Data Driven культура от AW BI

Древнеегипетский Exel: как считали маржу фараоны🧐 Какие образы у вас возникают в голове, когда говорят о письменности в Древнем Египте? Наверняка иероглифы: стены, исписанные художественными изображениями, которые описывают жизнь фараонов, божественные деяния Ра, или восхваляют плодородность реки Нил. ☝🏻Но мало кто знает, что бухгалтерский учёт начал своё развитие ещё в древнеегипетском государстве. 📎На данный момент мы точно можем сказать, что как таковой учёт появился ещё в Месопотамии (около 5500 лет назад). На глиняных табличках записывали сведения о продаже зерна, скота и тканей: количество проданных товаров, их цены и даты сделок.  📎А в Египте пошли ещё дальше и централизовали этот процесс: существовали отдельные государственные учреждения, с десятками бухгалтеров в штате. Они записывали данные, но не иероглифами. В Древнем Египте существовал и второй вид письменности: иератическое письмо, гораздо более похожее на современную письменность. 📎На папирусах (ещё одна инновация, по сравнению с глиняными табличками Месопотамии) оформлялись крупные торговые сделки, которые записывались в особом присутственном месте, при свидетелях, имена которых записывались в документах. Правда, на папирусах чаще всего упоминается недостача, особенно зерна. 📎Примерно в это же время в Египте начинают зарождаться первые аналоги валюты: дебены или утены. Во времена XIX династии рабыня, оценённая в 4 дебена и 1 серебряный кидет, была куплена за аналогичные по ценности товары: 6 бронзовых сосудов, 10 медных дебенов, 15 льняных одеяний, покрывало, одеяло и горшок мёда. 🧮Налоги в древности тоже были, например, налог на урожай, взимавшийся пшеницей и ячменём, равнялся 5-ю мешкам с одной аруры (2/3 акра) обычной пахотной земли больших хозяйств, что составляло примерно половину урожая, собранного с такой почвы. Что интересно, ежегодно проводились даже «аудиты», которые проверяли площади пахотных земель, и в случае, если они, например, были повреждены стихией или другими событиями непреодолимой силы, налог могли снизить. Ещё письмом, например, написан Московский математический папирус, датируемый ~1850 годом до н.э., на котором записаны 25 математических и геометрических задач. 📌Из интересного: уже тогда египтяне рассчитывали площади кривой поверхности, в вычислениях необходимо использовать число π и египтяне определяли его, как 3,16, благодаря чему можно с уверенностью сказать, что инженеры того времени могли с большой точностью вычислять площади различных геометрических фигур, тех же самых  пирамид. *Основной источник: Кембриджская история древнего мира.

👆🏻Папирус Эдвина Смита, описывающий на иератическом письме 48 травматических случаев, каждый с описанием физического обследования, лечения и прогноза. ~ 1500 год до н.э., однако есть данные, что этот папирус является копией более древнего документа, написанного примерно за 500 лет до этого.

Как наконец-то настроить себе пузырьковую диаграмму? 🫧Пузырьковая диаграмма включает 2 оси значений и точки, которые ставятся в месте пересечения значений от 2 осей. Этот тип диаграммы часто вызывает интерес аналитиков — все хотят её построить, однако при работе с ней легко запутаться. Разберёмся на примерах 3 кейсов использования. 1️⃣Простое выведение 2 показателей на оси. Этот вариант принято использовать для демонстрации корреляции между двумя величинами. Такие матрицы могут иллюстрировать высчитанные математически коэффициенты корреляции 2 показателей. Другими словами, наша цель — оценить «облако точек». Чем больше «облако точек» похоже на линию, тем значимее связь показателей (картинка 1). Такая диаграмма ещё называется точечной.  2️⃣Случай, когда необходимо посмотреть разницу между крупными группами. Для этого мы агрегируем значения, соответственно, точек у нас будет значительно меньше — по количеству групп (а не по количеству строк, как в первом случае). Наша цель — оценить относительное расположение точек. По картинке 2 можно сказать, что сертификаты и напитки приносят в среднем одинаковый доход, так как напитки хоть и дешевле, но обычно продаются группой. ❗️Здесь нужно быть внимательным: иногда отдельные точки-группы могут перерасти в «облако точек». Рассмотрим пример с картинки 3: мы видим показатели цены пиццы и количества продаж по разным позициям в меню. Глядя на эту картинку, нам трудно произвести сравнение, из-за того, что точки расположены очень близко друг другу, а для подписей уже нет места. Вместо сравнения конкретных элементов, как на картинке 2, мы получили зелёное «облако точек» там, где не планировали. 3️⃣Мы рассмотрели примеры, где точки были одинаковы между собой. Теперь рассмотрим возможности добавлять различия между точками и расставлять акценты. В общем, то, чем и привлекательна пузырьковая диаграмма. 📎Эта диаграмма позволяет нам точками создавать различия в размере — добавлять своего рода «третье измерение». Для достижения этого эффекта обычно следует добавить третий агрегат (картинка 4). 📎Помимо всего прочего, этот тип диаграммы даёт возможность добавлять внутренние группировки или серии. Данные различных серий подчёркиваются разными цветами или формой точки. Например, глядя на картинку 5, мы можем сравнить продажи за разные месяцы. 📎Ещё пузырьковая диаграмма позволяет использовать все те методы, которые есть в обычной диаграмме — например, форматирование по условию или выведение на ось значений строковых данных, наподобие обычной диаграммы с группировкой (картинка 6). Вместо итога.🙌🏻 Что только не даёт пузырьковая диаграмма аналитику, взявшемуся за работу с ней: формировать «облако точек», подсвечивать показатели размером точки, добавлять дополнительную внутреннюю разбивку на серии, настраивать форму точки. При этом всё это и является основной сложностью в работе:) За многообразием методов можно потеряться в данных и не справиться с задачей. Таким образом, чтобы сделать классный график этого типа, вам нужно: 1️⃣Выбрать один или два конкретных метода, которыми вы захотите обозначить различия. Например, только точки, или только цвет. Экспериментировать можно — и обязательно нужно! С осторожностью. 2️⃣Следить, когда вы хотите добавить «облако точек», а когда именно сравнить конкретные точки. Первый метод подходит для оценки неагрегированных данных, второй — для оценки конкретных групп. *Картинки прикрепляем ниже, следующим постом.

Про DAX и вендорлок Привет! Пишет Михаил — Head of product AW BI 😉 Я часто встречаю на показах, эфирах и в опросниках клиентов примерно такие вопросы и мнения: «А вы DAX поддерживаете?» «Мы SQL не знаем, но знаем хорошо DAX» «DAX нам привычнее и понятнее, мы ищем поддержку DAX» Мне лично жаль людей, которым поставили задачу отказаться от Power BI. Реально, Power BI очень хорош, но при этом у него есть ещё и киллер фича — DAX. Скитаясь от одного вендора к другому, отказники от Power BI расстраиваются всё сильнее и сильнее, так как поддержки DAX не находят. С точки зрения вендорлока cоздание DAX и его использование в Power BI — гениальный ход Microsoft. Гениально было создать язык запросов, который не базируется на SQL (именно поэтому нет конвертера с DAX в SQL, который бы справлялся со сложными мерами). Гениально было обучить DAX тысячи специалистов, вложиться в работу с вузами. Гениально было написать книги и пособия по DAX. Если вам обязательно нужна поддержка DAX, то держитесь всеми силами за Power BI — DAX в полной мере не поддерживает ни одна другая BI. Это язык, созданный MS для своих BI-решений. Я пишу «в полной мере» так как есть некоторые BI, которые поддерживают DAX, но там до полной поддержки ещё очень и очень далеко. Если вы хотите слезть с вендорлока DAX от Power BI, но при этом ищете DAX в другой BI — вы попадаете на вендорлок DAX в новой упаковке. И эта упаковка точно будет дороже и менее функциональная 💯 Большинство BI не делают упор на поддержку DAX. Большинство опираются на SQL или SQL-подобные/совместимые/конвертируемые синтаксисы. А специалистов по SQL точно больше, чем специалистов по DAX — там тоже есть книги, обучение и сообщества. Зная только DAX, вы знаете только одну BI. Классную и многофункциональную, но, как минимум, ушедшую из РФ. Зная SQL — вы знаете почти все BI, включая кучу российских и Open Source. #мнение

Провидец, гениальный маркетолог, человек из будущего — как только не называли Стива Джобса. Именно благодаря его гениальности Apple стала самой дорогой компанией в мире. Какими же волшебными постулатами руководствовался Джобс, и актуальны ли они сейчас?🤔 1️⃣Взаимодействие с пользователем. Стив Джобс всегда смотрел на вещи с точки зрения использования продукта потребителем. Этот вопрос непрерывной цепью проходил через всё создание системы, будь то настольный компьютер или iTunes, в том числе и через производство, поставки, маркетинг и магазины. 2️⃣Никаких фокус-групп. Стив говорил: «Как я могу спросить кого-то о том, каким должен быть графический компьютер, если этот человек понятия не имеет, что такое этот графический компьютер, ведь никто его никогда не видел?». 3️⃣Перфекционизм. Он был человеком, который верил в важность каждой детали на каждом этапе создания продукта. 4️⃣Видение. Стив Джобс был уверен, что компьютеры постепенно станут потребительским продуктом. Это была очень странная идея в начале 1980-х, потому что люди воспринимали персональные компьютеры лишь как уменьшенную версию больших компьютеров. Но Стив думал о чём-то принципиально ином, предполагая, что он станет «велосипедом для разума», который позволит людям иметь те возможности, о которых они никогда ранее не мечтали. 5️⃣Минимализм. Методология Стива Джобса отличалась от других тем, что в принятии решений наиболее важными из принятых решений он считал не те, что решал делать, а те, что решал не делать. Руководствуясь этим принципом, он всегда упрощал то, что слишком сложно. 6️⃣Нанимать лучших. У Стива Джобса была способность находить самых лучших и самых умных людей. Он был очень харизматичен и умел убеждать людей, поэтому к его команде присоединялись и доверяли его видению даже ещё не существующих продуктов. Наём людей в свою команду он всегда осуществлял лично, не доверяя это дело другим. 7️⃣Работа над деталями. На одном уровне он работал над «изменением мира» – это его большой принцип, а на другом – спускался до деталей в создании продуктов и дизайна ПО, оборудования, систем, приложений и периферии. 8️⃣Оставаться небольшими. Ещё одна вещь, которую не любил Стив Джобс – это большие организации. Он считал их слишком бюрократичными и неэффективными. У него было правило: иметь не более 100 человек в команде Mac. Объяснение очень простое: он хотел, чтобы его окружали только те люди, которых он лично знал, чтобы он имел возможность контролировать всю работу. 9️⃣Отклонять плохую работу. К примеру, инженер приносил Стиву Джобсу новый код какого-либо ПО, глава Apple оценивал его и возвращал программисту со словами, что код ещё недостаточно хорош. Этим он заставлял людей работать над собой и расти. А как вы считаете, в чём феномен Стива Джобса? 🤔 #мнение

Про искусство и дашборды А вы знаете, что художники при выборе цвета частенько ориентируются на цветовой круг? Цветовой круг спроектирован так, что сочетания любых цветов, выбранных из него, будут хорошо смотреться вместе. 📎Если расположить в круге равносторонний треугольник, то любые три цвета, в которые попадут его вершины, также будут выразительно смотреться вместе (например: жёлтый, красный, синий или оранжевый, зелёный, фиолетовый). 📎Приятно выглядит сочетания цветов, на которые указывает вписанный равнобедренный треугольник, если между его ближайшими вершинами находится один цветовой сегмент (например, зелёный, красно-фиолетовый, красно-оранжевый — интересное сочетание, а синий, жёлто-зелёный, красный — вместе лучше не использовать). 📎А чтобы выбрать гармоничное соответствие четырёх цветов, используют вписанный в круг прямоугольник. Главное, чтобы между его вершинами лежало нечётное количество секторов. То есть красный, оранжевый, зелёный и синий подходят друг другу, а жёлтый, красно-оранжевый, фиолетовый и сине-зелёный — нет. Неправильный выбор цветов в дашборде может визуально погубить весь труд не только по его созданию, но и исказить восприятие данных. ☝🏻Опираясь при выборе цвета на цветовой круг, нужно помнить, что восприятие человеком также зависит и от опыта, например, красный ассоциируется с проблемами, зелёный - всё хорошо, нейтральный чёрный или серый - всё ок, внимание можно не обращать. #визуал

Искусственный интеллект и эффективность: семь раз отмерь, один отрежь Интереснейший доклад представил вчера на конференции Tadviser Big Data & AI Day* Валентин Каськов, ИТ-директор компании «Специальные системы и технологии». Речь шла об измерении эффективности ИИ продуктов и нюансах расчета стоимости внедрения. Компания осуществляет консалтинг и аудит проектов решений искусственного интеллекта, предлагаемых бизнесам разного рода задач. Среди прочего Валентин привел интересный случай. Управляющей компанией ЖКХ одного из городов был выдвинут запрос: «Определить наличие снега на крышах подведомственных зданий». В случае появления снежного покрова⛄️ должно включаться оповещение соответствующих служб или автоматический обогрев крыш. На тендер было представлено порядка 10 решений, все они предлагали для решения задачи использовать искусственный интеллект (широкоугольные камеры и технологии машинного зрения). Стоимость проектов разнилась от 5 до 18 млн. рублей в зависимости от сложности словесных конструкций, представленных в КП. Управление обратилось за аудитом, чтобы выбрать оптимальное решение. И тут начинается самое интересное: для решения подобной задачи искусственный интеллект вовсе не нужен! Достаточно взять обычные видеокамеры в связке со стандартными библиотеками Python – такая конструкция уверенно сможет отличить изменение цвета крыши на белый в случае выпадения снега!❄️Красная цена внедрения такого проекта – 1.5-2 млн рублей. При этом буду использованы более простые, отказоустойчивые технологии, значительно более дешевые в дальнейшем обслуживании🤷‍♀️. Какой вывод из этого следует? Во всем, что касается «хайповых» технологий ИИ бизнесу стоит пользоваться базовым принципом: можешь не внедрять – не внедряй! *Analytic Workspace выступила в статусе партнера конференции.

Друзья! Представляем вашему вниманию дайджест-календарь наших мероприятий до конца апреля. Мы будем рады видеть вас на каждом из них! ✅23 апреля 16:00 (мск) — Вебинар от Михаила Грекова на платформе Института Цифровых Компетенций Финансового Университета при Правительстве РФ «BI и искусственный интеллект как инструмент бизнес-прогнозирования» 📌Как применять BI в связке с ИИ для прогнозирования показателей компании 📌Реальные кейсы внедрения AW BI с ML-прогнозированием в компаниях различных отраслей 📌Практикум: прогнозирование без знания технологий машинного обучения в бесплатной версии Analytic Workspace 🔥Особая возможность для участников: Возможность подать заявку на участие в акции ML-ревизорро: представители Analytic Workspace бесплатно решат задачу прогнозирования для вашей компании. ✅25 апреля 15:00 (мск) — Прямой эфир с компанией «PRO-BI» «5 отчетов, в которые должен смотреть каждый девелопер» 📌Особенности BI-аналитики для рынка недвижимости 📌Реальные кейсы строительной аналитики и демонстрация дашборда для девелоперов 🔥Все участники получат в подарок доступ к шаблонам дашбордов для девелоперов и неограниченный по времени доступ к системе AW BI для их использования на практике! ✅26 апреля 15:00 (мск) — Прямой эфир с Аленой Наливайко о проблемах импортозамещения Power BI «Вся правда о переходе с Power BI на AW BI. Мифы VS реальность» 📌Перенос реального дашборда с Power BI на AW BI по шагам! 📌6 страхов перехода: какие из них оправданы, какие - наполовину, а какие - чистый миф? 📌Честное сравнение цен и стоимости владения Power BI и AW BI 🔥Чек-лист перехода - в подарок! Участие во всех мероприятиях бесплатное. 🤗Ждем BI-аналитиков, представителей компаний-интеграторов, руководителей и менеджеров BI-проектов, Data-сайентистов, архитекторов и разработчиков BI – в общем всех-всех будем рады видеть, регистрируйтесь!

ВАУ! Нас уже 1000! 🥳 Для нас это не просто круглая цифра - это мотивация дальше развивать сообщество и делиться полезностями! Каналу чуть больше года, и вот что мы успели за этот год: ⚡️привлекли 1000 подписчиков ⚡️опубликовали 143 поста ⚡️наш контент просматривали более 93000 раз ⚡️получили 1490 лайков и 100 комментариев ⚡️нашими публикациями поделились 1216 раз Спасибо за то, что вы с нами, за вашу поддержку и внимание к нашему контенту.🫶🏻