У селекторов и чартов могут быть настроены связи.

Связь определяет влияние селектора на один или несколько чартов, а также на другие селекторы. По умолчанию селекторы связаны с чартами, которые созданы в рамках одного датасета. Селекторы и чарты, которые созданы на базе разных датасетов, также могут быть связаны вручную.

В качестве связи вы можете выбрать существующее поле датасета или создать собственное поле, в котором вручную зададите значения селектора.

Связь позволяет фильтровать значения селекторов и чартов. Например, если вы выберете на дашборде страну в первом селекторе, во втором селекторе ограничится список городов (и наоборот).

Представим, что у нас есть простой пример дашборда, в котором мы показываем несколько визуализаций по странам и по городам. И есть два селектора – тоже по странам и по городам.

Поведение по умолчанию: выбирая какую-то страну в первом селекторе, DataLens обновляет список городов во втором селекторе, а также обновляет две связанные визуализации – по странам и городам.

Но мы можем настроить поведение элементов дашборда при помощей связей. И сделать так, чтобы оба селектора (Страна и Город) влияли только на одну визуализацию, а вторая оставалась независимой от них.

Тип связи определяет, как будут отфильтрованы значения в селекторах и чартах. Тип задается в окне связей в режиме редактирования дашборда.

Существуют следующие типы связей для пары виджетов:

• Связь — двухстороннее влияние виджетов друг на друга.
• Вх.связь — входящее влияние.
• Исх.связь — исходящее влияние.
• Игнор — двухстороннее игнорирование виджетами друг друга.
• Нет связи — отсутствие связи между виджетами из разных датасетов или виджетами, между которыми связь невозможна.

Создание вкладок возможно и в рамках одного виджета на дашборде. При добавлении чартов вы можете добавить новую вкладку в левой части окна, чтобы совместить два чарта в одном окошке.

Нажмите на изображения ниже, чтобы увеличить их.

Избегать ошибок при проектировании дашбордов можно только благодаря насмотренности и постоянному анализу обратной связи. Поэтому в сегодняшнем дне мы добавим еще несколько советов о том, как сделать дашборды классными.

На самом деле большая часть всего успеха зависит от вашего понимания целей дашборда. Если вы понимаете кто, когда и как будет им пользоваться — считайте, что вы сделаете дашборд эффективно.

Ваша задача — упростить считывание данных. Сделать так, чтобы все было интуитивно понятно. Чтобы у людей не возникало таких вопросов как: А что здесь показано? Это в миллионах или в тысячах? А это за какой период? А к чему относится этот фильтр?

Это процесс для внимательных. Для тех, кто может поставить себя на место «нового» человека и проверить как воспринимается дашборд.

Конечно, большая часть дашбордов в бизнесе нацелена на анализ. Цель – создавать дашборды, на которых пользователи ищут ответы на свои вопросы (разной степени определенности). Во время анализа бизнес-дашбордов проводится много итераций и исследований разных сценариев. Такие дашборды обычно используются на постоянной основе, пока не потеряют своей актуальности, и обновляются автоматически с появлением новых данных.

Аналитические регулярные дашборды можно противопоставить сторителлингу – формату курируемых законченных историй на основе данных.

Сторителлинг можно перевести с английского как рассказать историю. Этот термин применяется к уже законченному поиску в данных. Например, вы анализировали данные по экологии разных стран, нашли интересные закономерности и паттерны по одной или нескольким странам за определенный период, и теперь хотите представить эти данные в интерактивном формате. По сути, дашборд в этом случае будет выступать в качестве презентации с последовательностью заранее прописанных шагов/слайдов/чартов.

Обычно к моменту создания такого дашборда все ответы уже хорошо известны, а количество итераций для изучения таких данных конечно. Кроме того, данные в основе сторителлинг-работ, как правило, не обновляются, то есть загружены единожды. (Потому что если данные обновятся, то ваша история уже может не «сработать»)

Если аналитические дашборды лучше выстраивать от наиболее важной информации для принятия решений к деталям и вспомогательным визуализациям, то сторителлинг основывается на более художественном повествовании — от введения в тематику (чаще всего это какой-то объясняющий текст) и постепенного углубления в исследуемую проблему к драматичному, эмоциональному выводу или основной мысли.

Сегодня мы предлагаем попробовать собрать дашборд на основе данных от SemanticForce, которые сделали небольшую выборку отзывов по фильму Кристофера Нолана «Довод».

Данные достаточно интересные! В датасете содержится выгрузка отзывов в диапазоне дат от 31 июля до 12 октября 2020. Отзывы совершенно разных форматов: как полноценные рецензии, так и небольшие комментарии и обсуждения.

Основными полям для анализа будут наиболее показательные категории — Дата публикации, Тип медиа, Рубрики, Источник и Тональность. Тональность определена далеко не по всем сообщениям — система проверяет определенные слова-маркеры и если не может найти подходящих, пропускает и тональность остается пустой. В таких случаях вы увидите пустые строки или NULL-значения.

В тех строчках, где тональность удалось определить, вы встретите одно из трех значений:

• Сообщение — негатив
• Сообщение — позитив
• Сообщение — позитив Сообщение — негатив

Если по первым двум все понятно, то третье значение означает, что в сообщении были как положительные, так и отрицательные маркеры одновременно.

Также, интересна категория Рубрика. Это дополнительные описательные категории, к которым относится то или иное сообщение. Например, если Рубрика — «Эмоции: Благодарность», то автор сообщения испытывает благодарность за просмотр фильма! «CRM: Вопросы» — задает вопрос относительно фильма. «Фактор: Качество картинки» — хвалит или ругает качество изображения/съемки фильма. И так далее.

Имейте в виду, что сообщение может относиться не только к фильму, но, например, к кинотеатру или к киносервису.

Я начала с того, что загрузила данные и подготовила их для дальнейшего анализа. На первом этапе настройки датасета важно упростить себе дальнейшую работу насколько это возможно! Так как одна строка в данных – это одно сообщение, то я в первую очередь продублировала поле ID (сообщения), задав для копии название "Количество сообщений" и поставив агрегацию на Количество. Я также скрыла ненужные мне поля: ParentID и Shares, Likes, Просмотры, Entities, Followers, Друзья, Following – мне они не понадобятся, буду акцентировать весь дашборд только на количестве сообщений.

Создание чартов начала с самого простого — показ динамики. Попробовала сделать общую динамику отзывов, но потом добавила в Цвет тональность и пришла к диаграмме с накоплением. На втором варианте мы видим все, что нужно: и общее число сообщений и их разбивку по тональности. Здесь важно проверить цвета, и при необходимости, поменять их! Ведь положительные отзывы логично помечать зеленым, а отрицательные — красным. Смешанные отзывы можно было бы пометить серым, добавим это в #фичреквест DataLens :-)

Как обычно, нажмите на изображения, чтобы их увеличить.

Дальше решила сделать анализ по основным категориям: источник, тип медиа, тип сообщений.

Здесь все просто. По источникам строим столбчатую диаграмму, столбцы сортируем по убыванию, добавляем подписи. Так как у нас уже есть цветовое кодирование тональности, то где-то еще цвет лучше не использовать – это только запутает. Поэтому, если и добавлять куда-то цвет, то только на чарты с разбивкой по тональности, как на графике с накоплением выше.

Еще важно при большом количестве категорий на столбиковой диаграмме их как-то сократить. Я добавила фильтр на Количество сообщение > 100. Этого достаточно, чтобы оставить наиболее крупные источники в датасете.

Добавим немного разбивки и по тональности – прежде всего общую разбивку всех сообщений, а также детализацию по Факторам.

Соберем дашборд! Добавила заголовки и селекторы, а два чарта по Типу медиа и Типу сообщений объединила при помощи вкладок внутри чарта. Готово!

Еще немножко о фильмах...

Не хотим отпускать тему с фильмами, поэтому предлагаем вам сделать еще один дашборд на тему «Какой фильм выбрать себе на вечер». Если вдруг у вас нет данных с дня 02, можете скачать их ниже. А свое решение такой нетривиальной задачи нам представит наш эксперт Роман!

Часто хочется выбрать какой фильм посмотреть на выходных или что-то посоветовать друзьям. На Кинопоиске есть свой поисковик, но было бы классно сделать свой с дополнительными данными и визуализацией и разослать друзьям!

Сделал для себя и друзей такой дашборд в DataLens. Главный элемент на этом дашборде — таблица. Таблица — это отличный инструмент для визуализации, когда пользователю нужно получить конкретное значение. Мне обязательно в этом случае надо получить название фильма и год, иначе не смогу его найти. В таблице быстро и удобно можно отсортировать фильмы по нужному параметру, для начала хорошо подойдёт сортировка по количеству голосов — это значит, что фильм очень популярен и скорее всего его стоит посмотреть.

Уже только одна эта таблица позволяет найти много интересных фильмов, используя фильтры. Но чтобы сделать инструмент более насыщенным, я добавил справа дополнительную информацию. Она позволяет быстрее найти интересный жанр и выбрать его в фильтре, а также оценить средние значения и сравнить с ними выбранный в таблице фильм. Первыми двумя слоями идут фактоиды и спарклайны. Они показывают среднее значение рейтинга и его распределение по фильмам, а также общее кол-во фильмов и распределение по году выпуска.

Кстати, пока работал с датасетом нашёл забавный факт — есть довольно много фильмов с одинаковым названием. Оставил друзьям такой список на отдельной вкладке дашборда.

О важности грамотного оформления визуализаций и дашбордов не говорит только ленивый. Однако на это есть причины: использование визуальных средств может как помочь подать информацию максимально внятно, так и сделать ее совершенно нечитаемой.

Я не буду касаться вопроса выбора правильного способа визуализации в соотвествии с данными и центральной идеей, без этого никуда.

Изучите базовые принципы гештальта. Они просты и понятны, однако невероятно эффективны при визуальной передаче смыслов.

Избегайте «случайных» решений. Все, от выбора цвета отдельного столбика до размера шрифта сноски, должно быть подобрано настолько, насколько позволяет инструмент. Управляйте вниманием с помощью визуальных средств — расставляйте акценты. Визуальное представление неотделимо от смыслов: главное = заметное.

Не усложняйте. Не пытайтесь принудить визуализацию быть интереснее, чем она есть с помощью декоративных элементов или цветового разнообразия. Однако и не упрощайте: при необходимости используйте дополнительные элементы, такие как отсечки, подписи или комментарии для привлечения внимания читателя к основной идее визуализации.

Если очень хочется экспериментировать и искать неожиданные решения, практикуйтесь на дата-арте.

Кажется, что понятие «журналистика данных» – это оксюморон. Ты либо журналист, либо аналитик. Но на самом деле данные – это огромный кладезь информации и историй для журналиста, а значит мы не можем себе позволить пройти мимо. Сначала возникают психологические барьеры – есть страх перед математикой или питоном, кажется, что это необъятная сфера, куда входят и визуализация, и статистика, и все языки программирования. Но на самом деле дата-подход проникает практически во все науки и ремесла: и в медицину, и в социологию, и в политологию. Поэтому работа с данными – это просто современный метод в журналистике. И если к этому относиться так, то получится, что с помощью данных вы просто можете лучше делать свою работу – быстрее анализировать документы, находить эксклюзивные истории, создавать увлекательный сторителлинг. Это путь, на котором можно развиваться бесконечно. Поэтому начать не страшно.