Визуализация данных *

Дашборд – лицо аналитика. В зависимости от того, насколько он понятен и красив, его пользователь будет принимать верные решения. Понятен и красив – очень субъективные понятия. В этой статье попробуем взглянуть на них через исследования, практику и опыт, чтобы сформулировать правила того, как можно и как лучше не стоит визуализировать данные на дашборде.

Привет, это Анна Васичко, методист Академии PIX. В марте мы выпустили новый урок в рамках PIX Триатлона, где вместе с моей коллегой, Анной Климковой, разобрали, как устроены визуализации на дашбордах и какие есть лучшие практики визуализации данных. В этой статье хочу чуть глубже копнуть в принципы UI/UX при разработке дашбордов и разобрать, какие случайные (или не очень) манипуляции в графиках могут привести вас на темную сторону.  

Таблица для цеха отличается от обычной таблицы. Очень сильно:

— «Модные» тонкие шрифты — сразу на свалку. Числа должны читаться даже в маске сварщика.

— Освещение в цехах адаптировано под специфику задач— почти всегда нужна ночная тема.

— Минимум цветов, новый цвет — только привлечь внимание к реально критичной вещи.

— Таблицы почти никогда не пролистывают, на них смотрят на больших экранах часами, поэтому они компактные и без отступов между ячейками, чтобы всё уместилось без скролла. При этом они не должны сливаться в кашу.

Есть ещё много принципов, когда вы начинаете делать интерфейс для цеха, и примерно половину нам подсказали сами же заводчане. Мы с командой детально изучали, как работают с таблицами их пользователи в производственных условиях, с какими проблемами они сталкиваются. Ходили в цеха, спрашивали на местах, как они это всё смотрят, что делают, что им удобно, что неудобно.

Cтандартные подходы не всегда решали эти задачи.

Не сказать, что разработка таблиц далась нам легко: были проблемы и спорные моменты, когда приходилось выкручиваться. Но нам удалось получить результат, который подходит нашему производству и удобен пользователям. Сейчас расскажу детали.

Web Vitals — набор метрик от Google, которые показывают, насколько быстро и стабильно загружается ваш сайт, как плавно отображается контент и насколько оперативно интерфейс реагирует на действия пользователя.

В этой статье вы найдёте пошаговую инструкцию по интеграции Web Vitals в проект, отправке метрик в Яндекс.Метрику и настройке отчётов для оперативного мониторинга. Благодаря этому вы сможете своевременно выявлять и устранять «узкие места» в работе приложения ещё до появления жалоб пользователей.

Всем привет! На связи Андрей Рыжик, разработчик BI. В этой статье о том, какие цифры и в каких разрезах действительно полезны для розничных сетей. Например, сама по себе выручка не расскажет много о ситуации в компании. Гораздо информативнее будет для бизнеса, если мы покажем, какие товары приносят больше всего прибыли. Собрал основные показатели и рассказал на примерах, как они рассчитываются.

Плиточные карты (Tile Grid Maps) — один из самых обсуждаемых инструментов визуализации данных. Особенно в России, где разнообразие размеров регионов делает работу с классическими картами непростой. Почему вокруг плиточных карт постоянно идут дискуссии, в чем их сила, а в чем слабости — разбираемся на основе жарких дебатов сообщества.

За последние полгода к нам обратились сразу несколько заказчиков с запросом модифицировать или мигрировать структуру их OLAP-кубов – естественно, с сохранением функциональности. Прежде чем браться за задачу, неплохо бы вспомнить, с чем мы имеем дело.

Об OLAP-кубах, как о некоей абстракции, я услышал во второй половине 2000-х гг., а в реальности столкнулся с ними несколькими годами позже.

В данной работе мы представляем технологию пассивного радиопеленгования беспилотных летательных аппаратов (БПЛА). В её основе лежит многопозиционный подход, позволяющий точно определять координаты радиоизлучающего объекта, преимущественно БПЛА, без применения активных радиолокационных средств.

BI-инструменты считаются дорогими и сложными решениями, требующими долгого внедрения, многочисленных интеграций и непременного преодоления сопротивления со стороны пользователей. Кажется, что на такое может решиться только крупная компания, которой жизненно необходимо упростить анализ данных и оптимизировать множество процессов. 

На самом деле необходимость в понятных аналитических решениях возникает и у средних, а иногда и небольших компаний, поэтому сейчас появляются самые разные по сложности и функциональности BI-системы. О том, как вообще понять, пора ли от эксель-таблиц переходить на BI и какие задачи можно решать с помощью таких инструментов, рассказал Директор продуктовой аналитики Битрикс24 Илья Стрелков.

Зачем компаниями нужна аналитика

Точные цифры — это наш контакт с реальностью. Правильное управление бизнесом основано на понятных метриках и на оценке ключевых факторов, влияющих на эффективность. Полагаться в бизнесе на субъективные ощущения невозможно, органы чувств здесь заменяют систематизированные и наглядно представленные данные о работе всей компании и ее отдельных подразделений. 

Аналитические системы позволяют в разы сократить обработку и подготовку данных  для дальнейшего анализа. Для анализа эффективности бизнес-процессов часто приходится объединять данные из разных систем. Например, для оценки рекламной кампании придется сопоставить данные из рекламного кабинета и CRM. Для товарной аналитики — данные из ERP, CRM и складских систем. 

Вручную, в электронных таблицах, это действительно долго. А BI-системы умеют объединять данные из разных источников, фильтровать, сортировать, делать выборки по сложным условиям, анализировать по множеству факторов и показывать данные в динамике. В результате пользователи — руководства компании и отделов, специалисты — получают наглядный дэшборд с понятными графиками и диаграммами. Именно с той информацией, которая помогает принять нужные решения. 

Я долгое время занимаюсь построением 3D копий городов в проприетарном игровом движке на основе картографических данных. Суммарно это сложная задача, успех выполнения которой заключется в решении небольшого набора больших проблем. Одной из таких проблем является отрисовка точного ландшафта на основе реальных данных. Далее я постараюсь расказать обо всех R&D этапах и технических особенностях, с которыми пришлось столкнуться, а вконце будет несколько сравнений сгенерированного ландшафта с фотографиями реальных мест.

Общая боль руководителей при планировании работы: как равномерно распределить задачи так, чтобы проекты шли по плану, а люди не выгорали. Чаще всего причиной провалов проектов становится неэффективное управление ресурсами: кто-то «тонет» в задачах, кто-то простаивает, а самый опытный аналитик оказывается недоступен в критические моменты. Говоря о планировании и распределении ресурсов, мы в первую очередь помним, что речь идет о людях — с их уникальными навыками, усталостью, мотивацией и потребностями.

Прозрачность в процессе планирования создают данные: руководитель может прогнозировать узкие места и вовремя выравнивать нагрузку. Такой подход увеличивает эффективность, снижает текучесть кадров и вовлекает команду в достижение общих целей. Статья будет полезна тем, кто хочет не просто «разгребать завалы», а выстроить системное управление ресурсами. Сейчас расскажем, как мы внедряли data-driven подход.

Для анализа и обработки больших объёмов данных применяются специальные системы — OLAP (Online Analytical Processing). Мы разберём основные принципы их работы, преимущества и примеры использования.

Определение OLAP-систем

OLAP-системы — это инструменты для анализа данных, которые позволяют быстро и эффективно находить ответы на сложные вопросы. 

Они находят применение в разных сферах, таких как финансы, производство, розничная торговля и другие.

Пример использования OLAP-технологии

«В компании, занимающейся продажей цифровых товаров и программного обеспечения, многомерный куб помогает анализировать данные».

Привет, Хабр! Сегодня мы отправимся в увлекательное путешествие по просторам Вселенной, не вставая из-за компьютера. Задумывались ли вы, как планеты удерживаются на своих орбитах, почему галактики не разлетаются в разные стороны, и что заставляет яблоки падать на землю (да-да, снова этот старина Ньютон)? Ответ один – гравитация! Эта невидимая, но всемогущая сила правит бал во Вселенной, от мельчайших пылинок до гигантских скоплений галактик. Мы разберёмся, как из простых законов рождаются сложные и красивые взаимодействия, напишем код, который оживит наши виртуальные миры, и, возможно, даже почувствуем себя немного демиургами, управляющими судьбами звёзд.

Привет, Хабр! На связи Кирилл Мазуров, продуктовый аналитик в Garage Eight. Прошлая статья с советами по визуализации данных собрала больше 70 сохранений, поэтому написал вторую часть и дополнил ее примерами кода. 

Подготовка презентаций до сих пор остаётся головной болью для многих компаний: ручной перенос графиков из BI в PowerPoint, устаревшие данные и бесконечные правки шаблонов. В Modus BI мы решили эту проблему, добавив функцию экспорта дашбордов прямо в презентации. Рассказываем, как это работает, почему это удобно и какие ограничения пока остаются.

Централизованная аналитика — это фундамент эффективного принятия решений в компании. Чтобы данные действительно работали на бизнес, они должны пройти путь от извлечения до представления в понятной форме. Один из наиболее известных и проверенных временем подходов — архитектура, построенная на четырех ключевых модулях: интеграция, обработка, представление и управление. В этой статье мы познакомимся с каждым из них, а также рассмотрим один из рабочих вариантов реализации (DQ, BI, метаданные и др.).

На связи Анна Астахова, директор по развитию ИТ-интегратора «Белый код». Сегодня бизнесу также, как и студентам, нужны знания. На примере одного из проектов рассказываю, как работает бизнес-аналитика в образовании. 

В большой организации, службы поддержки которой завязаны на сотни тысяч, а то и на миллионы клиентов, иногда даже относительно простое решение по автоматизации рутинных процессов позволяет серьезно повысить эффективность работы. В Росгосстрахе одним из таких решений стало создание Внутреннего сервисного портала, который помог упростить и ускорить решение задач конечными исполнителями из бек-офиса и разгрузить команды инженеров, разработчиков и аналитиков.

Это, безусловно, не наше ноу-хау в классическом понимании этого термина — мне кажется, сегодня любая современная компания должна заботиться об оптимизации и автоматизации обработки поступающих обращений от клиентов, партнеров и регуляторов. Но мы уже заметили положительный эффект от того, что с помощью портала многие запросы удается решить на первой линии поддержки — довольно быстро и без привлечения дополнительных ресурсов.

Простота — это тоже прогресс

Современный бизнес нуждается в гибкой и быстрой аналитике. Однако далеко не у всех компаний есть ресурсы, чтобы внедрить полноценное хранилище данных, построить витрины, разработать десятки отчётов и BI-дашбордов. И даже если такая система существует, запросы от пользователей зачастую выходят за пределы заранее разработанных визуализаций: "А можно посмотреть это по неделям, но только по новым клиентам и только для региона X, исключая сегмент Y?".

В этой статье я покажу, как с помощью Power BI и Excel можно построить модель, которая:

- Даёт пользователям гибкость при анализе данных

- Использует Power BI как логическую модель

- Позволяет работать с моделью напрямую из Excel — без SQL и без BI-дэшбордов

Мир вокруг нас стремительно меняется – активно развиваются технологии, усложняются и трансформируются бизнес-процессы компаний, миллионы операций, которые раньше выполнялись сотрудниками вручную, сейчас автоматизируются и роботизируются.

Эти глобальные изменения предоставляют массу возможностей каждому. Но насколько вы уверены, что даже с учетом всех изменений и внедренных новшеств процессы в компании работают по-настоящему эффективно? Process mining – это технология, которая ставит под сомнение ваши предположения и поможет высвободить незадействованные ранее резервы для оптимизации.

Компания «Газпром нефть» уделяет особое внимание цифровому развитию и активно внедряет инновационные решения в бизнес-процессы. Именно поэтому еще в 2016 году компания начала активно пилотировать технологию process-mining, а уже в 2019 году и разрабатывать свою собственную аналитическую платформу Промайн.

Изначально Промайн разрабатывался для целей внутреннего аудита, что было продиктовано, в первую очередь, необходимостью автоматизации рутинных процедур и перехода от выборочного тестирования к полному анализу имеющихся данных. На первых этапах Промайн применялся для анализа непроизводственных процессов – закупки, продажи, управление персоналом, казначейские операции и др. По мере накопления практического опыта и компетенций, технология была масштабирована на сложные производственные процессы компании.

В настоящее время компания «Газпром нефть» является лидером Российского рынка по масштабам использования технологий process mining, накоплен значительный багаж практических знаний и компетенций. Только в периметре компании «Газпром нефть» Промайн активно используется:

Компания «Газпром нефть» вышла на рынок с новой концепцией: компания не просто предлагает продукт Промайн, использующий в своей основе технологию process mining, а делится многолетним опытом внедрения и применения технологии process mining на сотнях бизнес-процессов. Это не просто инструмент, а целостный подход, включающий экспертизу, уникальную методологию анализа и практический опыт, накопленный на множестве проектов. Именно поэтому решения компании адаптированы к реальным бизнес-условиям и дают максимальный эффект, повышая операционную эффективность. Имея такой багаж знаний и опыта практического применения, компания помогает своим клиентам наиболее быстро, эффективно и успешно внедрять данную технологию.

История и развитие

Компания «Газпром нефть» начала пилотировать технологии process mining с 2016 года и разрабатывать собственное решение в 2019 году, одновременно применяя его в следующих бизнес направлениях: добыча углеводородов, нефтепереработка, логистика и складское хозяйство, строительство, управление надёжностью, оптовые и розничные продажи, казначейство, управление персоналом и др.

Сегодня Промайн используют сотни пользователей. Среди них уже не только аудиторы, но и топ-менеджмент, руководители подразделений, чьи процессы мониторятся в онлайн-режиме. Однако ключевой особенностью применения Промайн в «Газпром нефти» является не только процессная аналитика. Компания создала из этого инструмента большую аналитическую платформу, которая позволяет контролировать эффективность процессов в онлайн-режиме.