Преимущества диаграммы размаха:
▪️ визуально суммирует вариации в больших наборах данных
▪️ показывает тех участников, которые не вошли в выборку
▪️ сравнивает несколько распределений
▪️ указывает симметрию и асимметрию в некоторой степени
▪️ можно быстро набросать
▪️ прикольное название (особенно вариант «коробка-с-усиками»)
▪️ визуально суммирует вариации в больших наборах данных
▪️ показывает тех участников, которые не вошли в выборку
▪️ сравнивает несколько распределений
▪️ указывает симметрию и асимметрию в некоторой степени
▪️ можно быстро набросать
▪️ прикольное название (особенно вариант «коробка-с-усиками»)
Недостатки диаграммы:
▪️ скрывает мультимодальность и другие особенности распределений
▪️ запутывает некоторых пользователей
▪️ определение аутсайдеров очень жесткое
Ниже наглядный пример неудачного использования этой диаграммы
▪️ скрывает мультимодальность и другие особенности распределений
▪️ запутывает некоторых пользователей
▪️ определение аутсайдеров очень жесткое
Ниже наглядный пример неудачного использования этой диаграммы
Праздничная аналитика
Так как наш бизнес-аналитик ушёл на встречу с другими бизнес-аналитиками, сегодня не будет классификаций диаграмм и источников данных. Вместо этого мы порадуем вас анализом расходов (правда, только американских) на подарки в честь того самого Дня.
Оказалось, что желания не всегда совпадают с реальностью. Хочется дарить валентинки, конфеты и цветы, а приходится ювелирные украшения.
Так как наш бизнес-аналитик ушёл на встречу с другими бизнес-аналитиками, сегодня не будет классификаций диаграмм и источников данных. Вместо этого мы порадуем вас анализом расходов (правда, только американских) на подарки в честь того самого Дня.
Оказалось, что желания не всегда совпадают с реальностью. Хочется дарить валентинки, конфеты и цветы, а приходится ювелирные украшения.
Топ 5: #навыки, которыми необходимо овладеть в 2019
(в сфере #BigData, конечно же)
Вдумайтесь 🤔. У нас есть 33 буквы в алфавите и 10 основных цифр. Тем не менее, каким-то образом, ежедневно генерируеться более 2,5 квинтиллионнов байтов данных. Это, по сути, миллион в пятой степени.
Учитывая тот факт, что ценной информации теперь более чем достаточна для всех, сейчас идеальное время, чтобы точно узнать, как ее использовать. И чтобы помочь вам в этом, мы рассмотрим основные типы инструментов, которые вы можете использовать.
1️⃣ Data Visualization – Tableau, PowerBI, Qlik. – инструменты front-end, которыми легко пользоваться, и которые представляют информацию в простой и доступной форме.
2️⃣ Data Engineering – Python. Python особенно удобен, поскольку предоставляет множество библиотек для настройки необработанных данных. Он может взаимодействовать с такими источниками, как Hive, Cloudera Impala, списки MS SharePoint, файлы MS Excel, PostgreSQL, Teradata, MS SQL Server и различными текстовыми файлами, чтобы обеспечить агрегирование данных, изменение формы, разнородное вложение источников, а также автоматизацию.
3️⃣ Data Analytics – SQL. Также известный как язык структурированных запросов, это система, которая используется не только для разработки программного обеспечения, но и для управления данными для реляционных баз данных. Его функциональные возможности делают его исключительно эффективным при чтении, обработке и корректировке данных. Учитывая все вышесказанное, сильная сторона SQL заключается в его способности выполнять широкий спектр агрегаций на обширных наборах данных плюс многочисленные таблицы одновременно.
4️⃣ Big Data – HIVE. Xотя обширная база данных считается активом, так уж сложилось, что она также может стать серьезной проблемой, когда речь заходит об управлении. И именно поэтому они придумали такие инструменты для работы с большими данными, как Hive.
5️⃣ Advanced Analytics – SparkSQL. SparkSQL является чрезвычайно выдающимся инструментом, когда речь заходит о продвинутой аналитике. Разработанный для обработки структурированных и полуструктурированных данных, SparkSQL - это интерфейс spark, который не только служит механизмом распределенных SQL-запросов, но и облегчает абстрагирование сценариев в DataFrames.
(в сфере #BigData, конечно же)
Вдумайтесь 🤔. У нас есть 33 буквы в алфавите и 10 основных цифр. Тем не менее, каким-то образом, ежедневно генерируеться более 2,5 квинтиллионнов байтов данных. Это, по сути, миллион в пятой степени.
Учитывая тот факт, что ценной информации теперь более чем достаточна для всех, сейчас идеальное время, чтобы точно узнать, как ее использовать. И чтобы помочь вам в этом, мы рассмотрим основные типы инструментов, которые вы можете использовать.
1️⃣ Data Visualization – Tableau, PowerBI, Qlik. – инструменты front-end, которыми легко пользоваться, и которые представляют информацию в простой и доступной форме.
2️⃣ Data Engineering – Python. Python особенно удобен, поскольку предоставляет множество библиотек для настройки необработанных данных. Он может взаимодействовать с такими источниками, как Hive, Cloudera Impala, списки MS SharePoint, файлы MS Excel, PostgreSQL, Teradata, MS SQL Server и различными текстовыми файлами, чтобы обеспечить агрегирование данных, изменение формы, разнородное вложение источников, а также автоматизацию.
3️⃣ Data Analytics – SQL. Также известный как язык структурированных запросов, это система, которая используется не только для разработки программного обеспечения, но и для управления данными для реляционных баз данных. Его функциональные возможности делают его исключительно эффективным при чтении, обработке и корректировке данных. Учитывая все вышесказанное, сильная сторона SQL заключается в его способности выполнять широкий спектр агрегаций на обширных наборах данных плюс многочисленные таблицы одновременно.
4️⃣ Big Data – HIVE. Xотя обширная база данных считается активом, так уж сложилось, что она также может стать серьезной проблемой, когда речь заходит об управлении. И именно поэтому они придумали такие инструменты для работы с большими данными, как Hive.
5️⃣ Advanced Analytics – SparkSQL. SparkSQL является чрезвычайно выдающимся инструментом, когда речь заходит о продвинутой аналитике. Разработанный для обработки структурированных и полуструктурированных данных, SparkSQL - это интерфейс spark, который не только служит механизмом распределенных SQL-запросов, но и облегчает абстрагирование сценариев в DataFrames.
Архивирование Big Data
Есть три задачи, с которыми должен справляться современный архив:
1️⃣ масштабирование, вызванное ростом объёма данных (от терабайтов к петабайтам)
2️⃣ необходимость не только хранить, но и использовать архивные данные
3️⃣ автоматизация процесса и его перевод в SaaS-сферу
Достаточно успешно с Big Data на украинском рынке работает продукт Megapolis.DocNet – система внутреннего электронного документооборота.
DocNet позволяет обрабатывать и хранить до 100 ТБ данных в течение 10-ти лет. Пока нет ни одного клиента, который бы превысил этот рубеж, достигнутый максимум – 80 ТБ.
Налажен мгновенный поиск любого документа. Скорость поиска достигается хранением атрибутов документов в СУБД, при этом сами документы сохраняются на выбранном блочном устройстве, в простейшем случае - в файловой системе.
При необходимости масштабирования и отказоустойчивости используются либо специализированные файловые системы (zfs, btrfs), либо программно-аппаратные комплексы, например, Dell EMC.
Есть три задачи, с которыми должен справляться современный архив:
1️⃣ масштабирование, вызванное ростом объёма данных (от терабайтов к петабайтам)
2️⃣ необходимость не только хранить, но и использовать архивные данные
3️⃣ автоматизация процесса и его перевод в SaaS-сферу
Достаточно успешно с Big Data на украинском рынке работает продукт Megapolis.DocNet – система внутреннего электронного документооборота.
DocNet позволяет обрабатывать и хранить до 100 ТБ данных в течение 10-ти лет. Пока нет ни одного клиента, который бы превысил этот рубеж, достигнутый максимум – 80 ТБ.
Налажен мгновенный поиск любого документа. Скорость поиска достигается хранением атрибутов документов в СУБД, при этом сами документы сохраняются на выбранном блочном устройстве, в простейшем случае - в файловой системе.
При необходимости масштабирования и отказоустойчивости используются либо специализированные файловые системы (zfs, btrfs), либо программно-аппаратные комплексы, например, Dell EMC.
The Oscars
Фильм Зелёная книга был признан лучшим фильмом года Американской Киноакадемией. Номинатов же было восемь.
Lindsey Poulter (@datavizlinds) собрала данные об их общем количестве номинаций (не только Оскар), успешности в домашнем прокате и рейтинге на Rotten Tomatoes, чтобы ответить на несколько вопросов:
1️⃣ Выбирают ли разные жюри одних и тех же победителей?
2️⃣ Повышает ли награда за лучшую актрису/актёра второго плана шансы на звание лучшего фильма или же награды распределяются равномерно?
3️⃣ Влияют ли кассовые сборы или рейтинг Rotten Tomatoes на конечный результат? (спойлер - нет)
А вы довольны результатами Оскара?
Фильм Зелёная книга был признан лучшим фильмом года Американской Киноакадемией. Номинатов же было восемь.
Lindsey Poulter (@datavizlinds) собрала данные об их общем количестве номинаций (не только Оскар), успешности в домашнем прокате и рейтинге на Rotten Tomatoes, чтобы ответить на несколько вопросов:
1️⃣ Выбирают ли разные жюри одних и тех же победителей?
2️⃣ Повышает ли награда за лучшую актрису/актёра второго плана шансы на звание лучшего фильма или же награды распределяются равномерно?
3️⃣ Влияют ли кассовые сборы или рейтинг Rotten Tomatoes на конечный результат? (спойлер - нет)
А вы довольны результатами Оскара?
Наши читатели - компания N-iX - поделились интересной вакансией.
Команда приглашает BigData-гуру присоединиться к необычному проекту GOGO, цель которого состоит в предоставлении сервиса Wi-Fi-доступа на борту самолетов.
Уже сейчас сервис доступен на более 2900 коммерческих и более 6600 бизнес-самолетов! ✈️
N-iX сотрудничает в таких направлениях как BigData, Business Intelligence, Data Analysis и ищет таланты, которые могут внести свой вклад в развитие проекта.
Если есть опыт работы с Apache Spark, Python и Scala, у тебя хорошее понимание методологий разработки программного обеспечения и хороший английский, работал с Hadoop architecture и AWS (S3, EMR cluster, Lambda, Kinesis), тогда ты идеальный кандидат!
Команда приглашает BigData-гуру присоединиться к необычному проекту GOGO, цель которого состоит в предоставлении сервиса Wi-Fi-доступа на борту самолетов.
Уже сейчас сервис доступен на более 2900 коммерческих и более 6600 бизнес-самолетов! ✈️
N-iX сотрудничает в таких направлениях как BigData, Business Intelligence, Data Analysis и ищет таланты, которые могут внести свой вклад в развитие проекта.
Если есть опыт работы с Apache Spark, Python и Scala, у тебя хорошее понимание методологий разработки программного обеспечения и хороший английский, работал с Hadoop architecture и AWS (S3, EMR cluster, Lambda, Kinesis), тогда ты идеальный кандидат!
Топ 9 статей о BigData за февраль:
1️⃣ arXiv.org для ИИ
2️⃣ Какие должности скоро хахватит ИИ
3️⃣ 6 способов как аналитикой сократить расходы
4️⃣ Архитектура Apache Kafka
5️⃣ Роль аналитики в Product Development
6️⃣ Как квантовые компьютеры могут изменить все
7️⃣ Как машинное обучение дополняет бизнес-аналитику
8️⃣ Инфографика: нехватка Data Scientist
9️⃣ 8 шагов для того чтобы стать Data Scientist
1️⃣ arXiv.org для ИИ
2️⃣ Какие должности скоро хахватит ИИ
3️⃣ 6 способов как аналитикой сократить расходы
4️⃣ Архитектура Apache Kafka
5️⃣ Роль аналитики в Product Development
6️⃣ Как квантовые компьютеры могут изменить все
7️⃣ Как машинное обучение дополняет бизнес-аналитику
8️⃣ Инфографика: нехватка Data Scientist
9️⃣ 8 шагов для того чтобы стать Data Scientist
Несколько советов аналитику.
Ниже я приведу несколько советов, которые сохранили бы мне много времени в прошлом и, возможно, сохранят ваше время (и нервы) в будущем.
8️⃣ Не собирайте комитет экспертов. Если вы увидите картину, как группа людей сидит и рисует графики (или дэшборды) на доске, при этом даже не приступив к ознакомлению с базами данных… 🏃🏻♂️ Бегите!
7️⃣ Не делайте дэшборд по «ТЗ». Если вам прислали наброски графиков и больше ничего – готовьтесь к тому, что вы провалите задание. Спрашивайте не «что рисовать?», а «что показать?» или «что объяснить?».
6️⃣ Не стройте ничего на сводных таблицах. Присланный файл excel с 18 листами, которые, по сути, являются сводными таблицами – не пойдёт. Просите источник. Эти 18 листов будут вам сниться еще очень долго.
5️⃣ Не дублируйте excel. Вот и всё. Повторить таблицы и графики, которые кто-то разработал на заре 90-ых – это не задача для вас. 😎 Вы выше этого.
4️⃣ Не используйте ВСЕ данные мира. Толку мало – а отчёт «тормозит».
3️⃣ Не требуйте от диаграммы слишком многого. Это всего лишь график, который ответит на пару вопросов. Он не должен отвечать на вопрос жизни, вселенной и вообще.
2️⃣ Не устраивайте Рождество. Если это возможно – избегайте цветовой схемы «зелёный-красный». Тяжелый и кричащий дэшборд, да ещё и непонятный дальтоникам.
1️⃣ Забудьте всё, что описано выше, если вам и вашим пользователям по душе то, как вы работаете и что из этого выходит.
Ниже я приведу несколько советов, которые сохранили бы мне много времени в прошлом и, возможно, сохранят ваше время (и нервы) в будущем.
8️⃣ Не собирайте комитет экспертов. Если вы увидите картину, как группа людей сидит и рисует графики (или дэшборды) на доске, при этом даже не приступив к ознакомлению с базами данных… 🏃🏻♂️ Бегите!
7️⃣ Не делайте дэшборд по «ТЗ». Если вам прислали наброски графиков и больше ничего – готовьтесь к тому, что вы провалите задание. Спрашивайте не «что рисовать?», а «что показать?» или «что объяснить?».
6️⃣ Не стройте ничего на сводных таблицах. Присланный файл excel с 18 листами, которые, по сути, являются сводными таблицами – не пойдёт. Просите источник. Эти 18 листов будут вам сниться еще очень долго.
5️⃣ Не дублируйте excel. Вот и всё. Повторить таблицы и графики, которые кто-то разработал на заре 90-ых – это не задача для вас. 😎 Вы выше этого.
4️⃣ Не используйте ВСЕ данные мира. Толку мало – а отчёт «тормозит».
3️⃣ Не требуйте от диаграммы слишком многого. Это всего лишь график, который ответит на пару вопросов. Он не должен отвечать на вопрос жизни, вселенной и вообще.
2️⃣ Не устраивайте Рождество. Если это возможно – избегайте цветовой схемы «зелёный-красный». Тяжелый и кричащий дэшборд, да ещё и непонятный дальтоникам.
1️⃣ Забудьте всё, что описано выше, если вам и вашим пользователям по душе то, как вы работаете и что из этого выходит.
Работа с #BI и статистические вычисления.
Мы все знаем инструменты бизнес аналитики. Многие из нас сталкивались с математической статистикой или эконометрикой. Что, если я скажу вам, что эти два инструмента могут работать вместе, более того - дополнять друг друга?
От выдумки к реальности, дополняя друг друга, эти два инструмента могут творить неимоверные вещи, такие как:
▪️ определение статистических выбросов в наборе данных
▪️ построение различных кластеров
▪️ прогнозирование будущих периодов различными моделями
▪️ применение статистических критериев (тестов)
▪️ выведение показателей вероятностти на дэшборд
▪️ построение графика сети взаимосвязей
Те из вас, кто работает, скажем, c R или Python скажут "пффф! это есть и так, без какого-либо BI!". И будут правы. Но! ☝🏼 Представьте результаты вашей модели в форме интерактивного дешборда, да ещё и с интерактивными параметрами, которые можно менять на лету. 💥 То-то же :)
Это целый мир новых возможностей. Ниже ссылка на краткий обзор возможносте на примере Tableau, R и Python. Надеюсь, что он вас вдохновит :)
Мы все знаем инструменты бизнес аналитики. Многие из нас сталкивались с математической статистикой или эконометрикой. Что, если я скажу вам, что эти два инструмента могут работать вместе, более того - дополнять друг друга?
От выдумки к реальности, дополняя друг друга, эти два инструмента могут творить неимоверные вещи, такие как:
▪️ определение статистических выбросов в наборе данных
▪️ построение различных кластеров
▪️ прогнозирование будущих периодов различными моделями
▪️ применение статистических критериев (тестов)
▪️ выведение показателей вероятностти на дэшборд
▪️ построение графика сети взаимосвязей
Те из вас, кто работает, скажем, c R или Python скажут "пффф! это есть и так, без какого-либо BI!". И будут правы. Но! ☝🏼 Представьте результаты вашей модели в форме интерактивного дешборда, да ещё и с интерактивными параметрами, которые можно менять на лету. 💥 То-то же :)
Это целый мир новых возможностей. Ниже ссылка на краткий обзор возможносте на примере Tableau, R и Python. Надеюсь, что он вас вдохновит :)
Tableau и R
Сегодняшний пост будет крайне краток, но (надеюсь) информативен. 💡
Вдохновленный прошлым постом, я решил сделать краткую инструкцию/обзор на интеграцию Tableau и R.
Ccылка ниже или жмакайте тут, приятного просмотра 🎥
Сегодняшний пост будет крайне краток, но (надеюсь) информативен. 💡
Вдохновленный прошлым постом, я решил сделать краткую инструкцию/обзор на интеграцию Tableau и R.
Ccылка ниже или жмакайте тут, приятного просмотра 🎥
YouTube
Интеграция R в Tableau
Интеграция R в Tableau. Инструкция и пример применения.
Каталог данных
Каталог данных - это инструмент управления метаданными, призваный упростить и ускорить работу с #BigData.
Ниже представлю вам руководство по внедрению подобного каталога. Основные шаги при таком внедрении:
1️⃣ Определить и описать пилотный проект
2️⃣ Привлечь нужных сотрудников
3️⃣ Выбрать и подключить источники данных
4️⃣ Обучить сотрудников и стимулировать использование инструмента
5️⃣ Определить и измерить рзультат
Этот отчёт - хороший пример того, как ваш бизнес может планировать, создавать, развёртывать, управлять и расширять каталог данных.
Каталог данных - это инструмент управления метаданными, призваный упростить и ускорить работу с #BigData.
Ниже представлю вам руководство по внедрению подобного каталога. Основные шаги при таком внедрении:
1️⃣ Определить и описать пилотный проект
2️⃣ Привлечь нужных сотрудников
3️⃣ Выбрать и подключить источники данных
4️⃣ Обучить сотрудников и стимулировать использование инструмента
5️⃣ Определить и измерить рзультат
Этот отчёт - хороший пример того, как ваш бизнес может планировать, создавать, развёртывать, управлять и расширять каталог данных.
Визуальная метафора.
Одним из методов разнообразия дэшборда, который активно используют аналитики, является визуальная метафора.
Под визуальной метафорой обычно понимают графическое изображение некоего объёма информации по принципу аналогии, сходства, сравнения. Визуальная метафора может иметь вид:
🌳 конкретных предметов живой и неживой природы
📈схемов-рисунков как в мind-map (ментальных картах)
🎆сюрреалистичных изображений без конкретного содержания - лишь линии, цвета, штриховка
С помощью визуальной метафоры мы можем обозначать события, состояния, чувства, работать в разных точках временной линии, планируя будущее, анализируя и перепросматривая (если это необходимо) прошлое, осознавая настоящее. А главное - это позволяет вовлечь потребителя дэшборда в его содержание.
Целое математическое выражение, состоящее из большого количества знаков, мы можем принять за некий Х. Так же и большой объём информации можно обозначить метафорой рисунка. Количество единиц информации, которое можно одновременно воспринять, составляет около 7. Решая задачи с помощью визуальной метафоры, мы можем большой информативный объём «укладывать» в 7 обьектов.
Ниже хочу представить детальный осмотр того, как на практике применять визуальную метафору в дэшбордах.
Одним из методов разнообразия дэшборда, который активно используют аналитики, является визуальная метафора.
Под визуальной метафорой обычно понимают графическое изображение некоего объёма информации по принципу аналогии, сходства, сравнения. Визуальная метафора может иметь вид:
🌳 конкретных предметов живой и неживой природы
📈схемов-рисунков как в мind-map (ментальных картах)
🎆сюрреалистичных изображений без конкретного содержания - лишь линии, цвета, штриховка
С помощью визуальной метафоры мы можем обозначать события, состояния, чувства, работать в разных точках временной линии, планируя будущее, анализируя и перепросматривая (если это необходимо) прошлое, осознавая настоящее. А главное - это позволяет вовлечь потребителя дэшборда в его содержание.
Целое математическое выражение, состоящее из большого количества знаков, мы можем принять за некий Х. Так же и большой объём информации можно обозначить метафорой рисунка. Количество единиц информации, которое можно одновременно воспринять, составляет около 7. Решая задачи с помощью визуальной метафоры, мы можем большой информативный объём «укладывать» в 7 обьектов.
Ниже хочу представить детальный осмотр того, как на практике применять визуальную метафору в дэшбордах.
Радиальная полосчатая диаграмма (Radial Bar Chart)
Радиальная полосчатая диаграмма - это просто столбиковая диаграмма, однако она построена на полярной системе координат, а не на декартовой. Хотя она и выглядят круто 😎 - есть проблема с правильным восприятием, которая может привести к неверному толкованию. Важно помнить, что визуально данные могут не соответствовать действительным показателям. Всё дело в том, что каждый столбец удаляющийся от центра к краю окружности кажется длиннее предыдущего, даже если они представляют одинаковые значения, и должен отличаться по радиусу. Так что каждый столбец оценивается по углу, а не по его длине. Люди лучше воспринимают прямые линии, тем не менее радиальная полосчатая диаграмма несомненно выглядит эффектней 🎉.
Такой тип диаграмм рекоммендуется использовать в первую очередь с целью презентации или публицистики. Вы получите свой "вау!" 😱, но будьте крайне осторожны в использовании её для внутренней аналитики. Этой диаграммой можно ненароком навязать ложный вывод о данных.
Радиальная полосчатая диаграмма - это просто столбиковая диаграмма, однако она построена на полярной системе координат, а не на декартовой. Хотя она и выглядят круто 😎 - есть проблема с правильным восприятием, которая может привести к неверному толкованию. Важно помнить, что визуально данные могут не соответствовать действительным показателям. Всё дело в том, что каждый столбец удаляющийся от центра к краю окружности кажется длиннее предыдущего, даже если они представляют одинаковые значения, и должен отличаться по радиусу. Так что каждый столбец оценивается по углу, а не по его длине. Люди лучше воспринимают прямые линии, тем не менее радиальная полосчатая диаграмма несомненно выглядит эффектней 🎉.
Такой тип диаграмм рекоммендуется использовать в первую очередь с целью презентации или публицистики. Вы получите свой "вау!" 😱, но будьте крайне осторожны в использовании её для внутренней аналитики. Этой диаграммой можно ненароком навязать ложный вывод о данных.
Очистка данных: маркетинг и рассылки
Маркетологи знают, насколько важны данные клиентов для их повседневной работы и результатов. Тем не менее, многие не в полной мере осознают опасность "грязных" данных для маркетинга.
▪️ Прежде всего, неточные («плохие») данные влияют на вовлечённость клиентов и репутацию бренда. (Например, письмо с неправильно написанным именем).
▪️Во-вторых, бренды с устаревшими данными наносят ущерб репутации почтового сервера. (Отправляя пачками письма на "мёртвые" ящики, можно заблокировать часть входящей почты).
▪️«Чистые» данные также делают бизнес более продуктивным. (Чистые данные = корректные модели и точные прогнозы).
Некоторые способы держать данные о получателях чистыми:
▪️Спросить своих клиентов, действительно ли они хотят получать информацию ❓
▪️Проверить, не пора ли "сделать перерыв".
▪️Или наоборот - отправить письмо-напоминание, чтобы оживить аудиторию.
Маркетологи знают, насколько важны данные клиентов для их повседневной работы и результатов. Тем не менее, многие не в полной мере осознают опасность "грязных" данных для маркетинга.
▪️ Прежде всего, неточные («плохие») данные влияют на вовлечённость клиентов и репутацию бренда. (Например, письмо с неправильно написанным именем).
▪️Во-вторых, бренды с устаревшими данными наносят ущерб репутации почтового сервера. (Отправляя пачками письма на "мёртвые" ящики, можно заблокировать часть входящей почты).
▪️«Чистые» данные также делают бизнес более продуктивным. (Чистые данные = корректные модели и точные прогнозы).
Некоторые способы держать данные о получателях чистыми:
▪️Спросить своих клиентов, действительно ли они хотят получать информацию ❓
▪️Проверить, не пора ли "сделать перерыв".
▪️Или наоборот - отправить письмо-напоминание, чтобы оживить аудиторию.
Украинские авторы дэшбордов.
Сегодня решил рассказать о авторах дэшбородов, которые делают аналитику об Украине. Надеюсь, их труды будут интересны, послужат вдохновением.
Texty - автор, который делает достаточно много дэшбордов в формате публицистики. Из последнего - дэшборды по выборам.
CRPS - ещё один автор, работающий в более публицистической манере. Присутствуют интересные варианты Sankey диаграммы.
jumpfish2 - автор, который делает много инфографики в разрезе украинского социума.
Alexander - аналитика по продажам автомобилей.
LiliyaStativko - аналитика по Запорожью и не только. Весьма интересный дэшборд "метро заглохло".
Смотрите, подписывайтесь, поддерживайте украинских авторов.
Сегодня решил рассказать о авторах дэшбородов, которые делают аналитику об Украине. Надеюсь, их труды будут интересны, послужат вдохновением.
Texty - автор, который делает достаточно много дэшбордов в формате публицистики. Из последнего - дэшборды по выборам.
CRPS - ещё один автор, работающий в более публицистической манере. Присутствуют интересные варианты Sankey диаграммы.
jumpfish2 - автор, который делает много инфографики в разрезе украинского социума.
Alexander - аналитика по продажам автомобилей.
LiliyaStativko - аналитика по Запорожью и не только. Весьма интересный дэшборд "метро заглохло".
Смотрите, подписывайтесь, поддерживайте украинских авторов.
Big Data дебаты
В обществе присутствует коллосальный запрос на #дебаты. Мы решили не отставать. Даёшь зрелищ! 🎉
Есть такое явление, как Data Debate. Это движение, при котором специалисты в области #BigData дебатируют на спорные темы. Такие дебаты проходят на площадке The British Library и Alan Turing Institute.
Волна дебатов прошла в 2018, и мы ждем с нетерпением будет ли серия дебатов в 2019. Присоединяйтесь, давайте следить вместе на сайте Alan Turing Institute.
Хорошая новость - видеозаписи дебатов публикуються на youtube и ниже несколько записей таких дебатов.
The AI will see you now - https://www.youtube.com/watch?v=DwjmEZ6-Qy4
Freedom or troll - https://www.youtube.com/watch?v=1NlfIG3sUBM
Data and inequality - https://www.youtube.com/watch?v=KcbAhH5TM5o
В обществе присутствует коллосальный запрос на #дебаты. Мы решили не отставать. Даёшь зрелищ! 🎉
Есть такое явление, как Data Debate. Это движение, при котором специалисты в области #BigData дебатируют на спорные темы. Такие дебаты проходят на площадке The British Library и Alan Turing Institute.
Волна дебатов прошла в 2018, и мы ждем с нетерпением будет ли серия дебатов в 2019. Присоединяйтесь, давайте следить вместе на сайте Alan Turing Institute.
Хорошая новость - видеозаписи дебатов публикуються на youtube и ниже несколько записей таких дебатов.
The AI will see you now - https://www.youtube.com/watch?v=DwjmEZ6-Qy4
Freedom or troll - https://www.youtube.com/watch?v=1NlfIG3sUBM
Data and inequality - https://www.youtube.com/watch?v=KcbAhH5TM5o
The Alan Turing Institute
Events