为什么数据可视化很重要？

COVID-19大流行可能是打破旧商业范式的众所周知的吸管，因为过去一年看到许多组织重新考虑了他们的操作模型。当人们无法亲自聚集来谈论思想时，沟通方式就变得越来越重要。依靠办公时间和面部时间的组织开始看到以多种形式提供数据的好处，以增加需要使用该数据的人的实用性。依赖实验室的组织没有什么不同。数据累积，也必须用于做出决策，即使必须远程做出这些决定。

Presenting the same information in a variety of ways increases the likelihood that it will be understood, and may help以数字方式改变您的组织。The sheer volume of data that laboratories generate is a challenge to interpret but is often less intimidating in visual form. Data visualization improves business intelligence, identifies insights and uncovers hidden benefits in your laboratory informatics data. This same data can generate new product ideas, drive innovation, and lead to more efficient and effective outcomes. Appropriate data visualization can even help with the day-to-day running of your lab, for example, by replacing a whiteboard for staff assignments with a dashboard so that heritage data is not lost, and the reassignment of work can happen easily when bottlenecks develop.

Commercial data visualization tools have evolved as a combination of presentation software and business intelligence tools, but visual representations of data are much older than Crystal Reports or Power BI.地图，图表和表格从事这项工作已有数百年了。当今的数据可视化工具的优势是不要求用户成为艺术家或统计学家，从而扩大了其应用程序。

实验室信息学如何从数据可视化中受益？

Originally, laboratory informatics solutions were seen as data collection and storage vehicles, designed for information management. Laboratory informatics were underused as sources for business insight, both in terms of their data and the formats in which the data could be displayed. Now, that is changing. Organizations served by laboratories are beginning to see the value of collecting their data in central repositories like an企业内容管理系统, for the express purpose of data visualization and analysis.

将实验室信息学数据转换为复杂的可视化，这可能结合了几个报告中的数据，这提供了机会，可以看到先前未认识的模式。例如，您可能会注意到，来自特定供应商的材料每三个月不超出规格，或者您的一个实验室以比其他实验室的速度更高。在这种情况下，值得探索以找到根本原因。另一个有趣的应用程序是使用液相色谱 - 质谱法（LCMS）数据的3D可视化数据。这种方法为用户提供了另一种查看赋形剂或未知峰的方式。

3D色谱图。

LIMS平台上有哪些数据可视化工具可用？

每种主要的LIMS产品都至少提供了一些数据可视化功能，其最新版本。包含数据可视化模块的LIMS供应商主要选择了基于非常用户友好的商业数据可视化工具的功能，例如 Tableau , TIBCO Spotfire 或者 西北分析 。不t all LIMS have an integrated data visualization tool, and in those cases, one of the commercially available options will need to be configured to work with data from the LIMS. This kind of configuration is highly personal and depends on the kinds of data in the LIMS.

实验室分析师本身驱动了对数据可视化的大部分重视，因为最近的毕业生毕业于大学或研究生院，具有先进的视觉分析技能。您的实验室分析师可能已经熟悉的一些工具包括 R , ggplot2 和 Python , which are powerful programming languages that many scientists are using in their research. Many additional tools have been built on these languages that make it easy to create dashboards and high-quality visuals from raw data. Examples of these include Jupyter 或者 Bokeh 这是基于Web的解决方案，可与各种编程语言一起生产仪表板或复杂的可视化。当新的分析师习惯这种强大的可视化工具时，他们可能不满足于更少的选择。

哪些LIM最适合数据可视化？

It is fair to say that the best LIMS for data visualization 是您的组织选择最适合其需求的人。所有行业和企业都有独特的需求，即其LIMS配置为支持。所有LIM都能够将其存储的数据提取和可视化，并且大多数LIM与一系列可视化工具兼容。LIMS用户通常具有可视化数据所采取的形式的选项。因此，不应根据您的数据输出的看法，而是基于它如何满足组织需求的方式，因此不应选择LIM。

您可以在其网站上从知名的LIM供应商中阅读有关数据可视化选项的更多信息：

• 自动订阅信息学
• BlazeLIMS
• LabVantage Lims
• 实验室
• SampleManager LIMS™
• STARLIMS
• Winlims

不幸的是，提供工具doesn’t automatically produce good visualizations。If you invest in data visualization tools for your laboratory informatics solution, it’s worth looking into any of the众多免费培训课程在线上可用，以确保最终用户可以做出最有效的数据可视化。同样重要的是要了解数据可视化是受解释和没有偏见，因此在适当使用可视化技术方面进行的一些培训是一项明智的投资。

AI如何帮助数据可视化？

实验室中的人工智能（AI）主要用于理解大数据，生物学家和药品研发团队几乎不可能的数据集习惯了。AI算法可以在短时间内解析大量数据，并将数据转换为观众可以轻松理解的可视化。

在某些数据密集型领域（例如基因组测试和病毒研究）中，AI算法是分类数据并进行一些模式识别工作的最佳方法。例如，最近发生了DNA研究的突破，使用AI工具AlphaFold成功预测how proteins fold up进入他们的3D形式。这项研究将有望在治疗或治愈遗传疾病方面取得许多进展。另一个特别相关的应用是疫苗开发，最近已将AI用于Covid-19和疟疾疫苗。大数据和AI算法正在努力农业和食品安全, too. Expect big data and AI to continue to expand in importance, as thegeneration of unstructured, raw data increases。

预测分析

The ability to visualize large quantities of targeted laboratory data from a LIMS can help identify trends and issues that would normally be very difficult to identify in spreadsheets, lists, reports or queries. In addition, leveraging data visualization to connect multiple sources of data (i.e., LIMS, ERP, MES) allows for cause-and-effect interpretation across manufacturing, supply chain, environmental, research and development and quality. These concepts are collectively known as预测分析。预测分析is finding wide application in the fields ofhealth care,比利时罗马尼亚比分直播,农业和business analyticsin general, among others.

在未来的数据可视化功能中构建

选择实验室信息学解决方案的重要部分是彻底定义用户需求。如果您正在选择或升级实验室信息学解决方案或升级实验室信息，则请记住数据可视化的潜在实用性是有意义的。在新实施或升级期间集成数据可视化工具提供了配置报告和主数据以最好地支持可视化工具的机会。这样，您可以更轻松地从实验室信息解决方案及其数据中得出全部业务价值。

Becky Stewart is a Scientific Copywriter atCSOLS，Inc。