Люблю периодически поглядывать на небольшие авторские проекты (в том числе имеющие к аналитике косвенное отношение), они круто иллюстрируют насколько разные идеи приходят людям в голову.

Как вам, например, такое: кто-то взял с ProductHunt (возможно даже руками) топовый продукт за каждый день прошлого года.
Получилась табличка в Notion, в которой можно сделать сортировку по количеству голосов.

Интересно, но не хватает минимум двух вещей: типизации (так бы получился какой-никакой, но датасет для маленького исследования) и понятных выводов.

Пока же можно довольствоваться топ-10:
1. Интерактивные развлечения для удаленных команд поверх видеоконференции.
2. Почтовик от создателей basecamp.
3. Текстовый редактор со встроенным переводом, словарем и всяким таким, чтобы нормально общаться на любом языке мира.
4. Мобильное приложение для медитаций.
5. Библиотека вручную нарисованных иллюстраций.
6. Мобильное приложение для удаленной диагностики зубов по фотографии.
7. Софт для поиска цифрового отпечатка человека в сети.
8. Еще одна библиотека вручную нарисованных иллюстраций.
9. Приложение для создания дипфейков (актуальненько).
10. Тик-ток для образовательных видео.

Тут без комментариев, какой год, такой и топ.

🔗 Ссылка на проект

Как человек, пиливший оба упомянутых вида дашбордов, я не могу на 100% согласиться с тем, что "перспективные" настолько лучше "ретроспективных". Всё-таки сильно зависит от решаемой задачи и целевой аудитории.

С другой стороны, сложно не согласиться с большей убедительностью данных о потерях, так что сама мысль весьма интересная.

«Есть только миг между прошлым и будущим»

1. Обычные дашборды сравнивают текущие метрики с прошлым — процент изменений по сравнению со вчера, с прошлой неделей, месяцем или годом.

2. Хорошие дашборды должны сравнивать текущие метрики с будущим — как мы двигаемся по сравнению с тем планом, который мы себе поставили на неделю, на месяц или на год.

3. Во-первых, если мы не знаем, куда идем — зачем нам нам знать, с какой скоростью мы идем никуда?

4. Во-вторых, в наши головы встроено когнитивное искажение, называемое «loss aversion» (боязнь потерь) — мы гораздо более остро реагируем на потери, чем на приобретения. Если мы видим, что мы хоть немного, но растем — мы неизбежно (хоть и подсознательно) расслабляемся. Даже если этих темпов роста нам не хватит для выполнения отдаленного плана.

5. Мы будем шевелиться, только если дашборды будут показывать нам возможные потери — чего и сколько нам не хватает, чтобы добежать до поставленной цели. А если всего хватает — это хорошая причина повысить уровень цели. Чтобы мы опять пытались избежать потерь.

6. А у вас есть дашборд? А он сравнивает сегодняшнюю ситуацию с прошлым или с будущим?

---
Новые идеи, достойные копирования: fastfounder.ru

Изучение новых видов графиков - наше всё.

Несколько раз натыкался на Mekko/Marimekko в разных каталогах визуализаций, но особого восторга не ощущал (ну бар-чарт на максималках, что с ним делать-то).

В сегодняшней статье есть несколько жизнеспособных примеров использования, а главное (наконец-то) - описана цель их применения.
Спойлер: все ради снижения количества столбцов на диаграммах.

Получается, если нужно сравнить несколько групп по двум измерениям, то берём Мекко. А если нужно каждую группу дополнительно детализировать по подгруппам, то Маримекко.

Запилить можно на питоне, в Power BI/Qlik/Tableau, не говоря уже об извращениях в Excel (моё любимое).

Главное, чтобы целевая аудитория себе голову не сломала с непривычки.

🔗 Ссылка

#визуализации

Портал ITC Moscow вместе с Департаментом информационных технологий Москвы (интересно, много ли в принципе таких коллабораций) сделали свой хайпометр для отслеживания упоминаний передовых технологий в СМИ.

Выглядит это, надо сказать, довольно современно (должно быть заметно по превью):
- есть несколько «крутилок» для переключения периодов;
- доступны сырые данные в гугл-шитах;
- есть комментарии и выводы (почему-то они зажаты между двумя графиками, но не будем придираться);
- стильно же, ну.

Из неожиданного:
- упоминаний беспилотников почти в 2 раза больше big data, а также почти в 2,5 раза больше IoT или облаков (чиииво?).

🔗 Ссылка

#проекты

Нарыли на днях список ресурсов (40+ и продолжает расти) для поиска статистики, аналитики и "просто данных" по разным сферам общественной жизни.

Выглядит как жизнеспособный источник информации для исследований, тестовых проектов, сбора дата-сетов и вот этого всего.

Что интересно, есть тут не только всем известные (не Яндексом единым), но еще и вполне себе неожиданные ресурсы (например, около-государственные).

Поймал себя на мысли, что это какой-то вышедший за пределы программного обеспечения open source: кто-то оторвал от сердца список любимых ресурсов, а люди в приложенной гугл-табличке активно дополняют. Красота!

🔗Ссылка

#данные

Product Sense второй год подряд опрашивает свою аудиторию на тему развития навыков в продуктовом сообществе и выкладывает в своем блоге результаты.

Тех, кто идентифицирует себя как аналитик там традиционно около 9%, а вот развивается в аналитике уже более 21%.

По самим направлениям развития нет почти никаких отличий от предыдущего года - помимо аналитики все учатся маркетингу и проектному управлению.

Кроме этого в статье есть графики к которым у меня много вопросов (за что такие пай-чарты и сортировка?) и выводы, к которым уже не придраться.

Также, в конце - гора ссылок на книги, курсы, каналы и материалы, в которых пытливый ум исследователя может (в теории) найти что-то полезное для себя.

🔗Ссылка

#компетенции

Наверное каждый аналитик имел удовольствие распространять свои отчеты в формате «экселька на почту» (если не занимались подобным - обязательно попробуйте на досуге, особенно доставляет вносить в них правки и повторно отправлять).

Автор сегодняшней статьи решил заняться оптимизацией рассылки отчетов клиентам (с обязательным контролем доступа, что важно) и вместо выбора общеизвестных инструментов пускается во все тяжкие:
🔹защита файлов через VBA;
🔹сторонние платные сервисы по лицензированию экселек (что?);
🔹Excel Online с костылями;
🔹сборка web-приложения на базе Google Sheets;
🔹BI-инструменты (ура!);
🔹накодить на Python.

Все перечисленное сопровождено видео-примерами и анализом сильных и слабых сторон. В целом, масштабы проработки вопроса вызывают восхищение (хоть и граничат, по моему мнению, со стрельбой из пушки по воробьям).

🔗Ссылка

#excelное

Качественные обзоры рынка СУБД на русском - большая редкость (популярность прошлой заметки на тему это только подтверждает).

Вот еще пример неплохого обзора от SH Capital:
🔹динамические визуализации - огонь;
🔹данные сегментированы по типам СУБД (актуально, чтобы мокрое с солёным не сравнивать);
🔹сделали свой «квадрант Гартнера» с популярностью и потенциалом развития;
🔹занятный обзор ключевых инвестиционных сделок (не припомню, чтобы где-то еще такое можно было систематизированно посмотреть).

🔗 Ссылка

#базы_данных #анализ_рынка

Sankey-диаграммы периодически мелькают в различных топах визуализаций (чего стоит только легендарная карта вторжения Наполеона в Россию в 1812), но массовыми их назвать сложно.

Чаще всего их используют для отображения потоков или маршрутов, но есть и другие, более интересные кейсы:
🔹отображение того, как эволюционирует покупательский опыт с течением времени (в примере у автора эволюция классов арендуемых автомобилей);
🔹анализ иерархически организованных данных;
🔹поиск паттернов в данных в качестве альтернативы ML (пример очень специфичный, но что-то в этом есть).

Про подготовку данных и реализацию (на примере Power BI) можно почитать тут.

P.S. А еще кто-то в интернете неправ ведет блог, посвященный исключительно санкеям (некоторые выглядят максимально ужасающе, но найти что-то интересное можно).

🔗Ссылка

#визуализации

На этой неделе опубликовали новый Gartner Magic Quadrant по аналитическим и BI-системам.

Как вы понимаете, Microsoft опять в лидерах и уже хвастается в блоге и рассылках. Немного подробнее, почему так - в сегодняшней заглавной статье.

Рядом с Power BI, по традиции, расположились Tableau и Qlik, а вот ThoughtSpot окончательно свалился в визионеры.

Общее количество участников сократилось с 22 до 20 (результат покупок ряда инструментов другими игроками). Подробнее посмотреть кто куда переехал можно тут.

А вот что было в предыдущей серии (2020 vs 2019).

🔗 Ссылка

#business_intelligence

Это очень крутая идея и топовая реализация!

Жаль, что для исследования доступен только Нью-Йорк.

Из похожего, но ближе к нашим реалиям (хоть и с существенно меньшей функциональностью) приходит в голову проект по визуализации возраста зданий. С того момента, как я о нем писал, к Санкт-Петербургу успели добавить Москву, Казань и Владимир (круто, что ребята развиваются).

#проекты

Похоже, в Microsoft тоже решили, что с VBA уже хватит (прямо как ребята, запихнувшие в Excel Jupiter Notebook).

На замену ему в закрытую бету выпущены новые формульные функции, обозванные lambda (что логично, ведь это и есть лямбда-выражения).

Выглядит как упрощённое программирование прямо в ячейке без танцев с бубном и переходов в другие окна. Интересно будет посмотреть на это все в боевых условиях, когда (если) оно выйдет в свет.

Будущее, что ли, наступает?

🔗Ссылка

#excelное

Сегодня у нас новая, экспериментальная рубрика.

Я довольно давно ищу книги, которые потенциально полезны аналитикам, периодически даже нахожу и читаю их.

Некоторое количество отзывов по ним я уже написал лично для себя, но кажется, что они (как и все, о чем я пишу) могут быть кому-то полезны (например, могут уберечь от покупки чего-то ненужного).

Встречаем, «Все лгут. Поисковики, Big Data и Интернет знают о вас все», Сет Cтивенс-Давидовиц.

Я давно собирался написать о ней и только недавно понял, что меня останавливало - минимальная практическая полезность. Но кажется в последнее время я стал отходить от концепции повсеместного утилитаризма и готов поделиться мыслями о книге (не является ли их появление после прочтения книги признаком наличия пользы? 🤔).

Честно говоря, название сформировало ожидание, что я погружусь в увлекательный мир большых данных, инфраструктуры там, машинное обучение, графики вот это вот все. В итоге же из перечисленного есть только графики, а книга и вовсе оказалась про людей.

Автор рассматривает различные актуальные для США общепринятые нормы, социально одобряемые точки зрения, публикации статистики и на основании данных по поисковым запросам (Гугл, сайты с 18+ контентом, социальные сети) ставит под сомнение их честность.

Основные мысли:
🔹Все лгут, особенно в социальных сетях, опросах, публичном выражении своего мнения;
🔹Что не врёт: поисковые запросы, клики, просмотры;
🔹«В среднем, цифровая сыворотка правды показывает мир хуже, чем мы думали» (а еще говорят, нельзя быть пессимистом);
🔹Сотрудник Гугл пишет, что Гугл знает про вас все (какая ирония).

Разочаровывает одно - все эти выводы довольно очевидные и не требуют Big Data для своего обоснования.

Тем не менее, если читать в качестве художественной литературы, а не профессиональной, то все неплохо.

🔗 Ссылка на бумажную версию

#книжное

Радует, что в последнее время чаще встречаются упоминания «аналитики по аналитике» - это когда мы не только пилим отчеты для пользователей, но еще и отслеживаем метрики их использования.

В статье описан пример реализации такого «дашборда по дашбордам» с целью исследования популярности разных легаси и не очень BI-систем Ростелекома.

Еще по касательной задета тема развития Self-Service подхода, но с предсказуемыми результатами ("нужен дешевый, простой инструмент с минимальным time to market»). Кажется, правда, что такие выводы можно было и существенно дешевле сделать 😉.

P.S. 8 аналитических систем в одной (хоть и огромной) организации - это сильно.

🔗 Ссылка

#business_intelligence