Магия цифр

🤓 Увидел дискуссию про то как бывает непросто убедить заказчика в необходимости доработать "графики из экселя". Основными были два варианта: сослаться на Тафти и показать ссылки на образовательные видео. Насколько я понял, Тафти так себе аргумент, а вот видео может и сработает (интересно было бы узнать развязку).

Мне кажется, есть один способ, который, наравне с популярными видео, может тоже помочь: нужно ввести и популяризовать термин "графическое редактирование".

Многим понятно, что происходит с текстом, который сокращает или приводит в порядок редактор. Каждый хоть раз ретушировал свою или чужую фотографию в телефоне.

Термин кажется понятным и не таким амбициозным, как "дизайн инфографики" (где дизайн, там интерьеры, смартфоны, интерфейсы, а это заведомо долго и дорого).

Графическое редактирование доступно каждому. Красные глаза на фото — плохо. Многоцветие столбиков — ну это как красные глаза на фото, нужно отредактировать. Канцеляризмы в тексте — плохо. Обилие подписей в диаграмме — так же плохо, как канцеляризмы. Нужно поправить.

Что думаете?

Визуализируем кофе, молоко и сахар

Как же быстро время летит – уже 1,5 года прошло с момента стихийного конкурса-дискуссии по визуализации пропорций в датавиз-чате (телеграм-чате русскоязычного сообщества визуализации данных). В чате обсуждали, как лучше визуализировать проценты людей, пьющих кофе с сахаром, молоком или без них. Тогда я предложил свой вариант в R:

library(waffle)
coffee_data <- c("Черный с сахаром" = 3, "Черный без сахара" = 17, 
              "С молоком без сахара" = 20, "С молоком и сахаром (60%)" = 60)
waffle(coffee_data, rows = 10, title = "60% любителей кофе предпочитают\nдобавлять молоко и сахар", 
       reverse = T, flip = T, 
       xlab = "1 квадрат = 1% (100 человек)",
       legend_pos = "right", size = 0.75, equal = TRUE, 
       colors = c("#bdbdbd", "#525252", "#fec44f", "#fee391"))

Наблюдения за дискуссией читайте в статье Натальи Киселевой "Визуализируем кофе, молоко и сахар!"

#waffle_chart #визуализация_пропорций #часть_целое #R

Notion + Tableau!

Хотела поделиться чудесной новостью, что два хороших продукта теперь ещё лучше работают вместе! ☺️

В Notion можно вставлять не только публичные дашборды, но и приватные! Что делает прикольное корпоративное комбо!

Никто не знает, с Power BI Notion тоже работает? По идее, с публичным должен тоже. Но вот приватные... 🤔

Тестируем?

Объявлены победители конкурса World Data Visualization Prize, в котором в этом году участвовали @revealthedata и @analyst_club из нашего датавиз телеграм коммьюнити!

Главный приз на этот раз получила Линдси Поултер (Lindsey Poulter) за свой интерактивный проект по сравнению социально-экономических показателей между различными странами и регионами, и в зависимости от уровня дохода. Рома Бунин @revealthedata получил похвальный отзыв (honorable mention) от жюри, с чем мы его тоже поздравляем!

https://informationisbeautiful.net/2023/the-winners-of-the-world-dataviz-prize-2023/

P.S. Ни и если вдруг вы еще не видели наш проект, который выиграл главный приз в 2019 году — посмотрите и почитайте о его создании!

Забавная статья о том, как манипулировать данными и прежде всего их визуализацией, чтобы достигать большей эффективности в бизнесе (на бумаге). Уверен, вы прочитаете и никогда не будете так делать ;)

https://t.me/rationalnumbers/5229

От студентов в Я.Практикуме на курсе Визуализация данных возник вопрос, можно ли дата-материалы считать объективными.

Попробовал ответить.

Это зависит от желания и возможности быть объективным. Любой график — форма лжи, или в лучшем случае — недосказанности, вызванной выбором того или иного ракурса.
Но можно по возможности стремиться к максимальной объективности. То есть учитывать контекст и вписанность данных и конкретного графика в этот контекст.

Любые данные и их комбинации ограниченно и неполно описывают реальность, но между заведомой манипуляцией/искажением и неизбежной неточностью и неполностью при максимальных попытках учесть разные факторы и контекст — огромная разница. Хотя и в том, и в другом случае можно сказать, что "графики лгут". И в крайних полюсах получится "ложь" и "правда.

Также понятно, что погружаться в данные всё глубже и глубже не только не всегда нужно (а иногда вредно) не только по причине отсутствия времени, но и зачастую потому, что это более глубокое погружение не увеличивает точность и практическую применимость выводов.

Поэтому в идеале аналитик и визуализатор стремится к балансу, когда минимумом ресурсов добывается максимум пользы и эффективности.

Разумеется, мы исходим из пресуппозиции, что аналитик хочет быть объективным и непредвзятым с одной стороны, и стремится исключить другие вероятные объяснения тех гипотез, которые он выдвигает. Объективным и непредвзятым — то есть исключает фактор подгонки выводов под внешние требования или собственные предпочтения. А стремится исключить другие вероятные объяснения — это элементарная добросовестность, из которой должна вытекать стройность и "крепкость" методологии. Но это всё опять же в рамках того же самого баланса между трудозатратами и пользой.

Дорогие подписчики, нужна ваша помощь.

Мы в Яндекс.Практикуме проводим исследование про инструменты и принципы визуализации данных. Хотим узнать, какие потребности в обучении визуализации есть у аналитиков и других представителей IT-профессий.

Если вы находитесь в поиске обучения по инструментам визуализации (Tableau, PowerBI, Datalends и др.) или просто хотите прокачать свои навыки — приглашаем вас поучаствовать в интервью. Оно займет около 25 минут, а в знак благодарности коллеги отправят небольшой бонус 🎁.

Не имеет значения, рассматриваете вы обучения с нуля или ищите что-то продвинутое. Если вы готовы помочь исследованию — заполняйте форму, а исследователи свяжутся, чтобы согласовать встречу 🙌

UPD. Спасибо большое всем откликнувшимся. Форма закрыта

Убедительно, конечно. -0,9% примерно так и выглядят. А заголовок "Еврокомиссия улучшила прогноз по ВВП России в 2023 году".

Прекрасная, очень наглядная диаграмма Венна 👍

Конференция по продуктовой аналитике Aha!’23 пройдет 30 мая в Москве

Практическая конференция по продвинутой продуктовой аналитике и marketplace effiency состоится 30 мая на площадке Центра делового предпринимательства.

Среди спикеров конференции представители крупных компаний: Avito, Яндекс, Тинькофф, Мегафон, МТС, OZON и др. Целевая аудитория — продуктовые аналитики и менеджеры, директора по маркетингу, ML-специалисты.

Ключевые темы конференции: продуктовые эксперименты, a/b-тестирование, модели монетизации, surge pricing, supply & demand balance, ranking and personalization, network effects, экономика и оптимизация.

С подробной программой конференции можно ознакомиться по ссылке

В конференции примут участие более 500 специалистов в области ML-разработки, data science, продуктовой аналитики и управления бизнесом.

По промокоду Чартомойка можно получить скидку 10% на персональный билет

Подробности: matemarketing.ru

#дружескаяреклама

😐 Подгорания пост
Недавно в LinkedIn наткнулся на пост, про то, что хватит делать дашборды, они не приносят аналитической пользы.

Меня всегда удивляет это заблуждение, что дашборды вообще как-то напрямую связанны с аналитикой. Люди часто думают, что делая дашборд они создают возможность для анализа, но это не так. Дашборд ≠ Аналитика.

Дашборды — это удобный инструмент для быстрого восприятия данных, но вот анализировать эти данные на дашборде сложно. Обычно максимум, что вы можете получить от дашборда — это увидеть, что какая-то метрика упала, и отследить в какой определенно части бизнеса это произошло. Если сравнивать с современными методами анализа — это довольно поверхностные выводы.

Поэтому, если вы создаете дашборд, будьте готовы к тому, что он не принесет вам инсайты. Создавайте дашборды для оперативных задач — понимать, всё ли окей идёт в бизнесе. А для поиска точек роста бизнеса используйте отдельные аналитические проекты.

Я не согласен с автором, который говорит, что аналитика приносит больше ценности, чем дашборды. Они просто служат разным целям. Проблема возникает тогда, когда аналитические команды считают, что создание дашбордов само по себе будет генерировать новые идеи для развития бизнеса.

П.С. Я пишу и в LinkedIn, и часть контента там пересекается с каналом, а часть нет. Например этот пост не планировал писать в канал, но его английская версия набрала аж целых 24К (уже 65К) просмотров, что меня сильно удивило. Поэтому решил опубликовать и здесь. Присоединяйтес в LinkedIn, если вдруг такое интересно.
#наблюдение #ссылка

Тут произошёл большой казус. Многие издания, включая РБК и даже сам сайт ФНС написали, что в 2022 году российские компании заработали 1.3 квадриллиона рублей. Один квадриллион — это 1000 триллионов, число с 15 нулями.

Эксперты это радостно подтвердили, рассказав множество версий, откуда в России появилось так много денег, да ещё и на фоне кризиса. Однако никто почему-то не предположил, что озвученное число — это просто ошибка в данных.

А вот Институт проблем правоприменения пишет, что таким расчётам просто нельзя верить. Судя по всему, журналисты просто сложили общую выручку по всем компаниям, не вникая в детали.

Однако, если изучить исходные данные, можно обнаружить, что в 2022 году больше всего денег сделала некая компания ООО «ЮССА», сделав 214 триллионов рублей и обогнав Лукойл (выручка 2.9 трлн руб.) и Магнит (2 трлн руб.). ИПП предполагает, что подобное значение — бугхалтерская ошибка. Вероятно — не единственная.

О чём это говорит?
Если у вас есть исходные данные — обязательно изучите распределение и отсутствующие значения. Возможно, перед суммированием и подсчётом средних часть данных придётся исключить или исправить.

А ещё эта история учит нас тому, что можно найти экспертов под самое безумное утверждение, подтвердив любую ошибку в данных 🙈

За подробной аргументацией отправлю вас в канал ИПП — там интересно.

Хочу поспорить/порассуждать немного о посте про выбор пропорций для линейного графика, который написал Рома Бунин.

Для выбора верных пропорций Рома советует либо использовать технику "banking to 45 degrees" — постараться средний наклон сделать близким к 45 градусам, либо использовать 16:9 пропорции.

Я бы посмотрел на вопрос шире. Зачем нам нужен линейный график (или шире — график вообще)?

Он должен решить коммуникационную задачу.

Задача эта может быть разной, но чаще всего она будет вращаться вокруг быстрой и точной передачи цифровых значений таким образом, чтобы было легко, удобно, недвусмысленно получить ключевые сообщения, которые в датасете есть, и на которые заказчик коммуникации хочет, что бы мы обратили внимание.

Линейный график даёт очень много информации, которую наш мозг считывает за секунды. Это и общий характер изменения показателя, и характер изменения (скорость, направление) в отдельные моменты (резкий рост в этот месяц, плавное снижение в следующем году), ритм изменений, амплитуда изменений и так далее.

Если говорить про Ромин пример, все 3 графика, успешно передают всю эту информацию. Тогда зачем нам нужно менять пропорции?
Затем, что изменяя пропорции (а также диапазон, который охватывает шкала Y), мы можем добиться более точного соответствия восприятия линии СУБЪЕКТИВНОМУ характеру изменений показателя.
Субъективному — это значит, что одни и те же пропорции и один и тот же диапазон шкалы Y для разных данных может либо соотноситься с характером изменений, а может и не соотноситься. То есть в одном случае изменение на 5% — это супермного и суперважно (условно, для графика массы тела или ее температуры), в другом — это что-то на уровне погрешности (площадь лесных пожаров).

Дефолтные 16:9 — это может быть неплохое костыльное решение для дэшборда без учета любой субъективной составляющей.

Но если мы хотим решать коммуникационную задачу лучше, то нам нужно хорошо понимать свои данные и значимость тех или иных изменений, чтобы максимально наглядно их показать.

И вот здесь нам будут помогать (реже) пропорции, а чаще диапазон шкалы Y. Почему пропорции реже? Потому что проблема возникнет скорее всего только для очень широкого и плоского графика, или очень высокого и узкого. В остальных ситуациях (1:1, 4:3, 3:4, 16:9 и так далее) это не будет существенно влиять на субъективный характер изменений. По-крайней мере — меньше, чем диапазон шкалы Y.

Разумеется, ось Y у линейного графика обрезать можно, и нужно, но об этом нужен отдельный подробный пост.

Либо об этом уже написано у меня в книжке Графики, которые убеждают всех (кстати, готовится переиздание бумажной версии, ура), либо об этом рассказано и наглядно показано с помощью специального интерактивного инструмента в нашем офигенном курсе Визуализация данных и BI-инструменты на Я.Практикуме.

Кстати, 26-го июня стартует новый набор. С промокодом DATAVISBOG10 он может стать для вас ощутимо дешевле)