настенька и графики
27.5K subscribers
2.66K photos
85 videos
15 files
3.19K links
Датавиз, аналитика и всякое полезное и интересное

💜 Кто я и что делаю: https://nastengraph.notion.site/nastengraph/Anastasiya-Kuznetsova-096ebfb42a9e4014b7700fa00fea54d6

🎓 Мой курс по основам датавиза: https://nastengraph.ru/
Download Telegram
Одновременно увидела две карты от Milos Popovic, которые интересно смотреть на контрасте 🍀
133
Звуки двигателей F1 🏎

Такой красивый проект! Прям печатать и вешать на стенку. Внутри еще можно каждый послушать!

Смотрела как-то видео, где Джордж Рассел угадывал двигатели по звуку, оч удивилась, что такое вообще возможно! Посмотрела проект и поняла, что разницу реально можно услышать!
Please open Telegram to view this post
VIEW IN TELEGRAM
92
📎 JTBD и дэшборды

Вместо того чтобы спрашивать “какие метрики добавить?”, попробуйте задать другой вопрос — “какую работу должен делать мой дашборд?”.

🔵Jobs-to-be-Done (JTBD) — это подход из продуктового дизайна, который фокусируется на потребностях пользователей. Люди не просто “пользуются” дэшами — они “нанимают” их, чтобы сделать свою работу проще, быстрее и точнее.

1. Job (задача)
— что человек пытается сделать? (понять, кто из команды недовыполняет план)
2. Situation (контекст) — когда и где эта задача возникает? (еженедельная встреча с командой)
3. Outcome (результат) — как выглядит успех? (сокращение времени на поготовку ко встрече)
4. Obstacles (барьеры) — что мешает сейчас? (долго ищет данные, не доверяет цифрам, нет контекста)

В итоге вместо “сделаем дашборд продаж” → спрашиваем: “что хочет сделать менеджер перед еженедельной встречей с командой?”. Пытаемся не просто сделать дашборд, а тот, которые закроет определенную потребность и поможет с конкретной задачей. И после разработки обязательно попробовать самостоятельно это задачу через дэш решить.

Попозже напишу еще про другие продуктовые подходы и дэшики❤️
Please open Telegram to view this post
VIEW IN TELEGRAM
113
настенька и графики
📎 JTBD и дэшборды Вместо того чтобы спрашивать “какие метрики добавить?”, попробуйте задать другой вопрос — “какую работу должен делать мой дашборд?”. 🔵Jobs-to-be-Done (JTBD) — это подход из продуктового дизайна, который фокусируется на потребностях пользователей.…
Очень интересная дискуссия у меня появилась в линке по поводу JTBD-поста — в комментах пишут про то, что нельзя исключать данные из процесса и мы должны понимать, какие данные доступны и готовы к использованию.

Абсолютно не спорю и полностью согласна: данные — база и основа, без чистых данных любой красивый дэш — полная фигня.

Я не предлагаю исключать кусок про данные — предлагаю начинать с задачи и цели.
🟣Если мы будем опираться только на те данные, которые у нас уже есть, мы не подумаем о том, какие данные нам действительно нужны и как их, возможно, нужно скорректировать.

Данные — важная и ключевая часть разработки дашбордов, но не стоит визуализировать только то, что доступно в источниках данных — нужно в первую очередь подумать о том, что именно нам нужно и как сделать эти нужные данные чистыми и доступными. У меня было много проектов, где именно обсуждая цель, мы поняли, что нужно добавить кастомные поля в CRM или сделать выпадашки с ограниченным выбором, чтобы данные были чище.

Как BI-разработчик, я считаю, что мы несем ответственность за данные, которые показываем в дашбордах — даже если их подготовила команда дата-инженеров. Мы должны понимать, что происходит с данными, и если есть сомнения в их точности или чистоте, сначала необходимо решить эти проблемы.

Какой-то длиннопост получился, но показалось важным это добавить ❤️
Please open Telegram to view this post
VIEW IN TELEGRAM
2113
Все круассаны Цюриха 🥐

Вот такие вкусные проекты хочется смотреть. Оказывается, в Цюрихе не так много пекарен с круассанами — и в проекте включены почти все. А еще прочитала, что полумесячная форма у них тоже неспроста.

Легенда гласит, что полумесячная форма круассана появилась благодаря группе венских пекарей, которые в середине 1800-х годов начали делать выпечку в форме полумесяца в память о попытке осады австрийской столицы османами.


А еще полумесячные обычно на маргарине, а прямые — на сливочном масле.
118
Основные UX законы

Уже почти классика! Постила этот проект давненько, но недавно снова к нему обратилась. Поэтому перешариваю с удобными картинками — внутри примеры и ссылки с деталями.
5126
Зеленый — плохо, красный — хорошо!

🏮Обсудили в чатике курса очень интересный момент: в Китае красный цвет — особенный. Он символизирует удачу, процветание и в целом считается “хорошим” цветом.

Так вот, это полностью рушит привычную для нас ассоциацию “зеленый — хорошо, красный — плохо”. Все зачисления в банковских приложениях у них отмечаются красным, а списания — зеленым. На финансовых графиках “свечки” падают зеленым вниз, а растут красным вверх. В дэшбордах и аналитических системах это тоже естественно отражается.

При этом светофоры и знаки “стоп” остаются красными. А в Гонконге и Тайване чаще используется “западная” логика.
180
🐌 Как мужчины и женщины в США проводят день

Проект от Nathan Yau по данным American Time Use Survey (2022–2024).

Если график идет золотым цветом вверх, значит, делом больше занимаются женщины; если бирюзовым — мужчины.

Так, женщины чаще занимаются домашними делами (уборка, готовка, стирка), уходом за семьей, а мужчины — спортом и работой.

На графиках данные по работающим мужчинам и женщинам в будние и выходные дни.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
103
Плотность населения по широте и долготе 🌍

Первый раз встретила такой прием с картой. Очень часто такие распределение по бокам делают дли хитмапов (таблиц с подсветкой), а тут сделали на карте, что дает возможность посмотреть на плотность населения по географической широте и долготе.
106
🟣Sanity check🟣

Даже самый красивый график не имеет смысла, если данные для него неверные.
В таких случаях помогает проверка данных на "здравый смысл" (sanity check).

Enrico Bertini предлагает задать себе несколько ключевых вопросов, которые помогут выявить основные проблемы с данными и понять их природу:

1. Выборка (Selection) — что включено, а что исключено из данных?
Можно ли по этой выборке судить о реальности?

2. Сбор и запись (Recording) — насколько точны измерения?
Мог ли процесс сбора или записи данных внести искажения?

3. Вычисления (Derivation) — корректны ли производные показатели?
Действительно ли вычисленные метрики отражают то, что они должны измерять?

4. Согласованность (Consistency) — есть ли различия между источниками или периодами?
Изменялись ли стандарты сбора данных или методы измерения со временем?

В качестве примера — график, который показывает количество землетрясений. Скорее всего, их не стало больше (хотя точно сказать сложно). Просто мы научились измерять их гораздо лучше и точнее, поэтому и данных теперь больше.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
65
🎬 Как выход байопика влияет на популярность артиста

Байопик – биографический фильм. Их последнее время делают оч много. Daniel Parris показал, как меняется активность прослушиваний на Spotify до и после выхода фильмов о музыкантах.

Внутри еще классный прием сравнения динамики относительно общей точки отсчета — момента выхода фильма.

Прям есть ощущение, что я где-то часть этих данных. Скачала ли я себе плейлист Mötley Crüe после просмотра фильма The Dirt? Конечно же да))
66
🚀5 вещей, которые изменились в области дата-инжиниринга за последние 10 лет

Понравился пост-рефлексия от Seattle Data Guy, который, кажется, можно перенести на всю сферу данных.

1. Все хотят только “сеньоров”
Команды стали меньше, а задачи — сложнее. С AI один опытный инженер делает больше, чем раньше делала целая команда.

2. Облако — это база
Если раньше cloud-решения были опцией, то теперь это стандарт. SQL Server → Snowflake, on-prem → cloud.

3. Меньше самописных пайплайнов
Почти никто больше не пишет собственные планировщики на cron и Python. Все строится на готовых инструментах — Airflow, dbt, Coalesce и др.

4. SQL окончательно победил
Попытки заменить SQL новыми языками (HiveQL, BigQuery Legacy SQL, NoSQL) ушли в прошлое. SQL стал базовым навыком — без него не нанимают. dbt и другие инструменты только укрепили его статус.

5. AI меняет рабочие процессы
Copilot-помощники уже пишут DDL и дебажат код, но иногда и создают иллюзию продуктивности вместо реального прогресса.
193