Разбирала заметки и нашла вот эту картинку про сравнение областей и почему в областных диаграммах так часто ошибаются. Вместо того, чтобы показывать разницу площадью, показывают диаметром, что задубливает площадь. И даже если пропорции правильные, помните, что оценить и сравнить их очень-очень тяжело. Они почти в самом конце на шкале восприятия.

А еще у Антона Мизинова есть очень классный проект, где можно с площадьми фигур поиграться и посмотреть, как по-разному они воспринимаются.

ps делать заметки по книгам в формате скринов на телефоне – самый неумный способ, который я придумала… пойду приучать себя к электронным книжкам и это из книги the Truthful Art от Alberto Cairo

Блог от Tableau байкеров – Sons of Hierarchies, как Sons of Anarchy, поняли да))

Сходу понравился этот пост – что делают мои пользователи на сервере и там несколько запросов для поиска создания custom views и скачивания данных. Но сам блог забавный

https://sonsofhierarchies.com

Tableau extension для красивых табличек с пагинацией. Что особенно порадовало – автор сделал это без кода и выглядит как наборный конструктор.

Пакет {ggpackets} для накладывания разных ggplot2 слоев на графики. На скрине наглядно код без и с использованием ggpackets.

Почему вам нужно всего 5 интервью с пользователями (не всегда и не везде, но часто для проверки юзабилити должно хватить).

Примерно после 5 пользователей кривая полезности интервью примерно выравнивается и уже почти нет разницы, больше вы с людьми поговорили или нет. И вместо больших сложных исследований лучше делать много маленьких. Пользователи все еще должны быть репрезентативными, конечно.

Elaborate usability tests are a waste of resources. The best results come from testing no more than 5 users and running as many small tests as you can afford.

https://www.nngroup.com/articles/why-you-only-need-to-test-with-5-users/

Юля очень правильно меня поправила к предыдущему посту. Речь не про интервью, а про качественные юзабилити тесты. С ее разрешения публикую комментарии, когда такой формат и количество подходят:
- для мини-тестов, с несложным сценарием, небольшим количеством рассматриваемых задач
- для итерационных тестов, которые проводятся на регулярной основе
- для гомогенных групп пользователей – используют интерфейс схожим образом
- для обнаружения основных проблем, а не для сравнения интерфейсов или оценки времени выполнения задачи или скорости завершения

И поделилась вот такой ссылкой, где тема 5 штук раскрыта ещё лучше
https://measuringu.com/five-users/

зы люблю когда вы пишите, пишите!

иногда сидишь никого не трогаешь и резко хочется послушать МакSим…
we can all relate

Все россияне по профессиям, среднему возрасту и зарплате.

И целый лонгрид с графиками на ту же тему.

#работа

Классная статья в PolicyViz про хороплет карты и подбор цветов для них.

Вообще, карты не всегда самый лучший способ отображения ваших данных. Понять и сравнить конкретные значения по географическим областям по ней тяжело, но вот находить какие-то паттерны в зависимости от гео контекста как раз полезно и удобно. Важно, что то, каким образом вы закодируете данные (цвета для областей, размеры точек) будет напрямую влиять на их восприятие.

Есть 4 основных способа:
- линейный – непрерывная цветовая шкала, в которой каждое значение данных получает свой оттенок, такая дефолтно в Tableau
- равные интервалы – делим диапазон данных на n интервалов и помещаем все географические наблюдения в эти интервалы. Например, на карте с четырьмя бинами и диапазоном данных от 1 до 100 мы получаем четыре равные группы (1-25, 26-50, 51-75 и 76-100). По факту не особо отличается от линейного, тк у нас будет разное количество наблюдений в каждом интервале
- интервалы распределения данных – когда у нас одинаковое количество наблюдейни в каждом интервале, варианты разбиения на квартили (4 группы), децили (10) и тд.
- произвольные интервалы – создатель карты сам задает интервалы и кто в них попадет

Один из вариантов решения проблемы – не доверять алгоритмам, а вычленять интервалы самостоятельно в зависимости от отличаемости данных. Нарисовать график с абсолютами и процентной разницей между этими категориями и сгруппировать их по похожести. Попробовала, надо прямо посидеть подумать над группировкой, пыталась применить какой-то алгоритм по отсечению разницы отклонений, но недодумала.

Очень хорошо пересекается со статьей от Lisa Charlotte Muth про хороплеты, вместе с этой я как-то еще больше прониклась логикой раскраски.

картинки следующим постом, ничего не влезло((

На картинке нарисовала 3 карты с разными типам кодирования и посмотрите, какие они разные, а данные-то одни! От этого и воспрятие будет кардинально другое. Названия штатов специально такие маленькие, фокус не на них))

нахожу это очень funny
– I had a slew of meetings all in a row where different people kept asking me to help them make a map. “I have some state-level data,” they’d say, “can you help me make a map?”
– I’d ask: “Are you sure a map is the best way to visualize these data? What are you trying to show?”
– They would look at me, with spreadsheet in hand, look down slowly and reply, “I have state-level data.”
– Again, I’d ask, “Why a map?”
– One by one, they would give me a confused look and slowly respond, “Uh, because I have state-level data?”

Я настолько excited, когда что-то интересное нахожу, быстрее пишу пост, а потом внутри куча ошибок… простите, у меня вот такие лапки…