Как хорошие дашборды помогли убедить нанимающих менеджеров

#герои_датавиза

Раньше в канале я искал героев для увлекательных историй, которые благодаря навыку визуализации данных смогли добиться новых высот в своей жизни — получили работу, признание или интересные проекты.

Своим рассказом с нами поделился Дмитрий. Его успешное трудоустройство случилось благодаря тому, что на собеседованиях он подтверждал свой опыт визуализациями, отвечающими на главные вопросы бизнеса.

Дальше — текст от его лица.

Как получить работу с помощью хорошего дашборда

Я работал продуктовым аналитиком в стартапах. У стартапов есть такая особенность: они часто не показывают ожидаемых результатов и быстро закрываются, поэтому мне часто приходилось менять работу. Когда я переходил из одного стартапа в другой и ходил по собеседованиям, мой опыт выглядел плохо: могло показаться, что продукты закрывались, потому что я — как аналитик — не приносил ощутимой пользы.

Когда я увидел, что мой опыт не убеждает нанимающих менеджеров, то решил показать пару своих дашбордов. Так как я устраивался в ту же компанию, которая владела стартапами, то мог делиться этими графиками, не опасаясь за приватность финансовых данных. Тогда менеджеры понимали, что они никогда не видели свой кусочек бизнеса таким прозрачным и понятным, с нужными акцентами. В этом главная ценность грамотной визуализации — она помогает ясно увидеть картину и уверенно действовать.

Так я перешёл в продуктовую аналитику, потому что смог подтвердить свой опыт.

Так ли важна визуализация для аналитиков

Задача аналитика не только в том, чтобы проанализировать и просчитать. Я создаю такие решения, которые будут жить не один день и позволят анализировать данные на длинной дистанции.

В то же время, визуализация тоже всегда важна. Бывает так, что включается человеческий фактор — аналитик сам не видит значимости визуализации, больше внимания уделяя точности модели или инструментам. Из-за этого дашборды получаются правдивыми, но недостаточно понятными.

Аналитику важно помнить, что дашборды создаются для менеджеров, которые принимают решения и не так глубоко погружены в нюансы работы с данными. Например, менеджеру не обязательно понимать, что такое статистическая значимость, но ему важно видеть убедительную картину. Понятные визуализации с правильными акцентами вызывают гораздо больше доверия и влияют на бизнес-процессы.

Что такое хорошая визуализация

Хорошая визуализация — простая, понятная и отвечает на те вопросы, которые ставит заказчик.

Нетривиальная визуализация, которая привлекает внимание в первый момент, может не решить в итоге поставленной задачи. Если график лишь создаёт сиюминутный эффект — это может быть красиво, но бесполезно.

Почему сложно сделать простой и понятный дашборд

На мой взгляд, причин несколько:
🔷 Заказчики не умеют рассказывать о задаче — аналитику нужно уметь разговорить заказчика, расспросить его и самому разобраться в цели визуализации. Тогда получится подсветить в дашбордах именно то, что хотел видеть заказчик.
🔷 Не хватает опыта — сложно выделить главное и разобраться. на чём сделать акцент.
🔷 Слишком много опыта — появляется излишняя самоуверенность, аналитику сложнее услышать клиента, потому что он убеждён, что лучше знает.
🔷 Не хватает визуальной культуры — базовые правила визуализации не соблюдаются, и дашборды получаются сложными, неудобными для восприятия.

Прокачать навык визуализации можно на курсе «Эстетика в графиках». В этот раз мы добавили отдельный модуль, посвящённый дашбордам — совсем скоро сделаем отдельный подробный пост про него :)

Узнать подробнее про курс можно тут:
https://clck.ru/3EpdXH

Модуль по дашбордам!

Мы понемногу модернизируем курс, и в этот раз решили добавить один из востребованных модулей — дашборды!

Долго искал специалиста, который глубоко погружён в тему, но при этом полностью совпадает со мной в видении и эстетике.
Лекции в модуле будет читать Наталья Веселова.

Познакомлю вас с ней:
🔴Работала BI-аналитиком в Insight, T1 (ВТБ) и Спортмастере
🔴Победитель конкурса «интерактивное резюме», призёр международного конкурса data2speak и полуфиналист хакатона BI-Батл 2.0
🔴Спикер на конференциях: ЛАФ, Флоу, Матемаркетинг, Russian BI Forum, Analyst Days
🔴Автор чарт-чузера: https://partner.goodt.me/wiki/#/chart_part

О чём будем говорить в модуле?

1. Когда нужны дашборды, а когда нет
2. Разные виды дашбордов в зависимости от сценариев их использования
3. Как собирать требования и делать на основе их правильные виды дашбордов
4. Разные шаблоны (расположение блоков) для каждого из видов дашбордов, интерактивность
5. Особенности оформления, визуальная иерархия
6. Разбор дашборда в Tableau и Power BI

Информация из модуля будет органично сочетаться с основной программой, где мы рассматриваем принципы восприятия, основные виды графиков и ошибки, которые в них встречаются.

Мы пока не меняем цену на курс, поэтому участники третьего потока (старт — в понедельник, 2 декабря) получат этот бонус абсолютно даром. Однако со следующего года цены будут повышаться. Почитать про курс и забронировать место можно тут:

https://clck.ru/3EtNF

Про двойные оси

На неделе проводил разборы графиков у студентов своего курса по визуализации данных. Особенный интерес на разборах вызвал этот кейс — он касается моей «любимой» темы: двойных осей.

Почему-то аналитики очень любят использовать этот инструмент, но я придерживаюсь такой позиции: если двойные оси можно не использовать, лучше этого не делать.

Почему двойные оси — это плохо?
🔴На них могут быть видны ложные корреляции: может казаться, что один показатель связан с другим, или что один показатель становится больше другого, хотя это не так;
🔴Из-за двойных осей на графике может появиться лишний визуальный шум — как в этом примере. Какую дополнительную информацию здесь даёт линия сверху?

Что я советую сделать именно в этом случае:

Очевидно, что пользователям дашборда важно было видеть как абсолютные числа, так и прирост. Только график для этого не нужен: визуально обе величины ведут себя одинаково.

Достаточно оставить визуализацию абсолютов, а проценты перенести в подписи.

Например, так:
609 тыс (-4,2%)

В канале отвратительные графики, где мой коллега Саша Ильин бережно собирает примеры выдающихся работ в сфере визуализации данных появилась работа дептранса Москвы про автомаршруты.

В комментах некоторые пишут, что график прикольный, а некоторые задаются вопросом «как сделать лучше». Давайте поговорим об этом!

🌱 Почему это может нравиться?
Тут всё просто — это правда красиво. Заметно, что работал опытный дизайнер: подписи ровно стоят, шрифты уместные, цвета приятные, ничего не налезает. И форма такая причудливая: хоть в музей вешай. Хочется залипнуть и рассматривать.

🌱 А почему это не очень хорошая инфографика?
Инфографика — это про смыслы. Хорошая работа всегда отвечает на какой-то вопрос, причём желательно быстро и убедительно.

Например,
⭕️В какое количество городов можно уехать из Москвы?
⭕️Куда в основном ведут маршруты из Москвы? На север, на юг, на восток?
⭕️Сколько километров составляет самый длинный маршрут?

Боюсь, что это картинка эффективно не отвечает ни на какой из вопросов, и с тем же успехом города можно было бы просто перечислить в тексте.

Сдаётся мне, тут и с расстояниями наврали: от Москвы до Тулы же быстрее доехать, чем от Тулы до Брянска? Поправьте меня, если я неправ, но тут впечатление обратное создаётся.

🌱 Так как сделать лучше?
Как и всегда, когда мы делаем инфографику — начать со смысла. Например, если мы хотим показать удалённость городов, куда доезжают автобусы из Москвы — показать их на реальной карте.

Если есть другие смыслы, например, сравнение направлений или федеральных округов, дополнить эту карту маленькими графиками: сделать небольшой барчарт со сравнением количества городов по каждому из них.

🌱 А если очень хочется граф?
Вопрос контекста. Подобный граф может быть красивой заходной картинкой для привлечения внимания.
Такой приём часто используют ведущие зарубежные медиа: на обложку ставят какой-нибудь дата-арт, а уже в самом материале используют более простые столбики и линии.

Но если граф должен быть функциональным, то стоит применять его для смыслов, которые может визуализировать граф: например, показывать, насколько связаны кластера городов, в которые едут из Питера с городами, в которые едут из Москвы.

#разбор

Постоянно смеюсь с этой надписи в Шереметьево: кажется, что c Яндекс Go теперь можно доехать не только домой, но и в другую страну (на самом деле — нет).

Как этот пример может помочь вам сделать лучше ваши графики?

➡️ Помните, что расстояние — инструмент управления вниманием. Элементы, которые расположены близко друг к другу, мы воспринимаем как части одного целого.

Логично, если расстояние между заголовком и подзаголовком будет меньше, чем между подзаголовком и графиком.

Логично, если расстояние между метриками одной группы на дашборде будет меньше, чем расстояние между разными группами метрик.

➡️ Нам проще «связать» какую-то информацию, если она расположена рядом. Именно поэтому проще читать графики, где категории и значения подписаны рядом с визуализацией, а не вынесены в легенды и оси, которые находятся в верхней или нижней части графика.