Лаборатория данных
Интерактивные визуализации на D3.js, консультации, учебные курсы
Show more- Subscribers
- Post coverage
- ER - engagement ratio
Data loading in progress...
Data loading in progress...
Мы уже видели, как реальность данных «прорастает» на особенные визуализации. Теперь я расскажу, как её применять при создании аналитических дашбордов. Кейс, который мы рассмотрим, целиком придуманый и во многом упрощённый, данные я сгенерировала случайным образом, специально заложив туда некоторые закономерности. Но, на мой взгляд, он хорошо отражает класс реальных задач, с которыми сталкиваются аналитики и для решения которых можно использовать алгоритм Δλ.
Иногда реальность данных проникает на визуализацию в буквальном смысле. Как на этой визуализации «Горячей сотни Биллборда»: Перейдя по ссылке, можно послушать 60-е, 70-е, 80-е, 90-е, 2000-е и 2010-е: треки сменяют друг друга и звучат тем дольше, чем больше времени они провели на вершине хит-парада.
Первый шаг алгоритма Δλ — описать реальность данных. Давайте разберёмся, что это такое, как её описывать и, главное, какая от этого польза. Как правило, данные представляют собой таблицы или базы данных, объединяющие множество таблиц. И если мы анализируем и визуализируем данные, то таблицы — это то, с чем мы имеем дело.
Алгоритм Δλ (читается как «дельта-лямбда») — это мой авторский пошаговый рецепт создания классных визуализаций. В первых проектах Лаборатории данных ни о какой методологии речи не шло, я придумывала их бессистемно, «по наитию». Так появились визуализация Московского марафона, календарь температурных рекордов, мир танков, ошибки на тренажёре ПДД и другие работы. Параллельно я вела учебные курсы, и именно для них начала анализировать свою работу и формулировать путь к предсказуемо достойному результату. В перечисленных выше проектах датасеты сильно отличались между собой, да и визуализации получились очень разными, но во всех этих задачах я видела сходство. Я также собирала и изучала визуализации других авторов, которые меня восхищали и завораживали, пыталась понять, что есть в классных работах и чего не хватает посредственным. Вот один из моих любимых примеров того времени: карта пищевых привычек, созданная на основе данных приложения Eatery. От этой визуализации у меня осталось всего три скриншота, зато вдохновение…
Ребята из Teal.inc умеют измерять и отслеживать едва уловимые изменения в отношениях между коллегами, удовлетворённость сотрудников рабочими задачами и материальной компенсацией, усталость, разочарование в ценностях, несправедливость в коллективе. Мы в лаборатории придумали формат отображения для иногда противоречивых ответов на теоретические и практические вопросы, спроектировали логику интерфейса сервиса и, совместно с командой заказчика, внедрили новый дизайн.
Мапакон 2024 - Конференция Картетики по геотехнологиям и ГИС
https://cartetika.ru/?utm_source=youtube&utm_medium=video&utm_campaign=mapacon2024Доклад Тани Мисютиной о разных способах представления пространственных данных с точки зрения дизайнера и дата-аналитика. Ссылка на презентацию:
https://drive.google.com/file/d/1n6kFILPLFPfKxVDaBDb-tbDqpMMkkIce/view?usp=drive_linkhttps://cartetika.ru/courses/?utm_source=youtube&utm_medium=video&utm_campaign=mapacon2024
https://t.me/cartetika_channel
https://vk.com/cartetika
Your current plan allows analytics for only 5 channels. To get more, please choose a different plan.