CTO 职能，这些职能可能在内部使用技术的某些领域重叠。但这些都不是，我觉得，至少，他们的主要责任是从用户的角度来看。许多 IT 部门通常从确保基础架构有效运行的角度来运作，而不是确保用户对他们获得的数据及其可视化方式感到满意。那么你所说的数据实践到底是什么意思？或者这在组织中究竟会是什么样子？它将落在组织的什么位置？谁会参与其中？它将如何构建？

克里斯汀：我们知道，随着数据科学、商业分析的日益普及，分析、统计和数据业务方面的技能需求量很大。鉴于建立强大的分析和可视化团队绝对可以帮助确认将他们的数据转化为独特的资产。但这并不意味着您需要拥有自己的数据科学或分析团队来运行它。

但这与您的 CTO 完全不同。这不仅仅是确保服务器运行。它确保模型和这些模型输出的预测是准确、可靠和可操作的，然后可以将这些结果传达给将使用它们作为分析和决策输入的人们。

因此，通过让一个团队了解组织正在收集的数据，以及他们的数据收集方法中缺少的那些问题，因为他们可能无法访问数据，或者没有人考虑过，比如，让我们尝试收集那些数据，或者数据是孤立的，很难将它们合并在一起，所有这些都是从精通技术到精通数据的真正问题。

因此，更多地了解我们的客户和我们的客户行为，以及他们在做什么是绝对关键的。就像在高等教育中一样，知道我的学生在他们的学习平台上做什么比不知道更有帮助。但是，如果我知道他们正在访问课程并观看我创建的视频，那对我来说就像一个数据点。知道谁做了谁没有，这对我来说是另一个数据点。

因此，我们能够汇总所有这些数据点，以比以往任何时候都更加细致入微的方式了解今天正在发生的事情。这不是我们的 CTO 能够告诉我们的事情。也许我们的营销团队将能够告诉我们点击和类似的事情，以及转化。但是，如果我们正在寻找特定的类似购买途径或客户如何与我们的平台互动，那是一组截然不同的问题。我们可能会运行 AB 测试来捕获数据，这在 Google 和 Amazon 等组织中很常见，就像他们的实践的一部分一样，进行这种调查，不断测试新想法的运行，广告 A 与 B，并分析结果那个。这不是您的 CTO 正在做的事情。这是您的数据分析团队和营销团队的组合。

这就像冰山一角，它正在思考可能性、问题的类型以及如何通过更多地了解当前客户来发展组织，而不仅仅是查看过去的信息，仅仅因为你'重新能够收集它。我们实际上可以成为组织内的活跃数据收集者。然后你创建一个行动计划，并确定谁将获得洞察力，如何使用它们，寻找可衡量的结果，对问题的答案进行排名和优先级排序，以做出更明智的决策。

然后你就有了你正在尝试建立的整个使用文化。您希望对数据的访问简单且易于管理。所以如果它仍然很难，没有人会看它。这意味着要真正考虑谁将使用它，考虑你的观众。其他时候，我们会考虑我们的受众，比如客户或客户。但是，如果您将您的听众视为您的同事，例如我们如何才能使整个组织变得更好，这是一种不同的心态。

然后培训是必要的，比如我们如何使用沟通器结果和使用数据作为证据，以及我们如何使用图表和图形呈现？这看起来很简单，就像很多人都在咨询这种做法，比如用图表和图表来展示。但是你所做的一切都在屏幕上放了一张图表，现在有多少人不谈论他们在屏幕上的图表？或者他们有五个，他们只对其中两个说话。或者它们只是为了呈现一个漂亮的概述。但他们没有说话。观众不禁想知道，这意味着什么？我为什么看那个？

所以所有这些事情就像真的只是在你自己的鞋子之外进行分析和理解数据，并考虑将要查看和解释它的人，以及如何为他们设计最好的。然后衡量所有这一切的影响，并知道你今天所做的事情明天看起来会非常不同。我说的是我的书的副标题，叫做“洞察成为视觉”，意思是这不仅仅是你读了一本关于数据库的书，现在你是专家了。这是一种做法。就像任何事情一样，我是一名网球大手：仅仅因为我打过一次并不意味着我就是这方面的专家。这是一场持续不断的斗争。

因此，无论您何时使用数据，想一想如何为所有数据分析工作额外投入 20%，找出如何最好地为他人总结和综合数据。

Erik：而且，我认为，就您自己而言，从运营的角度来看，Kaizen 的持续改进概念，我认为，就我们今天如何与数据交互而言，这实际上很有意义。因此，如果决策制定与数字办公室或组织中的某些特定人群隔离，那么这些人可以在如何实际构建可视化、分析数据等方面发展出非常深厚的专业知识.但是，真正了解什么是有用的往往是最接近活动的现场人员。

因此，如果我在此时以这种方式将这些数据呈现给我，我将能够更好地完成我的工作并做出更好的决策等等。而且这些信息对于专家来说通常是根本看不到的，这些专家在聚合和管理数据方面真正拥有专业知识。因此，不知何故，我们还需要让整个组织达到一定的水平，使他们能够识别哪些数据可能可用，如何可视化这些数据，以及如何使用它并能够过滤回过头来就实际可行的情况为公司运营提供建议。

我认为，这只是一个持续的挑战，您在组织中的某个地方拥有一个特别的大脑中心，该中心擅长产生想法和管理数据，但与工作所在组织的端点相当脱节完成了，我们需要以某种方式让那些他们可能教育基础相当低的人参与进来。他们可能分散在世界各地说不同语言的不同地区。您是否有任何案例研究或任何观点可以分享，您如何将数据可视化带出总部并将其带到运营中，以实现工作完成的地方，以便人们能够更多地参与他们收到的数据，以及如何呈现给他们以提高他们的工作能力？

克里斯汀：你基本上是在说，嘿，那里有一个机会，如果你擅长可视化数据，那么你现在在就业市场上有一个巨大的机会。因为公司需要这个，所以他们需要有技能的人。它可能不是来自总部。这可能是从头开始的东西。我教给我的 MBA 学生的其中一件事是，这确实是一种领导技能。但是，如果你能够传达你所做的事情，说服并展示你是如何以一种易于理解和理解的方式完成它的.

因此，Erik，当你谈到我们如何通过组织的各个层面进行沟通建立数据实践时，我的意思是，我的书中有一个关于游戏行业的案例研究。这是一个真正能说明问题的故事，一个是数据被孤立。所以你可能在营销部门发生了一些事情，你可能在赌场的游戏室里发生了一些事情，也许这两个小组没有互相交谈。这是案例研究的一部分。

第二部分是你想做出决定，好吧，我们的楼层只有一定数量的平方英尺，我们正在考虑关闭宾果游戏室，并放置更多的老虎机。为什么？嗯，我的意思是，这是一个简单的数字游戏，老虎机比宾果游戏带来更多的钱。这个案例经过了，比如，运行所谓的集群分析，能够识别我们客户的不同部分，并且能够像楼层经理一样帮助具体地看到和理解，比如，谁实际上在玩宾果游戏？他们还玩什么？谁在玩老虎机，他们还在玩什么其他游戏？

那么，如果我们关闭宾果游戏室，我们还会失去什么其他业务？我们是否也在插槽中失去业务？所以总损失是什么，而不是只考虑机会，我认为对我们的客户有更全面的了解是非常重要的。同样，这是在游戏级别。

如果您去过赌场甚至塔吉特，您就会拥有这些奖励卡之类的东西。所以你在老虎机里放了几个硬币，你也把你的卡放进去。我知道你在上海，所以让我给你举个澳门的例子，就像风中飘[听不清 38:17]。它正在记录这些信息。这种类型的用户还玩了什么？能够看到这一点，每天看到它，看看它在周末到工作日的变化，如果你正在管理员工，如何增加员工，如何更有响应性，如何知道谁在那里？我们有他们所谓的大鲸鱼，像花很多钱的人吗？就像我们知道他们在那里吗？因此，在各个级别上，有很多关于能够确保需要信息的人被告知的问题。

Erik：当我们在打电话给这个在线认证之前聊天时，你也提到过。我认为通过 MBA 课程等是只有这么多人才能真正进行投资的事情。但是，当然，还有其他更轻松的方法可以让人们获得基础并能够定位。也许您可以就此分享一些意见，并帮助我们了解这对谁有用？或者对于那些还没有准备好攻读 MBA 并为此投入大量时间但仍然想要启动以提高他们管理数据的能力的人来说，还有哪些其他机制？

Kristen：在我的纽约大学斯特恩分校，我们提供了一个名为 Visualizing Data 的证书；它从 2019 年 2 月开始，到 2019 年 3 月结束。所以只有八周。它完全在线。实际上有一些实时同步会话是可选的。因此，您实际上可以与我交谈和互动。这一切都基于我的书。但这是关于我所说的成为视觉的实践。

但该课程确实是推动您实际发展技能的动力，例如如何构建数据图，以及它的外观，以及如何确保数据图以规范化的方式准确地表示我们的数据，以及所有那好东西。因此，我们真正开始使用该软件，但始终牢记我们的受众是谁。所以实际上，这些作业都是关于创建代表过去、现在和未来的可视化。

因此，您获得了理解数据维度和粒度级别的技能。想想我们有多少次总是使用与过去数据一样的数据。我的动机是让人们思考我们如何呈现预测，我们如何呈现现在正在发生的事情，以及我们如何将其置于以前发生的事情的背景下。这就是关于投球的全部内容。

所以有很多很棒的互动活动作为其中的一部分。实际上，我已经写了两本关于在线学习的书。所以这确实是我带来的专业领域之一。还有很多其他的方法，我也在我的书中谈到了这一点。您可以参加所有这些免费课程。如果你想复习，如果你想学习一点软件程序，你绝对应该这样做。

这是数据可视化真正改变的另一件事，不仅有更多的数据，而且有更多的教育机会让我们更好地理解数据。这种访问是我们绝对应该利用这些资源的。我们永远不知道世界会如何改变。现在，我们处于一个非常好的位置。那里有很多免费教育。

Erik：数据可能正在成为最有价值的商品。这是从 Facebook 到设备制造商的每个组织现在都必须具备一定水平的专业知识。而且现在真的没有任何借口：有很棒的程序、付费程序、免费程序可以帮助人们弄清楚如何利用他们正在收集的数据。当然，我们会在播客笔记中添加指向“数据可视化变得简单”的亚马逊链接。但是，如果人们对了解您、您的工作或进行对话更感兴趣，还有其他什么好方法可以与您联系吗？

克里斯汀：推特是一个很棒的方式。所以绝对要在我的手柄上发推文就是我的姓，Sosulski。您可以随时在 LinkedIn 上与我联系。我倾向于在那里发布我工作的定期更新。如果您想要每日提要，Twitter 就像。当然，我真的很愿意接受电子邮件。我是教授，所以讨论和交谈真的是我的天性。所以我真的对此持开放态度。我的电子邮件是 ks123@nyu.edu。

埃里克：太棒了。好吧，克里斯汀，非常感谢您今天抽出时间与我们一起了解数据可视化。不幸的是，这不是我们花费足够时间研究的主题，但它在工业物联网中非常重要。

克里斯汀：埃里克，这真的很开心，也很有趣。太感谢了。

感谢您收看另一个版本的工业物联网聚光灯。不要忘记在 IoT one HQ 的 Twitter 上关注我们，并查看我们在 IoT one.com 上的案例研究数据库版。写信给我们 IoT one.com 的 Eric dot valenza

Erik：感谢您收看另一个版本的工业物联网聚光灯。不要忘记在 IotoneHQ 的 Twitter 上关注我们，并查看我们在 IoTONE.com 上的案例研究数据库。如果您有独特的见解或项目部署故事要分享，我们很乐意在未来的版本中介绍您。写信给我们 erik.walenza@IoTone.com。