
Визуализация данных
В нынешние дни нам доступно так много данных, что визуализация превратилась в отдельную специализированную дисциплину, лежащую на пересечении искусства и науки. Визуализация данных представляет информацию легким и доступным для понимания образом. Ее крестным отцом принято считать Эдварда Тафти.
Тафти опубликовал в 1983 году книгу The Visual Display of Quantitative Information («Визуальное изображение количественной информации») – самую важную работу, когда-либо написанную на эту тему. Труд Тафти содержит массу примеров самых лучших и самых ужасных изображений данных. Его книга прекрасна сама по себе. Тафти хотел сделать все в полном соответствии со своими принципами, поэтому решил публиковать ее самостоятельно и даже ради этого перезаложил свой дом. Хочу предупредить вас, что после чтения книги вы имеете все шансы приобрести аллергию на графики, нарушающие правила Тафти.
Но я остановлюсь лишь на трех его правилах. А вас призываю обязательно прочитать его книгу целиком, как только вы покончите с моей.
Правило первое. Графическая целостность
Тафти полагает (и я с ним согласен), что представление данных должно соответствовать реальным числам (не стоит рисовать небольшие цифры так, чтобы они выглядели гигантскими). Вот пример того, как делать не надо.

Правило второе. Соответствие данных и краски
Тафти полагает, что хорошее графическое представление основной информации требует больше краски, чем вспомогательные элементы. Отличным примером этого правила служит электроэнцефалограмма.

Бросив даже беглый взгляд на энцефалограмму, вы сразу понимаете: во-первых, о чем идет речь; во-вторых, что в ней нет ничего лишнего.
Правило третье. Ничего лишнего
Основное внимание должно сосредоточиваться на главной информации. Избавляйтесь от диаграммного мусора – так Тафти называет избыточное и ненужное использование графических эффектов, заставляющих обращать больше внимания на работу дизайнера, а не на сами данные.
Вот пример того, что Тафти считал худшим графиком из всех размещенных в образовательных журналах 1970-х годов.

Я благодарен Тафти за свою аллергию на диаграммный мусор. Причина и следствие
Внедрив описанные выше принципы измерений, вы можете создать целый набор индикаторов, позволяющих отслеживать вашу работу на протяжении времени и оценивать, хорошо ли вы работаете. Но это – лишь часть процесса измерений. Одно дело – знать, насколько хорошо у вас получается, а другое – понимание того, каким образом ваши действия влияют на что-то еще.
Давайте воспользуемся простым примером. Когда пару лет назад у компании Toyota резко упали продажи, это не было вызвано будто бы неэффективной рекламной политикой. Причина состояла в неправильной конструкции ковриков, мешавших пользоваться педалью тормоза, что приводило к авариям и отпугивало потенциальных покупателей. В этом и заключается суть «приписывания». Если я измеряю влияние маркетинговой кампании на продажи, то мне нужно не только отслеживать показатели продаж, но и определять, каким именно образом на них повлияла та или иная кампания. Иными словами, какая доля прироста продаж была вызвана моими действиями?
Для измерения степени приписывания существует два метода – эконометрическое моделирование и оценка приписывания на индивидуальном уровне.
Как мы уже обсудили выше, эконометрическое моделирование (мы говорили на эту тему в пятой главе) использует математику для расчета степени влияния законов спроса и предложения. Например, оно помогает определить, до какой степени спрос на продукт определяется его ценой, уровнем дохода потребителей и другими параметрами, такими как наши действия в области маркетинга.
Мои коллеги в Китае использовали эконометрическое моделирование для демонстрации влияния рекламы на продажи продукции Motorola. В середине 1990-х годов ее репутация в стране оставляла желать лучшего. Качественные исследования показали: этот бренд ассоциировался у среднего китайца с образом «старого бизнесмена». Даже самим пользователям телефонов Motorola казалось, что бренду недостает стиля.
Читать дальше
Конец ознакомительного отрывка
Купить книгу