Самый эстетичный способ генерировать палитру цветов для графиков, который когда-либо мне попадался

Генерировать палитру можно прямо браузере, а можно — в вашем проекте в виде библиотеки

Лендинг пошагово проводит через возможности генератора, объясняя разные его функции

https://meodai.github.io/poline/

Иногда я думаю, что меня уже нечем удивить в сфере визуализации данных. Но потом открываю интернет.

Это, если что — не интерактив. Тут отдельно кружочки, а отдельно — список значений.

Я не знаю, какой логикой пользовался дизайнер, который делал эту визуализацию — но подозреваю, это тот случай, когда график вставили просто как стоковую фотку: чтобы было что-то красивое.

Разберу проблемы:
— График не несёт никакого смысла, потому что сопоставить вид хобби и его визуальное отображение невозможно. Круги существуют отдельно, хобби — отдельно.

— Нарушен принцип подобия: круги покрашены в четыре цвета, и в нормальной ситуации цветом должны были быть объединены объекты одной группы. К примеру — одним цветом — спорт, другим — творчество. Ничего подобного я здесь не вижу — выглядит так, словно случайным образом взяли разные цвета из палитры лендинга.

— Визуализировано «прочее», хотя в нём нет никакого смысла. Типа — треть юристов имееют какое-то хобби, которое мы не учли в опросе?
Зачем это сравнивать с отдельными видами хобби, в опросе, в котором должен был быть множественный выбор ответа?

— Бонусный пункт. Виды хобби разбиты на популярные, спортивные и остальное.

Вы, наверное, ожидали в «остальном» увидеть виды хобби, которые вошли в «прочее», и которые выбрало по отдельности менее 2%?

Нет. В остальном — 
Хэндмейд и рукоделие 18,6%
Чтение 11,4%
Путешествия 7,6%
Концерты / музеи / театры 7,6%

Почему там пункты более популярные, чем в «популярном», и почему проценты не бьются по разным вкладкам — вопрос открытый.

#разбор

Как подобрать хороший цвет, если ты не дизайнер

Вообще для решения этой задачи есть много лайфхаков. Есть готовые палитры. Есть разные инструменты, которые их генерят. Но не всегда эти варианты подходят под решение конкретной проблемы.

На последнем потоке сразу несколько моих студентов в своих дипломных работах экспериментировали с цветом. И подсказать им хорошее решение мне помог... ChatGPT!

В чём проблема. Слева — исходная картинка. Базово тут хорошая пара цветов: жёлтый и синий отлично друг с другом сочетаются, такая пара в теории цвета называется комплиментарной.

Но! Жёлтый тут, на самом деле, немного ядовитый. Он слишком контрастирует с фоном и создаёт немного неуютное ощущение.

Подобрать несколько хороших вариантов помог очень простой промпт:

Какой жёлтый будет хорошо смотреться на фоне 1E3A55?

И вот ChatGPT уже выдаёт вам пачку реально хороших вариантов. Возможно, задачу придётся уточнить — например, написать, что вам нужен цвет именно для мелкого текста. Результат обязательно потестировать.

Пользуйтесь!

«Чувствую, что здесь используется не самый эффективный вид визуализации, но не могу это доказать» 😅

// Музей современного искусства и городского планирования Шеньчженя

Как счастливчик, уже побывавший на этом обучении, я очень рекомендую курс Алексея всем, кто хотел бы провести ревизию своих навыков в визуализации или развивать их для решения конкретных бизнес-задач. И это не просто курсы, не просто набор интереснейших мастер-классов с крутыми примерами, не просто развитие ваших навыков работы на разных платформах и детальная развивающая обратная связь. Это еще и живое сообщество, которое поддерживает, вдохновляет и помогает на протяжении всего обучения)
Очень завидую всем, кто только начинает проходить этот курс) Это очень крутой профессиональный и жизненный опыт

Надо ли учиться визуализации в эпоху развития нейросетей

В последнее время иногда слышу тейк — что, мол, можно больше не учиться визуализации данных, потому что нейросеть сделает всё за тебя. Этот подход, очевидно, ошибочен — и доказать это очень легко.

Если бы нейросети действительно разбирались в том, как делать графики, это могли бы отлично продемонстрировать нам их компании-производители. Но — пока мы скорее видим казусы.

Так, генеральному директору OpenAI пришлось извиняться за манипуляции с графиками на презентации GPT-5. В ней размеры столбиков зачастую не соответствовали числам, выставляя модель OpenAI лидером даже там, где она им не являлась.

Волна кринжа догоняет ChatGPT даже спустя полгода — в твиттере стали постить мемы на тему «что если бы Kimi постила свои отчёты в стиле аналитиков OpenAI». Список ошибок на этом графике напишите сами в комменты 😑

Примечательно, что это прикол — на самом сайте компании таких графиков нет, а даже если бы были, рекламу бы они делали не Kimi, а Claude.

Но вот что важно: нейросети не сделают хороший график за вас, но будут полезным инструментом в умелых руках. Например, здесь я показывал как легко собрал график про траты в кругосветке при помощи ChatGPT.

А чтобы и ваши руки были умелыми, надо
1) Изучить базовые правила визуализаций: из чего состоят графики, и как правильно использовать их элементы: оси, подписи, заголовки
2) Изучить правила применения графиков — для каких сценариев какие виды визуализаций подходят
3) Изучить приёмы управления вниманием
4) Смотреть много-много хороших примеров

Это всё, кстати, мы делаем на курсе «Эстетика в графиках». С такими знаниями и нейросетями можно сделать хорошо.

Приходите учиться — до 10 ферваля можно записаться на курс за 33.900 вместо 45.000. А в рассрочку и вовсе 2.825 руб./мес:

https://clck.ru/3RfGRx

Давать контекст

В одном из модулей курса у нас есть задание на отработку сложных видов визуализаций. И для тренировки мы там используем датасет с топом Forbes.

За пять потоков я много версий повидал, но эта — особенно покорила моё сердце. А всё потому, что её автор добавила на график названия компаний и отраслей, благодаря которым самые богатые люди планеты сколотили своё состояние.

Без этих подписей некоторые картинки были набором каких-то непонятных людей. Да, мы знаем Маска, Безоса, Цукерберга.

Самые «прошаренные» — слышали про Брина, Балмера, Пейджа. Но дальше начинается белый шум.

И это — одна из частых ошибок, которые совершают авторы графиков при визуализации.
Датасет про футболистов? Давайте составим топ имён!
Про кино? Топ фильмов и топ режиссёров!

То, что в результате не получается интересных выводов, а получается лишь набор неизвестных имён, цифр и названий — авторов волнует не всегда.

Делая инфографику, добавляйте контекст. Объясняйте, почему это интересно. Иначе зачем это всё?

А если хотите, чтобы я разобрал вашу работу, присылайте её в форму и приходите в четверг. Жду ваших графиков — а то разборы придётся перенести 🥺

https://t.me/perfectgraphs/322

Да не нужны вам все эти цифры!

Перед тем, как перейти к теме поста — небольшое объявление: разборов в четверг не будет. В этот раз работы прислали 4 человека — к сожалению, этого недостаточно, чтобы нам собираться онлайн.

Я ещё подумаю, полезно ли для всех будет разобрать какие-то из работ отдельно в канале, но не могу обещать, что доберусь до всех.

Но вот один из графиков, который прислали в форму, точно хочется разобрать.

Одна из проблем начинающих визуализаторов и аналитиков — жадность до цифр. На дашборд и в презентацию они стараются поместить всё, что у них есть. И не спорю: в случае с дашбордами иногда есть необходимость посмотреть на каждую цифру.

Однако когда мы делаем инфографику, наша задача — помогать доносить смыслы. Не нужны людям ваши точные значения за шесть лет в трёх срезах.

Это путает, отталкивает, снижает интерес к вашей теме, мешает разглядеть то, что важно по-настояшему. Ищите важное. Упрощайте.

Один из маркеров, который показывает, что информации слишком много или визуализирована она неверно, с большой долей вероятности являются повторяющиеся паттерны. Исключение — если именно в повторении и была ваша ключевая идея.

В этом графике мы именно такой паттерн и видим: три колонки — «подали заявку на участие»; «получили свидетельство» и «переехали» — образуют примерно одинаковый тренд.

#разбор

Вот так, например, можно упростить верхнюю часть графика — про этапы.

Ни одной точной цифры — однако в каждом случае мы видим тренд по годам.

Также добавил сюда средние значения по воронке и немного сторителлинга.

Данные по странам тоже надо перевёрстывать — но этим надо заняться отдельно. Есть желающие?)

Ставьте 🔥, если понравилась перевёрстка