data.csv

Для многих из нас первое касание с графиками происходит в школе на уроках математики. Сначала мы учимся понимать, как ведут себя простейшие функции, затем — решаем сложные визуальные задачи. На математике построена и диаграмма Вороного, популярная в инфографике: она делит пространство на области «кому ближе», а их форму и границы вычисляет алгоритм. А я недавно познакомился с авторами канала «Зачем мне эта математика», которые ведут мои коллеги из Яндекс Образования: и оказалось, что в их постах тоже много красоты и визуальности. Вот только несколько примеров: *⃣ Как визуальный глюк из математической программы получил человеческое имя, стал героем Reddit'а и побывал в космосе; *⃣Что такое филотаксис, как он помогает красиво визуализировать разное количество точек, и как он связан с подсолнухом *⃣Можно ли визуализировать классическую геометрию В общем, коллег рекомендую: » Зачем мне эта математика

Cursor (платформа для разработки при помощи ИИ) дропнули персональные итоги года в виде визуального сторителлинга с графиками. К некоторым решениям есть вопросики, но в целом выглядит симпатично. И круто, что такое есть — обычно в итогах с визуализацией никто не заморачивается. Если тоже писали код там, гляньте! https://cursor.com/2025

На последней паре со студентами медиакома МГУ мы балуемся (но с пользой) — учимся глубже понимать визуальный язык, повторяя упражнение Dear Data. Ребята собирают набор данных о своей жизни, а потом изображают его в виде креативной визуализации. Всегда в таких работах получается много трогательного. Например, в этом году меня зацепила работа «Как я скучала по Новосибирску в Москве». На ёлке висят игрушки, которые растут или уменьшаются от силы тоски, появляются на ветках чаще или реже — в зависимости от того, как много раз за месяц эта тоска возвращалась, и меняют цвет в зависимости от того, скольким людям автор успела пожаловаться. Добрые друзья и семья, светлый воздух, любимые кафе и милая кухня без тараканов. Хотя прошлогодний шедевр «что слушает мой дядя, когда выпивает с друзьями» я едва ли когда-нибудь забуду.

Яндекс выпустил очень вдохновляющий ролик про использование искусственного интеллекта. Начиная от понятных кейсов — типа собрать аптечку для похода в горы, заканчивая тем, что я даже сам не знал: типа автоматического поиска лучшей цены на товар и подбора целого лука по фотографии! Ну и в случае с Яндексом здорово, что это будет легко доступно не только технически подкованной части населения, но и даже вашей бабушке или тёте из Якутска Рекомендую: https://youtu.be/c2aXtFI0VaI?si=io34O-kPP6koJ0gF

Flourish собрали статистику оценок рождественских фильмов и выяснили, что период с 1980 по 2010 был самым богатым на хорошие картины этой тематики. Напишите, что вы будете смотреть для новогоднего настроения! 🎄

Какой невероятный музыкально-инфографический труд! The Pudding выпустили музыкально-инфографический материал о том, как мелодические мотивы работают в мюзиклах, кино и популярной музыке. Повторяющиеся музыкальные фрагменты создают устойчивые ассоциации — они помогают выделять персонажей, идеи и отслеживать развитие сюжета. В материале много примеров, которые можно послушать и сверить с собственными ощущениями: например, посмотреть, как с помощью музыки развивается драматургия в мультфильме «Вверх!», или вспомнить, с каким персонажем у вас ассоциируется знаменитая мелодия из «Звёздных войн» (ту-ду-ду ту-ду-ду ту-ду-дуу). В конце можно изучить все мотивы из мюзиклов Гамильтон (Hamilton), Отверженные (Les Misérables) и Злая (Wicked)! https://pudding.cool/2025/12/motifs/

Последний месяц был оглушительным по количеству задач. Но пожинать их результаты — чудесно! В субботу у нас завершился внутренний хакатон по дата-журналистике в Яндексе. Участники анализировали данные компании, искали в них интересные инсайты (так хочется рассказать — но пока NDA!) и презентовали результаты на финале. А специально для хакатона мы сделали офигительный мерч. Я предложил каламбур — сделать на футболках инфографику про размеры футболок. Идею поддержали, и моя прекрасная коллега Надя сделала дизайн. График на футболке называется Маримекко. Вертикальные полосы обозначают подразделения Яндекса, а их ширина — количество сотрудников в подразделении, указавших размер футболки в Стаффе (нашем внутреннем портале). Высота цветного сектора отражает долю сотрудников, выбравших соответствующий размер футболки. Бледные цвета — женские размеры, тёмные — мужские. Хотели бы себе такой?

Конференция «Дата-сторителлинг» Андрей Дорожный третий год подряд собирает нас на онлайн-конференции, где мы обсуждаем подходы к визуализации данных и разбираем кейсы интересной аналитики. В этом году много говорим про применение ИИ в визуализации данных — в том числе со своим таким докладом выступлю и я. Среди других спикеров — Автор книги «Графики, которые убеждают всех» и канала «Чартомойка» Александр Богачев, Автор канала «Простая экономика» Николай Мячин Основатель проекта ДатаЙога Андрей Демидов Купить билет

Привет, это шефред дата-редакции Т—Ж Сергей Антонов с гостевым постом для data․csv. Я очень люблю всякие необычные методики подсчета, вроде тех, когда по спутниковым снимкам анализируют количество пустых нефтяных резервуаров с плавающими крышками и потом прогнозируют изменения цен на нефть. Расскажу про похожий российский кейс. У рынка радио есть проблема — технически невозможно измерить какие станции слушают больше, а какие меньше. Все существующие рейтинги, как правило, делают на основе опросов, однако это не самый надежный способ — кто там вспомнит, какую станцию он слушал в парикмахерской или в такси? Но, как известно, на любую резьбу всегда найдется свой хитрый болт. Одна исследовательская компания парсит фото с сайтов по продаже автомобилей. Предпочтение отдают тем, которые использовались в такси. Судя по всему, дальше машинным зрением распознают фото внутри салона авто, а потом так же распознают название станции или частоту на экране магнитолы. На выходе имеют датасет с раскладкой не просто по популярности станций, но и платежеспособность аудитории — ведь машины разной ценовой категории. В итоге такие исследования продают радиостанциям, на том и зарабатывают. P.S.: Если вы любите не только цифры, но и буквы, зову подписаться на мой маленький канал «Антонов без Б.», который посвящен истории языка и происхождению слов.

Привет, это шефред дата-редакции Т—Ж Сергей Антонов с гостевым постом для data․csv. Я очень люблю всякие необычные методики подсчета, вроде тех, когда по спутниковым снимкам анализируют количество пустых нефтяных резервуаров с плавающими крышками и потом прогнозируют изменения цен на нефть. Расскажу про похожий российский кейс. У рынка радио есть проблема — технически невозможно измерить какие станции слушают больше, а какие меньше. Все существующие рейтинги, как правило, делают на основе опросов, однако это не самый надежный способ — кто там вспомнит, какую станцию он слушал в парикмахерской или в такси? Но, как известно, на любую резьбу всегда найдется свой хитрый болт. Одна исследовательская компания парсит фото с сайтов по продаже автомобилей. Предпочтение отдают тем, которые использовались в такси. Судя по всему, дальше машинным зрением распознают фото внутри салона авто, а потом так же распознают название станции или частоту на экране магнитолы. На выходе имеют датасет с раскладкой не просто по популярности станций, но и платежеспособность аудитории — ведь машины разной ценовой категории. В итоге такие исследования продают радиостанциям, на том и зарабатывают. P.S.: Если вы любите не только цифры, но и буквы, зову подписаться на мой маленький канал «Антонов без Б.», который посвящен истории языка и происхождению слов.

Смешной формат придумала команда аналитики FlyByMetrics Они проанализировали telegram-канал бывшего президента России Дмитрия Медведева и нашли в нём уникальные слова — ⭕️почти не используемые (в базе словаря современного русского языка Ляшевской и С.А.Шарова менее 0,4 раза на 1 млн слов) — педикулез, шобла, наркоклоун, самокастрация ⭕️ крайне редкие (примерно 0,4 раза на 1 млн слов в корпусе словаря) — дефекация, русофобский, маразматик, псалтирь, шагреневый, дегенеративный. Интересно теперь посмотреть на каналы других известных персон 🌚 А больше интересной аналитики на основе данных Telegram, YouTube, Instagram и других социальных платформ — в их канале FBM API Insights.

Как отличаются дни мужчин и женщин Нейтан Яу продолжает выуживать интересные инсайты из данных большого опросника American Time Use Survey. Любопытно, что почти всё делают больше в течение дня — женщины. Уход за собой, уборка дома, уход за членами семьи, звонки по телефону, покупки. У мужчин лидирует работа, спорт и... общение с другими людьми. Судя по всему, с другими мужчинами 👀 https://flowingdata.com/2025/11/04/spend-days-men-women-2024/

У канала 3 тысячи подписчиков! Вас так много 🤩 Мы хотим рассказать, кто делает этот канал, чтобы познакомиться поближе. Заодно этим постом запускаем рубрику #почему — короткие разборы ошибок и приёмов визуализации данных. Так можно с пользой посмотреть на наши лица. В прошлый раз мы заказывали пиццу, а в этом выпуске на собственном примере рассказываем, почему нельзя обрезать столбики в столбиковой диаграмме (её ещё называют «барчарт»). Напишите в комментариях, если догадались, постер какого фильма мы пытались повторить 😎 Исследования Яндекса @YaResearches

мы!

Нейросетевые фичи раскатили на Яндекс Таблицы Коллеги на днях совершили большой запуск — глобальный апдейт нашей большой языковой модели. Алиса теперь не только стала умнее, но ещё и «проросла» в другие сервисы Яндекса: в Go [пока в режиме закрытого бета-теста] при помощи нейросети можно забронировать столик в ресторане, в Браузере — дать задачу ии-агентам: например, найти какой-то товар на сайте. Но самое долгожданное для меня обновление — это апдейт Яндекс Таблиц. Теперь можно прямо в эксельке закрывать разные нетривиальные задачи, связанные с данными. К примеру: — Определить пол человека по его имени; — Определить континент по названию страны; — Перевести с одного языка на другой. Как этим пользоваться 1. Перейти на https://docs.yandex.ru/ 2. Создать новую таблицу (проверьте, что у вас включён переключатель «Перейти на новый редактор») 3. Использовать формулу =АЛИСАПРО(<ПРОМПТ>;<ЯЧЕЙКА С ДАННЫМИ>) Предостережение 1. При помощи LLM не стоит решать задачи, которые легко решаются стандартным формульным функционалом (складывать числа, искать среднее, выделять первый символ и так далее). Модели имеют свойство ошибаться, и эта ошибка оправдана только там, где нет альтернативы. Предостережение 2. Качество работы любых моделей зависит от того, насколько грамотно вы напишете промпт. Иногда имеет смысл расписать задачу подробно, а не просто парой слов. Работает это бесплатно. Наверняка есть какие-то ограничения по количеству данных, которые можно таким образом обработать — но в релизах я не нашёл ничего про лимиты. Попробуйте и расскажите в комментариях.

Занятная схема повстречалась мне в Китайском саду в Сиднее На ней конкретные точки обозначены не локаторами с цифрами (поди найди, где на таких картах 1, а где 51), а разбита на сектора — как в таблицах Например, главный вход L11, а туалеты — K5. Как вам? Ставьте 🔥, если удобно

Анализируете данные? Коллеги из HEWHR просят пройти опрос — чтобы узнать, как меняется ваша профессия. Что исследуют: 👉 Зарплаты и их динамика 👉 Рейтинг работодателей для аналитиков 👉 Где работают аналитики, как работают (удалёнка/офис), какие планы на трудоустройтво. 👉 Как меняется зона ответственности аналитиков и чем хотят заниматься аналитики 👉 Как аналитики ищут работу и выбирают работодателя Опрос займёт около 20 минут, но вы сделаете большой вклад в исследование профессии. А результаты потом будут доступны всему комьюнити бесплатно ▶️ Ссылка на опросник ◀️

Набор данных, который больше всего впечатлил меня в Мельбурне … встретился в, пожалуй, самом интересном местном музее города — Старой тюрьме Мельбурна (Old Melbourne Goal). Историческое тюремное здание сегодня принимает туристов и рассказывает жуткие истории 19-20 веков. В то время особо опасных преступников казнили через повешание, и в одной из комнат даже можно увидеть полный поимённый список казнённых — с 1842 по 1967 годы. Визуализации тут нет, но надо сказать, что табличка с именами убитых производит впечатление куда большее, чем столбики или даже иконки. Хотя разбивку по годам, типам преступлений и стране рождения было бы глянуть интересно. Говорят, что среди первых заключённых было много аборигенов, потому что с местным населением они, по понятным причинам, дружить не хотели. Кто пропустил, заметки, не связанные с данными, я буду публиковать тут: » в глазах смотрящего

В ближайшее время посты тут, вероятно, будут выходить реже обычного, потому что я отправляюсь, наверное, в самый длительный свой отпуск. В планах Австралия, Сингапур, праздник фонарей в северном Таиланде и бухарское биеналле. По традиции, находки визуализации на улицах других стран буду скидывать сюда. А если захотите почитать про приключения, то сделать это можно будет в моём личном канале: » в глазах смотрящего

deluliu, ngl, sigma, huzz — вот одни из немногих трендовых словечек, которые благодаря распространению соцальных сетей теперь употребляют не только американские подростки, но и их сверстники в других странах Хотите почувствовать себя старым? Попробуйте себя в тесте от WP на знание молодёжного сленга: https://www.washingtonpost.com/opinions/interactive/2025/teen-slang-quiz-delulu/