Я давно хотела взяться за исследование творческого пути актёров, потому что просмотр и обсуждение кино с друзьями — это одно из моих главных удовольствий!

Готовых данных у меня не было, и я решила собирать их самостоятельно: нашла несколько датасетов на Kaggle, написала пару парсеров, использовала библиотеки под python для получения данных с IMDb и пр. Открытием для меня стало то, что полностью доверять полученным цифрам нельзя: я периодически натыкалась на нестыковки или неполноту. В результате ручная проверка и сопоставление данных из разных источников заняли неожиданно много времени.

Кажется, у меня нетипичный случай: изначально я сама не знала, какую историю хочу рассказать. Даже выбор актёра был практически случайным: несколько вариантов мне предложили товарищи по киноклубу. Но для меня именно в этом ценность моего исследования: в пути от поверхностного знакомства с объектом до полного погружения в его историю. Чем дальше я разбиралась в данных и строила графики, тем больше у меня появлялось идей и тем сильнее я восхищалась своим героем :) В результате успела реализовать только половину всего, поэтому — продолжение следует!

Я использовала практически все инструменты, которые освоила на курсе, — в этом одновременно была и лёгкость («Ух ты! Сколько возможностей!»), и сложность («Что выбрать? Куда податься?»). Очень вдохновила консультация, когда мы показывали свои наброски, и поддержка однокурсников.

Моя работа — это такое радостное желание поделиться своими открытиями. «А вы знали?», «Представляете!», «Я тут такое обнаружила!» Надеюсь, это радость передастся и читателям, а кто-то даже побежит смотреть фильмы с Робертом Де Ниро :)

В рамках хобби и волонтерства я интересуюсь вопросами экологии и устойчивого развития. Меня интересует, какие меры страны предпринимают для экологии и адаптации к изменению климата. Решила проанализировать, что делает Люксембург для обеспечения долгосрочного устойчивого развития, используя открытые данные.

Самым трудоёмким этапом была работа с табличными данными: от выбора подходящих датасетов сквозь кривой перевод с французского до подгона их под требования RAWgraphs и Flourish. С выбором вида графиков сложностей почти не возникло: получилось использовать и простенький донат, и Bumpchart. После обучения стало легче понимать, какие виды графиков сразу можно исключить для определенных данных. Как графический редактор использовала фигму.

Мега-инсайдов [от анализа] я не ожидала, и результаты получились достаточно предсказуемые. Решила разбавить эту предсказуемость неоновыми цветами как ассоциацию с энергетикой и инновациями, что достаточно непривычная гамма после корпоративных презенташек. Также пришлось отказаться от специфических терминов, чтобы материал был доступен более широкой аудитории, хотя обычно в таких темах хочется добавить больше профессиональных фактов.

В целом получилось выразить свои знания и интерес к сфере в новой плоскости. Ну и освоить работу с данными через эффективный визуал.