В ggdist появилось много вариантов лэйаутов для разных точечных графиков, в том числе beeswarm plot. Чтобы и накладывалост, и уменьшалось и раскладывалось, что угодно. Обзор в треде от Matthew Kay.

Очень прикольный темплейт кастомного дэшика для Tableau. Это из серии accelerator дэшей, то есть можно подключить свои данные и получить такую же штуку.

Здесь кастомно предлагают настроить вид с нужными метриками.

Отключение электричества в ЮАР. Наша июльская поездка как раз выпала на практически пик. Отключали каждую неделю по несколько раз в день и местные говорили, что такое за последние два года – редкость и все это из-за забастовок. Ну у компании там действительно так себе дела и, судя по визу, июлем это не кончилось.

Из плюсов – есть приложение, где тебе заранее говорят, когда электричества не будет и когда вернут.

А график хорошо сделан и как раз для паттернов в течение времени такой хитмап отлично подходит.

Хорошая и !понятная! статья про ошибки в A/B тестировании от Озона.

https://habr.com/ru/company/ozontech/blog/712306/

Lindsay Betzendahl сделала календарик в Tableau. Не могу сказать, что сильно как-то лучше обычных, но решение прикольное.

Давно хотела нарисовать варианты визуализации опросных данных. Попались такие с WorkoutWendsday и решила, что это знак.

Визы максимально простые, но обычно пользуются именно последним вариантом барчарта со 100% группировкой, а кажется, что small multiples вариант часто удобнее.

Карта датавиз книг от дизайнера Evelina Judeikyte. И это она только за 2022 год прочла, немножко завидую скорости 😅

Тем временем я: 3 начатых книги, одна в телефоне, другая на ноуте, третья в киндле. Конец не близится…

Sam Parsons сделал видос, как такие составные таблицы делать в Tableau. В этот раз уже сразу с несколькими мерами. Я уже пробовала его схему, очень прикольное решение.

Дата заметки от Giorgia Lupi и Paolo Ciuccarelli:
1. Всегда проверяйте источник данных и меодологию сбора/расчета метрик.
2. Часто стоит обратиться к пропорциям, а не абсолютным значениям.
3. Многие данные важны в контексте других.
4. Проверяйте, как вели себя данные до и после выбранного вами периода данных.
5. Иногда важно показать неопределенность в данных (доверительные интервалы, погрешности и тд)
6. Если данные отсутствуют – это тоже важный признак.
7. Всегда показывайте источник данных на визуализациях.
8. Визуализация должна отвечать специфике данных и ее коммуникационной цели.
9. Пробуйте показывать многомерность данных даже на одном графике.
10. Эстетика и риторика – мощные триггеры, чтобы заинтересовать людей исследовать данные через визуализации.
11. Продумывайте формат визуализаций (устройства, интерактивность).
12. Сохраняйте индивидуальность данных даже при агрегации, давая людям понять их природу и что эти явления могут быть и с ними.