Подумав, що в розвиток цієї візуаліазації можна було б додати, як цей рівень відображається на відомому прибережному місті, наприклад, Венеції.
Analyzecore Telegram 帖子

Sergii Bryl, Executive leader in field of Data Analytics & AI
1,949 订阅者
43 张照片
8 个视频
最后更新于 12.03.2025 02:41
Analyzecore 在 Telegram 上分享的最新内容
Не втомлююся дивуватися креативності авторів дата-сторітейлінгу. Красиве поєднання 2d і 3d візуалізації, яке наочно “розказує” історію підняття рівня води через глобальне потепління.
Подумав, що в розвиток цієї візуаліазації можна було б додати, як цей рівень відображається на відомому прибережному місті, наприклад, Венеції.
Подумав, що в розвиток цієї візуаліазації можна було б додати, як цей рівень відображається на відомому прибережному місті, наприклад, Венеції.
Потужна дата-сторі від Reuters про те, як Північна Корея тероризує Південну надувними кулями з 💩.
Натомість, Південна Корея відновила трансляції про своє гарне життя з гучномовців в бік Північної.
Така в них війна.
Натомість, Південна Корея відновила трансляції про своє гарне життя з гучномовців в бік Північної.
Така в них війна.
It's the dawn of a new age: people who can barely speak two words but compose essays in Proust's style in any language.
P.S.: this post was translated and rewritten with AI, as well as the pic is AI generated - Don't ask why! 😅
Повертається забута рубрика #DataStoned
P.S.: this post was translated and rewritten with AI, as well as the pic is AI generated - Don't ask why! 😅
Повертається забута рубрика #DataStoned
Як Україна зламала російську хватку в Чорному морі
Наочний приклад асиметричної війни. Українським військовим вдалося знищити третину Чорноморського флоту росії при повній відсутності власного військово-морського флоту.
В Financial Times вийшов матеріал про те, як Україна відновлює торгівлю Чорним морем. Відвантаження з Одеси і Чорноморська досягли довоєнного часу.
В статті багато цікавих візуалізацій: від завантаженості морських шляхів до аналізу супутникових знімків систем захисту портів супротивника і технічних характеристик морських дронів.
Наочний приклад асиметричної війни. Українським військовим вдалося знищити третину Чорноморського флоту росії при повній відсутності власного військово-морського флоту.
В Financial Times вийшов матеріал про те, як Україна відновлює торгівлю Чорним морем. Відвантаження з Одеси і Чорноморська досягли довоєнного часу.
В статті багато цікавих візуалізацій: від завантаженості морських шляхів до аналізу супутникових знімків систем захисту портів супротивника і технічних характеристик морських дронів.
А ще чарти додають переконливості. Обовʼязково додайте чарт в свою презентацію! 🤪
Новини про хворобу Чарлза 3 призвели до появи візуалізацій родового дерева, зображенням хто буде наступником. А я просто нагадаю про саму красиву візуалізацію родинних дерев королівських і аристократичних сімей Європи, які були відомі своєю прихильністю до одруження всередині своєї кліки.
Цікавий чарт звʼязку загальної кількості населення і рівня міграції Німеччини.
Використовується connected scatterplot з нетиповими осями X та Y. Ті, хто звик працювати з бізнесовими чартами, автоматично “захочуть” бачити дату по осі X, а кількість населення по Y. Але це гідний приклад data visualization journalism. Автор розмістив кількість населення по X 😱, співвідношення між імміграцією і еміграцією - по Y. А дати - це точки, що зʼєднані в хронологічному порядку.
Чарт складний. Це типова ситуація для data visualization journalism. Читач вдумливо вивчає чарт і, крім візуальної насолоди, вкарбовує в памʼять інсайти, що були візуалізовані завдяки нестандартному підходу. Зверність увагу на родзинку цього чарту - траєкторію полюту бджоли 🐝 з двома петлями.
Я би точно не рекомендував використовувати такий підхід для типових бізнес-задач, але для візуалізаційної журналістики це 🔥
Використовується connected scatterplot з нетиповими осями X та Y. Ті, хто звик працювати з бізнесовими чартами, автоматично “захочуть” бачити дату по осі X, а кількість населення по Y. Але це гідний приклад data visualization journalism. Автор розмістив кількість населення по X 😱, співвідношення між імміграцією і еміграцією - по Y. А дати - це точки, що зʼєднані в хронологічному порядку.
Чарт складний. Це типова ситуація для data visualization journalism. Читач вдумливо вивчає чарт і, крім візуальної насолоди, вкарбовує в памʼять інсайти, що були візуалізовані завдяки нестандартному підходу. Зверність увагу на родзинку цього чарту - траєкторію полюту бджоли 🐝 з двома петлями.
Я би точно не рекомендував використовувати такий підхід для типових бізнес-задач, але для візуалізаційної журналістики це 🔥
Гарний підхід до класифікації рекламних кампаній на основі певних бенчмарків (в кейсі - медіани значень clicks та cost). На що варто звернути увагу: така класифікація дозволяє промаркувати кампанії кольором в залежності від квадранту, підтягнути в загальне табличне представлення і отримати кольорові “лампочки” (🔴, 🟢 і так далі) біля кожної, привернути увагу маркетолога.
Цей підхід нагадав мені кейс з досвіду. Продакт менеджер геймінговій компанії хотів визначитися з тим, які ігрові карти варто створювати його команді. Ми прийшли до того, що головними критеріями будуть:
1. На скількі гравцям подобається та чи інша існуюча карта. Власне, геймплей, до якого вона спонукає. Для цього було проведе опитування і отримані оцінки.
2. Скільки карта “заробляє” для компанії. Кожна карта мала свою економіку, так як гравці витрачали на ній свої ресурси і заробляли по різному. Ця різниця була другою метрикою.
Потрібно було якимсь чином класифікувати карти за цими двома критеріями (і деякими додатковими). Доречним рішенням стало побудувати квадрант, де кожна з карт потраплял в певну зону, по типу: “подобається гравцям і гарно заробляє”, тощо. Єдине, що я зробив попередньо і рекомендую за потреби застосовувати - нормалізував дані.
Таким чином, ми визначили карти, які погано перформлять і не подобаються гравцям - їх можна було прибрати з гри, або переробити. А гарні для обох сторін карти, стали основою для генерування і перевірки гіпотез, чому саме вони подобаються гравцям. Згодом, результати досліждень стали базою для створення нових карт.
Цей підхід нагадав мені кейс з досвіду. Продакт менеджер геймінговій компанії хотів визначитися з тим, які ігрові карти варто створювати його команді. Ми прийшли до того, що головними критеріями будуть:
1. На скількі гравцям подобається та чи інша існуюча карта. Власне, геймплей, до якого вона спонукає. Для цього було проведе опитування і отримані оцінки.
2. Скільки карта “заробляє” для компанії. Кожна карта мала свою економіку, так як гравці витрачали на ній свої ресурси і заробляли по різному. Ця різниця була другою метрикою.
Потрібно було якимсь чином класифікувати карти за цими двома критеріями (і деякими додатковими). Доречним рішенням стало побудувати квадрант, де кожна з карт потраплял в певну зону, по типу: “подобається гравцям і гарно заробляє”, тощо. Єдине, що я зробив попередньо і рекомендую за потреби застосовувати - нормалізував дані.
Таким чином, ми визначили карти, які погано перформлять і не подобаються гравцям - їх можна було прибрати з гри, або переробити. А гарні для обох сторін карти, стали основою для генерування і перевірки гіпотез, чому саме вони подобаються гравцям. Згодом, результати досліждень стали базою для створення нових карт.