Всем привет!

Я — Дарья Касьяненко, эксперт Центра непрерывного образования факультета компьютерных наук НИУ ВШЭ. Недавно моя коллега, Дарья Огнева, аналитик в Okko в группе по Bl-отчетности и преподаватель курса «Аналитик данных», провела вебинар для тех, кто только начинает погружаться в бизнес-аналитику и хочет разобраться в визуализации данных.

Дарья Огнева

Аналитик в Okko в группе по Bl-отчетности и преподаватель курса «Аналитик данных»

Two hundred twenty participants (88%) ranked sight as their most valuable sense. ©

Как было бы классно, если бы за доли секунды, мельком скользнув по графику, вы уже видели ответ на вопрос. А не сидели с линейкой и уровнем в попытке попасть в нужную ячейку на пересечении столбца и строки или сравнить высоту соседних колонок.

Особенно, если это презентация — экран далеко, а вместо линейки стакан кофе. Идеальный недостижимый мир с розовыми единорогами или все в наших руках?

График — многопараметрический объект, рассматривать и оптимизировать который можно часами. Для простоты эксперимента давайте остановимся хотя бы на одном параметре — визуальная кодировка. Еще проще — ограничимся пятью самыми популярными: барчарт, линейный, скаттерплот, пайчарт и таблица.

Уровень: без предварительной подготовки.

Эксперименты не грабли — по ним продуктивнее пройтись самим. 

Вдохновившись статьей «Task-Based Effectiveness of Basic Visualizations» Saket, Endert, Demiralp» и взяв несколько неслучайных датасетов со случайным распределением по типам (визуальной кодировки) графиков, за вебинар мы попробовали решить 3 задачи: упрощенное ранжирование (выберите 6-ой по убыванию метрики ХХХ), наличие аномалий и корреляций.

Выборка: активные слушатели вебинара: https://cs.hse.ru/dpo/announcements/973735262.html 

Инструмент: https://etc.ch/ *

*для множественного выбора очень странно считаются проценты (сумма нормируется в 100%) -> постфактум отдельный расчет по абсолютам, которые инструмент позволяет выгрузить.

Упрощенное ранжирование: шестой по убыванию затрат номер

Тестовые картинки:

Упрощенное ранжирование / Результаты:

Выводы: таблица — лидер. Для близких по величине значений окружающий контекст (барчат vs скаттерплот) существенно влияет на точность ответа. В таблице влияние контекста снижено. Пайчарт — впечатляюще низкий результат.

Что еще интересно посмотреть: 

1. Провести эксперименты с разным распределением значений в датасете. 

2. Посмотреть динамику точности в зависимости от величины выборки.

Из-за низкой точности и для меньшей травматизации опрашиваемых пайчарт исключен из гонки.

Наличие аномалий

Выводы: таблица — не лидер. Аномалии или их отсутствие хорошо показаны на линейном и скаттерплоте. Не все опрашиваемые всецело понимают суть аномалий.

Что еще интересно посмотреть: 

1. Проверить наличие байеса на ответ (да) / может, у людей в целом есть склонность видеть аномалии, где их нет.

2. Рассмотреть свободно владеющих понятием аномалия и приближенно понимающих термин.

3. Увеличить число экспериментов, чтобы исключить влияние специфичности распределения.

Наличие корреляций

Выводы: Специфичность данных барчата существенно исказило результаты. Примеры понятия корреляций было дано на скаттерплотах — на них опрашиваемые достаточно точно ответили на вопрос, для всех остальных типов не хватило примера наличия/отсутствия корреляции. Хочется повторить эксперимент, поменяв методологию.

Что еще интересно посмотреть: как и для аномалий

1.  Проверить наличие байеса на ответ (да) / может, у людей в целом есть склонность видеть аномалии, где их нет.

2. Рассмотреть свободно владеющих понятием корреляция и приближенно понимающих термин.

3. Увеличить число экспериментов, чтобы исключить влияние специфичности распределения.

По итогам экспериментов — хочется еще больше экспериментов. Для проверки уже полученных результатах на больших выборках, для нивелирования точечных артефактов. Более того, мы исследовали только точность ответа. Было бы классно, обращаясь к оригиналу, рассмотреть и время выполнения задания, и субъективное предпочтение пользователя (как ему удобнее/привычнее работать). Более того, было бы классно рассмотреть разные типы задач, дополнив текущие три.

Результаты статьи «Task-Based Effectiveness of Basic Visualizations» Saket, Endert, Demiralp / статзначимое превосходство одних типов графиков над другими по метрикам точность-скорость-удобство в разбивке по типу задач

Тем не менее, даже с учетом специфичности данных и ЦА наше небольшое исследование подтвердило выводы статьи и здравый смысл:

Таблица хороша в задачах:

• Получение точных значений

• Вычисление точных значений

• min, max

• Фильтрация

Барчарт хорош в задачах:

• Покомпонентное сравнение

• min, max

• Выявление аномалий

• Распределение

Линейный график хорош в задачах

• Динамика

• Корреляция

Скаттерплот хорош в задачах

• Выявление аномалий

• Распределение

• min, max

• Разброс

Пайчарт хорош в задачах:

• Часть целого

• «Пицца — круговая диаграмма, показывающая сколько у тебя осталось пиццы»

Однако типов графиков существенно больше 5 (например, https://datavizproject.com/), и выбор того самого — нетривиальная задача и для новичка, и для опытного пользователя, постоянно скатывающегося в барчарты.

Благо, есть блок-схемы, помогающие заблудшим аналитикам выйти на нужный график: чарт-чузеры. Какая ты палка - только лучше на уровне.

Чарт-чузеры

• По задачам: https://public.tableau.com/app/profile/andy.kriebel/viz/VisualVocabulary/VisualVocabulary

• Интерактивный: https://public.tableau.com/profile/glowbyte.consulting#!/vizhome/ChartChooser_15550897459460/ChartChooser

• Деревцем по задачам и типу переменных**: https://www.data-to-viz.com

** Обратите внимание, что в последнем проекте есть и статьи с самыми популярными дилеммами, и плюсы-нюансы использования каждого типа графиков. Более того, inspiration. И практика английского языка.

Заключение

В статье мы посмотрели на 5 популярных типов визуальной кодировки из десятков, которые представляют один из атрибутов графиков, которые часть волшебной мира визуализации данных, дрейфующего в безумной вселенной BI-аналитики