RTD: Ссылки и репосты
569 subscribers
2.46K photos
153 videos
46 files
3.15K links
Канал-записаная книжка для канала @revealthedata. Все ссылки, которые привлекли моё внимание.
Download Telegram
☕️ Принцип MECE (Mutually Exclusive, Collectively Exhaustive)

Один из главных принципов, которому учат в консалтинге, при этом в большинстве источников авторство приписывается McKinsey и Барбаре Минто в частности.

В моём арсенале этот метод занимает видное место в ежедневных рутинах. Он помогает систематизировать любую предметную область — создать классификатор чего либо, разбить тикеты на стримы, систему на подсистемы, составить план презентации и т.д.

Я видел множество статей, пытающихся доходчиво объяснить, что это такое и как использовать. Но лучшее, пожалуй, описание встретил на днях в книге 1958 года Уемова Авенира Ивановича "Логические ошибки. Как они мешают правильно мыслить". Очень рекомендую к прочтению.

MECE-принцип можно описать как строгое соблюдение правил деления понятий , которые Уёмов подробно описывает на страницах 69–74.

Если перекладывать MECE на понятия и термины книги получится следующее:
MECE — это правильное логическое деление понятия, при котором:
— Объём членов деления в сумме равен объёму делимого понятия (Collectively Exhaustive).
— Члены деления не пересекаются между собой (Mutually Exclusive).
— Деление ведётся по одному основанию , без смешивания критериев.
— Деление не пропускает ступеней и охватывает всё множество.


Этим постом хочу рассказать не только про классный MECE, но и показать, как иногда можно присвоить авторство чего-то общедоступного, из разряда здравого смысла, просто грамотно упаковав в "фреймворк".😁

Почитать про MECE (рандомная подборка статей):
MECE: Основы структурного мышления для решения сложных задач
Наводим порядок в мыслях: структурируем идеи c помощью принципа МЕСЕ
Принцип MECE в деловых презентациях

#thoughts #logic #mece
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Forwarded from Дашбордец
Котятки🐱,
Сегодня грустно размышляла, что поставки аналитики just-in-time для создания ценности уже недостаточно. Запросы моих пользователей растут, а проекты становятся все сложнее.
Три группы стейкхолдеров на проекте отчетности -уже почти норма, а датавиз-ограничения BI-платформы больше вообще никого не волнуют.
Сегодня я вчитываюсь в очень приятную статью про психологию принятия решений, столкновению опыта и суждений и погружаюсь в модели решений, которые поддерживаемы BI:
https://ilwllc.com/2025/04/beyond-dashboards-the-psychology-of-decision-driven-bi-ba/
Forwarded from Tableau Public - VOTD
📊 Title: Kevin and Ken Doing Cool Stuff in Tableau

🗂️ Description: Kevin and Ken Doing Cool Stuff in Tableau

✍️ Author: Rosh Khan
🏛 Organization: Data Analytics Consultant The Information Lab

🔗 Open Dashboard - Tableau Public
📊 Title: Cafe di Data

🗂️ Description: This is a dashboard with data required to manage a restaurant.

✍️ Author: Reveal the Data
🔍 Tags: #horeca #production #english

🔗 Open Dashboard - Datalens Gallery
Прошедший вебинар про ускорение ClickHouse около BI, рефлексия
- В студии, с большой камерой и вокруг темнотой - надо привыкать =) очень необычно
- 400 человек это прям хорошо, уверен, что донёс много полезного в разные компании =)
- Порадовали вопросы из зала, спасибо!
- Когда проводишь вебинар обычный и можешь получить фидбек в течение 10 минут - "сложно, давай остановимся и разжуем" - проще, понятно, что тебя слушают =)
- уже не терпится рассказать про более сложные кейсы =)

Кто не смог подключиться из-за занятости, должен был получить ссылку с записью на почту, вот она на всякий случай
и там же чеклист по оптимизации
Почему дашборды приходится расшифровывать как ребусы?

Помню одну из планерок в пору моей работы руководителем Ecommerce-отдела.

Команда открывает отчёт. Цифры на месте, графики красивые.Все согласно кивают: «Похоже на правду». А потом один из новичков задает глупый (новички они такие) вопрос: «Это что за метрика?». Или: «Почему в прошлый раз было больше?». Или «А что это за фильтр?».

И десять взрослых руководителей начинают расследование:как считали, что делили, откуда брали. В итоге разбираются конечно. Но стоило ли тратить на разгадку шарады час работы десятка топов?

Когда у метрики нет однозначного и понятного всем описания:

- каждый интерпретирует ее по-своему,
- отчёт становится фантазией,
- решения — случайными.

Что делать:

1. Иметь общедоступный словарь метрик. Формула, источник, срез — всё в одном месте.
2. Подписи к графикам и легенда - обязательно. Научился у Ромы Бунина и вам советую.
3. Доступно описанные фильтры. Дата, сегмент, канал — чтобы понимать, что на что влияет.
4. Валидация.Отдайте метрику на проверку коллеге перед планёркой. Поймет ли он, о чем речь? Сможет предложить способ оптимизации или ограничится «Похоже на правду»?
5. Будьте благоразумными. Собрания с обсуждением правил расчета – не ок. Методики и сомнения обсуждаем до встреч.

Отчёт — это не картинка, это коммуникация. Если она непонятна, отчёт бесполезен. Лучше потратить полчаса на документацию заранее — чем потом на каждой встрече разбираться, почему не считается криво.

Не знаете с чего начать в процессе работы с отчетами? Посмотрите мой видеоурок про составление ТЗ на маркетинг-аналитику. Он бесплатен и доступен по ссылке.

@marketing_analysis
Интерфейс управления флотом Суперпедестриана

Суперпедестриан — производитель и оператор сервиса электросамокатов. Для компании я сделал интерфейс управления флотом самокатов. Здесь менеджер, ответственный за город или регион, оценивает и повышает эффективность использования самокатов:
https://ilyabirman.ru/superpedestrian/

Очень люблю такие интерфейсные задачки, когда надо разобраться в каких-то замороченных процессах. Покажите коллегам и партнёрам.
Forwarded from LEFT JOIN
Гайд: как создавать дата-продукты
Дата-продукты — это дашборды, отчеты, таблицы и вообще все, что помогает извлекать инсайты из данных. Любой, кто хоть раз делал верстал дашборд или просто делал табличку в Google Sheets знает, насколько это сложная и порой неблагодарная работа.

Данные постоянно меняются и обновляются, их объемы растут, а пайплайны становятся сложнее. Добавляется и человеческий фактор, потому что у каждого дата-продукта — разные владельцы и пользователи, со своими требованиями, ожиданиями и подходами к работе с данными. Все это надо учитывать, чтобы делать продукты, которые реально приносят пользу, а не просто существуют для галочки.

Ну и как это сделать?
Как вариант — обратиться к специальному гайду. Есть короткая версия в виде поста в сабстаке, где предлагают разделить этот процесс на 5 шагов:
1️⃣Определите юзкейсы для своих дата-продуктов и опишите, как пользователь будет работать с данными.
2️⃣Опишите зоны ответственности и расставьте приоритеты.
3️⃣Разработайте стратегию тестирования и мониторинга.
4️⃣Устраняйте ошибки и проблемы, о которых сообщают пользователи.
5️⃣Отслеживайте метрики и развивайте продукт с опорой на данные.

И именно в таком порядке. Это важно!

🔜 Для тех, кто хочет подробностей, есть pdf на 69 страниц, где каждый пункт раскрыт отдельно. Авторы рассказали про классификацию дата-продуктов, объяснили, как расставить приоритеты и определить метрики, а также составить ту самую стратегию тестирования, избежав типичных ошибок.

Документ основательный и при этом универсальный — он описывает общие подходы и принципы, которые каждый сможет примерить на себя, вне зависимости от деталей вроде стека, размера команды или типов данных.
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from toverovskiy
Переезд в Москву: карта на кухне

Зачем я переехал в Москву напишу как-нибудь попозже — у меня тут интересный инсайт возник — а пока зарисовка из рубрики «как» я это сделал.

Проект переезда был не очень интенсивным, но, конечно, очень долгим, но одним из ходов я немного горжусь. Дело в том, что ни я, ни моя семья (я думаю) ещё год назад о переезде в Москву и не помышляли. Да, теоретически мы могли об этом подумать примерно как о мысли, что когда-то можно и на Марсе пожить будет, но на этом примерно всё.

Потом у меня придумалось объяснение, зачем вообще переезжать и примерно как это сделать. А дальше я понял, что первым делом нужно себе и семье «вправить» мозги, что мы это сделаем, потому что если народ не верит, то ничего не получится. Надо было посеять и взрастить зерно!

Окей а как? Как «продать» идею семье или вообще любой группе людей, если они эту идею не понимают, не принимают и вообще оно нафиг не нужно и об этом никогда не думали?

Рекламой, конечно! О теме надо регулярно, много и долго напоминать — не просто же так бренды вешают билборды и свои логотипы.

Как это сделать? Как регулярно, можно и долго напоминать себе и семье о переезде?

Уже не помню, как я это придумал, но, короче — я купил и повесил прямо над обеденным столом карту возраста домов Никиты Славина и стал забивать туда флажки с любопытными местами. Довольно быстро там появилась некая легенда флажков — учёба, жильё, интересные места. Иногда мы обсуждали интересную форму домов и их возраст, говорили, где мы были или жили раньше.

Как оценить вклад карты в переезд, но мне кажется, это это повлияло на материализацию идеи. А заодно мы лучше изучили дома. На мой взгляд это важно, потому что всё, связанное с недвижимостью — это наука о знании домов. Надо как-нибудь об этом ещё поразмышлять наверно ;-)

Карта Никиты Славина:
https://kontikimaps.ru/how-old/moscow

Физическая версия — в Магазинусе:
https://store.artlebedev.ru/posters/how-old-is-this-moscow/

P. S. Глянул дату покупки плаката, офигеть — 24 октября 2024
👍1
Как проверить 1 000 объектов в BI-системе и не сойти с ума (а главное — зачем?)

Под BI-объектами в этом посте я буду подразумевать дашборды и то, из чего они состоят — в нашем случае это квери и чартсы. А также датасеты — источники данных для дашборда — что-то вроде витрины данных внутри BI-системы. Витрины мы тоже массово поревьюим, но в следующий раз)

Дальше много текста - разворачивайте и читайте пункты, которые вам интересны💗

Сначала мы определили понятие проблемных объектов.
В эту категорию вошли: малоиспользуемые, с неактуальным владельцем, медленные, с большой долей ошибок, дублирующиеся с другими объектами, использующие временные таблицы вместо продовых витрин. Конкретные критерии и информацию по всем объектам мы вывели в отдельный отчёт — Health Score. В нём можно посмотреть проблемные объекты по себе или по своему отделу. Отчёт даёт оценку по каждому критерию и общую оценку здоровья объекта. Создатели отчёта попозже расскажут про него в статьях - я обязательно поделюсь)


Далее мы продумали формат проведения субботника.
В нашем случае это был «марафон по уборке», в котором поучаствовали почти все BI-разработчики компании. Мы задали конкретные даты проведения, чтобы в этот период мониторить участие и активно помогать консультациями. При этом каждый участник мог выбрать удобный день для проверки своих объектов. Это дало гибкость, ведь обычную работу и «срочные задачи от бизнеса» тоже никто не отменял, к сожалению. Также мы сделали эксель-файл со списком проблемных объектов с детализацией по критериям. Отмечали в нём конкретные call to actions и статусы для каждого объекта: «фикс выполнен», «объект удалён», «фикс запланирован».


Как это прошло?
За 3 недели проверили почти 1 000 объектов с плохим Health Score. В течение всего этого времени мы:
👉архивировали неактуальные объекты;
👉переносили черновики из продовых папок в личные sandbox-ы;
👉обновляли владельцев;
👉удаляли дублирующиеся датасеты;
👉работали над скоростью объектов;
👉планировали дальнейшие оптимизации.


А для чего это нужно?
👉Улучшение перформанса. Медленная работа дашбордов — одна из основных причин неудовлетворённости пользователей.
👉Улучшение навигации по объектам. Если в отчётах нужно копаться, чтобы найти актуальные — это как минимум неудобно. К тому же пользователи могут случайно заглядывать в неактуальные отчёты и принимать неверные решения на основе некорректных данных.
👉Освобождение ресурсов CPU. Неиспользуемые или неоптимальные объекты съедают лишний ресурс — это может создавать дополнительные очереди на обновление и ухудшать перформанс хороших объектов.
👉Погружение в работу с Health Score. Расчёт здоровья объектов у нас появился относительно недавно, и субботник — хороший способ всем вместе провести ревью объектов и познакомиться с этим процессом, чтобы в дальнейшем уже самостоятельно мониторить и периодически «подлечивать» свои объекты.


А вы следите за качеством своих BI-объектов?

❤️ — у меня BI-объекты здорового человека
😀 — у меня BI-объекты курильщика
— у меня пока нет своих BI-объектов
Please open Telegram to view this post
VIEW IN TELEGRAM
Начнём с теории!

В чем суть визуализации данных?

Суть заключается в переводе чисел на язык графических образов. Иными словами, в кодировании числовых значений визуальными объектами и их свойствами.

При кодировании чисел каждую единицу в наборе данных мы превращаем в объект — простую геометрическую фигуру: точку, линию, квадрат, круг.

А количественные и качественные свойства этой единицы данных зашифровываем визуальными свойствами этого объекта. В качестве визуальных свойств обычно выступает размер, положение, цвет (оттенок, насыщенность, яркость), угол, наклон.

☝️ Кодировка имеет разную степень точности восприятия. Например, длина воспринимается мозгом точнее, чем площадь. А положение относительно общей оси считывается точнее, чем просто длина.

Шкалу точности методов визуального кодирования можно встретить в книге «Графики, которые убеждают всех» — цветная картинка слева как раз оттуда. Методы отсортированы от более точного сравнения значений к менее точным.

🤓 Для тех, кто любит копнуть поглубже: родоначальником такого рейтинга стал эксперт по визуализации информации и вице-президент по исследованиям и дизайну в Tableau Software Джон Д. Маккинли, опубликовавший статью «Automating the Design of Graphical Presentations of Relational Information» 1986 — справа на картинке расположена чёрно-белая схема из этой статьи.

Исходя из этого рейтинга точнее всего считываются столбчатая диаграмма📊 и линейный график📈. Именно поэтому они более предпочтительны при проектировании дашбордов.

Но это не означает, что другими визуализациями не стоит пользоваться. Нужно оценивать степень точности каждой из диаграмм и использовать сообразно задаче.

А в чем польза-то визуализации?

🥹Мозг обрабатывает визуальные образы быстрее, чем текстовую или числовую информацию.

🥹А еще на графике легче заметить аномалии и тенденции, чем в сырых данных.

Практические примеры будем рассматривать в следующих днях, следите за обновлениями!

#зачемвиз
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1