Котятки🐱, аналитика пятничного вечера сегодня на Power BI. Мы с командой искренне любим его за бесконечные возможности и бесплатную десктопную версию😉
Сегодня мы взяли датасет с музеями и положили его на геокарту. Всего 2 минуты - и интерактивная геокарта готова к использованию. Датасет для тренировки, как всегда, в описании под видео💪🏻
https://youtu.be/WvIqkl-iJNU
P. S. Вопрос по датасету: какой музей имеет наибольшее число предметов основного фонда, требующих реставрации? Кто ответит, тот может предложить свою тему в следующую аналитику пятничного вечера. Пишите в ответы и предложения в @Dashboardets_qbot

Котятки🐱 Думала, чем бы поделиться полезным, чтобы занять эти выходные🤷‍♀
Решила поделиться топчиком годных каналов, которые читаю сама и которые могут быть интересны вам:
1. BA/SA Аналитики
Все для архитектора данных)
2. Запуск завтра
IT- кухня и IT-сплетни, залипательно
3.Архитектура ИС
Полезно не только IT- архитекторам, но и архитекторам данных. Очень понравилась серия постов про карты предметной области.
4.Бюро Горбунова
Хорошая иконка и хороший совет каждый день. Про общение с заказчиками, визуализации, обучение и не только.
5. Бизнес-анализ
Первый канал про бизнес-анализ, который я когда-то дочитала до конца)

Котятки🐱
Подведены итоги международного конкурса по визуализации Kantar Information is Beautiful Awards.
Очень рекомендую посмотреть работы победителей и вдохновиться💪🏻
Мне особенно нравится категория People, Language & Identity🤩
Линк: https://www.informationisbeautifulawards.com/news/485-information-is-beautiful-awards-2019-the-winners

Искренней любовью я люблю BI Tableau и порталы-обучалки по нему, особенно Tableaumagic.
Помимо стандартных "как построить диаграмму", там встречаются подробные руководства с разбором конкретных примеров и пошаговые мануалы.
Интересно?
https://tableaumagic.com/how-love-works-tableau-dashboard-tutorial/amp/

В топчиках по дизайну дашбордов порой приводят действительно интересные примеры. Некоторые из них просто космос; иные же кажутся настолько элегантными в своей простоте, что невольно думаешь "черт, я бы тоже так мог". Я большем всего люблю вдохновляющие примеры "с разбором": любой может сказать, что не так, и редко кто может сформулировать, что сделано правильно.
Линк на статью с разборами примеров:
https://medium.com/movade-studio/top-10-dashboards-ux-ui-1-fd73f24a2661

Котики🐱 Сегодня грустная новость: бесплатного Qlik Sense Desktop больше не будет.
В строю бесплатного BI-ПО убыло, но Power BI пока в деле💪🏻
Подробности
https://community.qlik.com/t5/Qlik-Support-Updates-Blog/Changes-to-Qlik-Sense-Desktop-in-2020/ba-p/1653306

Я отношу себя к приверженцам Self-service и верю, что лучше дать управленцу в руки хороший стратегический дашборд и позволить самому делать выводы, чем заводить штат аналитиков, которые будут писать эти выводы за него.
Авинаш Каушик, автор "Веб-аналитика 2.0", является сторонником подхода Critical Few для отчетности руководителей и вводит новый поход к дашбордизации - Action Dashboard.
Его философия идет вразрез с моей, но читать чертовски интересно.
Линк:
https://www.kaushik.net/avinash/the-action-dashboard-an-alternative-to-crappy-dashboards/

Когда мой босс сказала накидать идеи "как продать пользователям идею Self-service BI? ", я просто сделала этот мемчик и предложила разослать всем.
А если без шуток, то процесс "продажи" идеи self-service начинается также, как и процесс бизнес-анализа - с выяснения, что у пользователя "болит", чтобы подать self-service как средство, которое решит пользовательские проблемы.
Котятки🐱, вам интересен топчик проблем, которые решает self-service BI?

Всем веселой пятнички и хорошего каталога диаграмм😜
https://tabsoft.co/2KQKVy8

Визуализация статистики смерти по возрастам от National Statistics: интересна, печальна, диаграммы отменно читабельны)
Котики-наркотики🐱
https://www.ons.gov.uk/peoplepopulationandcommunity/healthandsocialcare/healthandwellbeing/articles/middleagedgenerationmostlikelytodiebysuicideanddrugpoisoning/2019-08-13

Канал наших друзей из Казахстана о Qlik Sense и анализе данных с помощью визуализации.

Интересные исторические факты в формате видео и лонгридов, реальные кейсы с внедрением продуктов Qlik (например Россгосстрах на 15 000 пользователей!!!) и короткие исследования стат.данных.

https://www.youtube.com/watch?v=pBClgRZDUro

Чуть больше двух недель назад был пост про "ловушки интерпретации". В нем речь шла о том, как плохо спроектированные диаграммы могут исказить наше восприятие данных.
Между плохо спроектированными диаграммами и диаграммами, вводящими в заблуждение, есть принципиальная разница. Заключается она в двух аспектах: намерение создателя диаграммы и ясность контекста для пользователя.
Интересная статья на эту тему:
https://eagereyes.org/blog/2019/what-is-a-misleading-chart

Настроение недели)

Когда просишь пользователей подумать, чем им мог бы быть полезен Self-service BI , часто слышен ответ "ну вы дайте, мы посмотрим"🙈
Топчик "болей" для лечения которых применим Self-service:
-нужна отчетность на основе нескольких источников, а "дружить" их через excel неудобно;
-нужна новая регулярная отчетность, но срок её разработки на источнике больше, чем может позволить себе бизнес;
-отчетность часто дорабатываются в силу бизнес-причин, необходимо сократить время вывода доработок в prod и снизить их стоимость для бизнеса;
-у пользователя есть регулярная потребность в проверке разовых управленческих гипотез: нужно найти средство, как справиться с увеличивающимся количеством запросов/увеличить скорость проверки гипотез, не нанимая новых людей.
Отдельно стоят кейсы по снижению издержек (стоимости "поставки" аналитики как сервиса в пересчете на одного пользователя) , но они больше интересны IT-службе😊

Как мы можем использовать то, что мы знаем о том, как мы видим мир, чтобы понять, что делает визуализацию эффективной?
Линк на хорошую статью про внимание, зрение и восприятие данных:
https://medium.com/multiple-views-visualization-research-explained/how-we-see-our-data-vision-science-and-visualization-pt-1-2b36f2330e42

Я давно знала, что в Tableau есть возможность использовать Python , но у меня самой интересных кейсов для обоснования необходимости этого функционала в такой связке не было.
Вчера нашла интересный кейс-референс, который использует интеграцию Python в Tableau Prep для прогнозирования выживших на Титанике».
Линк на подробный мануал:
https://www.tableau.com/about/blog/2019/10/using-tableau-preps-new-python-integration-predict-titanic-survivors

Сегодня я была на вебинаре Tableau, где мы подробно изучали возможности роли Explorer. Мою впечатлительную душеньку поразили функции Ask Data: теперь я могу спрашивать у своих данных любую дичь, которая пришла мне в голову, правда, пока на английском. Официально это называется "использование естественного языка", а неофициально - "магия".
Но, увы, как оказалось, магия работает очень криво: фактически, только при идеальном датасете и с очень ограниченным перечнем вопросов. Получается как sql без sql. Но котятки, выглядит это все равно круто, особенно если нужно поразить до глубины души какого-нибудь невпечатлительного директора.
Как это работает?

Какие танцы с бубном надо провести с источником, чтобы это заработало?

Когда пройден самый сложный этап работы с данными, - их получение, - начинается уже более предметная работа, и она зависит от цели. Цель может быть любой, - от создания/воспроизведения текущей отчетности до проверки сложных гипотез. Но и в одном, и в другом случае, не обойтись без исследования данных.
Какие вопросы себе задавать на исследовательском этапе?
-что такое строка / запись в данных?
-по каким ключевым параметрам следует фильтровать эти данные (разрезы) ?
-какие метрики/поля соответствуют друг другу, как они связаны и какой уровень детализации используется чаще всего?
-что такое выбросы? Каковы ожидаемые значения для каждого показателя?
-как правильно интерпретировать метрики-агрегаты, если они есть в данных?

Без понимания данных хороший дашборд не построить💪🏻
Вебинарчик на тему:
https://youtu.be/4vnbr_KPZkg

Сценарий работы дашборда - один из тех артефактов, который появляется практически в самом начале работы над дашбордом и меняется на каждом этапе. Иногда я пытаюсь написать его ещё на этапе Discovery, чтобы обсудить его с пользователями и понять внутренние связи данных, которые для меня не очевидны, но очевидны для пользователей. На этом этапе выдвигаются гипотезы, которые уже потом, на этапе анализа источников, будут проверены.
Краткий инструктаж, как писать:
https://uxplanet.org/how-to-design-a-dashboard-with-content-design-methodology-9519b50f441e

Котятки🐱 Утро понедельника выдалось у меня суровым и богатым на события.
Одно из них связано с нашими обучалками в BI: готовы 2 новых видео на нашем канале youtube.
Самый вкусный, но длинный видосик, - как построить диаграмму "облако слов" в Power BI. Кроме, собственно, построения облака слов, мы постарались раскрыть лайфхаки, как анализировать и текстовые очищать данные.
https://youtu.be/c_URXsm2Cok

Про демократизацию данных я слышу перманентно в течение последнего года.
Про демократизацию визуализации, если честно, я читаю впервые. В качестве признаков этой демократизации автор приводит:
-появление инструментов, позволяющих пользователю создать интерактивные визуализации "без кода";
-создание ПО для визуализации с открытым исходным кодом;
-удешевление обучения по направлению визуализации данных.
Имеет это место быть или нет -решать вам;)
Линк: https://medium.com/nightingale/democratizing-visualization-by-lowering-the-barrier-of-entry-c46d30a2ab41