Берёшь ниточку и становишься частью выставки и аллювиальной диаграммы ❤️

https://twitter.com/OktemAlp/status/1114908674844233732

омагадомагад
https://twitter.com/AmyCesal/status/1118858416691273730

Красивые и простые карты 🌍

Не так давно нарисовать карту по данным было каким-то уникальным навыком. Нужны были всякие и шейпфайлы, и координаты нужно было знать, и вообще! Сейчас нарисовать карту - уже далеко не проблема - это делает куча разных сервисов как в своих десктопных приложениях, так и онлайн. Так что тут я расскажу, где карту нарисовать и как сделать ее самой красивой на свете ❤️

Говорить будем про фоновые картограммы - хороплет. Именно так их обычно и называют. Собственно, название и идет от того, что они показывают значения по областям. Такими картами обычно показывают геоданные, где есть именно область - страна, регион и т.д. Или визуализации данных по населенным пунктам же чаще берут символьные карты (с кружочками). Но вот эти советы по визуализации в принципе подойдут для всех типов карт.

🌈 Цвет - первое, о чем нужно подумать
Просто потому что именно цвета и показывают значения. У всех на с вами есть цветовые ассоциации по типу, что если цвет темнее, то значение больше, а зеленый - хорошо, красный - плохо. И ассоциации эти лучше не нарушать. Выбирайте палитры, которые идут от светлого к темному - от светло-голубого к темно-синему, например. Если вы берете палитру от зеленого к красному, то она должна подходить под данные. Например, смертность можно показывать таким способом - тогда будет понятно, что где высокие значения смертности идет красный цвет (ассоциативно - все плохо), а где зеленый - показатель ниже (все хорошо).

📍 Выбросы! Такое есть часто почти во всех данных. Например, у меня в предпоследнем посте карты, где Питер и Москва были сильными выбросами. Тогда естественно цветовая шкала будет подстраиваться под них и самые темные значения будут выбросными, а все остальные - нет. Поэтому, если у вас вышла карта, где 1-2 точки супер темные, а остальные нет - проверьте, не выбросы ли это и не надо ли вам подстроить цветовую шкалу под свои данные. Тогда можно взять за максимум значения до выбросных. Если вы так будете делать - укажите это в легенде или тексте к карте, чтобы никого не обманывать.

🧼 Убирайте лишнее. Уберите подписи, которые не несут никакой смысловой нагрузки для понимания карты. Уберите лишние границы, если ваши данные на них не делятся (например, границы районов внутри области). Если вы рисуете карту России, остальные страны вам там не нужны и их тоже можно смело стирать.

🌐 Границы и фон одного цвета. Этот лайфхак я как-то вычитала для карт в Tableau и мне он прямо очень нравится. Карты сразу выглядят симпатичнее. Фон лучше белый или темно-серый, почти черный, но не черный, а то может быть слишком темно.

✏ Подписи - с этим я всегда мучаюсь, особенно для карт по Европе или регионам России. С США все легче - там короткие обозначения штатов всегда влазят в свои области, а вот у нас нет((( Тут моим советом будет выбрать те значения, которые вам кажутся максимально интересными и подписать их. Удобнее всего будет сделать интерактивную карту и тогда к выбору того, что подписать, можно относиться не так аккуратно.

🍓 Где?
Tableau
Exploratory
Power BI
MS Excel

https://www.datawrapper.de
https://infogram.com
https://plot.ly/create/
http://mapinseconds.com
https://flourish.studio
https://mapchart.net +вручную тыкаете цвета, как раскраска
https://www.mapbox.com

R, Python, D3.js - для истиных любителей

Мой выбор - Tableau или Datawrapper. Если совсем не хотите запариваться с установками и тд, то datawrapper вам точно понравится!

Куча всяких тьюториалов по графикам в Экселе от Stephanie Evergreen. Они не самые подробные - там просто по скринамм, но зато выбор графиков очень неочевидный. А график-гантельки так вообще отдельная прелесть ❤️

https://stephanieevergreen.com/how-to/

Я, конечно, не дезигнер, но от Дурова реально самый ок

Артемий Лебедев показал набросок логотипа «ВКонтакте» от Павла Дурова, который стал итоговым, и ещё несколько вариантов, которые предлагали его дизайнеры.

Говорит, была проделана огромная работа, которая закончилась как обычно — пришёл главный, нарисовал логотип ручкой на бумажке и сказал: «вы там поработайте чуть-чуть, я тут наметил направленьице»: vc.ru/design/66364

Я тут с крутыми людьми рассказываю про любовь к R и данным 🦄

https://www.comagic.ru/blog/posts/apr/r_python_javanoscript_ili_excel_chto_uchit_internet_marketologu_dlya_professionalnogo_rosta/

Каждый раз очень переживаю, не пишу ли я фигню....

Визуально от Nathan Yau, зачем смотреть на распределения и рисовать графички, а не просто делать саммари статистикс

https://flowingdata.com/2017/07/07/small-summary-stats/

Гениально же!

http://ow.ly/aDPL30oIZzJ

#foodporn of the world

Прикольная штука от Елены Межовой о том, что есть фудпорн в мире. Без шоколада ну никак! ❤️

Блинчики! А это уже по странам

Так выглядит расстановка сил среди русских рэп-исполнителей на карте России. Кажется, борода является важным, но не решающим критерием успеха. По ссылке — подходящий плейлист на Яндекс.Музыке: ya.cc/5rVS4

​датасатанисты опять говорят на своем непонятном 🎈

Мне тут скинули очень интересный пост про то, что в компаниях должны быть переводчики с датасаинтистского и аналитического на менеджментский. Ну как-то так получается, что люди вроде в одной компании работают, но не всегда понимают друг друга. Что больше всего меня радует, что перевод должен быть не на человеческий, а именно на язык менеджеров.

И на самом деле, в больших компаниях особенно сильно грешат этими официальностями и можно было бы уже даже словарики заводить. Аналитики любят употреблять сложные слова, суть которых понимают только люди, работающие с данными, а менеджеры любят все сводит к отчетности и официальности. Понять можно обе стороны - это явно сразу придет +10 очков гриффиндору и они выглядят куда более умными и знающими. И еще что делают что-то такое очень сложное, понятное только им. Но проблема в том, что когда понимают только они, то и вся работа становится бессмысленной. Аналитики могут сколько угодно делать по-настоящему важные вещи и строить дикие модели, но если их не понимают все остальные, то зачем оно вообще все?

📈Вот например, эффективность рекламных кампаний и каналов следует анализировать по весам модельной атрибуции, то есть по относительному вкладу кампании или канала в конверсию пользователя. Не просто купил/не купил, а через какие каналы он зашел до покупки и какие каналы подвигли к конверсии. Но проблема в том, что бОльшая часть менеджеров знать не знают, что это за веса и они любят обычные абсолютные числа. Или же аналитики часто создают новые показатели (несомненно важные и замечательные), но только они и могут потом ими оперировать. Неслабая такая проблема, да? Я не утверждаю, что такое есть во всех компаниях, я уверена, что есть много примеров эффективной и слаженной работы всех отделов организации, но лучше ведь, когда везде все понимают, что творится.

🗣Собственно, автор поста @asebrant на своем канале https://news.1rj.ru/str/techsparks говорит о том, что таким переводчиком должен быть руководитель отдела аналитики. И на самом деле, да, он действительно должен понимать, как и что происходит. Но лучше бы, когда аналитика сидит во всей компании и распространяется на всех! Прямо на всех-всех. Это вообще моя идеальная модель, когда все понимают, что без данных никуда. Когда контентщики думают о правильном расставлении ссылок с метками, понимая, что именно это поможет им отследить их работу. Когда отделы продаж имеют некоторое представление о предиктивной аналитике и понимают важность правильного и четкого заполнения баз данных. Короче, когда люди думают о данных и возможностях, которые они дают.

И еще из моего личного видения, что к такой идеальной модели должны приближать дэшборды. Но не просто с набором цифр и графиков, а зачастую прямо с кусочками текста и пометками, что из этих данных и графиков можно получить. Чтобы дэшборд был не только способом анализа информации, а гайдом к действию - что и где изменить.