Диаграммы и презентации

Развиваем насмотренность.

Делюсь примерами визуализаций, которые мне понравились. Может и вам будет полезно и появятся новые идеи для своих проектов.

Ссылки на источники:
1. Пример 1
2. Пример 2
3. Пример 3
4. Пример 4
5. Пример 5

#Насмотренностьдиаграммы

Нашла пример того, как довольно простой набор данных можно усложнить оформлением.

Сама структура здесь вполне рабочая: пять мини-графиков, одинаковые годы, один показатель. Такой формат позволяет увидеть динамику внутри каждого сегмента и сравнить общую картину между ними. То есть проблема здесь скорее не в выбранном типе визуализации, а в количестве дополнительных визуальных решений.

Что не так?

Во-первых, цвета и оттенки. У каждого сегмента свой цвет, а каждый год внутри него обозначен еще и отдельным оттенком. При этом время уже закодировано положением: 2020 → 2021 → … → 2026 идут слева направо. Получается, что оттенок повторно кодирует ту же информацию, но заставляет нас еще и обращаться к легенде.

Во-вторых, линии со стрелками над столбцами. Они выглядят как полноценный слой данных: у них есть пики, провалы, направление. Но отдельного показателя за ними нет — линии лишь приблизительно иллюстрируют ту же динамику, которую уже показывают столбцы. И это не просто украшательство: такой элемент легко принять за еще один ряд данных.

Получается, что в одном месте мы видим — все значения, все годы через оттенки, пять цветов сегментов, 35 столбцов, сверху еще стрелки. По отдельности каждый элемент кажется вполне безобидным, но вместе они создают визуальный шум.

И здесь как раз интересный момент: избыточность — это не обязательно большое количество данных. Данных здесь немного. Перегруз появляется из-за того, что одна и та же информация несколько раз кодируется разными способами.

Я бы оставила саму идею small multiples, но сильно упростила оформление. Например, годы показывала бы только внутри каждого мини-графика и использовала один цвет. Стрелки убрала бы совсем, так как вполне можно попробовать линейные мини-графики вместо столбцов: мы смотрим именно на изменение показателя во времени, поэтому линия естественнее показывает траекторию и позволяет убрать еще часть визуального веса.

В итоге данных меньше не станет, но читать их станет значительно проще.

И это, пожалуй, главный принцип, который хорошо иллюстрирует этот пример: если визуальный элемент не помогает увидеть в данных что-то новое, то стоит проверить, нужен ли он вообще

#Разборыдиаграммы

Как это сделать в Excel?

Показываю, как можно сделать точечную диаграмму распределения.

➡️Ссылка на видео

#КакэтосделатьвExcel

📍И небольшое напоминание. 15 сентября начинается новый поток интенсива по основам визуализации данных в Excel. Будем учиться правильно и интересно представлять данные с помощью диаграмм. Все систематизируем, разложим по полочкам, повторим, многому научимся и разное поделаем на практике.

Описание интенсива, программа, примеры работ участников, отзывы, цены на тарифы есть на сайте:
https://kirsha-viz.ru/

Пишите в личку, чтобы задать вопросы и уточнить детали:
@akirsha.

Если давно хотели или есть в планах научиться работать с диаграммами, понимать их, верно использовать, освоить много разных способов визуализаций, то сильно жду вас на интенсиве, будет интересно и увлекательно!

‼️Забронировать место можно до 11 сентября (включительно):
https://kirsha-viz.ru/registration

Часто ко мне на интенсив приходят примерно с такими диаграммами (на изображении выше «работы учеников ДО интенсива»).

И первое, что хочется сказать: это нормальная точка старта, не нужно этого стесняться.

Многие ученики уже умеют как-то строить диаграммы в Excel: знают, где нажать, как выбрать тип графика, добавить подписи, поменять цвета.

Но обычно главный вопрос вообще не в Excel или любой другой программе. А в том, что делать дальше. Как понять, какая диаграмма здесь действительно подойдет? Что из данных важно показать, а что можно убрать? Как выделить главное? Почему график вроде бы построен правильно, но читать его тяжело? И как сделать так, чтобы человек посмотрел на него и понял то, что вы хотели ему сказать?

Вот здесь и начинается визуализация данных.

На интенсиве мы, конечно, много работаем с самим Excel и строим около 30 разных визуализаций. Но гораздо важнее для меня научить не повторять готовые решения, а понимать, почему мы делаем именно так.

И постепенно работы учеников начинают выглядеть иначе (на изображении выше «работы учеников в процессе обучения»).

И дело даже не в том, что они стали аккуратнее. В них появляются осознанные решения: заголовок доносит мысль, цвет помогает увидеть главное, лишнее уходит, появляются нужные пояснения, а тип визуализации выбирается под данные и задачу.

Одна из участниц прошлого потока очень точно описала это ощущение:

«Раньше был страх, при виде всех этих диаграмм и графиков, сейчас - интерес, желание увидеть правильное решение, а главное я НАЧАЛА ВИДЕТЬ эти решения».

Вот это «начала видеть» для меня и есть один из главных результатов обучения. Потому что хороший график начинается не с красивого оформления и даже не со знания всех возможностей Excel или любой другой программы. А с понимания, что именно ты хочешь показать и зачем.

📍15 сентября стартует новый поток моего интенсива по основам визуализации данных (работаем в Excel). Продолжительность 6 недель.

Если посмотрели на первые примеры и где-то немного узнали свои рабочие диаграммы - не стесняйтесь) Еще раз повторю, это как раз нормальная точка старта.

Группа небольшая, 10 человек, чтобы я могла подробно разбирать работы каждого и давать обратную связь. Еще осталось 6 мест.

➡️Подробнее про программу, формат обучения и забронировать место - на сайте: kirsha-viz.ru.
➡️Если сомневаетесь, подойдет ли интенсив с вашим уровнем и задачами, можно просто написать мне лично, разберемся - @akirsha

Развиваем насмотренность.

Делюсь примерами визуализаций, которые мне понравились. Может и вам будет полезно и появятся новые идеи для своих проектов.

Ссылки на источники:
1. Пример 1
2. Пример 2
3. Пример 3
4. Пример 4
5. Пример 5

#Насмотренностьдиаграммы

Я довольно часто просматриваю исследования и отчеты крупных компаний. Где-то ради содержания, но чаще, чтобы поискать интересные решения по визуализации данных.

И иногда попадаются отчеты, которыми хочется поделиться.

Сегодня как раз такая находка — исследование McKinsey Global Institute Catalyzing Competitiveness.

Мне оно понравилось не потому, что там много "красивых" графиков. А потому, что практически на каждой странице видно, как авторы мыслят данными. Каждая визуализация выглядит ответом на конкретный вопрос. Где-то важно сравнить показатели, где-то показать взаимосвязь, где-то — объяснить структуру или динамику. И форма визуализации каждый раз помогает решить именно эту задачу.

Еще понравилось, что отчет интересно изучать именно с точки зрения насмотренности. Здесь много удачных и интересных решений не только по визам, но и, например: как объединять несколько графиков в одну историю, как расставлять акценты, как работать с аннотациями, цветом и композицией страницы так, чтобы они помогали читать данные, а не отвлекали от них.

В общем, если хочется прокачивать насмотренность в датавизе, найти идеи для своих проектов, такие отчеты, как по мне, тоже отличный материал

#насмотренностьотчеты