Полезные блоги про визуализацию данных.

Поделюсь несколькими хорошими ресурсами по визу. Их точно намного больше, всего знать не могу. Но вот, что читаю и смотрю:

1. https://www.perceptualedge.com/blog/
ENG. Блог Стивена Фью. Это самый известный в мире дядя в сфере бизнес-инфографики. Он не так часто пишет, но есть архив, в нем много всего интересного, полезного, умного. Почитайте, не пожалеете)

2. https://blog.datawrapper.de/
ENG. Блог ребят из Datawrapper. Очень простые, понятные и полезные статьи про виз-ию данных. Много примеров. Разбирают ошибки, что нужно учитывать при построении разных диаграмм, как работать с цветом, про него прям много материала.

3. https://filwd.substack.com/
ENG. Пока не большой, но полезный блог Энрико Бертини. Это исследователь в области виз-ии данных и визуальной аналитики.

4. https://www.storytellingwithdata.com/blog
ENG. Не помню, как нашла этот блог. Но очень понятные и полезные статьи. Много примеров и разборов.

5. https://eagereyes.org/
ENG. Блог Роберта Косары. Его работы — это визуальный сторителлинг с помощью данных. Много полезных статей и его интересный взгляд на виз-ию данных.

6. https://t.iss.one/analyst_club
RUS. Телеграм-канал Алексея Колоколова - клуб анонимных аналитиков. Много пишет про диаграммы и дашборды.

7. https://t.iss.one/chartomojka
RUS. Телеграм-канал Александра Богачева - Чартомойка. Думаю его многие знают. Много пишет про диаграммы, делает разборы, делится полезной информацией.

8. https://t.iss.one/revealthedata
RUS. Телеграм-канал Ромы Бунина. Про визуализацию данных, развитие BI-систем и Tableau.

А где смотреть примеры хороших работ, чтобы развивать насмотренность?

1. https://informationisbeautiful.net/
ENG. Блог Дэвида Маккэндлесса. Взгляд на большие данные с точки зрения дизайнера. Маккэндлесс – известный практик в области инфографики. В основе его идеи лежит преобразование информации, содержащей минимум слов, в красивую и полезную визуализацию. Очень много красивых работ.

https://informationisbeautiful.net/beautifulnews/
И еще его работы.

2. https://journal.tinkoff.ru/flows/statistika/
RUS. Тинькофф-журнал раздел Статистика. Много интересных статей и в каждой есть виз-ия данных. Много хороших работ.

3. https://ria.ru/infografika/
RUS. Раздел инфографики у РИА Новости. Много интересных работ.

Делитесь в комментах ресурсами и блогами, которые знаете/читаете/смотрите по виз-ии данных😊

Котятки, привет!
Я редко пишу в последнее время, - хороший контент требует времени на переосознание😜 Но по-прежнему делюсь вакансиями друзей. Вот тут очень хорошему человеку, который и вовлёк меня в мир BI, требуются новые соратники, - самостоятельные, способные смотреть по сторонам. Вакансия тут, и возможно она именно для вас: https://yandex.ru/jobs/vacancies/bi-разработчик-в-маркет-10671

Ура, добралась до видео 😅

Таймплапс работы с прозрачностью в Power BI.

//Работает с таблицами, матрицами, карточками и гистограммами.

Белый = 
IF(
    HASONEVALUE('СПР_продукты'[Продукт]),
    "#FFFFFF",
    "#FFFFFF00"
)

https://youtu.be/1B3vkO1daJA

Котятки🐱,
Я очень люблю всякие корпоративные гайды по дашбордам. Во-первых, чем жёстче гайд, тем больше творческих вопросов он снимает и экономит время аналитика. Ну а во-вторых, его всегда приятно хейтить, когда его делаешь не ты:)
Но иногда гайда нет, а из вводных для колоризации дашборда -только логотип компании (с чем мы сталкиваемся в среднем и малом бизнесе). И для этих случаев уже придумана пара десятков сервисов подбора цветовой гаммы так, чтобы у заказчика не шла кровь из глаз.
Мой любимчик на текущий момент/: https://colormind.io/template/material-dashboard/#

Котятки🐱
сегодня просто подборочка дашбордов на мечтательные темы:
1) Дашборд, который в реальном времени покажет, где найти в мире северное сияние
https://www.swpc.noaa.gov/communities/aurora-dashboard-experimental
2) Путешествие по галактике данных - интерактивная карта статистики, где страны представлены в виде планет
https://palminister.github.io/sustainability-cosmos/
3) Интерактивная карта мира с температурой, осадками, скоростью ветра и снежными покровами - поиски лета еще никогда не были настолько визуально прекрасными
https://www.ventusky.com/?p=58;39;2&l=feel

Котятки🐱,
Поговорим о таком требовании к BI-инструментам, как нагрузка по объему и по потоку данных.
Метрики, которыми мы оперируем в бытово-десктопной рутине, обычно относительные, и их чаще всего 3:
-% доступной памяти, которую мы выделяем для использования для BI и которые она может занимать под свои наши нужды - экстракты;
-% памяти, которые мы выделяем BI-системе под собственные нужды (модели, кэши, скрытые витрины, собственный бэкенд и пр);
-% памяти под вычисления
Если кратко и на самом известном примере, то вот:
https://vc.ru/u/624860-iqbi/547829-skolko-dannyh-mozhno-zagruzit-v-power-bi
Если много и со всем набором метрик, то тут:
https://learn.microsoft.com/en-us/power-bi/enterprise/service-admin-premium-workloads
Если же говорить о промкейсах, то и набор сеттингов производительности будет весьма широкий, и подходить к его определению можно не наобум, а достаточно точно.
Однажды один умный человек подсказал мне, что это называется sizing strategy (точнее, относится к части этой стратегии) и по-хорошему все это должно определяться на этапе внедрения до деплоя.
Но увы, как обычно, нормальными гайдлайнами для таких расчетов мало кто делится - ибо объективно, все они привязаны к конкретной BI-ке.
Разве что SAP, но у них и метаданные в открытом доступе:)

P.S. Обычно такие вещи начинают нас волновать, когда обновление данных в наших дашиках занимает слишком много времени или завершается сбоем.
И увы, иногда оно падает. С пятничным падением меня, а девочек в канале с прошедшим 8-марта😜

Котятки🐱,
давно хотела поделиться этой статьей про целостность данных в контексте BI-систем, но все как-то руки не доходили.
Внутри:
-подробные объяснения объектной, доменной и ссылочной целостности;
-стратегии обеспечения целостности данных (и честно, я всегда предпочитала гибрид между 3-мя представленными, хоть это и избыточно);
-неплохая выборка проверок по всем 3м стратегиям.
До полноценного гайда не хватает только конкретных метрик для каждого типа проверки, но они уже сильно зависят от характера ваших данных.
Линк:
https://www.lightsondata.com/3-key-data-integrity-testing-strategies-for-dw-bi-systems/

Да вам сейчас крышу сорвет! (Мне уже 🤯)

Короче, возможности css и Html в Power BI почти безграничны.😱
Анимации, резиновая верстка и красотень обеспечены.

// PBIX на пощупать во вложении, конечно

Усиленно изучаю возможность создать свою многострочную карточку.

👉Забрать PBIX👈

🔮 Есть идея доехать до Gartner Data & Analytics summit - как будто главная тусовка отрасли в году сейчас, проходящая весной в нескольких городах мира. Отличие от вендорских сабантуев:
➕ тут нет атмосферы религиозности. Позиция Gartner относительно равноудаленная. Озвучиваются тренды из практики Gartner, что возникает - что уходит, поднимаются более сложные "неприятные" вопросы, которых вендоры избегают.
➖ Из минусов - большая часть спикеров престарелые эксперты-аналитики Gartner - грузят обобщенными речами без иллюстраций из жизни реальных компаний и не особо вдохновляют.

Только что закончился первый саммит в Орландо США и можно посмотреть что пишут и говорят про него:
Видео 1 - Час обзора конференции на канале SuperDataBrothers
Видео 2 - GartnerDA: Top Data and Analytics Predictions, 2023

👀 За что зацепился глаз:
1) 💰Компании почти перестали пытаться показывать ROI data проектов через краткосрочную прямую фин ценность (сокращение затрат и рост выручки) и фокусируются на обосновании через инновационные продукты, дата активы, бренд и стратегическую экспертизу. Нормально для западных компаний живущих на длинных трендах. Хотя может и в пи...цовые времена всем нужно думать стратегично
2) ☕️Аналогия отношений D&A CoE с юнитами как "Модели франчайзинга". Смысл прежний - но термин свежий и доступный. Типа Data Self-Service в линейке бизнеса - как открыть кофейню в регионе: помочь проанализировать рынок, продать оборудование, обучить персонал, мониторить перфоманс, надеяться что не загнется)
3) 🤖Все метнулись пилотировать ChatGPT-like for Enterprise проекты - в этом году все продукты резко впихнут в релиз планы и выпустят что-то конкретное. Отличие этого хайпа от других похожих, что он реально работает и вопрос по сути в "опромышливании" решений и подборе UI. Риски все обсуждают походу дела
4)💡Semantic layer / Headless BI - был бы главным трендом если бы не влез ChatGPT. Проблема Analytics Governance как одна из центральных для BI решений. Тут все понятно, надо пробовать.
5) 🤔Якобы есть тренд от идеи микросервисов снова к новым большим платформенным 'all in one' BI системам, построенным при этом с гибкой архитектурой (Gooddata, Tellius). Спорно, возможно тренд ради тренда. Хотя что-то в этом есть, типа есть усталость постоянно "женить решения" не имея в моменте счастливой семейной жизни.
6) к 2026 году половина организаций начнет рассматривать ABI (Analytics&BI) and DSML (Data Science & Machine Learning) тулы как одну скомпонованную систему, на фоне сближений сегментов

В целом, многие слайды выглядят интересно, но без комментариев сложно до конца понять их замыслы.
Возможно подъедут еще хорошие анализы саммита, глядишь и ехать в Мумбай/Лондон не придется.

Мяу, котятки🐱)
На прошлой неделе я, наконец, посмотрела черное зеркало, и боюсь, теперь я технофоб.
Или технофил. Или аналитикофил. Или фоб.
Короче, новые технологии и аналитику люблю, но чето ссыкотно. Погнали.
Лот номер 1. Про боязнь увлечения аналитикой, когда полянка не готова
https://rb.ru/opinion/analytical-illiteracy/
Лот номер 2. Про big data в юридической практике и платформу, от которой у меня мурашечки: благодаря грамотному текстовому анализу и встроенным визуализациям, она позволяет, например, оценить, насколько будет лоялен тот или иной судья.
Статья: https://www.forbes.com/sites/bernardmarr/2016/01/20/how-big-data-is-disrupting-law-firms-and-the-legal-profession/
Видос с платформой:
https://www.facebook.com/RavelLaw/videos/brief-overview-of-ravel-law/632886693510405/
Обратите внимание на пузырьковую диаграмму и дашик сравнений на 3й минуте - в нем минимум графики, но при этом он смотрибелен и не сливается за счет игры с типографикой.
Лот номер 3. Моя любимая дискриминация в данных: типы предвзятости, которые заставляют нас обводить в рамочку и красить в красный совсем не то, что нужно было бы.
https://www.metabase.com/blog/6-most-common-type-of-data-bias-in-data-analysis

P.S. ну а про дискриминацию в ML и так написано много, сама я узнала про нее из хабра:
тут и тут

Мур, котятки🐱)
Сегодня один мой коллега эмоционально прошелся по компонентной деградации, и я вдруг вспомнила давно волновавший меня вопрос.
У меня когда-то были свои собственные избыточные метрики отслеживания деградации в контексте всей экосистемы, где BI является одним из многих эндпоинтов.
Если вычесть метрики качества данных, то примерно такие:
-производительность в контрольных точках/производительность при максимальных дневных нагрузках
-степень хаоса в организации (папки, метрики, экстракты и пр) - всякие коэффициенты отклонения от плана и навернутый над ними один интегральный коэффициент
-разрастание зоопарка (чисто количество компонентов и библиотек)
-количество багов очищенное (без проблем с данными)/количество багов на компонент
-количество багов, связанных с обновлением/стыковкой компонентов (включая ошибки с внешними API, проблемы при обновлении библиотек и пр.)
-количество прямых жалоб пользователей операционных отчетов с устойчивыми ритуалами использования (измерять длину сессии и адресно спрашивать по отклонениям я увы тогда не умела)
Нужны они мне были для понимания общей картинки и ранней диагностики сбоящих компонентов, чтобы...чтобы, наверно, что-то предотвратить.
Что почитать:
1) headless BI - новая концепция, которая оправдывает хаос и анархию (была в трендах, но я ее так и не вкурила), а также неограниченный рост зоопарка компонентов платформы аналитики:
https://medium.com/gooddata-developers/the-future-of-bi-is-headless-e3949bb0bf2\
и его метрики:
https://betterprogramming.pub/headless-bi-metric-standardization-in-action-afb2ac7e89b6
2) BI fabric - оправдание вашего BI-зоопарка в ключе "если вы в крупняке, то смиритесь с реальностью"
https://www.forrester.com/blogs/the-bi-fabric-baby-is-slowly-but-surely-growing-up/
3) Общий подход к troubleshooting в BI для спасения от всего выше: https://www.linkedin.com/advice/1/how-do-you-troubleshoot-resolve-common-issues-1e
Необщие траблшутинг-мануалы обычно есть по каждому инструменту, в которых детально описаны как типовые ошибки и проблемы деплоя, так и даны всякие полезности.
Обратите внимание на рекомендации от Табло, кроме всеми любимого Zabbix там еще есть интересности:
https://help.tableau.com/current/server/en-us/perf_resources.htm

Мурмяу, котятки🐱)
Я рекламу обычно не беру, но за д̶е̶н̶ь̶г̶и̶ благотворительность животным и детям - да!
Поэтому держите анонс👇

Beeline DataTech Meetup: решения для анализа и визуализации данных

📅 29 мая в 17:00, онлайн

В программе:
✔ Артем Смирнов — «Визуализация геоданных»
Визуализировать геоданные — это просто! Спикер расскажет об их видах, способах анализа и покажет примеры работы с инструментами для визуализации.
✔ Дарья Еськова — «Дашборд как инструмент взаимодействия с бизнесом»
Доклад о видах дашбордов и лучших практиках их поддержки. Дарья расскажет, как передавать нужные цифры нужным людям в нужное время.
✔ Анастасия Цурканенко — «Мониторинг годовых KPI в Qlik Sense»
Вы узнаете, какие проблемы в мониторинге могут привести к невыполнению KPI и как их решить с помощью Qlik Sense.

Вы сможете задать вопросы спикерам и подискутировать с другими участниками. Авторы лучших вопросов получат подарки 🎁

Участие в митапе бесплатное, нужно только зарегистрироваться.

Котятки🐱,
Между всякими анонсиками за помощь детям и животным, позвольте мне снова вернуться к любимой теме - страхи и стоимость ошибки.
Сегодня не про этику.
1. Хорошая статья McKinsey про сигналы, что с вашей аналитической стратегией/программой что-то не так. Попадись мне она в своё время, я бы сэкономила много седых волос на митигации рисков.
https://www.mckinsey.com/capabilities/quantumblack/our-insights/ten-red-flags-signaling-your-analytics-program-will-fail
2. Неплохая раскладка человеческих ошибок при создании BI- продукта на 4 типа. Простая, процессная немного, но прямо помогает структурировать узкие места. Ну а ещё там заскок на Confirmation bias, моя любимая темка:
https://www.domo.com/learn/article/how-modern-bi-ai-systems-reduce-human-errors-in-data
3. Ну и продолжая эту тему, о власти убеждений в аналитике:
https://towardsdatascience.com/confirmation-bias-is-the-enemy-of-exploratory-data-analysis-c6eaea983958

​​Котятки🐱,
В нашем полку благородных людей, помогающих детям и животным, пополнение!
Держите анонсик ребят про их мероприятие👇

⚡️South HUB — конференция в формате кэмпа для руководителей в ИТ.⚡️
400 настоящих и будущих CTO соберутся с 12 по 16 июня в Сочи, чтобы обменяться знаниями, опытом и найти партнеров. Нетворкинг начинается ещё до кэмпа: все CTO уже собрались здесь.
Среди спикеров — ведущие эксперты C-level, представители разных отраслей и департаментов компаний.
• Руководитель дирекции по подбору ИТ-персонала в Альфа-Банке — Владимир Демченков,
• Руководитель продукта Яндекс Доставки в России — Дмитрий Сахтеров,
• CTO Lamoda Tech — Эмиль Абдулнасыров,
• Генеральный директор S7 Travel Retail — Екатерина Дмитрук,
• Директор по цифровизации и организационному развитию в ГК “Самолет” — Александр Канивец,
• CTO IVI — Евгений Россинский
Они будут делиться своей экспертизой не только на лекциях, но и в формате живого общения на утренних пробежках и медитациях, ночных научпоп-лекциях и вечеринках, хайкинге и командных спортивных играх.
Все для того, чтобы поймать баланс и стать на уровень выше. Физически и профессионально — встречаемся на высоте 960 всесезонного горного Курорта Красная Поляна ⛰
Вся информация по ссылке: тут.

Котятки, с добрым и чудесным утром! 🐱
Была на днях у меня дискуссия с одним прекрасным человеком на тему "насколько глубоко BI- разработчик должен знать прикладную статистику". Мой ответ - не должен, ибо иначе он уже аналитик с BI-навыками, и там уже другой наборчик компетенций. Пусть короче наш разработчик производительность смотрит и дашики по строгому ТЗ генерирует.
1) Немного про "расчёты на лету" и неверно сконструированные модели данных (относится к Power BI, но применимо +-для большинства инструментов анализа) :
https://radacad.com/why-my-power-bi-matrix-or-table-visual-is-slow
2) Сборная соляночка по оптимизации вычислений (обратите внимание на поинт с переносом логики на уровень строк) :
https://www.phdata.io/blog/optimizing-power-bi-reports/

Всем привет! В клубе помогающих приютам для животных пополнение: ребята занимаются модненьким process mining (всё то, что мы можем сделать на Tableau с доп модулем, но чуть удобнее). Предлагаю сходить, послушать и позадавать им каверзные вопросы👇

​​Как повышать эффективность выдачи кредитов и совершенствовать клиентский опыт с помощью Process Mining?

Об этом вы узнаете на нашем вебинаре «Анализ процесса кредитования с Process Mining: реальные кейсы», который состоится 15 июня в 16:00.

Спикер:
Дмитрий Медвежонков – технический лидер направления аналитики Инфомаксимум

Программа:
▪️ Активная бизнес-аналитика
Что такое активная бизнес-аналитика и какие возможности она дает в рамках анализа бизнес-процессов в банках;
▪️ От «сырых» данных к оптимизации процесса кредитования
Как построить эффективный дашборд, извлечь выводы и найти точки оптимизации процесса кредитования;
▪️ Сессия «Вопрос – Ответ»

Участие бесплатное, регистрируйтесь по ссылке.

До встречи на вебинаре!

​​Котятки🐱,
Сегодня у меня необычная связочка, - паттерны дизайна дашиков+ нейросеть.
Что делали: выбирали паттерн отсюда для понимания структуры, искали референсы на behance или в своём архивчике и потом с помощью нейросети https://imagevariations.com/ генерировали похожие изображения.
Зачем: когда-то на заре работы наш великолепный дизайнер дашиков давала на вход заказчикам несколько макетов, чтобы они отчего-то оттолкнулись, и потом их кастомизировала. Количество итераций иногда было болезненно. Текущий способ реально чуть шакальный, однако быстро помогает выбрать фрейм и экономит время дизайнера на уже точечную проработку макета.

Котятки🐱,
Казалось бы, про визуализацию временных рядов уже всё сказано... И всё равно что-то - да и может нас удивить. Потоковый граф меня сильно озадачил, а вот heat map для иллюстрации сезонности, - прямо стоит отметить.
Линк: https://humansofdata.atlan.com/2016/11/visualizing-time-series-data/