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/

Наткнулась на новость, что компания Anomalo привлекла почти 6 млн. $ инвестиций
https://news.crunchbase.com/news/anomalo-raises-5-95m-to-validate-data/
Чтобы разобраться, что они делают, я полезла на medium, и да, они используют ту же стратегию по мониторингу отсутствия данных, которую наша команда платформы реализует сейчас на стеке "SAS+Tableau":
https://medium.com/anomalo-hq/when-data-disappears-d97f9deecf54
Но они пошли дальше, и, например, их проверка прогнозируемого диапазона существенно лучше поможет работать с DQ, чем все возможные статистические проверки:
https://medium.com/anomalo-hq/dynamic-data-testing-f831435dba90

📚 Глоссарий DAMA DMBOK2

Работая над проектом по популяризации «DAMA DMBOK2: Свода знаний по управлению данными» мы столкнулись с большим количеством узкоспециализированных терминов. И решили их собрать на одной странице, чтобы дать возможность всем, кому это будет интересно и полезно, изучить определения, которыми оперирует DAMA DMBOK в частности и отрасль работы с данными в целом.
После разбора каждой новой главы DAMA DMBOK2, глоссарий будет пополняться: https://dataliteracy.ru/dmbok-glossary?utm_source=telegram.me&utm_medium=social&utm_campaign=-glossariy-dama-dmbok2rabotaya-nad-pro
Изучайте и подписывайтесь на новости проекта — совсем скоро выйдет конспект 2-й главы.

Любой хороший дашборд начинается с проработки метрик. Правильно подобранные метрики позволяют мониторить здоровье как отдельного процесса, так и бизнеса в целом. Дашборд в этом плане является идеальным инструментом антикризисного мониторинга.
Ниже линк на статью Екатерины Благиревой на эту тему, приятного чтения, котятки🐱
https://vc.ru/u/639152-glowbyte/203152-mozhet-li-bi-byt-zonoy-dlya-rocket-science-v-kompanii-kak-postroit-antikrizisnyy-dashbord-dlya-biznesa

​​Warning! 💰❗️
Ищутся аналитики Data Governance и DWH в компанию ADG group (https://www.adggroup.ru/)
Давайте поможем ребяткам найти аналитика мечты:
https://hh.ru/vacancy/41850907?query=Adg%20group
https://hh.ru/vacancy/41850958?query=Adg%20group
Контакт для связи - +79163148404 (Андрей), либо просто откликнитесь на hh.

«Qlik», «Мегафон» и «Accenture» обсудят этику работы с данными: как ситуация обстоит в России?
4 февраля в 18:00

Ключевые темы:
📌Как работает «Кодекс этики использования данных», принятый в 2019 году многими крупными компаниями России и СНГ?
📌Какими рисками может обернуться неэтичное обращение с данными?
📌Как выстраивать культуру этичного обращения с данными?
📌Как донести сотрудникам культуру этичного обращения с данными, чтобы она не стала дополнительным регламентом, который нужно подписать у HR/юристов?

Регистрация: https://dataliteracy.ru/see-dmbok-2

#конспектDMBOK

Вопрос об этике данных для меня имеет сугубо прикладное значение. Делая ту или иную визуализацию, я задаю простой вопрос: как визуализация ограничивает то, что могут понять пользователи? Как она может исказить их восприятие?
Линк на очень обстоятельную статью с примерными чек-листами по этике данных:
https://www.tableaufit.com/the-ethics-of-visualizing-during-a-pandemic/

Котятки🐱,
Вчера попался в руки прекрасный учебник "A Reader on Data Visualization":
https://mschermann.github.io/data_viz_reader/
Особенно бесподобна вторая глава, а библиография и отсылки просто находка для моего перечня литературы по визуализации:
https://mschermann.github.io/data_viz_reader/fundamentals.html

Недавно я открыла для себя дерево декомпозиции в Power BI , - и пропала🐱
https://docs.microsoft.com/ru-ru/power-bi/visuals/power-bi-visualization-decomposition-tree
Моё сердце занято. Больше никаких безумных тыканий фильтров, ведь оно может:
1) Декомпозировать любой фактовый столбец с преднастроенной мерой (количество, уникальные значения, сумма и пр.)
2) вытаскивать данные в различных разрезах и структурировать по возрастанию/убыванию
3) выстраивать последовательно узлы детализации и гибко перестраивать данные при изменении уровня узла.
Идеальный инструмент, например, если нужно покрутить какую-нибудь выручку или churn rate.
Что важно: в инструмент заложена такая фича, как "Разбиение ИИ". Он подсказывает, в каком разрезе надо смотреть данные дальше. Его работа базируется на поиске экстремумов:
-Высокое значение. Рассматривает все доступные поля и определяет, какое из них нужно детализировать, чтобы получить наибольшее значение анализируемой меры.
-Низкое значение. Рассматривает все доступные поля и определяет, какое из них нужно детализировать, чтобы получить наименьшее значение анализируемой меры.
Инструмент сэкономит вам целую команду бизнес-консультантов, но при условии, что у вас есть корректные, очищенные и подготовленные данные😉

Котятки🐱
скоро настанет то время, когда нас вернут в офис. И я смогу поговорить с живыми людьми и одеть платье.
Пост из серии "где найти вдохновение, когда мыслей нет, а надо рисовать дашборд":
https://www.tableaufit.com/steal-tips-not-dashboard/

Почему важно наглядно доносить информацию. Визуализация данных для бизнес-аналитика

В статье говориться о вещах простых, зато работающих. Как сделать цифры наглядными, для чего это нужно и как визуализация помогает бизнес-аналитику в работе.

Перейти