При построении визуализаций мы пользуемся достаточно стандартным набором эмпирических правил:
1. Знай свою аудиторию
2. Упрощай всё: отдельные графики, компоновку, UX/UI своих дашбордов
3. Обвесь свои данные техническими и бизнес-проверками качества
4. Используйте визуальные эффекты и показатели, соответствующие бизнес-контексту
5. Создавай дашборды, понятные твоему бизнесу, с их терминологией и с использованием практик и подходов к постановке задачи, которые актуальны для заказчика.
6. Обеспечь визуальное выделение, алертинг и иные средства акцентирования внимания там, где нужно принимать решения
7. Узнай, какие данные важны, а какие можно игнорировать.
8. Правильно подбери вид дашборда (аналитический, стратегический, операционный) и, ради бога, не перегружай операционный дашборд.
9. Если нет жесткого брендбука, то используй теорию цвета и обеспечь сочетаемость цветов на твоих визуализациях.

Но все эти принципы хорошо работают в условиях связности данных, -на техническом и логическом уровнях. Гораздо более поразительны истории про бизнес-прорывы, которые происходят на несвязанных данных, то есть при игнорировании правила 7.
В статье ниже очень хороший пример про анализ несвязанных данных (про стиральные машины и школы) :
https://www.forbes.com/sites/nicolemartin1/2018/11/01/data-visualization-how-to-tell-a-story-with-data/amp/

Источник: https://www.nationalgeographic.com/news/2015/10/151016-data-points-alberto-cairo-interview/

BI-разработчик является художником в той же мере, что и разработчиком. По сути, визуализация данных - в той же мере искусство, как дизайн и иллюстрация, но с особой миссией: представление данных в виде связной истории.
Статья про "закулисье" создания визуализаций данных:
https://www.newinc.org/archive/2017/4/10/sketching-with-data-opens-the-minds-eye-scf54

7 полезных методов визуализации данных, которые привязаны к географии и имеют 1-2 метрики или разбиты внутри на категории:
https://humansofdata.atlan.com/2016/10/7-techniques-to-visualize-geospatial-data/

Подборка статей по визуализации данных от National Geographic:
1.Taking Data Visualization From Eye Candy to Efficiency
Статья про сложные визуализации и тренды в них
2. How to Make Maps and Influence People
Взгляд на карты как способ визуализации и пропаганды
3. A Quick Guide to Spotting Graphics That Lie
Методы доктора Хауса для выпытывания истины у диаграмм
4. 'Steampunk' Infographics Beautifully Combine Past and Present
Статья с примерами стилизации, - что ж, думаю, не только у меня в арсенале есть дашборд, похожий на советский агитплакат.

Диаграмма в виде воронки позволяет визуализировать достижение целей по ряду этапов: например, конверсию пользователей. В новом материале блога рассказываем, как построить такую воронку в Tableau:

https://leftjoin.ru/all/funnel-chart-v-tableau/

Важная задача визуализации, - показать не только ситуацию "as is", но и обозначить пространство возможностей, - не только, где мы есть, но и где мы могли бы быть.
Статья Visualizing opportunity:
http://www.storytellingwithdata.com/blog/2015/9/16/visualizing-opportunity

При выборе визуальных элементов и оценке своего дашборда необходима толика критического мышления и милосердия к пользователю. Будет неплохо, если вы:
1) Подберете визуальные эффекты, которые ваша аудитория поймет и оценит. 
2) Заранее подумаете о возможных эмоциональных реакциях на визуальные эффекты и решите, хотите ли вы их вызвать.
3) Убедитесь, что вы представляете информацию точно и сбалансировано, во избежания двойного прочтения и неоднозначных трактовок ваших диаграмм;
4) Сократите количество текста. Если контекст диаграммы слишком сложен, имеет смысл пересмотреть тип визуализации, - разбить её на несколько диаграмм, например, или же отказаться от дашборда в пользу просто текста, особенно, если это разовая визуализация.
5) Оцените получившийся дашборд с точки зрения этики и культурного контекста пользователей, - ищите дискриминирующие формулировки, субъективизм при категориальном представлении и выделениях.

Пример того, как один и тот же период может считываться по-разному в контексте разных категорий геологического времени:
http://hereistoday.com/

Моя коллекция мануалов по Табло пополнилась очередной методичкой в формате "прочитал-повторил".
Знаний такие дают минимум, зато очень быстро формируют навык.
Линк:
https://www.wku.edu/da/bdan430.php
#гайды #Tableau

Недавно я открыла свою старую почту и наткнулась на свои пëстрые презентации десятилетней давности. Сейчас я бы сказала, что они ужасны. Но я хорошо помню, что моему тогдашнему начальству они нравились, и, когда я пыталась сделать визуализацию в формате серого монохрома, меня разворачивали.
Хороший график зависит от того, насколько он находит отклик у вашей аудитории.
Линк на размышления на эту тему:
https://excelcharts.com/is-data-visualization-useful/

В рамках задач self-service возможности Tableau, на мой субъективный взгляд, выше Power BI, но ненадолго. Charticulator позволяет создавать практически любой шаблон диаграммы, который затем можно импортировать в PowerBI.
https://charticulator.com/
Видеоуроки:
https://charticulator.com/docs/video-tutorials.html
Практический пример:
https://youtu.be/xS6GyVpt7lY

Говоря о визуализации данных, мозг в первую очередь представляет BI- инструменты, хранилища и ПО для прототипирования (Figma, например), и забывает о том, что существует область data-журналистики, и там задействованы другие инструменты.
Линк на любимые инструменты Альберто Каиро:
https://gijn.org/2020/11/24/my-favorite-tools-alberto-cairo-on-data-visualization/

В прошлом году мне довелось ненадолго потискать Kibana, - в рамках работ по её замене на Tableau для визуализации аналитики. Kibana по сути является скорее мониторинговым инструментом, близким к Grafana, и построить на ней нормальный аналитический дашборд почти невозможно. Из плюшек - удивительное сродство с Elasticsearch: там, где Kibana подключается почти бесшовно, для коннекта с Tableau надо сплясать с бубном.
Линк-обзор:
https://logz.io/blog/grafana-vs-kibana/amp/

В позапрошлом году на мой вопрос "Что такое Elasticsearch? " на меня посмотрели, как на диковинного зверька, и я внезапно поняла, что знаю только то, что ничего не знаю.
1. Что это такое, какие задачи может решать и почему она периодически используется как nosql бд (а не только для ведения журналов, безопасности или поиска) :
https://tproger.ru/blogs/why-elasticsearch-is-a-good-choice/amp/
2. Как подключить эластик к Tableau.
--Самые популярные способы
https://hevodata.com/learn/connect-elasticsearch-to-tableau/#m1s1
--Коннектор: https://www.elastic.co/guide/en/elasticsearch/reference/7.10/sql-client-apps-tableau.html
Есть аналогичные коннекторы в сообществе табло, но для их использования надо станцевать.
--Через третью платформу, -лично я пытаюсь сейчас подключиться через Dremio ( в частном порядке,-условно-бесплатно, но enterprise- версия по подписке)
https://www.dremio.com/tutorials/unlocking-tableau-on-elasticsearch/

Не так давно я качнула и познакомилась с Dashboard Starters для Tableau - это предварительно спроектированные дашборды, к которым просто надо подключить источники. Эта волшебная магия для того, чтобы быстро воспринять культуру Tableau и понять, что вам в итоге нужно.
Линк:
https://www.tableau.com/products/dashboard-starters

Как-то раз на YouTube мы нашли гайд по Radial Pie Gauge Chart в Tableau. Нам он очень понравился — диаграмма сильно напоминает кольца активности Apple Watch. Но по задумке автора кольца графика останавливаются на 270 градусах, а все цели сравниваются только между собой. Мы доработали график — показываем, как сделать масимально приближенную к кольцам активности реализацию в Tableau:

https://leftjoin.ru/all/radial-pie-v-tableau/

В прошлом году я столкнулась с понятием техдолга. Что особенно грустно, техдолг был создан не мной, а унаследован. Печаль моя безмерна, и я грустно листаю статью и думаю, что делать, если тебе в наследство достаются чужие дашборды:
https://www.tableaufit.com/10-intro-tips-tableau-youre-handed-someone-elses-workbooks/

Где искать визуализации дня для вдохновения? 😉
Здесь:
https://public.tableau.com/en-gb/gallery/?tab=viz-of-the-day&type=viz-of-the-day

Котятки🐱
Гайдов много не бывает.
Если ваша воля крепка, и вам не нужен наставник, который будет подгонять вас, то бесплатные подробные гайды data-flair для вас. Питон, Tableau, Power BI , и всё, что мы любим.
Линк:
https://data-flair.training/blogs/
#гайды

В области хранилищ и архитектуры ценится абстрактное мышление. К сожалению, когда я пытаюсь объяснить в абстрактных терминах пользователям процесс моей работы, а они, - искренне вникнуть, у нас не всегда получается синхронизироваться.
Поэтому я просто показываю эту картинку и начинаю собирать требования.
Очень человечные советы по сбору требований для решения:
https://www.tableaufit.com/endless-abstraction-forms-ambiguous-requirements-gathering-modern-world/

Топчик ошибок, с которыми, как мне кажется, сталкивается практически любая организация в ходе эволюции работы с Big Data и хранилищами:
https://www.analyticsinsight.net/common-mistakes-organizations-make-when-using-big-data/