Визуализация данных - почему это важный шаг в работе с данными

Процесс визуализации позволяет приблизиться к пониманию структуры и контекста данных в результате анализа как для аналитиков, так и для бизнес-заказчиков. При работе с данными визуализация может пригодиться на 2-х разных стадиях

Исследование данных
Разработка BI решения для бизнеса и презентация результатов анализа

Первый вариант менее чувствителен к разным правилам, т.к. обычно его используют специалисты для себя или для узкого числа коллег, чтобы понять данные, с которыми предстоит работать. Data Science специалисты и аналитики данных могут пользоваться различными Python библиотеками для визуализации данных в процессе EDA (Exploratory Data Analysis): matplotlib, seaborn, pyplot. Во втором варианте при разработке BI-решения нам важно сконцентрироваться на нашем конечном пользователе, значит нам важно сделать визуализацию данных понятной и полезной в первую очередь для него.

Почему важно визуализировать результаты анализа:

визуальная информация усваивается человеком быстрей и лучше
это понятный способ восприятия данных для бизнес-заказчиков
большие объемы данных можно показать только визуальными элементами
есть возможность подсветить главные метрики
выделить паттерны или группы в данных с помощью цвета, размера, формы
возможность размещения на одном экране большого количества метрик и KPI (дашборд)

У человека есть принципы восприятия визуального контента, которых придерживаются UI/UX-дизайнеры, BI-разработчики. Можно прочитать хорошую статью про Гештальт принципы

Также есть несколько способов выделять необходимые элементы на визуализации с помощью:

цвета
размера
положения
формы
типа линий
фона

Примеры выделения основных элементов из числа других

Правила хорошей визуализации данных

Правильно подбирать тип визуального элемента
В зависимости от данных и их контекста можно подбирать разные графики, диаграммы, которые лучшим образом смогут описать природу данных. Например, для изменения величины во времени лучше использовать график, а для отображения категорий товаров - горизонтальную столбчатую диаграмму или круговую диаграмму.
Минимизировать количество визуальных элементов
Важно не перегрузить экран дашборда, иначе он будет плохо читаться, На одном экране можно располагать 4-6 визуальных элементов с фильтрами
Логическое расположение элементов
Человек привык читать информацию слева-направо и сверху-вниз как книгу. Поэтому сверху принято располагать главные KPI и метрики, на которые стоит обращать внимание в первую очередь. Фильтры обычно располагаются в столбец справа, либо сверху над всеми метриками.
Упрощать максимально дизайн элементов, следить за форматом подписей легенд, категорий и осей
Минималистичный дизайн проще всего читается, не отвлекая внимание на излишние эффекты (тени, рамки графиков, 3D-графики)
Визуализация должна помогать решать поставленную бизнес-задачу и делать выводы или решения на основе анализа данных
При проектировании и разработке дашбордов важно помнить, что они нужны нашим заказчикам для решения определенной цели с прописанными use-кейсами. Важно понимать, как ваши пользователи будут взаимодействовать с дашбордом, чтобы решить свою потребность и задачу.

Пример перенасыщенного дашборда, который может плохо читаться пользователем (2-е правило визуализации)

Пример 4-го правила визуализации (минималистичного дизайн воспринимается проще чем перенасыщенный ненужным дизайном элемент)

Еще больше практической информации по работе с данными, BI, Data Science и бизнес-анализу публикуется в Telegram канале Data Study