Power BI - Introduction à la data visualisation Tutoriels

Découvrez comment créer des rapports visuels pour une utilisation professionnelle dans Microsoft 365 grâce à cette vidéo informative.
Cette vidéo présente les étapes clés pour comprendre la notion de visualisation de données et comment créer des rapports visuels à l'aide de Microsoft Power BI.
Obtenez des conseils pratiques pour choisir les graphiques appropriés et personnaliser la mise en forme de vos rapports pour optimiser la manipulation et l'analyse des données.
Suivez cette vidéo pour en savoir plus sur la création de rapports visuels dans Microsoft 365 et comment cela peut vous aider à améliorer les performances de votre entreprise.

18:48
1753 vues

00:00:00

Avant d'attaquer la partie sur la

00:00:02

création de rapports et donc sur la

00:00:04

création de nos premières visualisations,

00:00:06

je voulais commencer par une introduction

00:00:09

à la date d'utilisation afin de vous

00:00:11

faire passer les bons messages et de

00:00:13

vous expliquez en quoi la

00:00:16

data visualisation est un moyen de

00:00:18

communiquer avec d'autres personnes.

00:00:20

Alors on va aller sur les concepts

00:00:22

fondamentaux, en premier lieu en

00:00:24

expliquant la raison d'être de la data,

00:00:28

data visualisation.

00:00:28

Pardon, je vais appeler ça data visé,

00:00:31

ça ira même plus vite et ça sera

00:00:32

plus simple pour moi.

00:00:33

Et je vais essayer de vous la

00:00:35

présenter donc en 3 grands volets,

00:00:36

3 grandes thématiques et la première,

00:00:39

c'est que à quoi sert la data visé ?

00:00:41

Eh bien, elle cherche à raconter

00:00:43

une histoire pour ça qu'à la base

00:00:46

la visualisation existe,

00:00:47

c'est pour aller schématiser,

00:00:48

, comme on dit,

00:00:50

une image vaut mieux qu’une très,

00:00:52

très longue phrase.

00:00:53

Et bien ça vaut aussi ça pour la

00:00:55

représentation de données où là en

00:00:56

instant on peut comprendre énormément

00:00:58

de choses de ce qui a pu se passer

00:00:59

ou en tout cas de du message qu'on

00:01:02

souhaite faire passer avec une image.

00:01:04

Et ça, ça ne date pas d'aujourd'hui,

00:01:06

, parce que la visualisation,

00:01:07

c'est quelque chose de de vieux.

00:01:09

Et vous en avez un exemple ici,

00:01:11

avec une représentation graphique

00:01:13

qui a été faite,

00:01:15

alors je me souviens plus

00:01:16

exactement de la date,

00:01:17

mais qui a été faite d'un

00:01:18

certain temps et qui représente.

00:01:20

Voilà,

00:01:20

c'est écrit.

00:01:21

Le 20 novembre 1869 et qui correspond

00:01:24

à la campagne de Russie par Napoléon,

00:01:27

et là on verra qu'il y a en fait

00:01:28

en réalité énormément de données

00:01:29

qui s'affichent.

00:01:30

Et pourtant c'est relativement simple

00:01:32

à lire donc la campagne de Russie

00:01:34

où on va partir de ce fleuve-là.

00:01:36

Et en fait, ici,

00:01:37

on va suivre l'armée française qui

00:01:39

va s'avancer dans l'État russe.

00:01:41

L'épaisseur ici de ce de cette

00:01:43

zone correspond au nombre de

00:01:45

soldats restants dans l'armée,

00:01:47

donc on voit qu'ils étaient

00:01:49

420000 hommes au départ.

00:01:51

Potentiellement y a aussi des

00:01:53

embranchements où l'armée

00:01:54

s'est potentiellement quittée en

00:01:55

petits groupes et on voit qu’au fur

00:01:58

et à mesure de l'avancée de l'armée,

00:02:00

Eh bien il y a de moins en

00:02:02

moins 2 soldats pour finalement

00:02:04

qu'ils puissent arriver.

00:02:06

A un peu plus de 100000 soldats

00:02:08

au moment où ils arrivent à Moscou

00:02:10

et finalement on a en noir la

00:02:12

fameuse retraite de Russie,

00:02:13

donc la débandade pour

00:02:16

l'armée française où l'armée du coup

00:02:18

a dû rebrousser chemin vers de retour

00:02:21

vers la France alors que l'hiver

00:02:24

commençait donc le fameux

00:02:26

hiver russe et donc à partir de là,

00:02:29

Eh bien on va perdre de plus

00:02:31

en plus d'hommes,

00:02:32

donc là on voit ici l'évolution

00:02:34

avec les différentes dates clés.

00:02:36

Et ce qui est également intéressant,

00:02:37

c'est que sur le retour,

00:02:39

on va également vous indiquer ici

00:02:41

la température à chacun dans ce

00:02:43

qu'on va appeler des checkpoints.

00:02:45

Donc là, ici, on va 2 moins à peu près

00:02:48

moins 9°-21-20 et cetera, et cetera donc.

00:02:52

Des températures glaciales et pour

00:02:54

finalement se retrouver avec 20000

00:02:56

hommes seulement 20000 hommes

00:02:58

lors de du retour final en France.

00:03:01

Donc, une retraite très

00:03:02

dure pour la France.

00:03:04

Mais voilà, le type de visualisation

00:03:07

qu'on pouvait déjà faire.

00:03:08

À l'époque donc au 19e siècle,

00:03:11

sur un événement majeur

00:03:12

de l'histoire française.

00:03:13

Eh bien ces visualisations-là,

00:03:14

en fait, on les utilise toujours ?

00:03:16

Par exemple ici ce que vous avez donc c'est

00:03:19

une visualisation moderne de toujours pareil.

00:03:21

Une histoire en fait, qui cherche à

00:03:23

être racontée par de la visualisation,

00:03:25

et ce que vous voyez ici,

00:03:26

ce sont donc, comme Pour rappel,

00:03:28

je travaille dans le digital Analytics

00:03:30

et ce qu'on voit ici en fait ce n’est pas

00:03:33

un tunnel de conversion sur un site web.

00:03:35

On va compter pour chacune des

00:03:36

étapes clés d'un site web,

00:03:38

donc généralement ça démarre par.

00:03:39

Le fait qu'une personne vient sur

00:03:41

un site jusqu'à ce que la personne

00:03:43

effectué une conversion,

00:03:43

ça peut être un chat,

00:03:44

un achat, un abonnement,

00:03:46

la complétion d'un formulaire de rappel,

00:03:48

et cetera et cetera.

00:03:49

Et donc ici on va retrouver en fait

00:03:51

cet effet un petit peu de déperdition.

00:03:52

Ici,

00:03:53

on va passer par exemple au nombre de

00:03:55

personnes qui sont venues sur le site,

00:03:56

le nombre de vidéos vues,

00:03:58

le nombre de d'envois de ce

00:03:59

qu'on appelle un lead.

00:04:01

Donc c'est une prise de contact.

00:04:03

La qualification du lead et finalement

00:04:05

la vente qui est réalisée et à chaque

00:04:07

fois on va avoir potentiellement

00:04:09

la déperdition avec chacune des

00:04:10

taux de passage entre les étapes.

00:04:12

Donc ça c'est extrêmement important

00:04:14

pour tout ce qui va être analysé de

00:04:17

comportements sur un site web et

00:04:19

bien entre la carte de Napoléon et celle-ci,

00:04:22

on va exactement utiliser

00:04:23

les mêmes indicateurs,

00:04:24

c'est à dire une visualisation

00:04:25

globale avec la hauteur ici du

00:04:27

rectangle de l'Histogramme qui va

00:04:28

nous dire en gros la proportion de

00:04:30

personnes qui restent et après,

00:04:32

si on cherche un peu on va avoir

00:04:33

des indicateurs supplémentaires

00:04:34

avec des flèches à chaque fois qui

00:04:36

allons-nous indiquer rouge vert.

00:04:37

Donc quel est le statut de ce

00:04:40

qui a pu se passer ?

00:04:42

Le 2e concept fondamental,

00:04:43

c'est que ça sert à mettre des choses

00:04:47

qui doivent être mises en avant,

00:04:48

mises en avant justement,

00:04:50

et donc ça permet de faire passer

00:04:52

un message extrêmement rapidement.

00:04:54

L'exemple très simple qu'on peut

00:04:55

avoir alors simple ?

00:04:56

Pas tellement ce que la visualisation

00:04:58

est un peu particulière.

00:04:59

Là,

00:04:59

cette visualisation qu'on appelle en rosace,

00:05:01

ça représente le travail qui a été

00:05:04

fait par une statisticienne et une

00:05:06

infirmière dans au 19e siècle,

00:05:08

qui a essayé de résumer à l'armée

00:05:11

britannique, en gros la cause de mortalité.

00:05:14

Lors de la guerre de Crimée,

00:05:15

je crois que c'était autour de 10

00:05:17

850 et en gros, ce qu'a indiqué ici,

00:05:18

via son jeu de couleurs,

00:05:20

c'est que vous allez avoir les

00:05:22

morts réellement au champ

00:05:23

de bataille. Les morts aussi,

00:05:25

suites de leurs blessures,

00:05:26

donc de souvenirs.

00:05:26

Ici, c'est les 2 premiers traits,

00:05:28

donc le saumon et le noir.

00:05:31

Et après vous avez les morts en fait,

00:05:33

qui correspondent aux épidémies qui courent

00:05:35

dans les camps de l'armée et en gros elle

00:05:37

ce qu'elle voulait prouver et demander,

00:05:39

c'est qu'on introduise des mesures

00:05:41

sanitaires dans les zones de combat et

00:05:43

notamment dans les camps retranchés.

00:05:45

Puisque comme on peut le voir ici sur ce

00:05:46

schéma là en fait on avance dans le temps.

00:05:48

Donc juillet, août, septembre et cetera.

00:05:50

Et on a intérêt sur ce mois de janvier 10 855

00:05:54

où on a eu une masse de morts du fait

00:05:59

…

00:06:00

Des épidémies qui peuvent courir dans les

00:06:02

camps militaires qui étaient absolument

00:06:04

énormes et là donc instantanément

00:06:06

je pense que vous l'auriez vu que cette

00:06:08

proportion là ici est très importante

00:06:09

et ne cessé de croître au fur et à

00:06:12

mesure de l'avancée dans le temps.

00:06:14

Cet élément là encore une fois le

00:06:15

fait d'essayer de faire passer

00:06:16

un message et de faire ressortir

00:06:18

quelque chose très rapidement.

00:06:19

On peut aussi le retrouver dans

00:06:21

des visualisations modernes.

00:06:22

Ici,

00:06:22

vous allez avoir quelqu'un qui s'est

00:06:24

amusé à récupérer le nombre de décès

00:06:27

quotidiens en France entre 2001 et 2020.

00:06:30

Alors on va mettre de côté ?

00:06:31

Le COVID,

00:06:32

puisqu’il s'est passé autre chose

00:06:34

sur cette période,

00:06:35

on a eu la canicule qui était en

00:06:37

2003 et donc on voit ici cet immense

00:06:39

tralala qui a été créée et donc qui

00:06:41

correspond à l'été qu'on avait en 2003.

00:06:44

Il y avait énormément de de décès

00:06:46

parmi les personnes âgées et donc

00:06:47

de la même manière.

00:06:49

Ici,

00:06:49

on va avoir ce système circulaire

00:06:51

avec des points clés à chacune

00:06:53

des étapes et potentiellement du

00:06:54

coup un événement exceptionnel.

00:06:56

En tout cas quelque chose qu'on

00:06:58

souhaitait mettre en avant et qui ressort

00:07:00

instantanément et donc là pareil,

00:07:01

le message il est clairement passé.

00:07:03

Il y a eu un phénomène extraordinaire

00:07:05

enfin extraordinaire,

00:07:05

dans le sens rare sur cette période-là.

00:07:11

Dernier point que je voulais aborder,

00:07:13

donc là on reste vraiment sur la théorie,

00:07:15

pour l'instant, mais je pense que

00:07:16

cette mise au point est importante.

00:07:18

La dette avisée existe également

00:07:21

car elle permet de montrer des choses qui

00:07:24

sont imperceptibles avec des données brutes.

00:07:27

Vous pouvez tout à fait vous

00:07:28

retrouver devant un tableau de

00:07:29

données et avoir du mal à l'utiliser.

00:07:31

En tout cas de passer à côté de certaines

00:07:34

informations clés juste parce qu'elles

00:07:35

ne sont pas représentées visuellement.

00:07:37

Donc ici ce qu'on a,

00:07:39

c'est une représentation de la ville, de.

00:07:41

Londres si je ne me trompe pas,

00:07:43

c'est tôt 18e siècle également où

00:07:46

sévissait une épidémie de choléra.

00:07:48

Et donc ce médecin qui s'appelait John Snow,

00:07:52

ça ne s'invente pas à décider

00:07:55

tout simplement de répertorier

00:07:56

les différents morts du choléra.

00:07:58

Qui a pu avoir dans la ville et

00:08:00

notamment dans le quartier de Soho où

00:08:01

il y avait une épidémie

00:08:03

où l'épidémie du choléra était très,

00:08:05

très forte et donc ce qu'il a

00:08:06

eu l'idée de faire,

00:08:07

c'est tout simplement de mettre un trait

00:08:10

devant chaque palier où il y a eu un décès.

00:08:13

Et donc c'est la carte que vous voyez ici,

00:08:14

donc on se retrouve ici avec le quartier de

00:08:17

Soho et donc on voit ici les fameux petits

00:08:19

traits qu'il a rajouté pour chacun des décès.

00:08:21

Et si on zoome sous cette zone,

00:08:23

là on voit qu'en fait donc cette zone

00:08:25

où il y a eu énormément de décès,

00:08:26

si on zoome sur cette zone,

00:08:28

on voit qu'en fait il y a énormément

00:08:29

de décès,

00:08:30

notamment là ici dans cette zone,

00:08:31

dans cet immeuble qui ont été très

00:08:33

proches d'une pompe contenant de l'eau

00:08:35

et en fait ils se sont rendu compte,

00:08:38

avec ces analyses de John Snow,

00:08:39

que à côté de cette pompe,

00:08:41

il y avait un espace de.

00:08:42

Plus de déchets qui étaient ou des

00:08:45

couches de bébé et ayant le choléra

00:08:47

avaient été jetées et donc ça a contaminé

00:08:50

l'eau de la pompe et donc des gens ont

00:08:53

bu cette eau et ont attrapé le choléra.

00:08:55

Et à partir de là,

00:08:56

ils ont pu fermer la pompe et là

00:08:58

l'assainir afin de ralentir l'épidémie

00:09:00

de choléra dans la vie,

00:09:02

donc là encore une fois,

00:09:03

s’il n’avait pas effectué ce travail de

00:09:05

visualisation et il l'aurait sans doute,

00:09:07

et c'est ce qui s'est passé au

00:09:09

niveau des autorités sanitaires,

00:09:10

il serait passé à côté de cette

00:09:14

information primordiale.

00:09:15

Et là,

00:09:16

on va avoir encore une fois des

00:09:18

équivalents avec des données qui

00:09:20

proviennent de notre monde actuel.

00:09:24

On va essayer de charger la vidéo alors à

00:09:28

l'instant je vais rebasculer. Normalement.

00:09:32

Ah alors, elle ne s'affiche pas.

00:09:38

Alors ça a l'air d'être revenu parfait.

00:09:41

On va essayer de la lancer.

00:09:43

Voilà. On va couper le son,

00:09:46

donc ici ce que vous allez voir en fait,

00:09:47

c'est une représentation graphique

00:09:49

assez moderne ou en gros une

00:09:51

personne n’a réussi à récupérer en

00:09:53

fait l'ensemble des connexions

00:09:54

mobiles d'une zone géographique.

00:09:56

Donc on se trouve en 2019,

00:09:58

au début du COVID et la personne

00:09:59

s'est intéressée aux personnes

00:10:00

qui participent à ce qu'on appelle

00:10:02

le Spring break aux États-Unis.

00:10:03

Donc en gros c'est la

00:10:05

période de printemps.

00:10:06

Après les examens universitaires où

00:10:08

en gros toutes les tous les jeunes se

00:10:10

retrouvent sur la plage et notamment

00:10:12

en Floride pour faire la fête.

00:10:15

Il se trouve qu'il y a énormément de

00:10:17

contamination au COVID-19 sur cette

00:10:18

plage et donc là ce qu'il en train de faire,

00:10:21

c'est qu'il est en train de sélectionner

00:10:23

en gros toutes les connexions

00:10:24

mobiles qu'il y a eu sur la plage

00:10:25

au cours du springbreak et après il

00:10:27

va pouvoir avancer dans le temps,

00:10:28

donc là voilà il crée un groupe

00:10:30

et il va pouvoir avancer dans le

00:10:31

temps pour voir en gros tout ce

00:10:33

cluster de contamination.

00:10:34

Comment il s'est diffusé au sein de

00:10:35

pays parce que ces personnes-là,

00:10:37

donc leur voix,

00:10:37

qu'ils rentrent dans la ville et

00:10:38

on voit quelques jours plus tard,

00:10:40

les personnes rentraient chez eux

00:10:41

et donc elles aient bien contaminé

00:10:43

une grande partie alors.

00:10:45

Évidemment, tout ne l'aurais pas reproché,

00:10:46

mais en tous les cas,

00:10:47

on voit comment une épidémie peut

00:10:49

se diffuser puisque là,

00:10:50

toutes les personnes sont rentrées chez eux,

00:10:52

donc on voit toute la partie est

00:10:54

des États-Unis qui ont été impactées

00:10:55

du coup par ces flux migratoires

00:10:57

d'étudiants qui sont venus en Floride

00:10:59

et qui se sont qui se sont contaminés.

00:11:01

Donc voilà un exemple de visualisation.

00:11:03

Encore une fois,

00:11:04

on utilise une carte et quelque

00:11:07

chose qui aurait été très difficile

00:11:09

à voir à l'œil nu.

00:11:11

Voilà pour ces grands principes, on va.

00:11:15

Du coup, reprend.

00:11:17

Un petit exemple assez simple

00:11:18

ou comme je vous disais,

00:11:19

à partir de données brutes,

00:11:20

il n'est pas toujours simple de

00:11:22

se rencontre de certaines choses

00:11:23

et je vous donne ici, par exemple,

00:11:25

un tableau de données avec les

00:11:26

mois de l'année et également le

00:11:28

nombre de pages vues qu'il peut y

00:11:30

avoir sur un site web.

00:11:31

Donc en gros les pages vues,

00:11:32

c'est la fréquentation qu'il peut y avoir sur

00:11:35

un site et les valeurs que vous avez ici,

00:11:37

45,

00:11:37

56 et cetera sont le sont en 1000000,

00:11:41

donc là par exemple le 45000000 de visiteurs

00:11:44

56000000 de visiteurs sur février,

00:11:46

et cetera.

00:11:47

Est-ce que vous pouvez juste prendre

00:11:48

2 Min potentiellement mettre en pause

00:11:50

la vidéo et essayer de vous dire,

00:11:52

qu'est-ce que vous arrivez à retirer

00:11:54

comme enseignement de ce tableau-là ?

00:11:56

Voilà donc ce qu'on peut

00:11:58

voir potentiellement,

00:11:59

c'est peut-être les valeurs les plus

00:12:00

faibles et les valeurs les plus fortes,

00:12:01

donc on voit,

00:12:02

quand on met le.

00:12:03

Le pic a été très fort à

00:12:05

75000000 que mars il y avait

00:12:07

pas grand monde à 36000000.

00:12:08

Mais globalement,

00:12:09

voilà dire beaucoup plus de choses.

00:12:11

C'est assez compliqué.

00:12:12

Par contre, si maintenant,

00:12:13

je m'amuse à le replacer dans

00:12:16

une visualisation et bien là,

00:12:17

potentiellement, on va se rendre

00:12:19

compte de beaucoup plus de choses.

00:12:22

Hop, excusez-moi.

00:12:22

Donc déjà on peut repérer.

00:12:24

Bon ça, on l'avait un petit peu

00:12:26

vu le meilleur mois et le plus

00:12:28

mauvais mois au cours de la période.

00:12:30

On va également pouvoir se rendre

00:12:31

compte que le 2e trimestre est

00:12:33

bien meilleur que le premier

00:12:35

puisque là on ici on a les 3 premiers

00:12:37

mois et là on se rend bien compte

00:12:39

que les valeurs qui se présentent

00:12:40

sur le 2e trimestre sont plus hautes.

00:12:43

On peut même en fait inconsciemment

00:12:44

essayer de tracer une droite pour

00:12:46

essayer de tracer une tendance

00:12:47

donc ce n’est pas forcément

00:12:49

conscient mais vous pouvez sans

00:12:50

en rendre compte le faire.

00:12:54

Et potentiellement aussi se rendre

00:12:55

compte de ce que on va être dans

00:12:57

le cadre d'une baisse pour l'été

00:12:59

puisque là on va arriver au mois de juin,

00:13:01

on voit que ça rebaisse alors qu'on était

00:13:03

sur une tendance haussière entre mars et mai.

00:13:05

Tout cela, vous auriez eu du

00:13:06

mal à vous en rendre compte,

00:13:08

notamment pour les tendances,

00:13:09

notamment pour la comparaison

00:13:12

du premier et du 2e trimestre.

00:13:14

Donc là visualisation sert bien

00:13:17

effectivement à recontextualiser,

00:13:18

à comprendre et interpréter

00:13:20

correctement les données.

00:13:24

Alors qu'est-ce qu'on peut aussi se

00:13:25

dire au niveau de la visualisation ?

00:13:27

Donc là on va rentrer dans des

00:13:29

choses un peu plus pratico pratiques

00:13:30

puisque on va avoir un grand degré de

00:13:32

personnalisation dans les visualisations

00:13:33

et les rapports qu'on va pouvoir créer.

00:13:35

Donc retenez bien qu’il n'y a rien

00:13:37

qui est là pour faire joli dans

00:13:39

une visualisation à chaque fois,

00:13:41

vous allez mettre un élément.

00:13:42

En gros, vous allez charger

00:13:44

d'une nouvelle information,

00:13:45

votre visualisation, votre histogramme,

00:13:46

votre tableau, votre courbe.

00:13:48

Et bien ça veut dire que c'est quelque

00:13:50

chose de supplémentaire à interpréter pour

00:13:52

la personne qui va lire ce tableau-là.

00:13:54

Où cette visualisation,

00:13:55

et donc c'est important que tout est un

00:13:57

intérêt et c'est un petit peu le schéma

00:13:58

ici que vous avez sur la droite ou en gros,

00:14:00

la personne va partir d'un

00:14:01

tableau qu'on est d'accord,

00:14:03

assez laid,

00:14:03

un peu à l'ancienne et donc il va

00:14:05

expliquer en gros tout ce qu'il fait,

00:14:07

donc il va retirer par exemple

00:14:08

la légende où n’y a pas besoin,

00:14:09

il va retirer la légende aussi sur la gauche,

00:14:12

il va enlever le cadre qui

00:14:13

effectivement ne servait à rien.

00:14:15

Il va supprimer tous les effets

00:14:16

graphiques qu'il peut y avoir sur

00:14:17

l'histogramme voilà enlever les ombres,

00:14:19

enlever les couleurs puisque

00:14:20

ça ne nous intéresse pas,

00:14:21

il va juste mettre en avant par exemple le

00:14:23

bacon puisque c'est ça qui l'intéressait.

00:14:24

Assez en Hongrie ?

00:14:25

Les valeurs parce que sinon les échelles

00:14:27

sont plus importantes que même les données,

00:14:29

il enlève les lignes qui n'apportent

00:14:30

au final pas beaucoup d'informations.

00:14:32

Il va même enlever l'échelle de gauche

00:14:34

pour mettre les valeurs directement sur

00:14:35

les histogrammes et donc on voit que là,

00:14:37

à partir de là où il y avait

00:14:39

énormément de couleurs,

00:14:39

des fonds et des lignes qui

00:14:41

n’étaient pas forcément nécessaire,

00:14:42

il est passé à quelque chose d'extrêmement.

00:14:44

Épuré donc, pour résumer un petit peu ça,

00:14:46

essayer de vous noter dans un

00:14:48

coin qu’au niveau des pratiques,

00:14:50

les couleurs sont des informations.

00:14:52

On ne s'amuse pas à mettre des

00:14:54

couleurs partout sur des cours

00:14:55

ou sur des histogrammes,

00:14:56

juste pour faire joli.

00:14:57

Les couleurs ont un sens.

00:14:58

C'est une information que vous

00:14:59

allez placer dans votre graphique,

00:15:00

donc il faut qu'elles aient un intérêt donc

00:15:02

c'est soit pour mettre en avant un élément,

00:15:04

soit pour créer 22.

00:15:06

Comment dire ?

00:15:07

2 ensembles de sous données,

00:15:08

et cetera, et cetera.

00:15:11

Pas de mise en forme textuelle ?

00:15:12

Esthétique,

00:15:12

ça ne sert à rien de surligner,

00:15:14

de mettre des italiques,

00:15:15

et cetera.

00:15:16

On va vraiment aller à l'essentiel,

00:15:17

mettre quelque chose

00:15:19

d'épuré et d'efficace.

00:15:21

Pas d'informations redondantes

00:15:21

c'est ce qu'on pouvait un peu

00:15:23

voir ici sur le graphique,

00:15:24

avec une échelle plus des.

00:15:27

C'était une légende qui était

00:15:29

juste ici,

00:15:30

donc ça ce n’est pas très intéressant

00:15:32

ce qu'on a 2 fois l'information et

00:15:33

donc on va aller charger encore une

00:15:35

fois le visuel alors que ce n’est pas

00:15:37

nécessaire puisque l'information

00:15:38

était déjà présente. Les échelles

00:15:41

ne sont pas toujours nécessaires,

00:15:43

donc là c'est exactement ce qu'on a vu ici.

00:15:45

On se rend compte que l'échelle

00:15:46

ce n’est déjà pas facile à lire,

00:15:47

qu'il va falloir suivre la ligne

00:15:48

tout le long de l'histogramme.

00:15:50

Et donc pourquoi ne pas mettre

00:15:51

directement les valeurs sur

00:15:53

chaque barre de l'histogramme ?

00:15:54

Les visualisations les plus ambitieuses ne

00:15:56

ne sont pas les plus claires à comprendre.

00:15:58

Alors ça, c'est quelque chose

00:15:59

que je vois souvent où

00:16:01

Par exemple,

00:16:01

les consultants que je suis vont aller

00:16:03

prendre des visualisations tout de

00:16:04

suite assez compliquée, assez haut.

00:16:06

Passeuses, le problème,

00:16:07

c'est que ces visualisations-là,

00:16:08

oui, elles sont sympathiques,

00:16:10

elles sont jolies,

00:16:11

mais elles ne sont pas forcément

00:16:13

super compréhensibles.

00:16:14

Si vous vous formez à Power BI et que

00:16:15

vous travaillez avec les données,

00:16:17

ce n'est pas forcément le cas de

00:16:18

tous vos collaborateurs, de tous vos,

00:16:19

de tous vos collègues et donc il

00:16:21

faut utiliser comme des choses

00:16:22

relativement simples des histogrammes,

00:16:24

des courbes,

00:16:24

des choses qui sont connues.

00:16:26

De de tous.

00:16:30

Et dernier point.

00:16:31

Et donc ça, on va de toute

00:16:32

façon un petit peu s'entraîner.

00:16:34

Il est important de

00:16:35

hiérarchiser l'information,

00:16:36

donc là ce n’est pas forcément des

00:16:38

rapports pour B c'est juste 2

00:16:40

visualisation que j'ai trouvée sur

00:16:41

Internet donc il y en a une qui est

00:16:43

plutôt bien et une qui est moins bien.

00:16:44

Je pense que vous avez deviné quelle

00:16:46

est la bonne et quelle est la mauvaise.

00:16:48

En gros l'idée c'est que on va essayer

00:16:50

déjà d'aérer au maximum les rapports ou

00:16:53

les Dashboard qu'on va pouvoir créer,

00:16:55

de mettre les informations les

00:16:56

plus importantes en haut?

00:16:57

Les indicateurs clés,

00:16:59

les fameux Capi I si vous travaillez un peu

00:17:02

là-dedans et en tout cas de bien délimité.

00:17:04

Des zones ici avec des données et depuis

00:17:06

donc d'aller du maquereau vers le micro,

00:17:08

d'aller sur des choses globales,

00:17:10

puis potentiellement si l'utilisateur

00:17:12

veut chercher davantage d'informations,

00:17:14

aller sur du plus granulaire,

00:17:15

mais tout le temps,

00:17:16

en gardant des espaces aérés et éviter

00:17:18

d'avoir des pages et des pages de graphiques.

00:17:21

À l'inverse,

00:17:21

on voit qu’ici,

00:17:23

c'est beaucoup plus compliqué qu'on se

00:17:24

retrouve avec des menus de de filtres

00:17:26

qui sont extrêmement importants,

00:17:28

donc ça a été fait sur Excel,

00:17:30

des Histogrammes avec des toutes petites

00:17:32

échelles qui sont complètement serrées,

00:17:34

donc on ne peut pas bien les voir.

00:17:36

Qu'est-ce qu'on a d'autre des histogrammes

00:17:37

qui ne sont pas forcément classes,

00:17:38

donc on ne comprend pas trop des

00:17:40

légendes avec des valeurs de chiffres

00:17:42

qui sont extrêmement dures à lire,

00:17:44

des camemberts avec encore une fois en gros,

00:17:45

le problème c'est que là,

00:17:46

tout est compressé,

00:17:47

serre et c'est très difficile

00:17:48

à lire et c'est un peu cafouillis,

00:17:50

c'est à dire que les valeurs du haut se

00:17:52

sont un tableau donc ce n’est vraiment pas

00:17:54

le plus intéressant à mettre en haut,

00:17:55

ce que tout de suite on va rentrer

00:17:57

dans de la donnée Granulaire donc

00:17:58

c'est plus intéressant de mettre

00:17:59

ce qu'on appelle des box de de Cap

00:18:01

I d'indicateurs clé ou de mettre

00:18:03

potentiellement effectivement un histogramme.

00:18:04

Ça peut se défendre mais tout

00:18:05

de suite aller sur du Granulaire

00:18:07

ce n’est pas forcément intéressant.

00:18:08

Donc on va aussi essayer lors de

00:18:10

la création des visualisations de

00:18:12

Eh bien de de de créer des choses

00:18:15

esthétiques et surtout des choses

00:18:16

qui sont bien rangées dans l'ordre

00:18:18

au niveau des valeurs.

00:18:22

Voilà ce que je pouvais vous

00:18:23

dire sur toute la partie,

00:18:24

sur la visualisation.

00:18:25

Évidemment, ce sont des

00:18:26

concepts un peu globaux.

00:18:28

Si le sujet vous intéresse parce que

00:18:29

ici on n'est pas sur un cours complet,

00:18:31

sur la data visualisation,

00:18:32

il y a beaucoup de ressources sur

00:18:34

Internet qui parlent de ce sujet-là.

00:18:36

Il y a des sites qui se sont spécialisés,

00:18:37

Même là-dedans et du coup on va

00:18:41

pouvoir attaquer la partie aussi

00:18:42

sur la statistique et seulement

00:18:44

après ça va arriver vite,

00:18:46

on va pouvoir attaquer la

00:18:47

création des visualisations.

00:00:00

Before attacking the game on the

00:00:02

Creation of reports and therefore on the

00:00:04

creation of our first visualizations,

00:00:06

I wanted to start with an introduction

00:00:09

on the date of use in order to you

00:00:11

getting the right messages across and

00:00:13

explain how the date

00:00:16

Data visualization is a way to

00:00:18

communicate with others.

00:00:20

So let's go on the concepts

00:00:22

fundamentals, first and foremost in

00:00:24

explaining the raison d'être of data,

00:00:28

Data visualization.

00:00:28

Sorry, I'm going to call it targeted data,

00:00:31

it will even go faster and it will be

00:00:32

easier for me.

00:00:33

And I'll try to tell you.

00:00:35

present in 3 main parts,

00:00:36

3 major themes and the first,

00:00:39

What is the purpose of the targeted data?

00:00:41

Well, she's trying to tell

00:00:43

A story for that only at the base

00:00:46

Visualization exists, huh,

00:00:47

it is to go schematize,

00:00:48

huh, as they say,

00:00:50

a picture is better than a very,

00:00:52

very long sentence.

00:00:53

Well, the same goes for the

00:00:55

Representation of data where there in

00:00:56

moment we can understand a lot

00:00:58

of things that may have happened

00:00:59

or at least the message that we

00:01:02

wants to pass with an image.

00:01:04

And that's not new,

00:01:06

huh, because there visualization,

00:01:07

It's something old.

00:01:09

And you have an example of this here,

00:01:11

with a graphical representation

00:01:13

that has been done,

00:01:15

so I remember more

00:01:16

exactly the date,

00:01:17

but which was made of a

00:01:18

Some time and who represents.

00:01:20

There you go

00:01:20

it is written.

00:01:21

November 20, 1869 and which corresponds

00:01:24

to the Russian campaign by Napoleon,

00:01:27

And there we will see that there is in fact

00:01:28

In reality a lot of data

00:01:29

that are displayed.

00:01:30

And yet it's relatively simple

00:01:32

read the Russian campaign

00:01:34

where we will start from this river.

00:01:36

And in fact, here,

00:01:37

We will follow the French army which

00:01:39

will advance into the Russian state.

00:01:41

The thickness here of this of this

00:01:43

zone is the number of

00:01:45

remaining soldiers in the army,

00:01:47

So we see that they were

00:01:49

420,000 men at the start.

00:01:51

Potentially there are also

00:01:53

branches where the army is,

00:01:54

It is potentially left in

00:01:55

small groups and we see that as

00:01:58

and as the army advances,

00:02:00

Well, there are fewer and fewer

00:02:02

minus 2 soldiers to finally

00:02:04

that they can happen.

00:02:06

Has just over 100,000 soldiers

00:02:08

by the time they arrive in Moscow

00:02:10

and finally we have in black the

00:02:12

famous retreat from Russia Huh,

00:02:13

So there is stampede for

00:02:16

The French army or the army of the coup

00:02:18

had to turn back to return

00:02:21

towards the France while winter

00:02:24

Thus began the famous winter

00:02:26

Russian winter and therefore from there,

00:02:29

Well we're going to lose more

00:02:31

in addition to men,

00:02:32

So here we see the evolution

00:02:34

with the different key dates.

00:02:36

And what is also interesting,

00:02:37

it is that on the return,

00:02:39

We will also tell you here

00:02:41

The temperature to each in this

00:02:43

which we will call checkpoints.

00:02:45

So there, here, we go 2 minus about

00:02:48

minus 9°-21-20 et cetera, et cetera.

00:02:52

Frigid temperatures and for

00:02:54

finally ending up with 20000

00:02:56

men only 20000 men

00:02:58

on the final return to France.

00:03:01

So, a very very very

00:03:02

Hard for the France.

00:03:04

But there you have it, the type of visualization

00:03:07

that could already be done.

00:03:08

At the time, therefore, in the 19th century,

00:03:11

on a major event

00:03:12

of French history.

00:03:13

Well these visualizations there,

00:03:14

In fact, we still use them, huh?

00:03:16

For example here what you have is

00:03:19

A modern visualization of always the same.

00:03:21

A story in fact, which seeks to

00:03:23

be told by visualization,

00:03:25

and what you see here,

00:03:26

they are, therefore, as a reminder,

00:03:28

I work in Digital Analytics

00:03:30

And what we see here in fact is not

00:03:33

A conversion funnel on a website.

00:03:35

We will count for each of the

00:03:36

key stages of a website,

00:03:38

So usually it starts with.

00:03:39

The fact that a person comes on

00:03:41

a site until the person

00:03:43

performed a conversion,

00:03:43

it can be a cat,

00:03:44

a purchase, a subscription,

00:03:46

completion of a reminder form,

00:03:48

et cetera et cetera.

00:03:49

And so here we will find in fact

00:03:51

This effect a little bit of wastage.

00:03:52

Here

00:03:53

For example, we will move on to the number of

00:03:55

people who came to the site,

00:03:56

the number of videos viewed,

00:03:58

The number of of consignments of this

00:03:59

called a lead huh.

00:04:01

So it's a contact.

00:04:03

The qualification of the lead and finally

00:04:05

the sale that is made and at each

00:04:07

times we will have potentially

00:04:09

the loss with each of the

00:04:10

Rate of passage between stages.

00:04:12

So that's extremely important.

00:04:14

for everything that will be analyzed from

00:04:17

behaviors on a website and and

00:04:19

well between Napoleon's map and this one,

00:04:22

we will exactly use

00:04:23

the same indicators,

00:04:24

i.e. a visualization

00:04:25

global with the height here of the of

00:04:27

rectangle of the Histogram that goes

00:04:28

tell us roughly the proportion of

00:04:30

people who stay and after,

00:04:32

If we look a little we will have

00:04:33

Additional indicators

00:04:34

with arrows each time that

00:04:36

will tell us red green.

00:04:37

So what is the status of this

00:04:40

What could have happened?

00:04:42

The 2nd fundamental concept,

00:04:43

is that it is used to put things

00:04:47

which must be highlighted,

00:04:48

highlighted precisely,

00:04:50

And so it allows to pass

00:04:52

A message extremely quickly.

00:04:54

The very simple example that can be

00:04:55

Have it simple?

00:04:56

Not so much what there visualization

00:04:58

is a bit peculiar.

00:04:59

There

00:04:59

This visualization that is called in rosette,

00:05:01

It represents the work that has been

00:05:04

made by a statistician and a

00:05:06

nurse in the 19th century,

00:05:08

who tried to summarize to the army

00:05:11

British, basically the cause of death.

00:05:14

During the Crimean War,

00:05:15

I think it was around 10

00:05:17

850 and roughly, what has been indicated here,

00:05:18

via its color scheme,

00:05:20

is that you are going to have the

00:05:22

Actually dead in the field

00:05:23

of battle. The dead too,

00:05:25

as a result of their injuries,

00:05:26

so memories.

00:05:26

Here, it's the first 2 traits,

00:05:28

So salmon and black.

00:05:31

And then you have the dead actually,

00:05:33

that correspond to the epidemics that run

00:05:35

in army camps and basically

00:05:37

what she wanted to prove and ask,

00:05:39

it is that we introduce measures

00:05:41

sanitary facilities in combat zones and

00:05:43

especially in entrenched camps.

00:05:45

Since as can be seen here on this

00:05:46

Diagram there in fact we advance in time.

00:05:48

So July, August, September and so on.

00:05:50

And we have interest on this month of January 10 855

00:05:54

where we had a mass of deaths because of,

00:05:59

of the, of the, of the.

00:06:00

Epidemics that can run in the

00:06:02

military camps that were absolutely

00:06:04

huge and there so instantly eh

00:06:06

I think you would have seen that this

00:06:08

proportion here is very important

00:06:09

and continues to grow as

00:06:12

measurement of progress over time.

00:06:14

This element again the

00:06:15

trying to get through

00:06:16

a message and to bring out

00:06:18

something very quickly.

00:06:19

It can also be found in

00:06:21

Modern visualizations, huh.

00:06:22

Here

00:06:22

You're going to have someone who's

00:06:24

amused to recover the number of deaths

00:06:27

daily newspapers in France between 2001 and 2020.

00:06:30

So we'll put it aside, huh?

00:06:31

The COVID,

00:06:32

since something else happened

00:06:34

over this period,

00:06:35

We had the heat wave that was in

00:06:37

2003 and so we see here this huge

00:06:39

tralala that was created and therefore who

00:06:41

corresponds to the summer we had in 2003.

00:06:44

There were a lot of deaths

00:06:46

among the elderly and therefore

00:06:47

in the same way.

00:06:49

Here

00:06:49

We're going to have this circular system

00:06:51

with key points at each

00:06:53

steps and potentially

00:06:54

Coup an exceptional event.

00:06:56

In any case something that we

00:06:58

wanted to highlight and that stands out

00:07:00

instantly and therefore the same,

00:07:01

The message it has clearly gotten through.

00:07:03

There has been an extraordinary phenomenon

00:07:05

finally extraordinary,

00:07:05

in the rare sense on that period.

00:07:11

Last point I wanted to make,

00:07:13

So here we really stay on the theory,

00:07:15

huh for now, but I think

00:07:16

This clarification is important.

00:07:18

Debt, wise debt also exists

00:07:21

because it makes it possible to show things that

00:07:24

are imperceptible with raw data.

00:07:27

You can quite

00:07:28

find in front of a painting of

00:07:29

data and having trouble using it.

00:07:31

In any case to miss some

00:07:34

Key information just because it

00:07:35

are not visually represented.

00:07:37

So here what we have,

00:07:39

It is a representation of the city, of.

00:07:41

London if I'm not mistaken,

00:07:43

It is also early 18th century when

00:07:46

There was a cholera epidemic.

00:07:48

And so this doctor called John Snow,

00:07:52

It is not invented to decide

00:07:55

simply to list

00:07:56

the various deaths of cholera.

00:07:58

Who could have in the city and

00:08:00

especially in the Soho district where

00:08:01

there was a very, very epidemic,

00:08:03

where the cholera epidemic was very,

00:08:05

very strong and therefore what it has

00:08:06

had the idea to do,

00:08:07

it is simply to put a line

00:08:10

at each level where there has been a death.

00:08:13

And so that's the map you see here,

00:08:14

So we find ourselves here with the district of

00:08:17

Seals and so we see here the famous little ones

00:08:19

traits he added for each of the deaths.

00:08:21

And if we zoom under this area,

00:08:23

Here we see that in fact this area

00:08:25

where there have been a lot of deaths,

00:08:26

if we zoom in on this area,

00:08:28

We see that in fact there is a lot of

00:08:29

death,

00:08:30

especially the here in this area,

00:08:31

in this building that have been very

00:08:33

close to a pump containing water

00:08:35

and in fact they realized,

00:08:38

with these analyses by John Snow,

00:08:39

that next to this pump,

00:08:41

There was a space of.

00:08:42

More waste that was or

00:08:45

baby diapers and having cholera

00:08:47

had been thrown away and therefore it contaminated

00:08:50

the water from the pump and therefore people have

00:08:53

drank this water and caught cholera.

00:08:55

And from there,

00:08:56

They were able to close the pump and there

00:08:58

sanitize it in order to slow down the epidemic

00:09:00

cholera in life,

00:09:02

So here again,

00:09:03

if he had not done this work of

00:09:05

visualization and he would no doubt have it,

00:09:07

And that's what happened at the

00:09:09

level of of health authorities,

00:09:10

He would have missed this

00:09:14

Essential information.

00:09:15

And there,

00:09:16

We will once again have

00:09:18

equivalents with data that

00:09:20

come from our world today.

00:09:24

We will try to load the video then to

00:09:28

The moment I'm going to switch back. Normally.

00:09:32

Ah, then, it does not appear.

00:09:38

So it seems to have come back perfect.

00:09:41

We will try to launch it.

00:09:43

There you go. We're going to mute the sound,

00:09:46

So here what you're going to see actually,

00:09:47

it is a graphical representation

00:09:49

fairly modern or roughly a

00:09:51

No one managed to recover in

00:09:53

makes all connections

00:09:54

mobiles of a geographical area.

00:09:56

So here we are in 2019,

00:09:58

at the beginning of COVID and the person

00:09:59

was interested in people

00:10:00

who participate in what is called

00:10:02

the Spring break in the United States.

00:10:03

So basically it's the

00:10:05

spring period.

00:10:06

After university exams or

00:10:08

Roughly all young people

00:10:10

find on the beach and in particular

00:10:12

in Florida to party.

00:10:15

As it happens, there are a lot of

00:10:17

COVID-19 contamination on this

00:10:18

beach and so there what he is doing,

00:10:21

it is that he is in the process of selecting

00:10:23

basically all connections

00:10:24

mobiles that there were on the beach

00:10:25

During the Springbreak and after it

00:10:27

will be able to move forward in time,

00:10:28

So here he is creating a group

00:10:30

and he will be able to move forward in the

00:10:31

Time to see roughly everything

00:10:33

contamination cluster.

00:10:34

How it spread within

00:10:35

country because these people,

00:10:37

therefore their voice,

00:10:37

that they return to the city and

00:10:38

We see a few days later,

00:10:40

people were going home

00:10:41

and therefore they have well contaminated

00:10:43

a large part then.

00:10:45

Obviously, not everything would have reproached him,

00:10:46

but in any case,

00:10:47

We see how an epidemic can

00:10:49

spread since there,

00:10:50

all people have returned home,

00:10:52

So we see the whole eastern part

00:10:54

of the United States that have been impacted

00:10:55

as a result of these migratory flows

00:10:57

of students who came to Florida

00:10:59

and who have become contaminated.

00:11:01

So here's an example of visualization.

00:11:03

Once again

00:11:04

we use a card and some

00:11:07

something that would have been very difficult

00:11:09

to see with the naked eye.

00:11:11

So much for these great principles, we go.

00:11:15

So, resume.

00:11:17

A small, fairly simple example

00:11:18

or as I said,

00:11:19

from raw data,

00:11:20

It is not always easy to

00:11:22

meets some things

00:11:23

and I give you here, for example,

00:11:25

a data table with the

00:11:26

month of the year and also the

00:11:28

Number of page views there can be

00:11:30

have on a website.

00:11:31

So basically the page views,

00:11:32

This is the attendance that can be on

00:11:35

a site and the values you have here,

00:11:37

45,

00:11:37

56 et cetera are in 1000000,

00:11:41

So there for example the 45000000 visitors

00:11:44

56000000 visitors in February,

00:11:46

and so forth.

00:11:47

Can you just take

00:11:48

2 min potentially pause

00:11:50

the video and try to tell you,

00:11:52

What do you manage to get out

00:11:54

As a lesson from this painting?

00:11:56

So that's what we can

00:11:58

see potentially,

00:11:59

This is perhaps the most important values.

00:12:00

low and highest values,

00:12:01

so we see,

00:12:02

when we put the.

00:12:03

The peak was very strong at

00:12:05

75000000 that March there was

00:12:07

not many people at 36000000.

00:12:08

But overall,

00:12:09

That says a lot more.

00:12:11

It's quite complicated.

00:12:12

On the other hand, if now,

00:12:13

I have fun putting it back in

00:12:16

a visualization and well there,

00:12:17

potentially, we will surrender

00:12:19

has many more things.

00:12:22

Hop, excuse me.

00:12:22

So already we can spot.

00:12:24

Well, we had it a little bit

00:12:26

seen the best month and the most

00:12:28

bad month during the period.

00:12:30

We will also be able to go

00:12:31

account that the the 2nd quarter is

00:12:33

Much better than the first huh

00:12:35

since here we have the first 3

00:12:37

months and there we realize well

00:12:39

than the values that present themselves

00:12:40

on the 2nd quarter are higher.

00:12:43

One can even unconsciously

00:12:44

try to draw a line for

00:12:46

trying to set a trend

00:12:47

huh so it's not necessarily

00:12:49

conscious but you can without

00:12:50

account for it.

00:12:54

And potentially also surrender

00:12:55

Account of is what we're going to be in

00:12:57

The framework for a decline for the summer

00:12:59

since we will arrive in June,

00:13:01

We see that it goes down while we were

00:13:03

on an uptrend between March and May.

00:13:05

All this, you would have had to

00:13:06

difficult to realize it,

00:13:08

especially for trends,

00:13:09

In particular for the comparison

00:13:12

of the first and 2nd quarters.

00:13:14

So there visualization serves well

00:13:17

effectively to be recontextualized,

00:13:18

to understand and interpret

00:13:20

correctly the data.

00:13:24

So what can we also

00:13:25

Say at the visualization level?

00:13:27

So here we will enter into

00:13:29

Things a little more practical

00:13:30

since we will have a great degree of

00:13:32

Personalization in visualizations

00:13:33

and the reports that we will be able to create.

00:13:35

So remember that there is nothing

00:13:37

who is there to look pretty in

00:13:39

a visualization each time,

00:13:41

You will put an element.

00:13:42

Basically, you'll load

00:13:44

new information,

00:13:45

your visualization, your histogram,

00:13:46

Your table, your curve.

00:13:48

Well, that means it's something

00:13:50

Something extra to interpret for

00:13:52

the person who will read this table there.

00:13:54

Where this visualization,

00:13:55

And so it's important that everything is one.

00:13:57

interest and that's a little bit the pattern

00:13:58

here you have on the right or wholesale,

00:14:00

The person will leave a

00:14:01

table that we agree,

00:14:03

quite ugly,

00:14:03

a bit old-fashioned and so it goes

00:14:05

basically explain everything he does,

00:14:07

So he will remove for example

00:14:08

the legend where there is no need,

00:14:09

he will remove the legend also on the left,

00:14:12

It will remove the frame that

00:14:13

Indeed, it was useless.

00:14:15

It will remove all effects

00:14:16

graphs that may be on

00:14:17

The histogram here is removing the shadows,

00:14:19

remove colors since

00:14:20

We're not interested,

00:14:21

It will just highlight for example the

00:14:23

Bacon since that's what interested him.

00:14:24

Enough in Hungary?

00:14:25

Values because otherwise scales

00:14:27

are more important than even data,

00:14:29

It removes the lines that do not bring

00:14:30

In the end not much information.

00:14:32

It will even remove the left scale

00:14:34

to set the values directly to

00:14:35

histograms and so we see that there,

00:14:37

from where there was

00:14:39

a lot of colors,

00:14:39

funds and lines that

00:14:41

were not necessarily necessary,

00:14:42

He moved on to something extremely.

00:14:44

Refined then, to summarize it a little bit,

00:14:46

try to rate yourself in a

00:14:48

corner that at the level of practices,

00:14:50

Colors are information.

00:14:52

We don't have fun putting

00:14:54

colors everywhere on courses

00:14:55

or on histograms,

00:14:56

just to look pretty.

00:14:57

Colors have meaning.

00:14:58

This is information that you

00:14:59

go place in your chart,

00:15:00

So they have to have an interest so

00:15:02

it is either to highlight an element,

00:15:04

or to create 22.

00:15:06

How to say?

00:15:07

2 sets of sub-data,

00:15:08

et cetera, et cetera.

00:15:11

No text formatting?

00:15:12

Aesthetics huh,

00:15:12

there's no point in highlighting,

00:15:14

to put italics,

00:15:15

and so forth.

00:15:16

We're really going to get to the point,

00:15:17

put something

00:15:19

of purity and efficiency.

00:15:21

No redundant information

00:15:21

That's what we could do a little bit.

00:15:23

see here on the graph,

00:15:24

with a scale more than.

00:15:27

It was a legend that was

00:15:29

right right here huh,

00:15:30

So that's not very interesting

00:15:32

what we have 2 times the information and

00:15:33

So we're going to load one more

00:15:35

times the visual when it is not

00:15:37

necessary since the information

00:15:38

was already present. Scales

00:15:41

are not always necessary,

00:15:43

So that's exactly what we saw here.

00:15:45

We realize that the scale

00:15:46

It's already not easy to read,

00:15:47

that we will have to follow the line

00:15:48

all along the histogram.

00:15:50

And so why not put

00:15:51

directly the values on

00:15:53

Each bar in the histogram?

00:15:54

The most ambitious visualizations do not

00:15:56

are not the clearest to understand.

00:15:58

So that's something

00:15:59

that I see often or them.

00:16:01

Like what

00:16:01

The consultants that I am will go

00:16:03

take visualizations all from

00:16:04

Suite quite complicated, quite high.

00:16:06

Smugglers, the problem,

00:16:07

It is that these visualizations there,

00:16:08

Yes, they are friendly,

00:16:10

they are pretty,

00:16:11

but they are not necessarily

00:16:13

super understandable.

00:16:14

If you're learning Power BI and

00:16:15

you work with the data,

00:16:17

This is not necessarily the case with

00:16:18

all your collaborators, from all yours,

00:16:19

of all your colleagues and therefore he

00:16:21

must be used as things

00:16:22

relatively simple histograms,

00:16:24

curves,

00:16:24

things that are known.

00:16:26

Of all.

00:16:30

And one last point.

00:16:31

And so that, we go from all

00:16:32

way to train a little bit.

00:16:34

It is important to

00:16:35

prioritize information,

00:16:36

So here it is not necessarily

00:16:38

reports for B Hein it's just 2

00:16:40

visualization I found on on

00:16:41

Internet so there is one that is

00:16:43

Pretty good and one that is less good.

00:16:44

I think you've guessed which

00:16:46

is the right one and which is the bad.

00:16:48

Basically the idea is that we will try

00:16:50

already to ventilate the reports as much as possible or

00:16:53

the dashboards that we will be able to create,

00:16:55

to put the information on

00:16:56

More important at the top huh?

00:16:57

Key indicators,

00:16:59

the famous capi I if you work a little

00:17:02

in there and in any case well defined.

00:17:04

Areas here with data and since

00:17:06

so to go from mackerel to the microphone,

00:17:08

to go on global things,

00:17:10

then potentially if the user

00:17:12

wants to look for more information,

00:17:14

go on the more granular,

00:17:15

but all the time,

00:17:16

keeping spaces ventilated and avoiding

00:17:18

to have pages and pages of graphics.

00:17:21

Conversely

00:17:21

We see that here,

00:17:23

It's much more complicated than we

00:17:24

found with filter menus

00:17:26

which are extremely important,

00:17:28

so it was done on Excel,

00:17:30

Histograms with very small

00:17:32

ladders that are completely tight,

00:17:34

So you can't see them well.

00:17:36

What else do we have histograms?

00:17:37

which are not necessarily classy,

00:17:38

So we do not really understand too much of of the

00:17:40

legends with digit values

00:17:42

which are extremely hard to read,

00:17:44

pie charts with again basically,

00:17:45

The problem is that there,

00:17:46

everything is compressed,

00:17:47

greenhouse and it's very, very difficult

00:17:48

to read and it's a bit messy,

00:17:50

i.e. the values of the top are

00:17:52

are a table so it's really not

00:17:54

the most interesting to put at the top,

00:17:55

What right away we're going to get home

00:17:57

in Granular data so

00:17:58

It's more interesting to put

00:17:59

what are called Cap boxes

00:18:01

I of key indicators or to put

00:18:03

potentially actually a histogram.

00:18:04

It can be defended but everything

00:18:05

immediately go to Granular

00:18:07

It's not necessarily interesting.

00:18:08

So we'll also try during

00:18:10

creating visualizations for

00:18:12

Well to create things

00:18:15

aesthetics and especially things

00:18:16

that are tidy in order

00:18:18

at the level of values.

00:18:22

This is what I could do for you

00:18:23

say about the whole game,

00:18:24

on the visualization.

00:18:25

Obviously, these are

00:18:26

Somewhat global concepts, huh.

00:18:28

If you are interested in the topic because

00:18:29

Here we are not on a complete course,

00:18:31

on data visualization,

00:18:32

There are many resources on

00:18:34

Internet that talk about this subject.

00:18:36

There are sites that have specialized,

00:18:37

even there and suddenly we go

00:18:41

be able to attack the game too

00:18:42

on statistics and only

00:18:44

After that it will happen quickly,

00:18:46

We will be able to attack the

00:18:47

Creating visualizations.

00:00:00

Bevor Sie das Spiel auf der

00:00:02

Erstellung von Berichten und damit über die

00:00:04

Erstellung unserer ersten Visualisierungen,

00:00:06

Ich wollte mit einer Einführung beginnen

00:00:09

am Tag der Nutzung, um Sie zu erreichen

00:00:11

die richtigen Botschaften vermitteln und

00:00:13

Erklären Sie, wie das Datum

00:00:16

Datenvisualisierung ist eine Möglichkeit,

00:00:18

Kommunizieren Sie mit anderen.

00:00:20

Lassen Sie uns also mit den Konzepten fortfahren

00:00:22

Fundamentaldaten, vor allem in

00:00:24

Erläuterung der Daseinsberechtigung von Daten,

00:00:28

Datenvisualisierung.

00:00:28

Entschuldigung, ich nenne es gezielte Daten,

00:00:31

Es wird sogar schneller gehen und es wird

00:00:32

einfacher für mich.

00:00:33

Und ich werde versuchen, es Ihnen zu sagen.

00:00:35

in 3 Hauptteilen vorhanden,

00:00:36

3 Hauptthemen und das erste,

00:00:39

Was ist der Zweck der Zieldaten?

00:00:41

Nun, sie versucht es zu erzählen

00:00:43

Eine Geschichte dafür nur an der Basis

00:00:46

Visualisierung existiert, hm,

00:00:47

es ist zu schematisieren,

00:00:48

hm, wie sie sagen,

00:00:50

Ein Bild ist besser als ein sehr,

00:00:52

sehr langer Satz.

00:00:53

Nun, das gleiche gilt für die

00:00:55

Darstellung von Daten, wo in

00:00:56

Moment, in dem wir viel verstehen können

00:00:58

von Dingen, die passiert sein könnten

00:00:59

oder zumindest die Botschaft, dass wir

00:01:02

möchte mit einem Bild passieren.

00:01:04

Und das ist nicht neu,

00:01:06

huh, weil es Visualisierung,

00:01:07

Es ist etwas Altes.

00:01:09

Und Sie haben hier ein Beispiel dafür,

00:01:11

mit grafischer Darstellung

00:01:13

das ist geschehen,

00:01:15

so erinnere ich mich an mehr

00:01:16

genau das Datum,

00:01:17

aber die aus einem

00:01:18

Etwas Zeit und wer repräsentiert.

00:01:20

Bitte schön

00:01:20

Es steht geschrieben.

00:01:21

20. November 1869 und das entspricht

00:01:24

zum Russlandfeldzug Napoleons,

00:01:27

Und dort werden wir sehen, dass es tatsächlich

00:01:28

In Wirklichkeit viele Daten

00:01:29

die angezeigt werden.

00:01:30

Und doch ist es relativ einfach

00:01:32

Lesen Sie die russische Kampagne

00:01:34

wo wir von diesem Fluss aus beginnen werden.

00:01:36

Und tatsächlich, hier,

00:01:37

Wir werden der französischen Armee folgen, die

00:01:39

wird in den russischen Staat vordringen.

00:01:41

Die Dicke dieses

00:01:43

Zone ist die Anzahl der

00:01:45

verbliebene Soldaten in der Armee,

00:01:47

Wir sehen also, dass sie

00:01:49

420.000 Mann am Start.

00:01:51

Potentiell gibt es auch

00:01:53

Zweige, wo die Armee ist,

00:01:54

Es ist möglicherweise in

00:01:55

kleine Gruppen und wir sehen das als

00:01:58

und wenn die Armee vorrückt,

00:02:00

Nun, es gibt immer weniger

00:02:02

minus 2 Soldaten bis schließlich

00:02:04

dass sie passieren können.

00:02:06

Hat etwas mehr als 100.000 Soldaten

00:02:08

wenn sie in Moskau ankommen

00:02:10

Und schließlich haben wir in Schwarz die

00:02:12

berühmter Rückzug aus Russland Huh,

00:02:13

Es gibt also Stampede für

00:02:16

Die französische Armee oder die Armee des Putsches

00:02:18

musste umkehren, um zurückzukehren

00:02:21

Richtung Frankreich im Winter

00:02:24

So begann der berühmte Winter

00:02:26

Russischer Winter und damit von dort,

00:02:29

Nun, wir werden mehr verlieren

00:02:31

neben Männern,

00:02:32

Hier sehen wir also die Entwicklung

00:02:34

mit den unterschiedlichen Stichtagen.

00:02:36

Und was auch interessant ist,

00:02:37

Es ist so, dass bei der Rückkehr,

00:02:39

Wir werden es Ihnen auch hier sagen

00:02:41

Die Temperatur zu jedem in diesem

00:02:43

die wir Checkpoints nennen werden.

00:02:45

Also, hier, gehen wir 2 minus über

00:02:48

minus 9°-21-20 et cetera, et cetera.

00:02:52

Kalte Temperaturen und für

00:02:54

schließlich endet es mit 20000

00:02:56

Männer nur 20000 Männer

00:02:58

bei der endgültigen Rückkehr nach Frankreich.

00:03:01

Also, eine sehr, sehr sehr sehr

00:03:02

Schwer für Frankreich.

00:03:04

Aber da haben Sie es, die Art der Visualisierung

00:03:07

Das könnte bereits getan werden.

00:03:08

Damals, im 19. Jahrhundert,

00:03:11

auf einer Großveranstaltung

00:03:12

der französischen Geschichte.

00:03:13

Nun, diese Visualisierungen dort,

00:03:14

Tatsächlich benutzen wir sie immer noch, oder?

00:03:16

Zum Beispiel haben Sie hier das, was Sie haben,

00:03:19

Eine moderne Visualisierung von immer gleich.

00:03:21

Eine Geschichte, die versucht,

00:03:23

durch Visualisierung erzählt werden,

00:03:25

und was Sie hier sehen,

00:03:26

Sie sind daher als Erinnerung,

00:03:28

Ich arbeite im Bereich Digital Analytics

00:03:30

Und was wir hier sehen, ist in der Tat nicht

00:03:33

Ein Conversion-Trichter auf einer Website.

00:03:35

Wir zählen für jeden der

00:03:36

Schlüsselphasen einer Website,

00:03:38

Normalerweise fängt es also damit an.

00:03:39

Die Tatsache, dass eine Person kommt

00:03:41

Eine Website bis zur Person

00:03:43

eine Konvertierung durchgeführt,

00:03:43

es kann eine Katze sein,

00:03:44

ein Kauf, ein Abonnement,

00:03:46

Ausfüllen eines Mahnformulars,

00:03:48

et cetera et cetera.

00:03:49

Und so finden wir hier in der Tat

00:03:51

Dieser Effekt ist ein wenig Verschwendung.

00:03:52

Hier

00:03:53

Zum Beispiel werden wir zur Anzahl der

00:03:55

Personen, die auf die Website gekommen sind,

00:03:56

die Anzahl der angesehenen Videos,

00:03:58

Die Anzahl der Sendungen dieser

00:03:59

genannt ein Lead huh.

00:04:01

Es ist also ein Kontakt.

00:04:03

Die Qualifikation des Leads und schließlich

00:04:05

der Verkauf, der getätigt wird und bei jedem

00:04:07

Zeiten, die wir potentiell haben werden

00:04:09

Der Verlust mit jedem der

00:04:10

Durchgangsgeschwindigkeit zwischen den Etappen.

00:04:12

Das ist extrem wichtig.

00:04:14

für alles, was analysiert wird von

00:04:17

Verhalten auf einer Website und und

00:04:19

gut zwischen Napoleons Karte und dieser,

00:04:22

Wir werden genau verwenden

00:04:23

die gleichen Indikatoren,

00:04:24

d.h. eine Visualisierung

00:04:25

Global mit der Höhe hier der von

00:04:27

Rechteck des Histogramms, das geht

00:04:28

Nennen Sie uns ungefähr, wie hoch der Anteil der

00:04:30

Menschen, die bleiben und danach,

00:04:32

Wenn wir ein wenig hinschauen, haben wir

00:04:33

Zusätzliche Indikatoren

00:04:34

mit Pfeilen jedes Mal, wenn

00:04:36

wird uns rot grün sagen.

00:04:37

Also, was ist der Status von diesem

00:04:40

Was hätte passieren können?

00:04:42

Das 2. Grundkonzept,

00:04:43

ist, dass es verwendet wird, um Dinge zu setzen

00:04:47

die hervorgehoben werden müssen,

00:04:48

präzise hervorgehoben,

00:04:50

Und so erlaubt es zu passieren

00:04:52

Eine Nachricht extrem schnell.

00:04:54

Das sehr einfache Beispiel, das sein kann

00:04:55

Haben Sie es einfach?

00:04:56

Nicht so sehr, was es Visualisierung gibt

00:04:58

ist ein bisschen eigenartig.

00:04:59

Dort

00:04:59

Diese Visualisierung, die in Rosette genannt wird,

00:05:01

Es repräsentiert die Arbeit, die

00:05:04

von einem Statistiker und einem

00:05:06

Krankenschwester im 19. Jahrhundert,

00:05:08

der versuchte, die Armee zusammenzufassen

00:05:11

Briten, im Grunde die Todesursache.

00:05:14

Während des Krimkrieges,

00:05:15

Ich glaube, es war ungefähr 10

00:05:17

850 und ungefähr, was hier angegeben wurde,

00:05:18

über sein Farbschema,

00:05:20

ist, dass Sie die

00:05:22

Eigentlich tot im Feld

00:05:23

der Schlacht. Die Toten auch,

00:05:25

infolge ihrer Verletzungen,

00:05:26

Also Erinnerungen.

00:05:26

Hier sind es die ersten 2 Merkmale,

00:05:28

Also Lachs und Schwarz.

00:05:31

Und dann hast du tatsächlich die Toten,

00:05:33

die den Epidemien entsprechen, die ablaufen

00:05:35

in Armeelagern und grundsätzlich

00:05:37

was sie beweisen und fragen wollte,

00:05:39

Es geht darum, dass wir Maßnahmen ergreifen

00:05:41

sanitäre Anlagen in Kampfgebieten und

00:05:43

vor allem in verschanzten Lagern.

00:05:45

Da wie hier auf diesem

00:05:46

Diagramm dort in der Tat schreiten wir in der Zeit voran.

00:05:48

Also Juli, August, September und so weiter.

00:05:50

Und wir haben Interesse an diesem Monat Januar 10 855

00:05:54

wo wir eine Masse von Toten hatten wegen,

00:05:59

der, der, der.

00:06:00

Epidemien, die in der

00:06:02

Militärlager, die absolut waren

00:06:04

riesig und so sofort da eh

00:06:06

Ich denke, Sie hätten gesehen, dass dies

00:06:08

Anteil ist hier sehr wichtig

00:06:09

und wächst weiter als

00:06:12

Messung des Fortschritts im Laufe der Zeit.

00:06:14

Dieses Element wiederum ist die

00:06:15

Der Versuch, durchzukommen

00:06:16

eine Botschaft zu vermitteln und herauszubringen

00:06:18

etwas sehr schnell.

00:06:19

Es kann auch gefunden werden in

00:06:21

Moderne Visualisierungen, hm.

00:06:22

Hier

00:06:22

Du wirst jemanden haben, der

00:06:24

amüsiert, um die Zahl der Todesfälle wiederherzustellen

00:06:27

Tageszeitungen in Frankreich zwischen 2001 und 2020.

00:06:30

Also legen wir es beiseite, oder?

00:06:31

Die COVID,

00:06:32

da etwas anderes passiert ist

00:06:34

während dieses Zeitraums

00:06:35

Wir hatten die Hitzewelle, die in

00:06:37

2003 und so sehen wir hier diese riesige

00:06:39

Tralala, die geschaffen wurde und daher wer

00:06:41

entspricht dem Sommer, den wir 2003 hatten.

00:06:44

Es gab viele Tote

00:06:46

bei älteren Menschen und damit bei den

00:06:47

auf die gleiche Weise.

00:06:49

Hier

00:06:49

Wir werden dieses Kreislaufsystem haben

00:06:51

mit Schlüsselpunkten an jedem

00:06:53

Schritte und potentiell

00:06:54

Coup ein außergewöhnliches Ereignis.

00:06:56

Auf jeden Fall etwas, das wir

00:06:58

wollte hervorheben und das fällt auf

00:07:00

sofort und daher dasselbe,

00:07:01

Die Botschaft, die es klar vermittelt hat.

00:07:03

Es gab ein außergewöhnliches Phänomen

00:07:05

endlich außergewöhnlich,

00:07:05

in dem seltenen Sinne dieser Zeit.

00:07:11

Letzter Punkt, den ich ansprechen wollte,

00:07:13

Hier bleiben wir also wirklich bei der Theorie,

00:07:15

huh für jetzt, aber ich denke

00:07:16

Diese Klarstellung ist wichtig.

00:07:18

Schulden, weise Schulden gibt es auch

00:07:21

weil es möglich ist, Dinge zu zeigen, die

00:07:24

sind bei Rohdaten nicht wahrnehmbar.

00:07:27

Sie können durchaus

00:07:28

finden Sie vor einem Gemälde von

00:07:29

Daten und Probleme bei der Verwendung.

00:07:31

Auf jeden Fall einige zu verpassen

00:07:34

Wichtige Informationen, nur weil sie

00:07:35

werden nicht visuell dargestellt.

00:07:37

Also hier, was wir haben,

00:07:39

Es ist eine Darstellung der Stadt, von.

00:07:41

London, wenn ich mich nicht irre,

00:07:43

Es ist auch Anfang des 18. Jahrhunderts, als

00:07:46

Es gab eine Cholera-Epidemie.

00:07:48

Und so nannte dieser Arzt John Snow,

00:07:52

Es ist nicht erfunden, um zu entscheiden

00:07:55

einfach zur Auflistung

00:07:56

die verschiedenen Todesfälle der Cholera.

00:07:58

Wer könnte in der Stadt und

00:08:00

vor allem im Stadtteil Soho, wo

00:08:01

Es gab eine sehr, sehr epidemische,

00:08:03

wo die Choleraepidemie sehr war,

00:08:05

sehr stark und daher das, was es hat

00:08:06

hatte die Idee zu tun,

00:08:07

Es ist einfach eine Linie zu setzen

00:08:10

auf jeder Ebene, auf der es einen Todesfall gegeben hat.

00:08:13

Und das ist die Karte, die Sie hier sehen,

00:08:14

So finden wir uns hier mit dem Stadtteil

00:08:17

Robben und so sehen wir hier die berühmten Kleinen

00:08:19

Merkmale, die er für jeden der Todesfälle hinzufügte.

00:08:21

Und wenn wir unter diesen Bereich zoomen,

00:08:23

Hier sehen wir, dass in der Tat dieser Bereich

00:08:25

wo es viele Tote gegeben hat,

00:08:26

Wenn wir diesen Bereich heranzoomen,

00:08:28

Wir sehen, dass es in der Tat eine Menge von

00:08:29

Tod

00:08:30

vor allem die hier in diesem Bereich,

00:08:31

In diesem Gebäude, das sehr

00:08:33

in der Nähe einer wasserhaltigen Pumpe

00:08:35

Und tatsächlich erkannten sie,

00:08:38

mit diesen Analysen von John Snow,

00:08:39

dass neben dieser Pumpe,

00:08:41

Es gab einen Raum von.

00:08:42

Mehr Abfall, der war oder

00:08:45

Babywindeln und Cholera

00:08:47

war weggeworfen worden und daher kontaminiert

00:08:50

Das Wasser aus der Pumpe und damit die Menschen haben

00:08:53

trank dieses Wasser und bekam Cholera.

00:08:55

Und von dort aus,

00:08:56

Sie konnten die Pumpe schließen und dort

00:08:58

Desinfizieren Sie es, um die Epidemie zu verlangsamen

00:09:00

Cholera im Leben,

00:09:02

Also auch hier wieder,

00:09:03

wenn er diese Arbeit von

00:09:05

Visualisierung und er würde es zweifellos haben,

00:09:07

Und genau das geschah bei der

00:09:09

Ebene der Gesundheitsbehörden,

00:09:10

Das hätte er vermisst

00:09:14

Wichtige Informationen.

00:09:15

Und da,

00:09:16

Wir werden wieder

00:09:18

Entsprechungen mit Daten, die

00:09:20

kommen aus unserer heutigen Welt.

00:09:24

Wir werden versuchen, das Video dann zu laden, um

00:09:28

In dem Moment, in dem ich zurückwechsle. Normalerweise.

00:09:32

Ah, dann erscheint es nicht.

00:09:38

Es scheint also perfekt zurückgekommen zu sein.

00:09:41

Wir werden versuchen, es zu starten.

00:09:43

Bitte schön. Wir werden den Ton stummschalten,

00:09:46

Also, hier, was Sie tatsächlich sehen werden,

00:09:47

Es ist eine grafische Darstellung

00:09:49

ziemlich modern oder ungefähr ein

00:09:51

Niemand schaffte es, sich in

00:09:53

stellt alle Verbindungen her

00:09:54

Mobiltelefone eines geografischen Gebiets.

00:09:56

Hier sind wir also im Jahr 2019,

00:09:58

zu Beginn von COVID und die Person

00:09:59

interessierte sich für Menschen

00:10:00

die an dem teilnehmen, was so genannte

00:10:02

die Frühlingsferien in den Vereinigten Staaten.

00:10:03

Im Grunde ist es also die

00:10:05

Frühlingsperiode.

00:10:06

Nach dem Hochschulexamen oder

00:10:08

Ungefähr alle Jugendlichen

00:10:10

finden am Strand und insbesondere

00:10:12

in Florida zum Feiern.

00:10:15

Wie es der Zufall will, gibt es viele

00:10:17

COVID-19-Kontamination auf diesem

00:10:18

Strand und so dort, was er tut,

00:10:21

Es ist, dass er dabei ist, auszuwählen

00:10:23

grundsätzlich alle Anschlüsse

00:10:24

Handys, die es am Strand gab

00:10:25

Während der Frühlingsferien und danach

00:10:27

wird in der Lage sein, rechtzeitig voranzukommen,

00:10:28

Hier gründet er also eine Gruppe

00:10:30

Und er wird in der Lage sein, in der

00:10:31

Zeit, um ungefähr alles zu sehen

00:10:33

Kontaminationscluster.

00:10:34

Wie es sich innerhalb von

00:10:35

Land, weil diese Menschen,

00:10:37

daher ihre Stimme,

00:10:37

dass sie in die Stadt zurückkehren und

00:10:38

Wir sehen ein paar Tage später,

00:10:40

Die Leute gingen nach Hause

00:10:41

und deshalb haben sie gut kontaminiert

00:10:43

Ein großer Teil dann.

00:10:45

Offensichtlich hätte ihm nicht alles Vorwürfe gemacht,

00:10:46

aber auf jeden Fall,

00:10:47

Wir sehen, wie eine Epidemie

00:10:49

seither verbreitet,

00:10:50

alle Menschen nach Hause zurückgekehrt sind,

00:10:52

So sehen wir den ganzen östlichen Teil

00:10:54

der Vereinigten Staaten, die betroffen sind

00:10:55

als Folge dieser Migrationsströme

00:10:57

der Studenten, die nach Florida kamen

00:10:59

und die kontaminiert sind.

00:11:01

Hier ist also ein Beispiel für Visualisierung.

00:11:03

Noch einmal

00:11:04

Wir verwenden eine Karte und einige

00:11:07

etwas, das sehr schwierig gewesen wäre

00:11:09

mit bloßem Auge zu sehen.

00:11:11

So viel zu diesen großartigen Prinzipien, gehen wir.

00:11:15

Also, restürmieren.

00:11:17

Ein kleines, recht einfaches Beispiel

00:11:18

oder wie gesagt,

00:11:19

aus Rohdaten,

00:11:20

Es ist nicht immer einfach,

00:11:22

trifft einige Dinge

00:11:23

und ich gebe Ihnen hier zum Beispiel,

00:11:25

Eine Datentabelle mit dem

00:11:26

Monat des Jahres und auch die

00:11:28

Anzahl der Seitenaufrufe, die es geben kann

00:11:30

auf einer Website haben.

00:11:31

Also im Grunde die Seitenaufrufe,

00:11:32

Dies ist die Anwesenheit, die auf

00:11:35

eine Website und die Werte, die Sie hier haben,

00:11:37

45,

00:11:37

56 et cetera sind in 1000000,

00:11:41

So gibt es zum Beispiel die 45000000 Besucher

00:11:44

56000000 Besucher im Februar,

00:11:46

und so weiter.

00:11:47

Können Sie einfach nehmen

00:11:48

2 min potentiell pausieren

00:11:50

das Video und versuchen Sie es Ihnen zu sagen,

00:11:52

Was schaffst du herauszubekommen?

00:11:54

Als Lehre aus diesem Gemälde?

00:11:56

Das ist es, was wir können

00:11:58

siehe potentiell,

00:11:59

Das sind vielleicht die wichtigsten Werte.

00:12:00

niedrige und höchste Werte,

00:12:01

so sehen wir,

00:12:02

Wenn wir die setzen.

00:12:03

Der Höhepunkt war sehr stark bei

00:12:05

750000000 im März gab es

00:12:07

Nicht viele Leute bei 36000000.

00:12:08

Aber insgesamt,

00:12:09

Das sagt noch viel mehr.

00:12:11

Es ist ziemlich kompliziert.

00:12:12

Andererseits, wenn jetzt,

00:12:13

Ich habe Spaß daran, es wieder einzubauen

00:12:16

eine Visualisierung und gut da,

00:12:17

Möglicherweise werden wir uns ergeben

00:12:19

hat viel mehr Dinge.

00:12:22

Hop, entschuldigen Sie.

00:12:22

So können wir schon erkennen.

00:12:24

Nun, wir hatten es ein bisschen

00:12:26

gesehen den besten Monat und die meisten

00:12:28

schlechter Monat während des Zeitraums.

00:12:30

Wir werden auch in der Lage sein,

00:12:31

Berücksichtigung, dass das 2. Quartal

00:12:33

Viel besser als das erste huh

00:12:35

da wir hier die ersten 3 haben

00:12:37

Monate und dort realisieren wir gut

00:12:39

als die Werte, die sich präsentieren

00:12:40

auf das 2. Quartal sind höher.

00:12:43

Man kann sogar unbewusst

00:12:44

Versuchen Sie, eine Linie für

00:12:46

Der Versuch, einen Trend zu setzen

00:12:47

huh, also ist es nicht unbedingt

00:12:49

bewusst aber Sie können ohne

00:12:50

Berücksichtigen Sie es.

00:12:54

Und möglicherweise auch kapitulieren

00:12:55

Konto von ist, was wir sein werden

00:12:57

Der Rahmen für einen Rückgang für den Sommer

00:12:59

da wir im Juni ankommen werden,

00:13:01

Wir sehen, dass es untergeht, während wir waren

00:13:03

zwischen März und Mai im Aufwärtstrend.

00:13:05

All dies hätten Sie tun müssen

00:13:06

schwer zu realisieren,

00:13:08

speziell für Trends,

00:13:09

Insbesondere für den Vergleich

00:13:12

des ersten und 2. Quartals.

00:13:14

Dort dient Visualisierung also gut

00:13:17

effektiv rekontextualisiert zu werden,

00:13:18

zu verstehen und zu interpretieren

00:13:20

die Daten korrekt zu machen.

00:13:24

Was können wir also auch

00:13:25

Sagen wir auf der Visualisierungsebene?

00:13:27

Hier werden wir also in

00:13:29

Etwas praktischer

00:13:30

Da wir ein hohes Maß an

00:13:32

Personalisierung in Visualisierungen

00:13:33

und die Berichte, die wir erstellen können.

00:13:35

Denken Sie also daran, dass es nichts gibt

00:13:37

Wer ist da, um hübsch auszusehen

00:13:39

jedes Mal eine Visualisierung,

00:13:41

Sie setzen ein Element.

00:13:42

Grundsätzlich laden Sie

00:13:44

neue Informationen,

00:13:45

Ihre Visualisierung, Ihr Histogramm,

00:13:46

Ihr Tisch, Ihre Kurve.

00:13:48

Nun, das bedeutet, dass es etwas ist

00:13:50

Etwas Besonderes zum Dolmetschen

00:13:52

Die Person, die diese Tabelle dort lesen wird.

00:13:54

Wo diese Visualisierung,

00:13:55

Und deshalb ist es wichtig, dass alles eins ist.

00:13:57

Interesse und das ist ein bisschen das Muster

00:13:58

Hier haben Sie auf der rechten Seite oder Großhandel,

00:14:00

Die Person wird eine

00:14:01

Tabelle, der wir zustimmen,

00:14:03

ziemlich hässlich,

00:14:03

ein bisschen altmodisch und so geht's

00:14:05

im Grunde alles erklären, was er tut,

00:14:07

So wird er zum Beispiel entfernen

00:14:08

die Legende, wo es keine Notwendigkeit gibt,

00:14:09

Er wird die Legende auch auf der linken Seite entfernen,

00:14:12

Es wird den Rahmen entfernen, der

00:14:13

In der Tat war es nutzlos.

00:14:15

Es entfernt alle Effekte

00:14:16

Diagramme, die möglicherweise auf

00:14:17

Das Histogramm hier entfernt die Schatten,

00:14:19

Farben entfernen seit

00:14:20

Wir sind nicht interessiert,

00:14:21

Es wird nur zum Beispiel die

00:14:23

Speck, denn das war es, was ihn interessierte.

00:14:24

Genug in Ungarn?

00:14:25

Werte, da andernfalls skaliert wird

00:14:27

wichtiger sind als Daten,

00:14:29

Es entfernt die Linien, die nicht bringen

00:14:30

Am Ende nicht viele Informationen.

00:14:32

Es wird sogar die linke Skala entfernen

00:14:34

So legen Sie die Werte direkt auf

00:14:35

Histogramme und so sehen wir, dass dort,

00:14:37

von wo aus es war

00:14:39

viele Farben,

00:14:39

Fonds und Linien, die

00:14:41

nicht unbedingt notwendig waren,

00:14:42

Er ging zu etwas Extremem über.

00:14:44

Verfeinert dann, um es ein wenig zusammenzufassen,

00:14:46

Versuchen Sie, sich selbst in einem

00:14:48

Corner das auf der Ebene der Praktiken,

00:14:50

Farben sind Informationen.

00:14:52

Wir haben keinen Spaß am Putten

00:14:54

Farben überall auf Kursen

00:14:55

oder auf Histogrammen,

00:14:56

nur um hübsch auszusehen.

00:14:57

Farben haben eine Bedeutung.

00:14:58

Dies sind Informationen, die Sie

00:14:59

Gehen Sie in Ihrem Diagramm ein,

00:15:00

Sie müssen also ein Interesse daran haben, dass

00:15:02

es ist entweder, um ein Element hervorzuheben,

00:15:04

oder um 22 zu erstellen.

00:15:06

Wiesagt man?

00:15:07

2 Sätze von Teildaten,

00:15:08

et cetera, et cetera.

00:15:11

Keine Textformatierung?

00:15:12

Ästhetik huh,

00:15:12

Es hat keinen Sinn, hervorzuheben,

00:15:14

kursiv zu setzen,

00:15:15

und so weiter.

00:15:16

Wir werden wirklich auf den Punkt kommen,

00:15:17

Setzen Sie etwas

00:15:19

von Reinheit und Effizienz.

00:15:21

Keine redundanten Informationen

00:15:21

Das ist es, was wir ein bisschen tun könnten.

00:15:23

siehe hier in der Grafik,

00:15:24

mit einer Skala mehr als.

00:15:27

Es war eine Legende, die

00:15:29

genau hier, huh,

00:15:30

Das ist also nicht sehr interessant

00:15:32

was wir haben 2 mal die Informationen und

00:15:33

Also laden wir noch einen

00:15:35

mal das Visuelle, wenn es nicht ist

00:15:37

notwendig, da die Informationen

00:15:38

war bereits vorhanden. Waage

00:15:41

nicht immer notwendig sind,

00:15:43

Das ist genau das, was wir hier gesehen haben.

00:15:45

Wir sind uns bewusst, dass die Größenordnung

00:15:46

Es ist schon nicht leicht zu lesen,

00:15:47

dass wir der Linie folgen müssen

00:15:48

entlang des gesamten Histogramms.

00:15:50

Warum also nicht

00:15:51

direkt die Werte auf

00:15:53

Jeder Balken im Histogramm?

00:15:54

Die anspruchsvollsten Visualisierungen tun dies nicht

00:15:56

sind nicht am klarsten zu verstehen.

00:15:58

Das ist also etwas

00:15:59

die ich oft sehe oder sie.

00:16:01

Zum Beispiel

00:16:01

Die Berater, die ich bin, werden gehen

00:16:03

Visualisieren Sie alle von

00:16:04

Suite ziemlich kompliziert, ziemlich hoch.

00:16:06

Schmuggler, das Problem,

00:16:07

Es ist, dass diese Visualisierungen dort,

00:16:08

Ja, sie sind freundlich,

00:16:10

sie sind hübsch,

00:16:11

Aber sie sind es nicht unbedingt

00:16:13

super verständlich.

00:16:14

Wenn Sie Power BI und

00:16:15

Sie arbeiten mit den Daten,

00:16:17

Dies ist nicht unbedingt der Fall bei

00:16:18

alle Ihre Mitarbeiter, von allen,

00:16:19

von all Ihren Kollegen und damit er

00:16:21

muss als Dinge verwendet werden

00:16:22

relativ einfache Histogramme,

00:16:24

Kurven

00:16:24

Dinge, die bekannt sind.

00:16:26

Von allen.

00:16:30

Und noch ein letzter Punkt.

00:16:31

Und so gehen wir von allen

00:16:32

Weg, um ein wenig zu trainieren.

00:16:34

Es ist wichtig,

00:16:35

Informationen priorisieren,

00:16:36

Hier ist es also nicht unbedingt

00:16:38

Berichte für B Hein sind es nur 2

00:16:40

Visualisierung, die ich auf gefunden habe

00:16:41

Internet, also gibt es eines, das

00:16:43

Ziemlich gut und eine, die weniger gut ist.

00:16:44

Ich denke, Sie haben erraten, welche

00:16:46

ist das Richtige und welches ist das Schlechte.

00:16:48

Grundsätzlich ist die Idee, dass wir versuchen werden,

00:16:50

bereits die Berichte so weit wie möglich zu lüften oder

00:16:53

die Dashboards, die wir erstellen können,

00:16:55

um die Informationen auf

00:16:56

Wichtiger an der Spitze, oder?

00:16:57

Schlüsselindikatoren,

00:16:59

die berühmten Capi I, wenn Sie ein wenig arbeiten

00:17:02

dort und auf jeden Fall gut definiert.

00:17:04

Bereiche hier mit Daten und seit

00:17:06

also von der Makrele zum Mikrofon zu gehen,

00:17:08

auf globale Dinge zu gehen,

00:17:10

dann potentiell, wenn der Benutzer

00:17:12

nach weiteren Informationen suchen möchte,

00:17:14

Gehen Sie weiter auf die granularere,

00:17:15

aber die ganze Zeit,

00:17:16

Räume belüften und vermeiden

00:17:18

um Seiten und Seiten mit Grafiken zu haben.

00:17:21

Umgekehrt

00:17:21

Wir sehen das hier,

00:17:23

Es ist viel komplizierter als wir

00:17:24

Gefunden mit Filtermenüs

00:17:26

die äußerst wichtig sind,

00:17:28

so wurde es auf Excel gemacht,

00:17:30

Histogramme mit sehr kleinen

00:17:32

Leitern, die völlig dicht sind,

00:17:34

Man kann sie also nicht gut sehen.

00:17:36

Was haben wir sonst noch Histogramme?

00:17:37

die nicht unbedingt edel sind,

00:17:38

Wir verstehen also nicht wirklich viel von der

00:17:40

Legenden mit Ziffernwerten

00:17:42

die extrem schwer zu lesen sind,

00:17:44

Kreisdiagramme mit wieder im Grunde,

00:17:45

Das Problem ist, dass dort,

00:17:46

alles ist komprimiert,

00:17:47

Gewächshaus und es ist sehr, sehr schwierig

00:17:48

zu lesen und es ist ein bisschen chaotisch,

00:17:50

d.h. die Werte der Spitze sind

00:17:52

sind ein Tisch, also ist es wirklich nicht

00:17:54

das interessanteste, um an die Spitze zu setzen,

00:17:55

Was wir sofort nach Hause bringen werden

00:17:57

in granularen Daten so

00:17:58

Es ist interessanter,

00:17:59

sogenannte Cap-Boxen

00:18:01

I der Schlüsselindikatoren oder

00:18:03

möglicherweise tatsächlich ein Histogramm.

00:18:04

Es kann verteidigt werden, aber alles

00:18:05

sofort zu Granular gehen

00:18:07

Es ist nicht unbedingt interessant.

00:18:08

Also versuchen wir es auch während

00:18:10

Erstellen von Visualisierungen für

00:18:12

Nun, um Dinge zu schaffen

00:18:15

Ästhetik und vor allem Dinge

00:18:16

die ordentlich in Ordnung sind

00:18:18

auf der Ebene der Werte.

00:18:22

Das könnte ich für Sie tun

00:18:23

über das ganze Spiel sagen,

00:18:24

auf der Visualisierung.

00:18:25

Offensichtlich sind dies

00:18:26

Etwas globale Konzepte, hm.

00:18:28

Wenn Sie sich für das Thema interessieren, weil

00:18:29

Hier sind wir nicht auf einem vollständigen Kurs,

00:18:31

zur Datenvisualisierung,

00:18:32

Es gibt viele Ressourcen auf

00:18:34

Internet, die über dieses Thema sprechen.

00:18:36

Es gibt Websites, die sich spezialisiert haben,

00:18:37

sogar dort und plötzlich gehen wir

00:18:41

auch in der Lage sein, das Spiel anzugreifen

00:18:42

auf Statistik und nur

00:18:44

Danach wird es schnell gehen,

00:18:46

Wir werden in der Lage sein, die

00:18:47

Erstellen von Visualisierungen.

00:00:00

Antes de atacar el juego en el

00:00:02

Creación de informes y, por lo tanto, sobre el

00:00:04

creación de nuestras primeras visualizaciones,

00:00:06

Quería empezar con una introducción

00:00:09

en la fecha de uso para usted

00:00:11

Transmitir los mensajes correctos y

00:00:13

Explicar cómo la fecha

00:00:16

La visualización de datos es una forma de

00:00:18

comunicarse con los demás.

00:00:20

Así que vamos a los conceptos

00:00:22

fundamentos, ante todo en

00:00:24

explicar la razón de ser de los datos,

00:00:28

Visualización de datos.

00:00:28

Lo siento, voy a llamarlo datos dirigidos,

00:00:31

incluso irá más rápido y será

00:00:32

más fácil para mí.

00:00:33

Y trataré de decírtelo.

00:00:35

presente en 3 partes principales,

00:00:36

3 temas principales y el primero,

00:00:39

¿Cuál es el propósito de los datos específicos?

00:00:41

Bueno, ella está tratando de decir

00:00:43

Una historia para eso solo en la base

00:00:46

La visualización existe, eh,

00:00:47

es ir esquematizando,

00:00:48

eh, como dicen,

00:00:50

una imagen es mejor que una muy,

00:00:52

Frase muy larga.

00:00:53

Bueno, lo mismo ocurre con el

00:00:55

Representación de datos donde haya

00:00:56

momento en el que podemos entender mucho

00:00:58

de cosas que pueden haber sucedido

00:00:59

o al menos el mensaje de que

00:01:02

quiere pasar con una imagen.

00:01:04

Y eso no es nuevo,

00:01:06

eh, porque hay visualización,

00:01:07

Es algo viejo.

00:01:09

Y tienes un ejemplo de esto aquí,

00:01:11

con una representación gráfica

00:01:13

eso se ha hecho,

00:01:15

así que recuerdo más

00:01:16

exactamente la fecha,

00:01:17

pero que estaba hecho de un

00:01:18

Algún tiempo y quién representa.

00:01:20

Aquí tienes

00:01:20

está escrito.

00:01:21

20 de noviembre de 1869 y que corresponde

00:01:24

a la campaña rusa de Napoleón,

00:01:27

Y allí veremos que de hecho hay

00:01:28

En realidad una gran cantidad de datos

00:01:29

que se muestran.

00:01:30

Y, sin embargo, es relativamente simple

00:01:32

leer la campaña rusa

00:01:34

donde comenzaremos desde este río.

00:01:36

Y de hecho, aquí,

00:01:37

Seguiremos al ejército francés que

00:01:39

avanzará hacia el estado ruso.

00:01:41

El grosor aquí de este de este

00:01:43

zone es el número de

00:01:45

soldados restantes en el ejército,

00:01:47

Así vemos que eran

00:01:49

420.000 hombres al principio.

00:01:51

Potencialmente también hay

00:01:53

ramas donde está el ejército,

00:01:54

Potencialmente se deja en

00:01:55

grupos pequeños y lo vemos como

00:01:58

y a medida que avanza el ejército,

00:02:00

Bueno, cada vez hay menos

00:02:02

menos 2 soldados para finalmente

00:02:04

que pueden suceder.

00:02:06

Tiene poco más de 100.000 soldados

00:02:08

para cuando llegan a Moscú

00:02:10

y finalmente tenemos en negro el

00:02:12

famoso retiro de Rusia Huh,

00:02:13

Así que hay estampida para

00:02:16

El ejército francés o el ejército del golpe

00:02:18

Tuve que regresar para regresar

00:02:21

hacia Francia mientras que el invierno

00:02:24

Así comenzó el famoso invierno

00:02:26

Invierno ruso y por lo tanto a partir de ahí,

00:02:29

Bueno, vamos a perder más

00:02:31

Además de los hombres,

00:02:32

Así que aquí vemos la evolución

00:02:34

con las diferentes fechas clave.

00:02:36

Y lo que también es interesante,

00:02:37

Es que a la vuelta,

00:02:39

También te lo diremos aquí

00:02:41

La temperatura a cada uno en este

00:02:43

que llamaremos puntos de control.

00:02:45

Así que ahí, aquí, vamos 2 menos sobre

00:02:48

menos 9°-21-20 etcétera, etcétera.

00:02:52

Temperaturas frías y para

00:02:54

finalmente terminando con 20000

00:02:56

Hombres Sólo 20000 Hombres

00:02:58

en el regreso final a Francia.

00:03:01

Así que, un muy, muy muy

00:03:02

Difícil para Francia.

00:03:04

Pero ahí lo tienes, el tipo de visualización

00:03:07

Eso ya podría hacerse.

00:03:08

En ese momento, por lo tanto, en el siglo 19,

00:03:11

en un evento importante

00:03:12

de la historia de Francia.

00:03:13

Bueno, estas visualizaciones allí,

00:03:14

De hecho, todavía los usamos, ¿eh?

00:03:16

Por ejemplo aquí lo que tienes es

00:03:19

Una visualización moderna de siempre lo mismo.

00:03:21

Una historia de hecho, que busca

00:03:23

ser dicho por visualización,

00:03:25

y lo que ves aquí,

00:03:26

son, por lo tanto, como un recordatorio,

00:03:28

Trabajo en Digital Analytics

00:03:30

Y lo que vemos aquí, de hecho, no es

00:03:33

Un embudo de conversión en un sitio web.

00:03:35

Contaremos para cada uno de los

00:03:36

etapas clave de un sitio web,

00:03:38

Así que por lo general comienza con.

00:03:39

El hecho de que una persona venga

00:03:41

un sitio hasta la persona

00:03:43

realizó una conversión,

00:03:43

puede ser un gato,

00:03:44

una compra, una suscripción,

00:03:46

cumplimentación de un formulario recordatorio,

00:03:48

et cetera et cetera.

00:03:49

Y aquí encontraremos de hecho

00:03:51

Este efecto un poco de desperdicio.

00:03:52

Aquí

00:03:53

Por ejemplo, pasaremos al número de

00:03:55

personas que vinieron al sitio,

00:03:56

el número de vídeos vistos,

00:03:58

El número de de envíos de este

00:03:59

llamado plomo eh.

00:04:01

Así que es un contacto.

00:04:03

La calificación del lead y finalmente

00:04:05

la venta que se realiza y en cada

00:04:07

veces que tendremos potencialmente

00:04:09

la pérdida con cada uno de los

00:04:10

Velocidad de paso entre etapas.

00:04:12

Así que eso es extremadamente importante.

00:04:14

para todo lo que se analizará desde

00:04:17

comportamientos en un sitio web y y

00:04:19

bien entre el mapa de Napoleón y este,

00:04:22

Usaremos exactamente

00:04:23

los mismos indicadores,

00:04:24

es decir, una visualización

00:04:25

global con la altura aquí del de

00:04:27

rectángulo del histograma que va

00:04:28

díganos aproximadamente la proporción de

00:04:30

personas que se quedan y después,

00:04:32

Si nos fijamos un poco tendremos

00:04:33

Indicadores adicionales

00:04:34

con flechas cada vez que

00:04:36

nos dirá rojo verde.

00:04:37

Entonces, ¿cuál es el estado de esto?

00:04:40

¿Qué podría haber pasado?

00:04:42

El 2º concepto fundamental,

00:04:43

es que se utiliza para poner cosas

00:04:47

que debe destacarse,

00:04:48

resaltado con precisión,

00:04:50

Y así permite pasar

00:04:52

Un mensaje extremadamente rápido.

00:04:54

El ejemplo muy simple que puede ser

00:04:55

¿Lo tienes simple?

00:04:56

No tanto lo que hay visualización

00:04:58

es un poco peculiar.

00:04:59

Allí

00:04:59

Esta visualización que se llama en roseta,

00:05:01

Representa el trabajo que ha sido

00:05:04

Hecho por un estadístico y un

00:05:06

enfermera en el siglo 19,

00:05:08

que trató de resumir al ejército

00:05:11

Británico, básicamente la causa de la muerte.

00:05:14

Durante la Guerra de Crimea,

00:05:15

Creo que fueron alrededor de 10

00:05:17

850 y aproximadamente, lo que se ha indicado aquí,

00:05:18

a través de su combinación de colores,

00:05:20

es que vas a tener el

00:05:22

Realmente muerto en el campo

00:05:23

de batalla. Los muertos también,

00:05:25

como resultado de sus lesiones,

00:05:26

Así que recuerdos.

00:05:26

Aquí, son los primeros 2 rasgos,

00:05:28

Así que salmón y negro.

00:05:31

Y luego tienes a los muertos en realidad,

00:05:33

que corresponden a las epidemias que corren

00:05:35

en campamentos del ejército y básicamente

00:05:37

lo que quería probar y preguntar,

00:05:39

Es que introduzcamos medidas

00:05:41

instalaciones sanitarias en zonas de combate y

00:05:43

especialmente en campamentos atrincherados.

00:05:45

Ya que como se puede ver aquí en este

00:05:46

Diagrama allí de hecho avanzamos en el tiempo.

00:05:48

Así que julio, agosto, septiembre y así sucesivamente.

00:05:50

Y tenemos interés sobre este mes de enero 10 855

00:05:54

donde tuvimos una masa de muertes debido a,

00:05:59

de la, de la, de la.

00:06:00

Epidemias que pueden correr en el

00:06:02

campamentos militares que eran absolutamente

00:06:04

enorme y allí tan instantáneamente eh

00:06:06

Creo que habrás visto que esto

00:06:08

La proporción aquí es muy importante

00:06:09

y continúa creciendo a medida que

00:06:12

Medición del progreso a lo largo del tiempo.

00:06:14

Este elemento de nuevo el

00:06:15

Tratando de pasar

00:06:16

un mensaje y para sacar a relucir

00:06:18

algo muy rápido.

00:06:19

También se puede encontrar en

00:06:21

Visualizaciones modernas, eh.

00:06:22

Aquí

00:06:22

Vas a tener a alguien que

00:06:24

Divertido para recuperar el número de muertes

00:06:27

diarios en Francia entre 2001 y 2020.

00:06:30

Así que lo dejaremos de lado, ¿eh?

00:06:31

El COVID,

00:06:32

ya que algo más sucedió

00:06:34

durante este período,

00:06:35

Tuvimos la ola de calor que estaba en

00:06:37

2003 y así vemos aquí este enorme

00:06:39

Tralala que fue creada y por lo tanto quién

00:06:41

corresponde al verano que tuvimos en 2003.

00:06:44

Hubo muchas muertes

00:06:46

entre los ancianos y por lo tanto

00:06:47

de la misma manera.

00:06:49

Aquí

00:06:49

Vamos a tener este sistema circular

00:06:51

con puntos clave en cada

00:06:53

pasos y potencialmente

00:06:54

El golpe de Estado es un acontecimiento excepcional.

00:06:56

En cualquier caso algo que nosotros

00:06:58

quería destacar y que destaca

00:07:00

al instante y por lo tanto lo mismo,

00:07:01

El mensaje que ha transmitido claramente.

00:07:03

Ha habido un fenómeno extraordinario

00:07:05

finalmente extraordinario,

00:07:05

en el raro sentido de ese período.

00:07:11

Último punto que quería hacer,

00:07:13

Así que aquí realmente nos quedamos en la teoría,

00:07:15

eh por ahora, pero creo que

00:07:16

Esta aclaración es importante.

00:07:18

La deuda, la deuda sabia también existe

00:07:21

porque permite mostrar cosas que

00:07:24

son imperceptibles con datos sin procesar.

00:07:27

Usted puede bastante

00:07:28

encontrar frente a una pintura de

00:07:29

datos y tener problemas para usarlos.

00:07:31

En cualquier caso para perderse algunos

00:07:34

Información clave solo porque

00:07:35

no están representados visualmente.

00:07:37

Así que aquí lo que tenemos,

00:07:39

Es una representación de la ciudad, de.

00:07:41

Londres si no me equivoco,

00:07:43

También es a principios del siglo 18 cuando

00:07:46

Hubo una epidemia de cólera.

00:07:48

Y entonces este doctor llamó a John Snow,

00:07:52

No se inventa para decidir

00:07:55

simplemente para enumerar

00:07:56

las diversas muertes de cólera.

00:07:58

¿Quién podría tener en la ciudad y

00:08:00

especialmente en el distrito del Soho, donde

00:08:01

Hubo una muy, muy epidemia,

00:08:03

donde la epidemia de cólera era muy,

00:08:05

muy fuerte y por lo tanto lo que tiene

00:08:06

tuvo la idea de hacer,

00:08:07

es simplemente poner una línea

00:08:10

en cada nivel donde ha habido una muerte.

00:08:13

Y ese es el mapa que ven aquí,

00:08:14

Así que nos encontramos aquí con el distrito de

00:08:17

Focas y así vemos aquí a los pequeños famosos

00:08:19

rasgos que agregó para cada una de las muertes.

00:08:21

Y si hacemos zoom debajo de esta área,

00:08:23

Aquí vemos que de hecho esta zona

00:08:25

donde ha habido muchas muertes,

00:08:26

Si nos acercamos a esta área,

00:08:28

Vemos que, de hecho, hay una gran cantidad de

00:08:29

muerte

00:08:30

especialmente aquí en esta área,

00:08:31

en este edificio que han sido muy

00:08:33

cerca de una bomba que contiene agua

00:08:35

y de hecho se dieron cuenta,

00:08:38

con estos análisis de John Snow,

00:08:39

que junto a esta bomba,

00:08:41

Había un espacio de.

00:08:42

Más residuos que eran o

00:08:45

pañales para bebés y cólera

00:08:47

había sido desechado y, por lo tanto, contaminado

00:08:50

el agua de la bomba y por lo tanto la gente tiene

00:08:53

Bebió esta agua y contrajo cólera.

00:08:55

Y a partir de ahí,

00:08:56

Pudieron cerrar la bomba y allí

00:08:58

desinfectarlo para frenar la epidemia

00:09:00

el cólera en la vida,

00:09:02

Así que aquí de nuevo,

00:09:03

si no hubiera hecho este trabajo de

00:09:05

visualización y sin duda la tendría,

00:09:07

Y eso es lo que sucedió en el

00:09:09

nivel de de las autoridades sanitarias,

00:09:10

Se habría perdido esto

00:09:14

Información esencial.

00:09:15

Y allí,

00:09:16

Una vez más tendremos

00:09:18

equivalentes con datos que

00:09:20

vienen de nuestro mundo de hoy.

00:09:24

Intentaremos cargar el video y luego

00:09:28

En el momento en que voy a volver atrás. Normalmente.

00:09:32

Ah, entonces, no aparece.

00:09:38

Así que parece haber vuelto perfecto.

00:09:41

Intentaremos lanzarlo.

00:09:43

Aquí tienes. Vamos a silenciar el sonido,

00:09:46

Así que aquí lo que vas a ver en realidad,

00:09:47

Es una representación gráfica

00:09:49

bastante moderno o más o menos un

00:09:51

Nadie logró recuperarse en

00:09:53

hace todas las conexiones

00:09:54

móviles de una zona geográfica.

00:09:56

Así que aquí estamos en 2019,

00:09:58

al principio del COVID y la persona

00:09:59

estaba interesado en las personas

00:10:00

que participan en lo que se llama

00:10:02

las vacaciones de primavera en los Estados Unidos.

00:10:03

Así que básicamente es el

00:10:05

Período de primavera.

00:10:06

Después de exámenes universitarios o

00:10:08

Aproximadamente todos los jóvenes

00:10:10

encontrar en la playa y en particular

00:10:12

en Florida para ir de fiesta.

00:10:15

Da la casualidad de que hay muchos

00:10:17

Contaminación por COVID-19 en este

00:10:18

playa y así lo que está haciendo,

00:10:21

es que está en el proceso de selección

00:10:23

básicamente todas las conexiones

00:10:24

móviles que había en la playa

00:10:25

Durante las vacaciones de primavera y después de ellas

00:10:27

será capaz de avanzar en el tiempo,

00:10:28

Así que aquí está creando un grupo

00:10:30

y podrá avanzar en el

00:10:31

Es hora de ver casi todo

00:10:33

Clúster de contaminación.

00:10:34

Cómo se propagó dentro

00:10:35

país porque estas personas,

00:10:37

por lo tanto, su voz,

00:10:37

que regresen a la ciudad y

00:10:38

Vemos unos días después,

00:10:40

La gente se iba a casa

00:10:41

y por lo tanto tienen bien contaminados

00:10:43

una gran parte entonces.

00:10:45

Obviamente, no todo le habría reprochado,

00:10:46

pero en cualquier caso,

00:10:47

Vemos cómo una epidemia puede

00:10:49

se extendió desde allí,

00:10:50

todas las personas han regresado a casa,

00:10:52

Así que vemos toda la parte oriental

00:10:54

de los Estados Unidos que se han visto afectados

00:10:55

Como resultado de estos flujos migratorios

00:10:57

de estudiantes que vinieron a Florida

00:10:59

y que se han contaminado.

00:11:01

Así que aquí hay un ejemplo de visualización.

00:11:03

Otra vez

00:11:04

usamos una tarjeta y algunos

00:11:07

algo que hubiera sido muy difícil

00:11:09

para ver a simple vista.

00:11:11

Hasta aquí estos grandes principios, vamos.

00:11:15

Entonces, reanudar.

00:11:17

Un ejemplo pequeño y bastante simple

00:11:18

o como dije,

00:11:19

a partir de datos brutos,

00:11:20

No siempre es fácil

00:11:22

cumple con algunas cosas

00:11:23

y te doy aquí, por ejemplo,

00:11:25

una tabla de datos con el

00:11:26

mes del año y también el

00:11:28

Número de páginas vistas que puede haber

00:11:30

tener en un sitio web.

00:11:31

Así que básicamente las páginas vistas,

00:11:32

Esta es la asistencia que puede haber en

00:11:35

un sitio y los valores que tienes aquí,

00:11:37

45,

00:11:37

56 et cetera están en 1000000,

00:11:41

Así que hay por ejemplo los 45000000 visitantes

00:11:44

56000000 visitantes en febrero,

00:11:46

y así sucesivamente.

00:11:47

¿Puedes simplemente tomar

00:11:48

2 minutos de pausa potencial

00:11:50

el video y tratar de decirte,

00:11:52

¿Qué logras sacar?

00:11:54

¿Como lección de esta pintura?

00:11:56

Así que eso es lo que podemos

00:11:58

ver potencialmente,

00:11:59

Estos son quizás los valores más importantes.

00:12:00

valores bajos y más altos,

00:12:01

Así que vemos,

00:12:02

cuando ponemos el.

00:12:03

El pico fue muy fuerte en

00:12:05

75000000 que en marzo hubo

00:12:07

No mucha gente en 36000000.

00:12:08

Pero en general,

00:12:09

Eso dice mucho más.

00:12:11

Es bastante complicado.

00:12:12

Por otro lado, si ahora,

00:12:13

Me divierto poniéndolo de nuevo en

00:12:16

una visualización y bien allí,

00:12:17

potencialmente, nos rendiremos

00:12:19

tiene muchas más cosas.

00:12:22

Salta, discúlpame.

00:12:22

Así que ya podemos detectar.

00:12:24

Bueno, lo tuvimos un poco

00:12:26

visto el mejor mes y el más

00:12:28

Mal mes durante el período.

00:12:30

También podremos ir

00:12:31

cuenta que el 2º trimestre es

00:12:33

Mucho mejor que el primer eh

00:12:35

ya que aquí tenemos los 3 primeros

00:12:37

meses y ahí nos damos cuenta bien

00:12:39

que los valores que se presentan

00:12:40

en el 2º trimestre son más altos.

00:12:43

Uno puede incluso inconscientemente

00:12:44

Intenta trazar una línea para

00:12:46

Tratando de establecer una tendencia

00:12:47

eh, así que no es necesariamente

00:12:49

consciente pero puedes sin

00:12:50

Tener en cuenta para ello.

00:12:54

Y potencialmente también rendirse

00:12:55

Cuenta de es en lo que vamos a estar

00:12:57

El marco para un declive para el verano

00:12:59

ya que llegaremos en junio,

00:13:01

Vemos que baja mientras estábamos

00:13:03

en una tendencia alcista entre marzo y mayo.

00:13:05

Todo esto, hubieras tenido que

00:13:06

difícil de realizar,

00:13:08

especialmente para las tendencias,

00:13:09

En particular para la comparación

00:13:12

del primer y 2º trimestre.

00:13:14

Así que la visualización sirve bien

00:13:17

recontextualizarse efectivamente,

00:13:18

para comprender e interpretar

00:13:20

correctamente los datos.

00:13:24

Entonces, ¿qué podemos también

00:13:25

¿Digamos a nivel de visualización?

00:13:27

Así que aquí entraremos en

00:13:29

Cosas un poco más prácticas

00:13:30

ya que tendremos un gran grado de

00:13:32

Personalización en visualizaciones

00:13:33

y los informes que podremos crear.

00:13:35

Así que recuerda que no hay nada

00:13:37

¿Quién está allí para verse bonita en

00:13:39

una visualización cada vez,

00:13:41

Pondrás un elemento.

00:13:42

Básicamente, cargarás

00:13:44

nueva información,

00:13:45

tu visualización, tu histograma,

00:13:46

Tu mesa, tu curva.

00:13:48

Bueno, eso significa que es algo

00:13:50

Algo extra para interpretar

00:13:52

La persona que leerá esta tabla allí.

00:13:54

Donde esta visualización,

00:13:55

Y, por lo tanto, es importante que todo sea uno.

00:13:57

interés y ese es un poco el patrón

00:13:58

aquí tienes en el derecho o al por mayor,

00:14:00

La persona dejará un

00:14:01

tabla que estamos de acuerdo,

00:14:03

bastante feo,

00:14:03

un poco pasado de moda y así va

00:14:05

básicamente explica todo lo que hace,

00:14:07

Así que él eliminará por ejemplo

00:14:08

la leyenda donde no hay necesidad,

00:14:09

eliminará la leyenda también a la izquierda,

00:14:12

Eliminará el marco que

00:14:13

De hecho, fue inútil.

00:14:15

Eliminará todos los efectos

00:14:16

Gráficos que pueden estar en

00:14:17

El histograma aquí está eliminando las sombras,

00:14:19

eliminar colores ya que

00:14:20

No estamos interesados,

00:14:21

Solo resaltará, por ejemplo, el

00:14:23

Bacon ya que eso es lo que le interesaba.

00:14:24

¿Suficiente en Hungría?

00:14:25

Valores porque de lo contrario se escala

00:14:27

son más importantes que incluso los datos,

00:14:29

Elimina las líneas que no traen

00:14:30

Al final no hay mucha información.

00:14:32

Incluso eliminará la escala izquierda

00:14:34

Para establecer los valores directamente en

00:14:35

histogramas y así vemos que allí,

00:14:37

desde donde había

00:14:39

muchos colores,

00:14:39

Fondos y líneas que

00:14:41

no eran necesariamente necesarios,

00:14:42

Pasó a algo extremadamente.

00:14:44

Refinado entonces, para resumirlo un poco,

00:14:46

Intenta calificarte a ti mismo en un

00:14:48

arrinconar que a nivel de prácticas,

00:14:50

Los colores son información.

00:14:52

No nos divertimos poniendo

00:14:54

Colores en todas partes en los campos

00:14:55

o en histogramas,

00:14:56

solo para lucir bonita.

00:14:57

Los colores tienen significado.

00:14:58

Esta es la información que usted

00:14:59

ir a colocar en su gráfico,

00:15:00

Así que tienen que tener un interés así que

00:15:02

es para resaltar un elemento,

00:15:04

o para crear 22.

00:15:06

¿Cómo decirlo?

00:15:07

2 conjuntos de subdatos,

00:15:08

etcétera, etcétera.

00:15:11

¿No tiene formato de texto?

00:15:12

Estética eh,

00:15:12

No tiene sentido resaltar,

00:15:14

para poner cursiva,

00:15:15

y así sucesivamente.

00:15:16

Realmente vamos a ir al grano,

00:15:17

poner algo

00:15:19

de pureza y eficiencia.

00:15:21

Sin información redundante

00:15:21

Eso es lo que podríamos hacer un poco.

00:15:23

ver aquí en el gráfico,

00:15:24

con una escala superior a.

00:15:27

Era una leyenda que era

00:15:29

aquí mismo, eh,

00:15:30

Así que eso no es muy interesante

00:15:32

lo que tenemos 2 veces la información y

00:15:33

Así que vamos a cargar uno más

00:15:35

veces lo visual cuando no lo es

00:15:37

necesario ya que la información

00:15:38

ya estaba presente. Balanza

00:15:41

no siempre son necesarios,

00:15:43

Así que eso es exactamente lo que vimos aquí.

00:15:45

Nos damos cuenta de que la escala

00:15:46

Ya no es fácil de leer,

00:15:47

que tendremos que seguir la línea

00:15:48

a lo largo del histograma.

00:15:50

Y entonces, ¿por qué no poner

00:15:51

directamente los valores en

00:15:53

¿Cada barra en el histograma?

00:15:54

Las visualizaciones más ambiciosas no

00:15:56

no son los más claros de entender.

00:15:58

Así que eso es algo

00:15:59

que veo a menudo o ellos.

00:16:01

Como qué

00:16:01

Los consultores que soy irán

00:16:03

Tome visualizaciones todas desde

00:16:04

Suite bastante complicada, bastante alta.

00:16:06

Contrabandistas, el problema,

00:16:07

Es que estas visualizaciones hay,

00:16:08

Sí, son amables,

00:16:10

son bonitas,

00:16:11

pero no son necesariamente

00:16:13

Súper comprensible.

00:16:14

Si está aprendiendo Power BI y

00:16:15

trabajas con los datos,

00:16:17

Este no es necesariamente el caso con

00:16:18

todos tus colaboradores, de todos los tuyos,

00:16:19

de todos sus colegas y, por lo tanto,

00:16:21

debe ser usado como cosas

00:16:22

histogramas relativamente simples,

00:16:24

Curvas

00:16:24

cosas que se conocen.

00:16:26

De todos.

00:16:30

Y un último punto.

00:16:31

Y para eso, vamos de todos

00:16:32

manera de entrenar un poco.

00:16:34

Es importante

00:16:35

priorizar la información,

00:16:36

Así que aquí no es necesariamente

00:16:38

informes para B Hein son solo 2

00:16:40

visualización que encontré en

00:16:41

Internet así que hay uno que es

00:16:43

Bastante bueno y uno que es menos bueno.

00:16:44

Creo que has adivinado cuál

00:16:46

es el correcto y cuál es el malo.

00:16:48

Básicamente la idea es que intentaremos

00:16:50

ya para ventilar los informes tanto como sea posible o

00:16:53

los dashboards que podremos crear,

00:16:55

para poner la información en

00:16:56

Más importante en la parte superior, ¿eh?

00:16:57

Indicadores clave,

00:16:59

el famoso capi i si trabajas un poco

00:17:02

allí y en todo caso bien definido.

00:17:04

Áreas aquí con datos y desde

00:17:06

Así que para pasar de la caballa al micrófono,

00:17:08

para ir en cosas globales,

00:17:10

entonces potencialmente si el usuario

00:17:12

quiere buscar más información,

00:17:14

ir más granular,

00:17:15

pero todo el tiempo,

00:17:16

Mantener los espacios ventilados y evitar

00:17:18

Tener páginas y páginas de gráficos.

00:17:21

En cambio

00:17:21

Vemos que aquí,

00:17:23

Es mucho más complicado que nosotros

00:17:24

encontrado con menús de filtro

00:17:26

que son extremadamente importantes,

00:17:28

así que se hizo en Excel,

00:17:30

Histogramas con muy pequeños

00:17:32

escaleras que están completamente apretadas,

00:17:34

Así que no puedes verlos bien.

00:17:36

¿Qué más tenemos histogramas?

00:17:37

que no son necesariamente elegantes,

00:17:38

Así que realmente no entendemos demasiado de la

00:17:40

Leyendas con valores de dígitos

00:17:42

que son extremadamente difíciles de leer,

00:17:44

gráficos circulares con de nuevo básicamente,

00:17:45

El problema es que allí,

00:17:46

todo está comprimido,

00:17:47

invernadero y es muy, muy difícil

00:17:48

para leer y es un poco desordenado,

00:17:50

es decir, los valores de la parte superior son

00:17:52

son una mesa, así que realmente no es

00:17:54

el más interesante para poner en la parte superior,

00:17:55

Lo que enseguida vamos a llegar a casa

00:17:57

en Datos granulares so

00:17:58

Es más interesante poner

00:17:59

lo que se llama Cap boxes

00:18:01

I de indicadores clave o para poner

00:18:03

potencialmente en realidad un histograma.

00:18:04

Se puede defender pero todo

00:18:05

ir inmediatamente a Granular

00:18:07

No es necesariamente interesante.

00:18:08

Así que también intentaremos durante

00:18:10

crear visualizaciones para

00:18:12

Pues para crear cosas

00:18:15

Estética y especialmente cosas

00:18:16

que están ordenados en orden

00:18:18

a nivel de valores.

00:18:22

Esto es lo que podría hacer por ti

00:18:23

decir sobre todo el juego,

00:18:24

en la visualización.

00:18:25

Obviamente, estos son

00:18:26

Conceptos algo globales, eh.

00:18:28

Si estás interesado en el tema porque

00:18:29

Aquí no estamos en un curso completo,

00:18:31

sobre la visualización de datos,

00:18:32

Hay muchos recursos sobre

00:18:34

Internet que hablan de este tema.

00:18:36

Hay sitios que se han especializado,

00:18:37

incluso allí y de repente vamos

00:18:41

ser capaz de atacar el juego también

00:18:42

en estadísticas y sólo

00:18:44

Después de eso sucederá rápidamente,

00:18:46

Podremos atacar el

00:18:47

Creación de visualizaciones.

00:00:00

Voordat u het spel aanvalt op de

00:00:02

Opstellen van rapporten en dus over de

00:00:04

creatie van onze eerste visualisaties,

00:00:06

Ik wilde beginnen met een introductie

00:00:09

op de datum van gebruik om u

00:00:11

het overbrengen van de juiste boodschappen en

00:00:13

leg uit hoe de datum

00:00:16

Datavisualisatie is een manier om

00:00:18

communiceren met anderen.

00:00:20

Dus laten we doorgaan met de concepten

00:00:22

grondbeginselen, in de eerste plaats in

00:00:24

het verklaren van de raison d'être van gegevens,

00:00:28

Datavisualisatie.

00:00:28

Sorry, ik ga het gerichte gegevens noemen,

00:00:31

het zal zelfs sneller gaan en het zal

00:00:32

makkelijker voor mij.

00:00:33

En ik zal het je proberen te vertellen.

00:00:35

aanwezig in 3 hoofdonderdelen,

00:00:36

3 grote thema's en de eerste,

00:00:39

Wat is het doel van de gerichte gegevens?

00:00:41

Nou, ze probeert het te vertellen

00:00:43

Een verhaal daarvoor alleen aan de basis

00:00:46

Visualisatie bestaat, hè,

00:00:47

het is om te gaan schematiseren,

00:00:48

huh, zoals ze zeggen,

00:00:50

een foto is beter dan een zeer,

00:00:52

zeer lange zin.

00:00:53

Welnu, hetzelfde geldt voor de

00:00:55

Weergave van gegevens waar er in

00:00:56

moment dat we veel kunnen begrijpen

00:00:58

van dingen die mogelijk zijn gebeurd

00:00:59

of in ieder geval de boodschap dat we

00:01:02

wil passeren met een afbeelding.

00:01:04

En dat is niet nieuw,

00:01:06

huh, want daar visualisatie,

00:01:07

Het is iets ouds.

00:01:09

En daar heb je hier een voorbeeld van,

00:01:11

met een grafische weergave

00:01:13

dat is gebeurd,

00:01:15

zodat ik me meer herinner

00:01:16

precies de datum,

00:01:17

maar die was gemaakt van een

00:01:18

Wat tijd en wie vertegenwoordigt.

00:01:20

Daar ga je

00:01:20

het is geschreven.

00:01:21

20 november 1869 en welke overeenkomt

00:01:24

aan de Russische veldtocht van Napoleon,

00:01:27

En daar zullen we zien dat er in feite

00:01:28

In werkelijkheid veel data

00:01:29

die worden weergegeven.

00:01:30

En toch is het relatief eenvoudig

00:01:32

lees de Russische campagne

00:01:34

waar we vanaf deze rivier zullen beginnen.

00:01:36

En in feite, hier,

00:01:37

We volgen het Franse leger dat

00:01:39

zal oprukken naar de Russische staat.

00:01:41

De dikte hier van deze van deze

00:01:43

zone is het aantal

00:01:45

resterende soldaten in het leger,

00:01:47

Zo zien we dat ze

00:01:49

420.000 man aan de start.

00:01:51

Mogelijk zijn er ook

00:01:53

takken waar het leger is,

00:01:54

Het wordt mogelijk achtergelaten in

00:01:55

kleine groepen en dat zien wij als

00:01:58

en naarmate het leger vordert,

00:02:00

Welnu, er zijn er steeds minder

00:02:02

minus 2 soldaten om uiteindelijk

00:02:04

dat ze kunnen gebeuren.

00:02:06

Heeft iets meer dan 100.000 soldaten

00:02:08

tegen de tijd dat ze in Moskou aankomen

00:02:10

en ten slotte hebben we in het zwart de

00:02:12

beroemde retraite uit Rusland Huh,

00:02:13

Er is dus stormloop voor

00:02:16

Het Franse leger of het leger van de staatsgreep

00:02:18

moest terugdraaien om terug te keren

00:02:21

richting Frankrijk tijdens de winter

00:02:24

Zo begon de beroemde winter

00:02:26

Russische winter en dus van daaruit,

00:02:29

Nou, we gaan meer verliezen

00:02:31

naast mannen,

00:02:32

Hier zien we de evolutie

00:02:34

met de verschillende sleuteldata.

00:02:36

En wat ook interessant is,

00:02:37

het is dat bij de terugkeer,

00:02:39

We zullen het je hier ook vertellen

00:02:41

De temperatuur aan elk in deze

00:02:43

die we checkpoints zullen noemen.

00:02:45

Dus daar, hier, gaan we 2 min over

00:02:48

min 9°-21-20 et cetera, et cetera.

00:02:52

Ijskoude temperaturen en voor

00:02:54

uiteindelijk eindigend met 20000

00:02:56

mannen alleen 20000 mannen

00:02:58

bij de definitieve terugkeer naar Frankrijk.

00:03:01

Dus, een heel erg erg

00:03:02

Moeilijk voor de Frankrijken.

00:03:04

Maar daar heb je het, het type visualisatie

00:03:07

dat kon al.

00:03:08

Destijds, in de 19e eeuw,

00:03:11

op een groot evenement

00:03:12

van de Franse geschiedenis.

00:03:13

Welnu, deze visualisaties daar,

00:03:14

Sterker nog, we gebruiken ze nog steeds, hè?

00:03:16

Hier heb je bijvoorbeeld wat je hebt is

00:03:19

Een moderne visualisatie van altijd hetzelfde.

00:03:21

Een verhaal in feite, dat probeert

00:03:23

worden verteld door visualisatie,

00:03:25

en wat je hier ziet,

00:03:26

ze zijn daarom, ter herinnering,

00:03:28

Ik werk in Digital Analytics

00:03:30

En wat we hier zien is in feite niet

00:03:33

Een conversietrechter op een website.

00:03:35

We tellen voor elk van de

00:03:36

de belangrijkste fasen van een website,

00:03:38

Dus meestal begint het met.

00:03:39

Het feit dat een persoon opkomt

00:03:41

een site tot de persoon

00:03:43

een conversie heeft uitgevoerd,

00:03:43

het kan een kat zijn,

00:03:44

een aankoop, een abonnement,

00:03:46

het invullen van een herinneringsformulier,

00:03:48

et cetera et cetera.

00:03:49

En dus zullen we hier in feite vinden

00:03:51

Dit effect een beetje verspilling.

00:03:52

Hier

00:03:53

We gaan bijvoorbeeld verder met het aantal

00:03:55

mensen die naar de site kwamen,

00:03:56

het aantal bekeken video's,

00:03:58

Het aantal zendingen hiervan

00:03:59

een lood genoemd hè.

00:04:01

Het is dus een contact.

00:04:03

De kwalificatie van de lead en uiteindelijk

00:04:05

de verkoop die wordt gedaan en bij elke

00:04:07

tijden die we mogelijk zullen hebben

00:04:09

het verlies met elk van de

00:04:10

Snelheid van passage tussen fasen.

00:04:12

Dus dat is ontzettend belangrijk.

00:04:14

voor alles wat zal worden geanalyseerd van

00:04:17

gedragingen op een website en en

00:04:19

goed tussen de kaart van Napoleon en deze,

00:04:22

we zullen precies gebruiken

00:04:23

dezelfde indicatoren,

00:04:24

d.w.z. een visualisatie

00:04:25

globaal met de hoogte hier van de van

00:04:27

rechthoek van het Histogram dat gaat

00:04:28

vertel ons ongeveer het aandeel van

00:04:30

mensen die blijven en daarna,

00:04:32

Als we een beetje kijken, hebben we

00:04:33

Aanvullende indicatoren

00:04:34

met pijlen telkens dat

00:04:36

zal ons roodgroen vertellen.

00:04:37

Dus wat is de status van dit

00:04:40

Wat had er kunnen gebeuren?

00:04:42

Het 2e fundamentele concept,

00:04:43

is dat het wordt gebruikt om dingen te plaatsen

00:04:47

die moeten worden benadrukt,

00:04:48

nauwkeurig gemarkeerd,

00:04:50

En dus laat het toe om te passeren

00:04:52

Extreem snel een bericht.

00:04:54

Het zeer eenvoudige voorbeeld dat kan zijn

00:04:55

Heb je het simpel?

00:04:56

Niet zozeer wat er visualisatie

00:04:58

is een beetje eigenaardig.

00:04:59

Daar

00:04:59

Deze visualisatie die in rozet wordt genoemd,

00:05:01

Het vertegenwoordigt het werk dat is geweest

00:05:04

gemaakt door een statisticus en een

00:05:06

verpleegster in de 19e eeuw,

00:05:08

die probeerde samen te vatten voor het leger

00:05:11

Brits, eigenlijk de doodsoorzaak.

00:05:14

Tijdens de Krimoorlog,

00:05:15

Ik denk dat het rond de 10 was

00:05:17

850 en ruwweg, wat hier is aangegeven,

00:05:18

via het kleurenschema,

00:05:20

is dat je de

00:05:22

Eigenlijk dood in het veld

00:05:23

van de strijd. De doden ook,

00:05:25

als gevolg van hun verwondingen,

00:05:26

herinneringen dus.

00:05:26

Hier zijn het de eerste 2 eigenschappen,

00:05:28

Zalm en zwart dus.

00:05:31

En dan heb je de doden eigenlijk,

00:05:33

die overeenkomen met de epidemieën die lopen

00:05:35

in legerkampen en eigenlijk

00:05:37

wat ze wilde bewijzen en vragen,

00:05:39

het is dat we maatregelen invoeren

00:05:41

sanitaire voorzieningen in gevechtszones en

00:05:43

vooral in verschanste kampen.

00:05:45

Want zoals hier op te zien is, is

00:05:46

Daar komen we in feite vooruit in de tijd.

00:05:48

Dus juli, augustus, september en ga zo maar door.

00:05:50

En we hebben rente op deze maand van 10 januari 855

00:05:54

waar we een massa sterfgevallen hadden als gevolg van,

00:05:59

van de, van de, van de.

00:06:00

Epidemieën die kunnen lopen in de

00:06:02

militaire kampen die absoluut

00:06:04

enorm en er zo meteen eh

00:06:06

Ik denk dat je zou hebben gezien dat dit

00:06:08

verhouding is hier erg belangrijk

00:06:09

en blijft groeien als

00:06:12

meting van de vooruitgang in de loop van de tijd.

00:06:14

Dit element is opnieuw de

00:06:15

proberen door te komen

00:06:16

een boodschap en om naar buiten te brengen

00:06:18

iets heel snel.

00:06:19

Het is ook te vinden in

00:06:21

Moderne visualisaties, hè.

00:06:22

Hier

00:06:22

Je krijgt iemand die

00:06:24

geamuseerd om het aantal sterfgevallen te herstellen

00:06:27

dagbladen in Frankrijk tussen 2001 en 2020.

00:06:30

Dus we leggen het aan de kant, hè?

00:06:31

De COVID,

00:06:32

omdat er iets anders is gebeurd

00:06:34

gedurende deze periode,

00:06:35

We hadden de hittegolf die in

00:06:37

2003 en zo zien we hier deze enorme

00:06:39

tralala die is ontstaan en dus wie

00:06:41

komt overeen met de zomer die we in 2003 hadden.

00:06:44

Er vielen veel doden.

00:06:46

onder ouderen en dus

00:06:47

op dezelfde manier.

00:06:49

Hier

00:06:49

We gaan dit circulaire systeem hebben

00:06:51

met belangrijke punten op elk

00:06:53

stappen en eventueel

00:06:54

Coup een uitzonderlijke gebeurtenis.

00:06:56

In ieder geval iets wat we

00:06:58

wilde benadrukken en dat valt op

00:07:00

onmiddellijk en dus hetzelfde,

00:07:01

De boodschap die het duidelijk heeft doorgedrongen.

00:07:03

Er is een buitengewoon fenomeen geweest

00:07:05

eindelijk buitengewoon,

00:07:05

in de zeldzame zin van het woord over die periode.

00:07:11

Laatste punt dat ik wilde maken,

00:07:13

Dus hier blijven we echt bij de theorie,

00:07:15

huh voor nu, maar ik denk

00:07:16

Deze verduidelijking is belangrijk.

00:07:18

Schuld, wijze schuld bestaat ook

00:07:21

omdat het het mogelijk maakt om dingen te laten zien die

00:07:24

zijn onmerkbaar met onbewerkte gegevens.

00:07:27

Je kunt heel goed

00:07:28

vind voor een schilderij van

00:07:29

gegevens en problemen hebben met het gebruik ervan.

00:07:31

In ieder geval om wat te missen

00:07:34

Belangrijke informatie alleen omdat het

00:07:35

niet visueel worden weergegeven.

00:07:37

Dus hier wat we hebben,

00:07:39

Het is een representatie van de stad, van.

00:07:41

Londen als ik me niet vergis,

00:07:43

Het is ook begin 18e eeuw wanneer

00:07:46

Er was een cholera-epidemie.

00:07:48

En dus noemde deze arts John Snow,

00:07:52

Het is niet uitgevonden om te beslissen

00:07:55

gewoon op te sommen

00:07:56

de verschillende sterfgevallen aan cholera.

00:07:58

Wie zou in de stad kunnen hebben en

00:08:00

vooral in de wijk Soho waar

00:08:01

er was een zeer, zeer epidemie,

00:08:03

waar de cholera-epidemie zeer,

00:08:05

zeer sterk en dus wat het heeft

00:08:06

had het idee om te doen,

00:08:07

het is gewoon om een lijn te zetten

00:08:10

op elk niveau waar een dode is gevallen.

00:08:13

Dat is de kaart die je hier ziet,

00:08:14

We bevinden ons hier dus met de wijk van

00:08:17

Zeehonden en zo zien we hier de beroemde kleintjes

00:08:19

eigenschappen die hij toevoegde voor elk van de sterfgevallen.

00:08:21

En als we onder dit gebied inzoomen,

00:08:23

Hier zien we dat dit gebied in feite

00:08:25

waar veel doden zijn gevallen,

00:08:26

als we inzoomen op dit gebied,

00:08:28

We zien dat er inderdaad veel

00:08:29

dood

00:08:30

vooral de hier in dit gebied,

00:08:31

in dit gebouw dat zeer

00:08:33

dicht bij een pomp die water bevat

00:08:35

en in feite beseften zij:

00:08:38

met deze analyses van John Snow,

00:08:39

dat naast deze pomp,

00:08:41

Er was een ruimte van.

00:08:42

Meer afval dat was of

00:08:45

babyluiers en cholera

00:08:47

was weggegooid en daardoor besmet

00:08:50

het water uit de pomp en dus mensen hebben

00:08:53

dronk dit water en kreeg cholera.

00:08:55

En van daaruit,

00:08:56

Ze konden de pomp sluiten en daar

00:08:58

ontsmet het om de epidemie te vertragen

00:09:00

cholera in het leven,

00:09:02

Dus ook hier weer,

00:09:03

als hij dit werk niet had gedaan van

00:09:05

visualisatie en hij zou het ongetwijfeld hebben,

00:09:07

En dat is wat er gebeurde bij de

00:09:09

het niveau van de gezondheidsautoriteiten,

00:09:10

Hij zou dit gemist hebben.

00:09:14

Essentiële informatie.

00:09:15

En daar,

00:09:16

We zullen weer

00:09:18

equivalenten met gegevens die

00:09:20

komen uit onze wereld van vandaag.

00:09:24

We zullen proberen de video vervolgens te laden om

00:09:28

Het moment dat ik terug ga schakelen. Normaliter.

00:09:32

Ach, het verschijnt dus niet.

00:09:38

Het lijkt dus perfect terug te zijn gekomen.

00:09:41

We zullen proberen het te lanceren.

00:09:43

Daar ga je. We gaan het geluid dempen,

00:09:46

Dus hier wat je gaat zien eigenlijk,

00:09:47

het is een grafische weergave

00:09:49

redelijk modern of grofweg een

00:09:51

Niemand slaagde erin om te herstellen in

00:09:53

maakt alle verbindingen

00:09:54

mobiele telefoons van een geografisch gebied.

00:09:56

Dus hier zijn we in 2019,

00:09:58

aan het begin van COVID en de persoon

00:09:59

was geïnteresseerd in mensen

00:10:00

die deelnemen aan wat wordt genoemd

00:10:02

de voorjaarsvakantie in de Verenigde Staten.

00:10:03

Dus eigenlijk is het de

00:10:05

lenteperiode.

00:10:06

Na universitaire examens of

00:10:08

Grofweg alle jongeren

00:10:10

vinden op het strand en in het bijzonder

00:10:12

in Florida om te feesten.

00:10:15

Er zijn namelijk veel

00:10:17

COVID-19 besmetting hierop

00:10:18

strand en dus daar wat hij doet,

00:10:21

het is dat hij bezig is met het selecteren

00:10:23

eigenlijk alle aansluitingen

00:10:24

mobieltjes die er op het strand waren

00:10:25

Tijdens de Voorjaarsvakantie en daarna

00:10:27

zal in staat zijn om vooruit te gaan in de tijd,

00:10:28

Dus hier creëert hij een groep

00:10:30

en hij zal in staat zijn om vooruit te gaan in de

00:10:31

Tijd om ongeveer alles te zien

00:10:33

verontreinigingscluster.

00:10:34

Hoe het zich binnen verspreidde

00:10:35

land omdat deze mensen,

00:10:37

daarom hun stem,

00:10:37

dat ze terugkeren naar de stad en

00:10:38

We zien een paar dagen later,

00:10:40

mensen gingen naar huis

00:10:41

en daarom zijn ze goed besmet

00:10:43

een groot deel dan.

00:10:45

Het is duidelijk dat niet alles hem iets te verwijten zou zijn geweest,

00:10:46

maar in ieder geval,

00:10:47

We zien hoe een epidemie

00:10:49

verspreid sinds daar,

00:10:50

alle mensen zijn naar huis teruggekeerd,

00:10:52

Zo zien we het hele oostelijke deel.

00:10:54

van de Verenigde Staten die zijn getroffen

00:10:55

als gevolg van deze migratiestromen

00:10:57

van de studenten die naar Florida kwamen

00:10:59

en die besmet zijn geraakt.

00:11:01

Hier is een voorbeeld van visualisatie.

00:11:03

Nog een keer

00:11:04

we gebruiken een kaart en wat

00:11:07

iets wat heel moeilijk zou zijn geweest

00:11:09

om met het blote oog te zien.

00:11:11

Tot zover deze grote principes, we gaan.

00:11:15

Dus, hervatten.

00:11:17

Een klein, vrij eenvoudig voorbeeld

00:11:18

of zoals ik al zei,

00:11:19

uit ruwe gegevens,

00:11:20

Het is niet altijd makkelijk om

00:11:22

voldoet aan sommige dingen

00:11:23

en ik geef je hier bijvoorbeeld,

00:11:25

een gegevenstabel met de

00:11:26

maand van het jaar en ook de

00:11:28

Aantal paginaweergaven dat er kan zijn

00:11:30

hebben op een website.

00:11:31

Dus eigenlijk de pageviews,

00:11:32

Dit is de opkomst die kan worden op

00:11:35

een site en de waarden die je hier hebt,

00:11:37

35K

00:11:37

56 et cetera zijn in 1000000,

00:11:41

Zo zijn er bijvoorbeeld de 45000000 bezoekers.

00:11:44

56000000 bezoekers in februari,

00:11:46

enzovoort.

00:11:47

Kun je gewoon nemen

00:11:48

2 min mogelijk pauzeren

00:11:50

de video en probeer je te vertellen,

00:11:52

Wat krijg je eruit

00:11:54

Als les uit dit schilderij?

00:11:56

Dus dat is wat we kunnen

00:11:58

zie potentieel,

00:11:59

Dit zijn misschien wel de belangrijkste waarden.

00:12:00

lage en hoogste waarden,

00:12:01

zo zien we,

00:12:02

wanneer we de.

00:12:03

De piek was erg sterk bij

00:12:05

75000000 dat Maart er was

00:12:07

niet veel mensen op 36000000.

00:12:08

Maar over het algemeen,

00:12:09

Dat zegt veel meer.

00:12:11

Het is best ingewikkeld.

00:12:12

Aan de andere kant, als nu,

00:12:13

Ik heb er plezier in om het er weer in te doen

00:12:16

een visualisatie en goed daar,

00:12:17

mogelijk geven we ons over

00:12:19

heeft nog veel meer dingen.

00:12:22

Hop, pardon.

00:12:22

We kunnen het dus al spotten.

00:12:24

Nou, we hadden het een beetje

00:12:26

gezien de beste maand en de meeste

00:12:28

slechte maand tijdens de periode.

00:12:30

We zullen ook kunnen gaan

00:12:31

rekening houden met het feit dat het 2e kwartaal

00:12:33

Veel beter dan de eerste huh

00:12:35

aangezien hier hebben we de eerste 3

00:12:37

maanden en daar realiseren we ons goed

00:12:39

dan de waarden die zich aandienen

00:12:40

op het 2e kwartaal hoger.

00:12:43

Men kan zelfs onbewust

00:12:44

probeer een lijn te trekken voor

00:12:46

proberen een trend te zetten

00:12:47

huh dus het is niet per se

00:12:49

bewust maar je kunt zonder

00:12:50

houd er rekening mee.

00:12:54

En mogelijk ook overgave

00:12:55

Account van is waar we in gaan zijn

00:12:57

Het kader voor een daling voor de zomer

00:12:59

aangezien we in juni aankomen,

00:13:01

We zien dat het naar beneden gaat terwijl we

00:13:03

op een uptrend tussen maart en mei.

00:13:05

Dit alles had je moeten doen

00:13:06

moeilijk te realiseren,

00:13:08

speciaal voor trends,

00:13:09

In het bijzonder voor de vergelijking

00:13:12

van het eerste en 2e kwartaal.

00:13:14

Dus daar dient visualisatie goed

00:13:17

effectief te recontextualiseren,

00:13:18

begrijpen en interpreteren

00:13:20

correct de gegevens.

00:13:24

Dus wat kunnen we ook

00:13:25

Zeg op visualisatieniveau?

00:13:27

Dus hier zullen we ingaan op

00:13:29

Dingen een beetje praktischer

00:13:30

omdat we een grote mate van

00:13:32

Personalisatie in visualisaties

00:13:33

en de rapporten die we kunnen maken.

00:13:35

Onthoud dus dat er niets is

00:13:37

wie is er om er mooi uit te zien

00:13:39

elke keer een visualisatie,

00:13:41

Je zet een element.

00:13:42

Kortom, je laadt

00:13:44

nieuwe informatie,

00:13:45

uw visualisatie, uw histogram,

00:13:46

Je tafel, je curve.

00:13:48

Nou, dat betekent dat het iets is

00:13:50

Iets extra's om voor te tolken

00:13:52

de persoon die deze tabel daar zal lezen.

00:13:54

Waar deze visualisatie,

00:13:55

En dus is het belangrijk dat alles één is.

00:13:57

interesse en dat is een beetje het patroon

00:13:58

hier heb je aan de rechterkant of groothandel,

00:14:00

De persoon zal een

00:14:01

tafel waarover we het eens zijn,

00:14:03

heel lelijk,

00:14:03

een beetje ouderwets en zo gaat het

00:14:05

leg in principe alles uit wat hij doet,

00:14:07

Zo zal hij bijvoorbeeld verwijderen.

00:14:08

de legende waar geen behoefte aan is,

00:14:09

hij zal de legende ook aan de linkerkant verwijderen,

00:14:12

Het zal het frame verwijderen dat

00:14:13

Het was inderdaad nutteloos.

00:14:15

Het zal alle effecten verwijderen

00:14:16

grafieken die mogelijk op

00:14:17

Het histogram hier verwijdert de schaduwen,

00:14:19

kleuren verwijderen sinds

00:14:20

We zijn niet geïnteresseerd,

00:14:21

Het zal alleen de nadruk leggen op bijvoorbeeld de

00:14:23

Bacon, want dat is wat hem interesseerde.

00:14:24

Genoeg in Hongarije?

00:14:25

Waarden omdat anders wordt geschaald

00:14:27

zijn belangrijker dan zelfs gegevens,

00:14:29

Het verwijdert de lijnen die niet brengen

00:14:30

Uiteindelijk niet veel informatie.

00:14:32

Het zal zelfs de linkerschaal verwijderen

00:14:34

om de waarden rechtstreeks in te stellen op

00:14:35

histogrammen en zo zien we dat daar,

00:14:37

van waar er was

00:14:39

veel kleuren,

00:14:39

fondsen en lijnen die

00:14:41

niet noodzakelijkerwijs nodig waren,

00:14:42

Hij ging over tot iets extreems.

00:14:44

Verfijnd dan, om het een beetje samen te vatten,

00:14:46

probeer jezelf te beoordelen in een

00:14:48

hoek die op het niveau van de praktijken,

00:14:50

Kleuren zijn informatie.

00:14:52

We hebben geen plezier met zetten

00:14:54

kleuren overal op cursussen

00:14:55

of op histogrammen,

00:14:56

gewoon om er mooi uit te zien.

00:14:57

Kleuren hebben betekenis.

00:14:58

Dit is informatie die u

00:14:59

ga plaats in uw grafiek,

00:15:00

Ze moeten dus een belang hebben dus

00:15:02

het is ofwel om een element te markeren,

00:15:04

of om 22 te maken.

00:15:06

Hoe te zeggen?

00:15:07

2 sets van subgegevens,

00:15:08

et cetera, et cetera.

00:15:11

Geen tekstopmaak?

00:15:12

Esthetiek hè,

00:15:12

het heeft geen zin om te markeren,

00:15:14

cursief te stellen,

00:15:15

enzovoort.

00:15:16

We gaan echt ter zake komen,

00:15:17

zet iets neer

00:15:19

van zuiverheid en efficiëntie.

00:15:21

Geen overbodige informatie

00:15:21

Dat is wat we een beetje zouden kunnen doen.

00:15:23

zie hier op de grafiek,

00:15:24

met een weegschaal meer dan.

00:15:27

Het was een legende die

00:15:29

hier he,

00:15:30

Dus dat is niet erg interessant

00:15:32

wat we hebben 2 keer de informatie en

00:15:33

Dus we gaan er nog een laden

00:15:35

keer het visuele wanneer het niet

00:15:37

noodzakelijk omdat de informatie

00:15:38

was al aanwezig. Weegschaal

00:15:41

zijn niet altijd nodig,

00:15:43

Dus dat is precies wat we hier zagen.

00:15:45

We realiseren ons dat de schaal

00:15:46

Het is al niet gemakkelijk te lezen,

00:15:47

dat we de lijn zullen moeten volgen

00:15:48

allemaal langs het histogram.

00:15:50

En dus waarom niet zetten

00:15:51

direct de waarden op

00:15:53

Elke balk in het histogram?

00:15:54

De meest ambitieuze visualisaties doen dat niet

00:15:56

zijn niet de duidelijkste om te begrijpen.

00:15:58

Dus dat is iets

00:15:59

die ik vaak zie of zij.

00:16:01

Zoals wat

00:16:01

De consultants die ik ben gaan

00:16:03

maak visualisaties allemaal van

00:16:04

Suite vrij ingewikkeld, vrij hoog.

00:16:06

Smokkelaars, het probleem,

00:16:07

Het is dat deze visualisaties daar,

00:16:08

Ja, ze zijn vriendelijk,

00:16:10

ze zijn mooi,

00:16:11

maar ze zijn niet noodzakelijk

00:16:13

super begrijpelijk.

00:16:14

Als u Power BI en

00:16:15

je werkt met de data,

00:16:17

Dit is niet noodzakelijk het geval bij

00:16:18

al uw medewerkers, van al uw medewerkers,

00:16:19

van al je collega's en dus hij

00:16:21

moet als ding worden gebruikt

00:16:22

relatief eenvoudige histogrammen,

00:16:24

Curven

00:16:24

dingen die bekend zijn.

00:16:26

Van allemaal.

00:16:30

En nog een laatste punt.

00:16:31

En zo gaan we van iedereen af.

00:16:32

manier om een beetje te trainen.

00:16:34

Het is belangrijk om

00:16:35

prioriteit geven aan informatie,

00:16:36

Hier is het dus niet per se

00:16:38

rapporten voor B Hein het zijn er slechts 2

00:16:40

visualisatie vond ik op

00:16:41

Internet dus er is er een die

00:16:43

Best goed en eentje die minder goed is.

00:16:44

Ik denk dat je hebt geraden welke

00:16:46

is de juiste en dat is de slechte.

00:16:48

Eigenlijk is het idee dat we het gaan proberen.

00:16:50

de meldingen al zoveel mogelijk te ventileren of

00:16:53

de dashboards die we kunnen maken,

00:16:55

om de informatie op

00:16:56

Belangrijker aan de top hè?

00:16:57

Kernindicatoren,

00:16:59

de beroemde capi I als je een beetje werkt

00:17:02

daar en in ieder geval goed gedefinieerd.

00:17:04

Gebieden hier met data en sindsdien

00:17:06

dus om van makreel naar de microfoon te gaan,

00:17:08

om door te gaan met mondiale dingen,

00:17:10

dan mogelijk als de gebruiker

00:17:12

wil op zoek naar meer informatie,

00:17:14

ga op de meer granulaire,

00:17:15

maar de hele tijd,

00:17:16

ruimtes geventileerd houden en vermijden

00:17:18

om pagina's en pagina's met afbeeldingen te hebben.

00:17:21

Omgekeerd

00:17:21

Dat zien we hier,

00:17:23

Het is veel ingewikkelder dan wij

00:17:24

gevonden met filtermenu's

00:17:26

die uiterst belangrijk zijn,

00:17:28

dus het werd gedaan op Excel,

00:17:30

Histogrammen met zeer kleine

00:17:32

ladders die volledig strak zijn,

00:17:34

Je kunt ze dus niet goed zien.

00:17:36

Wat hebben we nog meer histogrammen?

00:17:37

die niet noodzakelijkerwijs stijlvol zijn,

00:17:38

We begrijpen dus niet echt veel van de

00:17:40

legenda's met cijferwaarden

00:17:42

die extreem moeilijk te lezen zijn,

00:17:44

cirkeldiagrammen met opnieuw in principe,

00:17:45

Het probleem is dat daar,

00:17:46

alles is gecomprimeerd,

00:17:47

kas en het is heel, heel moeilijk

00:17:48

om te lezen en het is een beetje rommelig,

00:17:50

d.w.z. de waarden van de top zijn

00:17:52

zijn een tafel dus het is echt niet

00:17:54

de meest interessante om bovenaan te zetten,

00:17:55

Wat meteen gaan we naar huis

00:17:57

in Granulaire gegevens dus

00:17:58

Het is interessanter om te zetten

00:17:59

zogenaamde Cap boxes

00:18:01

I van kernindicatoren of om te plaatsen

00:18:03

mogelijk zelfs een histogram.

00:18:04

Het kan verdedigd worden, maar alles

00:18:05

ga direct naar Granular

00:18:07

Het is niet per se interessant.

00:18:08

Dus we zullen het ook proberen tijdens

00:18:10

visualisaties maken voor

00:18:12

Nou om dingen te creëren

00:18:15

esthetiek en vooral dingen

00:18:16

die netjes in orde zijn

00:18:18

op het niveau van waarden.

00:18:22

Dit is wat ik voor je zou kunnen doen

00:18:23

zeggen over het hele spel,

00:18:24

op de visualisatie.

00:18:25

Uiteraard zijn dit

00:18:26

Enigszins globale concepten, hè.

00:18:28

Als u geïnteresseerd bent in het onderwerp omdat

00:18:29

Hier zitten we niet op een complete cursus,

00:18:31

over datavisualisatie,

00:18:32

Er zijn veel bronnen op

00:18:34

Internet dat over dit onderwerp praat.

00:18:36

Er zijn sites die zich hebben gespecialiseerd,

00:18:37

zelfs daar en plotseling gaan we

00:18:41

in staat zijn om het spel ook aan te vallen

00:18:42

over statistieken en alleen

00:18:44

Daarna zal het snel gebeuren,

00:18:46

We zullen in staat zijn om de

00:18:47

Visualisaties maken.

00:00:00

Antes de atacar o jogo no

00:00:02

Criação de relatórios e, portanto, sobre o

00:00:04

criação de nossas primeiras visualizações,

00:00:06

Eu queria começar com uma introdução

00:00:09

na data de uso para você

00:00:11

recebendo as mensagens certas e

00:00:13

explicar como a data

00:00:16

A visualização de dados é uma maneira de

00:00:18

comunicar-se com os outros.

00:00:20

Então vamos aos conceitos

00:00:22

fundamentos, em primeiro lugar e acima de tudo em

00:00:24

explicando a razão de ser dos dados,

00:00:28

Visualização de dados.

00:00:28

Desculpe, vou chamá-lo de dados direcionados,

00:00:31

ele vai até ir mais rápido e será

00:00:32

mais fácil para mim.

00:00:33

E eu vou tentar te contar.

00:00:35

presente em 3 partes principais,

00:00:36

3 grandes temas e o primeiro,

00:00:39

Qual é a finalidade dos dados direcionados?

00:00:41

Bem, ela está tentando dizer

00:00:43

Uma história para isso só na base

00:00:46

A visualização existe, hein,

00:00:47

é ir esquematizar,

00:00:48

hein, como se costuma dizer,

00:00:50

uma imagem é melhor do que um muito,

00:00:52

frase muito longa.

00:00:53

Bem, o mesmo vale para o

00:00:55

Representação dos dados onde há

00:00:56

momento em que podemos entender muito

00:00:58

de coisas que podem ter acontecido

00:00:59

ou pelo menos a mensagem de que nós

00:01:02

quer passar com uma imagem.

00:01:04

E isso não é novo,

00:01:06

hein, porque há visualização,

00:01:07

É algo antigo.

00:01:09

E você tem um exemplo disso aqui,

00:01:11

com uma representação gráfica

00:01:13

isso foi feito,

00:01:15

então eu me lembro mais

00:01:16

exatamente a data,

00:01:17

mas que era feito de um

00:01:18

Algum tempo e quem representa.

00:01:20

Lá vai você

00:01:20

está escrito.

00:01:21

20 de novembro de 1869 e que corresponde

00:01:24

à campanha russa de Napoleão,

00:01:27

E lá veremos que há, de fato,

00:01:28

Na realidade, muitos dados

00:01:29

que são exibidos.

00:01:30

E, no entanto, é relativamente simples

00:01:32

leia a campanha russa

00:01:34

por onde começaremos a partir deste rio.

00:01:36

E de fato, aqui,

00:01:37

Seguiremos o exército francês que

00:01:39

avançará para o Estado russo.

00:01:41

A espessura aqui deste deste

00:01:43

zona é o número de

00:01:45

soldados remanescentes no exército,

00:01:47

Então vemos que eles foram

00:01:49

420.000 homens no início.

00:01:51

Potencialmente também existem

00:01:53

ramos onde se encontra o exército,

00:01:54

É potencialmente deixado em

00:01:55

pequenos grupos e vemos isso como

00:01:58

e à medida que o exército avança,

00:02:00

Bem, há cada vez menos

00:02:02

menos 2 soldados para finalmente

00:02:04

que podem acontecer.

00:02:06

Tem pouco mais de 100.000 soldados

00:02:08

no momento em que chegam a Moscou

00:02:10

e finalmente temos de preto o

00:02:12

famoso retiro da Rússia Huh,

00:02:13

Portanto, há debandada para

00:02:16

O exército francês ou o exército do golpe

00:02:18

teve que voltar para voltar para voltar

00:02:21

em direção à França durante o inverno

00:02:24

Assim começou o famoso inverno

00:02:26

Inverno russo e, portanto, a partir daí,

00:02:29

Bem, vamos perder mais

00:02:31

além dos homens,

00:02:32

Então, aqui vemos a evolução

00:02:34

com as diferentes datas-chave.

00:02:36

E o que também é interessante,

00:02:37

é que no retorno,

00:02:39

Nós também lhe diremos aqui

00:02:41

A temperatura para cada um neste

00:02:43

que chamaremos de pontos de verificação.

00:02:45

Então, lá, aqui, vamos 2 menos sobre

00:02:48

menos 9°-21-20 et cetera, et cetera.

00:02:52

Temperaturas frias e para

00:02:54

finalmente terminando com 20000

00:02:56

homens apenas 20000 homens

00:02:58

no regresso final a França.

00:03:01

Então, um muito muito

00:03:02

Difícil para a França.

00:03:04

Mas aí está, o tipo de visualização

00:03:07

isso já poderia ser feito.

00:03:08

Na época, portanto, no século 19,

00:03:11

em um grande evento

00:03:12

da história francesa.

00:03:13

Bem, essas visualizações lá,

00:03:14

Na verdade, a gente ainda os usa, né?

00:03:16

Por exemplo, aqui o que você tem é

00:03:19

Uma visualização moderna de sempre o mesmo.

00:03:21

Uma história de fato, que busca

00:03:23

ser informado por visualização,

00:03:25

e o que você vê aqui,

00:03:26

são, portanto, como um lembrete,

00:03:28

Trabalho em Digital Analytics

00:03:30

E o que vemos aqui de fato não é

00:03:33

Um funil de conversão em um site.

00:03:35

Contaremos para cada um dos

00:03:36

principais estágios de um site,

00:03:38

Então, geralmente começa com.

00:03:39

O fato de uma pessoa aparecer

00:03:41

um site até a pessoa

00:03:43

realizou uma conversão,

00:03:43

pode ser um gato,

00:03:44

uma compra, uma assinatura,

00:03:46

preenchimento de um formulário de lembrete,

00:03:48

et cetera et cetera.

00:03:49

E aqui vamos encontrar de fato

00:03:51

Este efeito um pouco de desperdício.

00:03:52

Aqui

00:03:53

Por exemplo, passaremos para o número de

00:03:55

pessoas que vieram ao site,

00:03:56

o número de vídeos visualizados,

00:03:58

O número de remessas deste

00:03:59

chamado de chumbo hein.

00:04:01

Então é um contato.

00:04:03

A qualificação do lead e, finalmente,

00:04:05

a venda que é feita e em cada

00:04:07

vezes que teremos potencialmente

00:04:09

a perda com cada um dos

00:04:10

Taxa de passagem entre estágios.

00:04:12

Então isso é extremamente importante.

00:04:14

para tudo o que será analisado a partir de

00:04:17

comportamentos em um site e e

00:04:19

bem entre o mapa de Napoleão e este,

00:04:22

usaremos exatamente

00:04:23

os mesmos indicadores,

00:04:24

ou seja, uma visualização

00:04:25

global com a altura aqui do de

00:04:27

retângulo do histograma que vai

00:04:28

diga-nos aproximadamente a proporção de

00:04:30

pessoas que ficam e depois,

00:04:32

Se olharmos um pouco teremos

00:04:33

Indicadores adicionais

00:04:34

com setas cada vez que

00:04:36

dir-nos-á verde vermelho.

00:04:37

Então, qual é o status disso

00:04:40

O que poderia ter acontecido?

00:04:42

O 2º conceito fundamental,

00:04:43

é que ele é usado para colocar as coisas

00:04:47

que deve ser destacado,

00:04:48

destacado com precisão,

00:04:50

E assim permite passar

00:04:52

Uma mensagem extremamente rápida.

00:04:54

O exemplo muito simples que pode ser

00:04:55

Tem simplicidade?

00:04:56

Não tanto o que há visualização

00:04:58

é um pouco peculiar.

00:04:59

Ali

00:04:59

Esta visualização que é chamada em roseta,

00:05:01

Representa o trabalho que tem sido

00:05:04

feito por um estatístico e um

00:05:06

enfermeira no século 19,

00:05:08

que tentou resumir ao exército

00:05:11

Britânico, basicamente a causa da morte.

00:05:14

Durante a Guerra da Crimeia,

00:05:15

Acho que foi em torno de 10

00:05:17

850 e, grosso modo, o que aqui foi indicado,

00:05:18

através do seu esquema de cores,

00:05:20

é que você vai ter o

00:05:22

Realmente morto no campo

00:05:23

de batalha. Os mortos também,

00:05:25

em consequência dos seus ferimentos,

00:05:26

então memórias.

00:05:26

Aqui, são os primeiros 2 traços,

00:05:28

Então, salmão e preto.

00:05:31

E então você tem os mortos na verdade,

00:05:33

que correspondem às epidemias que ocorrem

00:05:35

em campos do exército e basicamente

00:05:37

o que ela queria provar e perguntar,

00:05:39

é que introduzimos medidas

00:05:41

instalações sanitárias em zonas de combate e

00:05:43

especialmente em acampamentos entrincheirados.

00:05:45

Uma vez que, como pode ser visto aqui sobre isso,

00:05:46

Diagrama lá, de fato, avançamos no tempo.

00:05:48

Então, julho, agosto, setembro e assim por diante.

00:05:50

E temos juros neste mês de janeiro 10 855

00:05:54

onde tivemos uma massa de mortes por causa de,

00:05:59

do, do, do.

00:06:00

Epidemias que podem ocorrer no

00:06:02

campos militares que eram absolutamente

00:06:04

enorme e lá tão instantaneamente eh

00:06:06

Eu acho que você teria visto que isso

00:06:08

proporção aqui é muito importante

00:06:09

e continua a crescer como

00:06:12

medição do progresso ao longo do tempo.

00:06:14

Este elemento novamente o

00:06:15

tentando passar

00:06:16

uma mensagem e para trazer à tona

00:06:18

algo muito rápido.

00:06:19

Também pode ser encontrado em

00:06:21

Visualizações modernas, hein.

00:06:22

Aqui

00:06:22

Você vai ter alguém que é

00:06:24

divertido para recuperar o número de mortes

00:06:27

jornais diários na França entre 2001 e 2020.

00:06:30

Então vamos deixar isso de lado, hein?

00:06:31

O COVID,

00:06:32

desde que algo mais aconteceu

00:06:34

durante este período,

00:06:35

Tivemos a onda de calor que estava em

00:06:37

2003 e por isso vemos aqui este enorme

00:06:39

tralala que foi criada e, portanto, quem

00:06:41

corresponde ao verão que tivemos em 2003.

00:06:44

Houve muitas mortes

00:06:46

entre os idosos e, portanto,

00:06:47

da mesma forma.

00:06:49

Aqui

00:06:49

Nós vamos ter esse sistema circular

00:06:51

com pontos-chave em cada um

00:06:53

etapas e potencialmente

00:06:54

Golpe um evento excepcional.

00:06:56

Em qualquer caso, algo que nós

00:06:58

queria destacar e que se destaca

00:07:00

instantaneamente e, portanto, o mesmo,

00:07:01

A mensagem que ele claramente passou.

00:07:03

Houve um fenômeno extraordinário

00:07:05

finalmente extraordinário,

00:07:05

no raro sentido nesse período.

00:07:11

Último ponto que gostaria de fazer,

00:07:13

Então, aqui nós realmente ficamos na teoria,

00:07:15

hein por enquanto, mas acho que

00:07:16

Esse esclarecimento é importante.

00:07:18

Dívida, dívida sábia também existe

00:07:21

porque torna possível mostrar coisas que

00:07:24

são imperceptíveis com dados brutos.

00:07:27

Você pode muito bem

00:07:28

encontrar na frente de uma pintura de

00:07:29

dados e ter problemas para usá-los.

00:07:31

Em qualquer caso, perder alguns

00:07:34

Informações importantes apenas porque

00:07:35

não estão representados visualmente.

00:07:37

Então, aqui o que temos,

00:07:39

É uma representação da cidade, de.

00:07:41

Londres, se não me engano,

00:07:43

É também início do século 18, quando

00:07:46

Houve uma epidemia de cólera.

00:07:48

E assim esse médico chamado John Snow,

00:07:52

Não é inventado para decidir

00:07:55

simplesmente para listar

00:07:56

as várias mortes por cólera.

00:07:58

Quem poderia ter na cidade e

00:08:00

especialmente no distrito de Soho, onde

00:08:01

houve uma epidemia muito, muito grande,

00:08:03

onde a epidemia de cólera foi muito,

00:08:05

muito forte e, portanto, o que ele tem

00:08:06

tive a ideia de fazer,

00:08:07

é simplesmente colocar uma linha

00:08:10

em cada nível onde houve uma morte.

00:08:13

E esse é o mapa que você vê aqui,

00:08:14

Então nós nos encontramos aqui com o distrito de

00:08:17

Focas e assim vemos aqui os famosos pequeninos

00:08:19

características que ele acrescentou para cada uma das mortes.

00:08:21

E se ampliarmos sob esta área,

00:08:23

Aqui vemos que de fato essa área

00:08:25

onde houve muitas mortes,

00:08:26

se ampliarmos esta área,

00:08:28

Vemos que, de fato, há muito

00:08:29

morte

00:08:30

especialmente o aqui nesta área,

00:08:31

neste edifício que têm sido muito

00:08:33

perto de uma bomba contendo água

00:08:35

e, de fato, eles perceberam,

00:08:38

com estas análises de John Snow,

00:08:39

que ao lado desta bomba,

00:08:41

Havia um espaço de.

00:08:42

Mais resíduos que foram ou

00:08:45

fraldas de bebê e ter cólera

00:08:47

tinha sido jogado fora e, portanto, contaminado

00:08:50

a água da bomba e, portanto, as pessoas têm

00:08:53

bebeu esta água e pegou cólera.

00:08:55

E a partir daí,

00:08:56

Eles foram capazes de fechar a bomba e lá

00:08:58

higienizá-lo para retardar a epidemia

00:09:00

cólera na vida,

00:09:02

Então, aqui novamente,

00:09:03

se ele não tivesse feito este trabalho de

00:09:05

visualização e ele sem dúvida a teria,

00:09:07

E foi o que aconteceu no

00:09:09

nível das autoridades de saúde,

00:09:10

Ele teria perdido isso

00:09:14

Informações essenciais.

00:09:15

E aí,

00:09:16

Teremos mais uma vez

00:09:18

equivalentes com dados que

00:09:20

vêm do nosso mundo hoje.

00:09:24

Vamos tentar carregar o vídeo, em seguida, para

00:09:28

No momento em que eu vou voltar. Normalmente.

00:09:32

Ah, então, não aparece.

00:09:38

Por isso, parece ter voltado perfeito.

00:09:41

Vamos tentar lançá-lo.

00:09:43

Aí está. Vamos silenciar o som,

00:09:46

Então, aqui o que você vai ver na verdade,

00:09:47

é uma representação gráfica

00:09:49

bastante moderno ou aproximadamente um

00:09:51

Ninguém conseguiu se recuperar em

00:09:53

faz todas as conexões

00:09:54

celulares de uma área geográfica.

00:09:56

Então, aqui estamos em 2019,

00:09:58

no início da COVID e a pessoa

00:09:59

estava interessado em pessoas

00:10:00

que participam do que é chamado de

00:10:02

as férias de primavera nos Estados Unidos.

00:10:03

Então, basicamente, é o

00:10:05

período de primavera.

00:10:06

Após exames universitários ou

00:10:08

Aproximadamente todos os jovens

00:10:10

encontrar na praia e em particular

00:10:12

na Flórida para festejar.

00:10:15

Acontece que há muitos

00:10:17

Contaminação por COVID-19 neste

00:10:18

praia e assim lá o que ele está fazendo,

00:10:21

é que ele está no processo de seleção

00:10:23

basicamente todas as conexões

00:10:24

celulares que havia na praia

00:10:25

Durante o Springbreak e depois dele

00:10:27

será capaz de avançar no tempo,

00:10:28

Então aqui ele está criando um grupo

00:10:30

e ele será capaz de avançar no

00:10:31

Hora de ver mais ou menos tudo

00:10:33

cluster de contaminação.

00:10:34

Como se espalhou dentro

00:10:35

país porque essas pessoas,

00:10:37

por isso a sua voz,

00:10:37

que retornem à cidade e

00:10:38

Vemos alguns dias depois,

00:10:40

as pessoas estavam indo para casa

00:10:41

e, portanto, eles estão bem contaminados

00:10:43

uma grande parte, então.

00:10:45

Obviamente, nem tudo o teria repreendido,

00:10:46

mas, em qualquer caso,

00:10:47

Vemos como uma epidemia pode

00:10:49

espalhar desde lá,

00:10:50

todas as pessoas voltaram para casa,

00:10:52

Assim, vemos toda a parte oriental

00:10:54

dos Estados Unidos que foram impactados

00:10:55

em resultado destes fluxos migratórios

00:10:57

de estudantes que vieram para a Flórida

00:10:59

e que se contaminaram.

00:11:01

Então, aqui está um exemplo de visualização.

00:11:03

Mais uma vez

00:11:04

usamos um cartão e alguns

00:11:07

algo que teria sido muito difícil

00:11:09

ver a olho nu.

00:11:11

Tanto para esses grandes princípios, nós vamos.

00:11:15

Então, recomece.

00:11:17

Um exemplo pequeno e bastante simples

00:11:18

ou como eu disse,

00:11:19

a partir de dados brutos,

00:11:20

Nem sempre é fácil

00:11:22

atende algumas coisas

00:11:23

e eu lhe dou aqui, por exemplo,

00:11:25

uma tabela de dados com o

00:11:26

mês do ano e também o

00:11:28

Número de visualizações de página que pode haver

00:11:30

ter em um site.

00:11:31

Então, basicamente, as visualizações de página,

00:11:32

Este é o atendimento que pode estar em

00:11:35

um site e os valores que você tem aqui,

00:11:37

35K

00:11:37

56 et cetera estão em 1000000,

00:11:41

Então, há, por exemplo, os 45000000 visitantes

00:11:44

56000000 visitantes em fevereiro,

00:11:46

e assim por diante.

00:11:47

Você pode simplesmente tomar

00:11:48

2 min potencialmente pausa

00:11:50

o vídeo e tente dizer-lhe,

00:11:52

O que você consegue sair

00:11:54

Como uma lição desta pintura?

00:11:56

Então é isso que podemos

00:11:58

ver potencialmente,

00:11:59

Este é talvez o valor mais importante.

00:12:00

valores baixos e mais elevados,

00:12:01

assim vemos,

00:12:02

quando colocamos o.

00:12:03

O pico foi muito forte em

00:12:05

75000000 que março houve

00:12:07

não muitas pessoas em 36000000.

00:12:08

Mas, no geral,

00:12:09

Isso diz muito mais.

00:12:11

É bem complicado.

00:12:12

Por outro lado, se agora,

00:12:13

Eu me divirto colocando-o de volta

00:12:16

uma visualização e bem lá,

00:12:17

potencialmente, nos renderemos

00:12:19

tem muito mais coisas.

00:12:22

Hop, desculpe-me.

00:12:22

Então já podemos detectar.

00:12:24

Bem, nós tivemos um pouco

00:12:26

viu o melhor mês e o mais

00:12:28

mês ruim durante o período.

00:12:30

Nós também seremos capazes de ir

00:12:31

conta que o 2º trimestre é

00:12:33

Muito melhor que o primeiro hein

00:12:35

já que aqui temos os 3 primeiros

00:12:37

meses e lá percebemos bem

00:12:39

do que os valores que se apresentam

00:12:40

no 2º trimestre estão em alta.

00:12:43

Pode-se até inconscientemente

00:12:44

tente desenhar uma linha para

00:12:46

tentando definir uma tendência

00:12:47

hein então não é necessariamente

00:12:49

consciente, mas você pode sem

00:12:50

conta para isso.

00:12:54

E potencialmente também se render

00:12:55

Conta de é o que vamos estar

00:12:57

O quadro para um declínio para o verão

00:12:59

já que chegaremos em junho,

00:13:01

Vemos que ele cai enquanto estávamos

00:13:03

em tendência de alta entre março e maio.

00:13:05

Tudo isso, você teria que

00:13:06

difícil de perceber,

00:13:08

especialmente para as tendências,

00:13:09

Em especial para a comparação

00:13:12

do primeiro e 2º trimestres.

00:13:14

Então lá a visualização serve bem

00:13:17

efetivamente a ser recontextualizado,

00:13:18

para entender e interpretar

00:13:20

corretamente os dados.

00:13:24

Então, o que também podemos

00:13:25

Digamos no nível de visualização?

00:13:27

Então, aqui vamos entrar em

00:13:29

Coisas um pouco mais práticas

00:13:30

uma vez que teremos um grande grau de

00:13:32

Personalização em visualizações

00:13:33

e os relatórios que poderemos criar.

00:13:35

Portanto, lembre-se de que não há nada

00:13:37

quem está lá para olhar bonito em

00:13:39

uma visualização de cada vez,

00:13:41

Você vai colocar um elemento.

00:13:42

Basicamente, você vai carregar

00:13:44

novas informações,

00:13:45

sua visualização, seu histograma,

00:13:46

Sua mesa, sua curva.

00:13:48

Bem, isso significa que é algo

00:13:50

Algo extra para interpretar

00:13:52

a pessoa que vai ler essa tabela lá.

00:13:54

Onde esta visualização,

00:13:55

E por isso é importante que tudo seja um.

00:13:57

interesse e esse é um pouco o padrão

00:13:58

aqui você tem à direita ou atacado,

00:14:00

A pessoa deixará um

00:14:01

tabela que concordamos,

00:14:03

muito feio,

00:14:03

um pouco antiquado e assim vai

00:14:05

basicamente explicar tudo o que ele faz,

00:14:07

Então ele vai remover, por exemplo,

00:14:08

a lenda onde não há necessidade,

00:14:09

ele removerá a legenda também à esquerda,

00:14:12

Ele removerá o quadro que

00:14:13

Na verdade, foi inútil.

00:14:15

Ele removerá todos os efeitos

00:14:16

gráficos que podem estar em

00:14:17

O histograma aqui está removendo as sombras,

00:14:19

remover cores desde

00:14:20

Não estamos interessados,

00:14:21

Ele apenas destacará, por exemplo, o

00:14:23

Bacon, já que era isso que lhe interessava.

00:14:24

Chega na Hungria?

00:14:25

Valores porque, caso contrário, é dimensionado

00:14:27

são mais importantes do que os dados,

00:14:29

Ele remove as linhas que não trazem

00:14:30

No final, pouca informação.

00:14:32

Ele ainda removerá a escala esquerda

00:14:34

para definir os valores diretamente como

00:14:35

histogramas e assim vemos que lá,

00:14:37

de onde havia

00:14:39

um monte de cores,

00:14:39

fundos e linhas que

00:14:41

não eram necessariamente necessários,

00:14:42

Ele passou para algo extremamente.

00:14:44

Refinado então, para resumir um pouco,

00:14:46

tente avaliar-se em um

00:14:48

canto que ao nível das práticas,

00:14:50

Cores são informação.

00:14:52

Não nos divertimos colocando

00:14:54

cores em todos os lugares nos cursos

00:14:55

ou em histogramas,

00:14:56

só para ficar bonito.

00:14:57

As cores têm significado.

00:14:58

Esta é a informação que você

00:14:59

vá para o lugar no seu gráfico,

00:15:00

Então eles têm que ter um interesse, então

00:15:02

é para destacar um elemento,

00:15:04

ou para criar 22.

00:15:06

Como dizer?

00:15:07

2 conjuntos de subdados,

00:15:08

et cetera, et cetera.

00:15:11

Sem formatação de texto?

00:15:12

Estética hein,

00:15:12

não adianta destacar,

00:15:14

colocar itálico,

00:15:15

e assim por diante.

00:15:16

Nós realmente vamos chegar ao ponto,

00:15:17

colocar algo

00:15:19

de pureza e eficiência.

00:15:21

Nenhuma informação redundante

00:15:21

Isso é o que poderíamos fazer um pouco.

00:15:23

veja aqui no gráfico,

00:15:24

com uma escala maior que.

00:15:27

Era uma lenda que era

00:15:29

aqui mesmo hein,

00:15:30

Então isso não é muito interessante.

00:15:32

o que temos 2 vezes a informação e

00:15:33

Então vamos carregar mais um

00:15:35

vezes o visual quando não é

00:15:37

necessário desde a informação

00:15:38

já estava presente. Balança

00:15:41

nem sempre são necessários,

00:15:43

Então foi exatamente isso que vimos aqui.

00:15:45

Percebemos que a escala

00:15:46

Já não é fácil de ler,

00:15:47

que teremos que seguir a linha

00:15:48

ao longo de todo o histograma.

00:15:50

E então por que não colocar

00:15:51

diretamente os valores em

00:15:53

Cada barra no histograma?

00:15:54

As visualizações mais ambiciosas não

00:15:56

não são os mais claros de entender.

00:15:58

Então isso é algo

00:15:59

que eu vejo muitas vezes ou eles.

00:16:01

Como o que

00:16:01

Os consultores que eu sou irão

00:16:03

fazer visualizações de todos os

00:16:04

Suíte bastante complicada, bastante alta.

00:16:06

Contrabandistas, o problema,

00:16:07

É que essas visualizações aí,

00:16:08

Sim, eles são amigáveis,

00:16:10

eles são bonitos,

00:16:11

mas não são necessariamente

00:16:13

super compreensível.

00:16:14

Se você estiver aprendendo o Power BI e

00:16:15

você trabalha com os dados,

00:16:17

Este não é necessariamente o caso com

00:16:18

todos os seus colaboradores, de todos os seus,

00:16:19

de todos os seus colegas e, portanto, ele

00:16:21

deve ser usado como coisas

00:16:22

histogramas relativamente simples,

00:16:24

Curvas

00:16:24

coisas que são conhecidas.

00:16:26

De todos.

00:16:30

E um último ponto.

00:16:31

E assim, vamos de todos

00:16:32

maneira de treinar um pouco.

00:16:34

É importante

00:16:35

priorizar informações,

00:16:36

Então, aqui não é necessariamente

00:16:38

relatórios para B Hein é apenas 2

00:16:40

visualização que encontrei em

00:16:41

Internet, então há um que é

00:16:43

Muito bom e um que é menos bom.

00:16:44

Eu acho que você adivinhou qual

00:16:46

é o certo e qual é o mau.

00:16:48

Basicamente a ideia é que vamos tentar

00:16:50

já para ventilar os relatórios tanto quanto possível ou

00:16:53

os painéis que poderemos criar,

00:16:55

para colocar as informações em

00:16:56

Mais importante no topo hein?

00:16:57

Indicadores-chave,

00:16:59

o famoso capi I se você trabalha um pouco

00:17:02

lá dentro e, em qualquer caso, bem definido.

00:17:04

Áreas aqui com dados e desde

00:17:06

para ir da cavala ao microfone,

00:17:08

para ir em coisas globais,

00:17:10

então, potencialmente, se o usuário

00:17:12

quer procurar mais informações,

00:17:14

vá no mais granular,

00:17:15

mas o tempo todo,

00:17:16

manter os espaços ventilados e evitar

00:17:18

para ter páginas e páginas de gráficos.

00:17:21

Inversamente

00:17:21

Vemos isso aqui,

00:17:23

É muito mais complicado do que nós

00:17:24

encontrado com menus de filtro

00:17:26

que são extremamente importantes,

00:17:28

por isso foi feito no Excel,

00:17:30

Histogramas com muito pequeno

00:17:32

escadas que são completamente apertadas,

00:17:34

Então você não pode vê-los bem.

00:17:36

O que mais temos histogramas?

00:17:37

que não são necessariamente elegantes,

00:17:38

Portanto, nós realmente não entendemos muito do

00:17:40

legendas com valores de dígitos

00:17:42

que são extremamente difíceis de ler,

00:17:44

gráficos de pizza com novamente basicamente,

00:17:45

O problema é que lá,

00:17:46

tudo é comprimido,

00:17:47

estufa e é muito, muito difícil

00:17:48

para ler e é um pouco confuso,

00:17:50

ou seja, os valores do topo são

00:17:52

são uma mesa, então não é realmente

00:17:54

o mais interessante para colocar no topo,

00:17:55

O que imediatamente vamos chegar em casa

00:17:57

em Dados granulares para

00:17:58

É mais interessante colocar

00:17:59

o que são chamados de Cap boxes

00:18:01

I de indicadores-chave ou para colocar

00:18:03

potencialmente na verdade um histograma.

00:18:04

Pode ser defendido, mas tudo

00:18:05

vá imediatamente para Granular

00:18:07

Não é necessariamente interessante.

00:18:08

Então, também tentaremos durante

00:18:10

criando visualizações para

00:18:12

Bem, para criar coisas

00:18:15

estética e especialmente coisas

00:18:16

que estão arrumados em ordem

00:18:18

ao nível dos valores.

00:18:22

Isto é o que eu poderia fazer por você

00:18:23

dizer sobre todo o jogo,

00:18:24

na visualização.

00:18:25

Obviamente, estes são

00:18:26

Conceitos um tanto globais, hein.

00:18:28

Se você está interessado no tópico porque

00:18:29

Aqui não estamos em um curso completo,

00:18:31

na visualização de dados,

00:18:32

Há muitos recursos em

00:18:34

Internet que falam sobre esse assunto.

00:18:36

Existem sites que se especializaram,

00:18:37

mesmo lá e de repente vamos

00:18:41

ser capaz de atacar o jogo também

00:18:42

em estatísticas e apenas

00:18:44

Depois disso, isso acontecerá rapidamente,

00:18:46

Seremos capazes de atacar o

00:18:47

Criação de visualizações.

00:00:00

Przed atakiem na grę na

00:00:02

Tworzenie sprawozdań, a tym samym

00:00:04

tworzenie pierwszych wizualizacji,

00:00:06

Chciałem zacząć od wprowadzenia

00:00:09

w dniu użycia w celu

00:00:11

przekazywanie właściwych komunikatów i

00:00:13

Wyjaśnij, w jaki sposób data

00:00:16

Wizualizacja danych to sposób na

00:00:18

komunikować się z innymi.

00:00:20

Przejdźmy więc do koncepcji

00:00:22

Podstawy, przede wszystkim w

00:00:24

wyjaśnienie racji bytu danych,

00:00:28

Wizualizacja danych.

00:00:28

Przepraszam, nazwę to danymi ukierunkowanymi,

00:00:31

Będzie nawet szybciej i będzie

00:00:32

łatwiej dla mnie.

00:00:33

Spróbuję wam powiedzieć.

00:00:35

obecny w 3 głównych częściach,

00:00:36

3 główne tematy i pierwszy,

00:00:39

Jaki jest cel danych docelowych?

00:00:41

Cóż, próbuje powiedzieć

00:00:43

Historia do tego tylko u podstawy

00:00:46

Wizualizacja istnieje, huh,

00:00:47

jest to schematyzacja,

00:00:48

huh, jak mówią,

00:00:50

obraz jest lepszy niż bardzo,

00:00:52

Bardzo długie zdanie.

00:00:53

Cóż, to samo dotyczy

00:00:55

Przedstawienie danych, jeżeli

00:00:56

Chwila, którą możemy wiele zrozumieć

00:00:58

rzeczy, które mogły się wydarzyć

00:00:59

lub przynajmniej wiadomość, że

00:01:02

chce przejść z obrazem.

00:01:04

I nie jest to nic nowego,

00:01:06

huh, bo tam wizualizacja,

00:01:07

To coś starego.

00:01:09

I macie tego przykład tutaj,

00:01:11

z graficzną reprezentacją

00:01:13

które zostało zrobione,

00:01:15

więc pamiętam więcej

00:01:16

dokładnie data,

00:01:17

ale który został wykonany z

00:01:18

Trochę czasu i kto reprezentuje.

00:01:20

Proszę bardzo

00:01:20

jest napisane.

00:01:21

20 listopada 1869 i który odpowiada

00:01:24

do kampanii rosyjskiej Napoleona,

00:01:27

I tam zobaczymy, że faktycznie tak jest

00:01:28

W rzeczywistości wiele danych

00:01:29

, które są wyświetlane.

00:01:30

A jednak jest to stosunkowo proste

00:01:32

przeczytaj kampanię rosyjską

00:01:34

gdzie zaczniemy od tej rzeki.

00:01:36

I faktycznie, tutaj,

00:01:37

Będziemy podążać za armią francuską, która

00:01:39

wkroczy do państwa rosyjskiego.

00:01:41

Grubość tutaj tego z tego

00:01:43

Strefa to liczba

00:01:45

pozostali żołnierze w armii,

00:01:47

Widzimy więc, że były

00:01:49

420 000 ludzi na starcie.

00:01:51

Potencjalnie istnieją również

00:01:53

oddziały, w których znajduje się armia,

00:01:54

Potencjalnie pozostaje w

00:01:55

małe grupy i widzimy to jako

00:01:58

a w miarę posuwania się naprzód armii,

00:02:00

Cóż, jest ich coraz mniej

00:02:02

minus 2 żołnierzy do końca

00:02:04

że mogą się zdarzyć.

00:02:06

Ma nieco ponad 100 000 żołnierzy

00:02:08

do czasu przybycia do Moskwy

00:02:10

i wreszcie mamy w czerni

00:02:12

słynny odwrót z Rosji Huh,

00:02:13

Więc jest panika dla

00:02:16

Armia francuska lub armia zamachu stanu

00:02:18

musiał zawrócić, aby wrócić

00:02:21

w kierunku Francji podczas zimy

00:02:24

Tak zaczęła się słynna zima

00:02:26

Rosyjska zima, a więc stamtąd,

00:02:29

Cóż, stracimy więcej

00:02:31

Oprócz mężczyzn,

00:02:32

Widzimy ewolucję

00:02:34

z różnymi kluczowymi datami.

00:02:36

A co ciekawe,

00:02:37

Chodzi o to, że po powrocie,

00:02:39

Powiemy Ci również tutaj

00:02:41

Temperatura dla każdego w tym

00:02:43

które nazwiemy punktami kontrolnymi.

00:02:45

Więc tam, tutaj, idziemy 2 minus około

00:02:48

minus 9°-21-20 et cetera, et cetera.

00:02:52

Mroźne temperatury i dla

00:02:54

ostatecznie kończąc na 20000

00:02:56

tylko mężczyźni 20000 mężczyzn

00:02:58

w sprawie ostatecznego powrotu do Francji.

00:03:01

Więc, bardzo, bardzo bardzo

00:03:02

Ciężko dla Francji.

00:03:04

Ale oto jest ten rodzaj wizualizacji

00:03:07

To już można było zrobić.

00:03:08

W tym czasie, w 19 wieku,

00:03:11

w sprawie ważnego wydarzenia

00:03:12

francuskiej historii.

00:03:13

Cóż, te wizualizacje tam,

00:03:14

W rzeczywistości nadal ich używamy, co?

00:03:16

Na przykład tutaj masz to:

00:03:19

Nowoczesna wizualizacja zawsze tego samego.

00:03:21

Historia w rzeczywistości, która stara się

00:03:23

być opowiedzianym przez wizualizację,

00:03:25

i co tu widzisz,

00:03:26

są zatem przypomnieniem,

00:03:28

Pracuję w Digital Analytics

00:03:30

A to, co tu widzimy, w rzeczywistości nie jest

00:03:33

Lejek konwersji na stronie internetowej.

00:03:35

Będziemy liczyć dla każdego z

00:03:36

kluczowe etapy tworzenia strony internetowej,

00:03:38

Więc zwykle zaczyna się od.

00:03:39

Fakt, że osoba przychodzi

00:03:41

strona do momentu osoby

00:03:43

wykonał konwersję,

00:03:43

może to być kot,

00:03:44

zakup, abonament,

00:03:46

wypełnienie formularza przypomnienia,

00:03:48

et cetera et cetera.

00:03:49

I tak tutaj znajdziemy w rzeczywistości

00:03:51

Ten efekt trochę marnotrawstwa.

00:03:52

00:03:53

Na przykład przejdziemy do liczby

00:03:55

osoby, które przyszły na stronę,

00:03:56

liczba obejrzanych filmów,

00:03:58

Liczba przesyłek tego

00:03:59

zwany ołowiem huh.

00:04:01

Więc jest to kontakt.

00:04:03

Kwalifikacja prowadzącego i wreszcie

00:04:05

dokonanej sprzedaży i przy każdym

00:04:07

Czasy, w których będziemy mieli potencjalnie

00:04:09

strata z każdym z

00:04:10

Szybkość przejścia między etapami.

00:04:12

To niezwykle ważne.

00:04:14

dla wszystkiego, co będzie analizowane z

00:04:17

zachowania na stronie internetowej oraz

00:04:19

dobrze między mapą Napoleona a tą,

00:04:22

Dokładnie wykorzystamy

00:04:23

te same wskaźniki,

00:04:24

tj. wizualizacja

00:04:25

globalny z wysokością tutaj z

00:04:27

prostokąt histogramu, który idzie

00:04:28

Powiedz nam z grubsza, jaka jest proporcja

00:04:30

osoby, które zostają i po,

00:04:32

Jeśli spojrzymy trochę, będziemy mieli

00:04:33

Dodatkowe wskaźniki

00:04:34

ze strzałkami za każdym razem, gdy

00:04:36

powie nam czerwony, zielony.

00:04:37

Więc jaki jest status tego

00:04:40

Co mogło się stać?

00:04:42

2. podstawowa koncepcja,

00:04:43

jest to, że jest używany do umieszczania rzeczy

00:04:47

które muszą być wyróżnione,

00:04:48

precyzyjnie podkreślone,

00:04:50

I tak pozwala przejść

00:04:52

Wiadomość niezwykle szybko.

00:04:54

Bardzo prosty przykład, który może być

00:04:55

Czy to proste?

00:04:56

Nie tyle co tam wizualizacja

00:04:58

jest trochę osobliwe.

00:04:59

Tam

00:04:59

Ta wizualizacja, która nazywa się w rozecie,

00:05:01

Reprezentuje pracę, która została

00:05:04

wykonane przez statystyka i

00:05:06

pielęgniarka w 19 wieku,

00:05:08

który próbował podsumować wojsku

00:05:11

Brytyjczycy, w zasadzie przyczyna śmierci.

00:05:14

Podczas wojny krymskiej

00:05:15

Myślę, że to było około 10

00:05:17

850 i z grubsza, co zostało tutaj wskazane,

00:05:18

poprzez kolorystykę,

00:05:20

jest to, że będziesz miał

00:05:22

Właściwie martwy na polu

00:05:23

bitwy. Umarli też,

00:05:25

w wyniku odniesionych obrażeń,

00:05:26

Czyli wspomnienia.

00:05:26

Oto pierwsze 2 cechy,

00:05:28

Więc łosoś i czarny.

00:05:31

A potem masz umarłych,

00:05:33

które odpowiadają epidemiom, które się rozprzestrzeniają

00:05:35

w obozach wojskowych i zasadniczo

00:05:37

co chciała udowodnić i zapytać,

00:05:39

chodzi o to, że wprowadzamy środki

00:05:41

urządzenia sanitarne w strefach walki i

00:05:43

Zwłaszcza w okopanych obozach.

00:05:45

Ponieważ jak widać tutaj na tym

00:05:46

Diagram tam w rzeczywistości przenosimy się w czasie.

00:05:48

Więc lipiec, sierpień, wrzesień i tak dalej.

00:05:50

I mamy odsetki od tego miesiąca 10 stycznia 855

00:05:54

gdzie mieliśmy masę zgonów z powodu,

00:05:59

z, z, z.

00:06:00

Epidemie, które mogą przebiegać w

00:06:02

obozy wojskowe, które były absolutnie

00:06:04

ogromny i tam tak natychmiast eh

00:06:06

Myślę, że widzielibyście to

00:06:08

Proporcja jest tutaj bardzo ważna

00:06:09

i nadal rośnie wraz z rozwojem

00:06:12

pomiar postępu w czasie.

00:06:14

Ten element ponownie

00:06:15

Próba przedostania się

00:06:16

wiadomość i wydobycie

00:06:18

coś bardzo szybko.

00:06:19

Można go również znaleźć w

00:06:21

Nowoczesne wizualizacje, huh.

00:06:22

Będziesz miał kogoś, kto

00:06:24

rozbawiony, aby odzyskać liczbę zgonów

00:06:27

dzienniki we Francji w latach 2001-2020.

00:06:30

Więc odłożymy to na bok, co?

00:06:31

The COVID,

00:06:32

ponieważ stało się coś innego

00:06:34

w tym okresie,

00:06:35

Mieliśmy falę upałów, która nadeszła

00:06:37

2003 i tak widzimy tutaj ten ogromny

00:06:39

Tralala, która została stworzona i dlatego kto

00:06:41

odpowiada latu, które mieliśmy w 2003 roku.

00:06:44

Było wiele zgonów

00:06:46

wśród osób starszych, a zatem

00:06:47

w ten sam sposób.

00:06:49

Będziemy mieli ten okrągły system

00:06:51

z kluczowymi punktami w każdym

00:06:53

kroki i potencjalnie

00:06:54

Zamach stanu wyjątkowym wydarzeniem.

00:06:56

W każdym razie coś, co my

00:06:58

Chciałem podkreślić i to się wyróżnia

00:07:00

natychmiast, a więc tak samo,

00:07:01

Przesłanie, które wyraźnie przebiło.

00:07:03

Doszło do niezwykłego zjawiska

00:07:05

wreszcie niezwykłe,

00:07:05

w rzadkim sensie w tym okresie.

00:07:11

Ostatnia uwaga, którą chciałem poruszyć,

00:07:13

Więc tutaj naprawdę pozostajemy przy teorii,

00:07:15

huh na razie, ale myślę, że

00:07:16

To wyjaśnienie jest ważne.

00:07:18

Dług, mądry dług też istnieje

00:07:21

ponieważ pozwala pokazać rzeczy, które

00:07:24

są niezauważalne przy surowych danych.

00:07:27

Możesz całkiem

00:07:28

Znajdź przed obrazem

00:07:29

danych i problemy z ich używaniem.

00:07:31

W każdym razie, aby przegapić niektóre

00:07:34

Kluczowe informacje tylko dlatego, że

00:07:35

nie są reprezentowane wizualnie.

00:07:37

Więc to, co mamy,

00:07:39

Jest to reprezentacja miasta, of.

00:07:41

Londyn, jeśli się nie mylę,

00:07:43

Jest to również początek 18 wieku, kiedy

00:07:46

Była epidemia.

00:07:48

I tak ten lekarz zadzwonił do Johna Snowa,

00:07:52

Nie jest wymyślony, aby decydować

00:07:55

po prostu do listy

00:07:56

różne zgony z powodu.

00:07:58

Kto mógłby mieć w mieście i

00:08:00

zwłaszcza w dzielnicy Soho, gdzie

00:08:01

była bardzo, bardzo epidemia,

00:08:03

gdzie epidemia była bardzo,

00:08:05

bardzo silny i dlatego to, co ma

00:08:06

miał pomysł na zrobienie,

00:08:07

Chodzi po prostu o postawienie linii

00:08:10

na każdym poziomie, na którym nastąpiła śmierć.

00:08:13

To jest mapa, którą tu widzicie,

00:08:14

Znajdujemy się więc tutaj z dzielnicą

00:08:17

Foki i tak widzimy tutaj słynne maluchy

00:08:19

Cechy dodał dla każdej ze śmierci.

00:08:21

A jeśli powiększymy pod tym obszarem,

00:08:23

Tutaj widzimy, że w rzeczywistości ten obszar

00:08:25

gdzie było wiele zgonów,

00:08:26

jeśli powiększymy ten obszar,

00:08:28

Widzimy, że w rzeczywistości jest ich dużo

00:08:29

śmierć

00:08:30

zwłaszcza tutaj w tym obszarze,

00:08:31

w tym budynku, które były bardzo

00:08:33

blisko pompy zawierającej wodę

00:08:35

I faktycznie zdali sobie sprawę,

00:08:38

z tymi analizami Johna Snowa,

00:08:39

że obok tej pompy,

00:08:41

Była przestrzeń.

00:08:42

Więcej odpadów, które były lub

00:08:45

pieluchy dla dzieci i

00:08:47

został wyrzucony i dlatego został zanieczyszczony

00:08:50

woda z pompy, a zatem ludzie mają

00:08:53

Wypił tę wodę i złapał cholerę.

00:08:55

A stamtąd,

00:08:56

Udało im się zamknąć pompę i tam

00:08:58

zdezynfekuj go, aby spowolnić epidemię

00:09:00

w życiu,

00:09:02

Więc tu znowu,

00:09:03

gdyby nie wykonał tego dzieła

00:09:05

wizualizacja i bez wątpienia by ją miał,

00:09:07

I to właśnie stało się w

00:09:09

poziom organów ds. zdrowia,

00:09:10

Tęskniłby za tym

00:09:14

Najważniejsze informacje.

00:09:15

A tam,

00:09:16

Po raz kolejny będziemy mieli

00:09:18

równoważne z danymi, które

00:09:20

pochodzą z naszego dzisiejszego świata.

00:09:24

Postaramy się załadować wideo, a następnie do

00:09:28

Moment, w którym zamierzam się przełączyć. Normalnie.

00:09:32

Ach, więc się nie pojawia.

00:09:38

Wygląda więc na to, że wrócił idealnie.

00:09:41

Postaramy się go uruchomić.

00:09:43

Proszę bardzo. Wyciszymy dźwięk,

00:09:46

Oto, co właściwie zobaczycie,

00:09:47

Jest to reprezentacja graficzna

00:09:49

dość nowoczesny lub z grubsza

00:09:51

Nikomu nie udało się dojść do siebie

00:09:53

Sprawia, że wszystkie połączenia

00:09:54

telefony ruchome obszaru geograficznego.

00:09:56

Tak więc jesteśmy w 2019 roku,

00:09:58

na początku COVID i osoba

00:09:59

interesował się ludźmi

00:10:00

którzy uczestniczą w tak zwanym

00:10:02

Wiosenna przerwa w Stanach Zjednoczonych.

00:10:03

Więc w zasadzie jest to

00:10:05

okres wiosenny.

00:10:06

Po egzaminach uniwersyteckich lub

00:10:08

Mniej więcej wszyscy młodzi ludzie

00:10:10

znaleźć na plaży, aw szczególności

00:10:12

na Florydzie na imprezę.

00:10:15

Tak się składa, że jest ich wiele

00:10:17

Skażenie COVID-19 w tej sprawie

00:10:18

plaża i tak tam co on robi,

00:10:21

Chodzi o to, że jest w trakcie selekcji

00:10:23

w zasadzie wszystkie połączenia

00:10:24

telefony komórkowe, które były na plaży

00:10:25

Podczas przerwy wiosennej i po niej

00:10:27

będzie mógł poruszać się do przodu w czasie,

00:10:28

Więc tutaj tworzy grupę

00:10:30

i będzie mógł iść naprzód w

00:10:31

Czas zobaczyć z grubsza wszystko

00:10:33

Klaster zanieczyszczeń.

00:10:34

Jak rozprzestrzeniał się w obrębie

00:10:35

kraju, ponieważ ci ludzie,

00:10:37

dlatego ich głos,

00:10:37

że wrócą do miasta i

00:10:38

Widzimy kilka dni później,

00:10:40

Ludzie wracali do domu

00:10:41

i dlatego dobrze się zanieczyściły

00:10:43

Duża część wtedy.

00:10:45

Oczywiście nie wszystko by mu zarzuciło,

00:10:46

ale w każdym razie,

00:10:47

Widzimy, jak epidemia może

00:10:49

rozprzestrzeniać się od tego czasu,

00:10:50

wszyscy ludzie wrócili do domu,

00:10:52

Widzimy więc całą wschodnią część

00:10:54

Stanów Zjednoczonych, które zostały dotknięte

00:10:55

w wyniku tych przepływów migracyjnych

00:10:57

studentów, którzy przyjechali na Florydę

00:10:59

i którzy zostali skażeni.

00:11:01

Oto przykład wizualizacji.

00:11:03

Jeszcze raz

00:11:04

używamy karty i niektórych

00:11:07

coś, co byłoby bardzo trudne

00:11:09

widzieć gołym okiem.

00:11:11

To tyle, jeśli chodzi o te wspaniałe zasady, idziemy.

00:11:15

Więc wznowić.

00:11:17

Mały, dość prosty przykład

00:11:18

lub jak powiedziałem,

00:11:19

z surowych danych,

00:11:20

Nie zawsze łatwo jest

00:11:22

spełnia kilka rzeczy

00:11:23

i daję wam tutaj, na przykład,

00:11:25

Tabela danych z

00:11:26

miesiąc roku, a także

00:11:28

Liczba wyświetleń strony może być

00:11:30

mieć na stronie internetowej.

00:11:31

Więc w zasadzie odsłony strony,

00:11:32

To jest frekwencja, która może być na

00:11:35

strona i wartości, które tu masz,

00:11:37

45,

00:11:37

56 et cetera są w 1000000,

00:11:41

Więc tam na przykład 45000000 odwiedzających

00:11:44

56000000 odwiedzających w lutym,

00:11:46

i tak dalej.

00:11:47

Czy możesz po prostu wziąć

00:11:48

2 min potencjalnie pauza

00:11:50

wideo i spróbuj ci powiedzieć,

00:11:52

Co udaje ci się wydostać

00:11:54

Jako lekcja z tego obrazu?

00:11:56

To jest to, co możemy

00:11:58

zobacz potencjalnie,

00:11:59

To chyba najważniejsze wartości.

00:12:00

niskie i najwyższe wartości,

00:12:01

Widzimy więc,

00:12:02

kiedy umieścimy.

00:12:03

Szczyt był bardzo silny na

00:12:05

75000000 w marcu było

00:12:07

niewiele osób na 36000000.

00:12:08

Ale ogólnie rzecz biorąc,

00:12:09

To mówi o wiele więcej.

00:12:11

To dość skomplikowane.

00:12:12

Z drugiej strony, jeśli teraz,

00:12:13

Dobrze się bawię, wkładając go z powrotem

00:12:16

wizualizacja i dobrze tam,

00:12:17

Potencjalnie się poddamy

00:12:19

ma o wiele więcej rzeczy.

00:12:22

Hop, przepraszam.

00:12:22

Więc już możemy to zauważyć.

00:12:24

Cóż, mieliśmy to trochę

00:12:26

widziałem najlepszy miesiąc i najwięcej

00:12:28

zły miesiąc w tym okresie.

00:12:30

Będziemy mogli też pojechać

00:12:31

Rachunek, że 2 kwartał jest

00:12:33

Znacznie lepiej niż pierwszy huh

00:12:35

Ponieważ tutaj mamy pierwsze 3

00:12:37

miesięcy i tam dobrze sobie uświadamiamy

00:12:39

niż wartości, które się prezentują

00:12:40

w 2 kwartale są wyższe.

00:12:43

Można nawet nieświadomie

00:12:44

Spróbuj narysować linię dla

00:12:46

Próba wyznaczenia trendu

00:12:47

huh, więc niekoniecznie

00:12:49

świadomy, ale możesz bez

00:12:50

Uwzględnij to.

00:12:54

A potencjalnie także poddać się

00:12:55

Relacja z tego, w czym będziemy się znajdować

00:12:57

Ramy spadku na lato

00:12:59

ponieważ przyjedziemy w czerwcu,

00:13:01

Widzimy, że spada, gdy byliśmy

00:13:03

w trendzie wzrostowym między marcem a majem.

00:13:05

Wszystko to musiałbyś

00:13:06

trudno to zrealizować,

00:13:08

szczególnie dla trendów,

00:13:09

W szczególności dla porównania

00:13:12

pierwszego i 2. kwartału.

00:13:14

Tak więc wizualizacja dobrze służy

00:13:17

skutecznie rekontekstualizowane,

00:13:18

zrozumieć i zinterpretować

00:13:20

poprawnie dane.

00:13:24

Więc co możemy również

00:13:25

Powiedzmy na poziomie wizualizacji?

00:13:27

Więc tutaj wejdziemy w

00:13:29

Rzeczy trochę bardziej praktyczne

00:13:30

ponieważ będziemy mieli duży stopień

00:13:32

Personalizacja w wizualizacjach

00:13:33

oraz raporty, które będziemy mogli tworzyć.

00:13:35

Pamiętaj więc, że nie ma nic

00:13:37

Kto jest tam, aby wyglądać ładnie

00:13:39

każdorazowa wizualizacja,

00:13:41

Umieścisz element.

00:13:42

Zasadniczo załadujesz

00:13:44

nowe informacje,

00:13:45

Twoja wizualizacja, Twój histogram,

00:13:46

Twój stół, twoja krzywa.

00:13:48

Cóż, to znaczy, że to coś

00:13:50

Coś ekstra do interpretacji

00:13:52

osoba, która przeczyta tam tę tabelę.

00:13:54

Gdzie ta wizualizacja,

00:13:55

Dlatego ważne jest, aby wszystko było jednym.

00:13:57

Zainteresowanie i to jest trochę schemat

00:13:58

tutaj masz po prawej stronie lub hurtowo,

00:14:00

Osoba opuści

00:14:01

tabela, z którą się zgadzamy,

00:14:03

dość brzydkie,

00:14:03

Trochę staroświeckie i tak to idzie

00:14:05

w zasadzie wyjaśnić wszystko, co robi,

00:14:07

Więc usunie na przykład

00:14:08

legenda tam, gdzie nie ma takiej potrzeby,

00:14:09

usunie legendę również po lewej stronie,

00:14:12

Usunie ramkę, która

00:14:13

Rzeczywiście, było to bezużyteczne.

00:14:15

Usunie wszystkie efekty

00:14:16

wykresy, które mogą być włączone

00:14:17

Histogram tutaj usuwa cienie,

00:14:19

Usuń kolory od

00:14:20

Nie jesteśmy zainteresowani,

00:14:21

Podświetli na przykład

00:14:23

Boczek, ponieważ to go interesowało.

00:14:24

Dość na Węgrzech?

00:14:25

Wartości, ponieważ inaczej skaluje się

00:14:27

są ważniejsze nawet niż dane,

00:14:29

Usuwa linie, które nie przynoszą

00:14:30

W końcu niewiele informacji.

00:14:32

Usunie nawet lewą skalę

00:14:34

, aby ustawić wartości bezpośrednio na

00:14:35

histogramy i tak widzimy, że tam,

00:14:37

skąd było

00:14:39

dużo kolorów,

00:14:39

fundusze i linie, które

00:14:41

niekoniecznie były konieczne,

00:14:42

Przeszedł do czegoś ekstremalnie.

00:14:44

Udoskonaliłem następnie, podsumowując to trochę,

00:14:46

Spróbuj ocenić siebie w

00:14:48

narożnik, że na poziomie praktyki,

00:14:50

Kolory są informacją.

00:14:52

Nie bawimy się w umieszczanie

00:14:54

kolory wszędzie na polach

00:14:55

lub na histogramach,

00:14:56

tylko po to, by ładnie wyglądać.

00:14:57

Kolory mają znaczenie.

00:14:58

Są to informacje, które

00:14:59

idź miejsce w swoim wykresie,

00:15:00

Więc muszą mieć interes, więc

00:15:02

jest to albo podkreślenie elementu,

00:15:04

lub utworzyć 22.

00:15:06

Jak powiedzieć?

00:15:07

2 zestawy poddanych,

00:15:08

et cetera, et cetera.

00:15:11

Brak formatowania tekstu?

00:15:12

Estetyka huh,

00:15:12

nie ma sensu wyróżniać,

00:15:14

kursywą,

00:15:15

i tak dalej.

00:15:16

Naprawdę przejdziemy do sedna,

00:15:17

umieść coś

00:15:19

czystości i wydajności.

00:15:21

Brak zbędnych informacji

00:15:21

To jest to, co moglibyśmy zrobić trochę.

00:15:23

patrz tutaj na wykresie,

00:15:24

ze skalą większą niż.

00:15:27

To była legenda, która była

00:15:29

właśnie tutaj, huh,

00:15:30

To nie jest zbyt interesujące

00:15:32

co mamy 2 razy więcej informacji i

00:15:33

Więc załadujemy jeszcze jeden

00:15:35

razy wizualnie, gdy nie jest

00:15:37

niezbędne, ponieważ informacje

00:15:38

był już obecny. Waga

00:15:41

nie zawsze są konieczne,

00:15:43

To jest dokładnie to, co widzieliśmy tutaj.

00:15:45

Zdajemy sobie sprawę, że skala

00:15:46

To już nie jest łatwe do odczytania,

00:15:47

że będziemy musieli podążać za linią

00:15:48

na całym histogramie.

00:15:50

A więc dlaczego nie umieścić

00:15:51

bezpośrednio wartości na

00:15:53

Każdy słupek na histogramie?

00:15:54

Najbardziej ambitne wizualizacje nie

00:15:56

nie są najjaśniejsze do zrozumienia.

00:15:58

To już coś

00:15:59

które często widzę lub ich.

00:16:01

Lubię to, co

00:16:01

Konsultanci, którymi jestem, pójdą

00:16:03

Weź wizualizacje z

00:16:04

Apartament dość skomplikowany, dość wysoki.

00:16:06

Przemytnicy, problem,

00:16:07

Chodzi o to, że te wizualizacje tam,

00:16:08

Tak, są przyjaźni,

00:16:10

są ładne,

00:16:11

ale niekoniecznie są

00:16:13

super zrozumiałe.

00:16:14

Jeśli uczysz się usługi Power BI i

00:16:15

pracujesz z danymi,

00:16:17

Niekoniecznie tak jest w przypadku

00:16:18

wszystkich twoich współpracowników, od wszystkich twoich,

00:16:19

wszystkich twoich kolegów, a zatem on

00:16:21

muszą być używane jako rzeczy

00:16:22

stosunkowo proste histogramy,

00:16:24

Krzywe

00:16:24

rzeczy, które są znane.

00:16:26

Ze wszystkich.

00:16:30

I ostatnia sprawa.

00:16:31

I tak, idziemy od wszystkich

00:16:32

sposób na trening trochę.

00:16:34

Ważne jest, aby

00:16:35

priorytetyzacja informacji,

00:16:36

Więc tutaj niekoniecznie jest

00:16:38

raporty dla B Hein to tylko 2

00:16:40

wizualizacja, którą znalazłem na

00:16:41

Internet, więc jest jeden, który jest

00:16:43

Całkiem nieźle i tak, że jest mniej dobry.

00:16:44

Myślę, że zgadłeś, który

00:16:46

jest właściwy, a który zły.

00:16:48

Zasadniczo chodzi o to, że spróbujemy

00:16:50

już w celu jak największej wentylacji raportów lub

00:16:53

dashboardy, które będziemy mogli tworzyć,

00:16:55

, aby umieścić informacje na

00:16:56

Ważniejsze na górze, co?

00:16:57

Kluczowe wskaźniki,

00:16:59

słynny capi I, jeśli pracujesz trochę

00:17:02

tam i w każdym razie dobrze zdefiniowane.

00:17:04

Obszary tutaj z danymi i od

00:17:06

aby przejść od makreli do mikrofonu,

00:17:08

aby iść na globalne rzeczy,

00:17:10

następnie potencjalnie, jeśli użytkownik

00:17:12

chce poszukać więcej informacji,

00:17:14

idź na bardziej szczegółowe,

00:17:15

ale cały czas,

00:17:16

utrzymywanie wentylacji pomieszczeń i unikanie

00:17:18

mieć strony i strony graficzne.

00:17:21

Odwrotnie

00:17:21

Widzimy, że tutaj,

00:17:23

To o wiele bardziej skomplikowane niż my

00:17:24

Znalezione z menu filtrów

00:17:26

które są niezwykle ważne,

00:17:28

tak to zostało zrobione w Excelu,

00:17:30

Histogramy z bardzo małymi

00:17:32

drabiny, które są całkowicie szczelne,

00:17:34

Więc nie widać ich dobrze.

00:17:36

Jakie jeszcze mamy histogramy?

00:17:37

które niekoniecznie mają klasę,

00:17:38

Tak więc tak naprawdę nie rozumiemy zbyt wiele z

00:17:40

Legendy z wartościami cyfr

00:17:42

które są niezwykle trudne do odczytania,

00:17:44

wykresy kołowe z ponownie zasadniczo,

00:17:45

Problem polega na tym, że tam,

00:17:46

wszystko jest skompresowane,

00:17:47

Szklarnia i to jest bardzo, bardzo trudne

00:17:48

do czytania i jest trochę niechlujny,

00:17:50

tzn. wartości góry są następujące:

00:17:52

są tabelą, więc tak naprawdę nie jest

00:17:54

najciekawsze do umieszczenia na górze,

00:17:55

Co od razu wrócimy do domu

00:17:57

w danych granularnych, więc

00:17:58

Bardziej interesujące jest umieszczenie

00:17:59

co nazywa się Cap Boxami

00:18:01

I kluczowych wskaźników lub umieścić

00:18:03

potencjalnie histogram.

00:18:04

Można go bronić, ale wszystko

00:18:05

natychmiast przejdź do Granular

00:18:07

To niekoniecznie jest interesujące.

00:18:08

Więc spróbujemy również podczas

00:18:10

Tworzenie wizualizacji dla

00:18:12

Cóż, aby tworzyć rzeczy

00:18:15

estetyka, a zwłaszcza rzeczy

00:18:16

które są uporządkowane w porządku

00:18:18

na poziomie wartości.

00:18:22

Oto, co mógłbym dla ciebie zrobić

00:18:23

powiedz o całej grze,

00:18:24

na wizualizacji.

00:18:25

Oczywiście, są to

00:18:26

Nieco globalne koncepcje, huh.

00:18:28

Jeśli jesteś zainteresowany tematem, ponieważ

00:18:29

Tutaj nie jesteśmy na kompletnym kursie,

00:18:31

na wizualizacji danych,

00:18:32

Istnieje wiele zasobów na

00:18:34

Internet, który mówi na ten temat.

00:18:36

Istnieją witryny, które się specjalizują,

00:18:37

nawet tam i nagle idziemy

00:18:41

być w stanie zaatakować grę

00:18:42

na statystykach i tylko

00:18:44

Potem stanie się to szybko,

00:18:46

Będziemy mogli zaatakować

00:18:47

Tworzenie wizualizacji.

00:00:00

खेल पर हमला करने से पहले

00:00:02

रिपोर्ट ों का निर्माण और इसलिए

00:00:04

हमारे पहले विज़ुअलाइज़ेशन का निर्माण,

00:00:06

मैं एक परिचय के साथ शुरू करना चाहता था

00:00:09

आपके लिए उपयोग की तारीख पर

00:00:11

सही संदेश प्राप्त करना और

00:00:13

तारीख कैसे बताएं

00:00:16

डेटा विज़ुअलाइज़ेशन एक तरीका है

00:00:18

दूसरों के साथ संवाद करें।

00:00:20

तो चलो अवधारणाओं पर चलते हैं

00:00:22

मूल सिद्धांत, सबसे पहले और सबसे महत्वपूर्ण

00:00:24

डेटा के मूल्य की व्याख्या करते हुए,

00:00:28

डेटा विज़ुअलाइज़ेशन.

00:00:28

क्षमा करें, मैं इसे लक्षित डेटा कहने जा रहा हूं,

00:00:31

यह और भी तेजी से जाएगा और यह होगा

00:00:32

मेरे लिए आसान है।

00:00:33

और मैं आपको बताने की कोशिश करूंगा।

00:00:35

3 मुख्य भागों में मौजूद है,

00:00:36

3 प्रमुख विषय और पहला,

00:00:39

लक्षित डेटा का उद्देश्य क्या है?

00:00:41

खैर, वह बताने की कोशिश कर रहा है

00:00:43

इसके लिए एक कहानी केवल आधार पर

00:00:46

विज़ुअलाइज़ेशन मौजूद है, हुह,

00:00:47

यह स्कीमाइज़ करने के लिए है,

00:00:48

हुह, जैसा कि वे कहते हैं,

00:00:50

एक तस्वीर एक बहुत बेहतर है,

00:00:52

बहुत लंबा वाक्य।

00:00:53

खैर, यही बात उनके साथ भी लागू होती है।

00:00:55

डेटा का प्रतिनिधित्व जहां वहां है

00:00:56

पल में हम बहुत कुछ समझ सकते हैं

00:00:58

जो चीजें हो सकती हैं

00:00:59

या कम से कम संदेश कि हम

00:01:02

एक छवि के साथ गुजरना चाहता है।

00:01:04

और यह कोई नई बात नहीं है,

00:01:06

हुह, क्योंकि वहाँ विज़ुअलाइज़ेशन,

00:01:07

यह कुछ पुराना है।

00:01:09

और आपके पास इसका एक उदाहरण यहां है,

00:01:11

एक ग्राफिकल प्रतिनिधित्व के साथ

00:01:13

यह किया गया है,

00:01:15

इसलिए मुझे और अधिक याद है

00:01:16

बिल्कुल तारीख,

00:01:17

लेकिन जो एक से बना था

00:01:18

कुछ समय और कौन प्रतिनिधित्व करता है।

00:01:20

तुम वहाँ जाओ

00:01:20

यह लिखा है।

00:01:21

20 नवंबर, 1869 और जो मेल खाती है

00:01:24

नेपोलियन द्वारा रूसी अभियान के लिए,

00:01:27

और वहां हम देखेंगे कि वास्तव में है

00:01:28

वास्तव में बहुत सारे डेटा

00:01:29

जो प्रदर्शित होते हैं।

00:01:30

और फिर भी यह अपेक्षाकृत सरल है

00:01:32

रूसी अभियान पढ़ें

00:01:34

जहां हम इस नदी से शुरुआत करेंगे।

00:01:36

और वास्तव में, यहाँ,

00:01:37

हम फ्रांसीसी सेना का अनुसरण करेंगे जो

00:01:39

रूसी राज्य में आगे बढ़ेगा।

00:01:41

इस की मोटाई यहां है

00:01:43

क्षेत्र की संख्या क्या है?

00:01:45

सेना में शेष सैनिक,

00:01:47

तो हम देखते हैं कि वे थे

00:01:49

शुरुआत में 420,000 पुरुष।

00:01:51

संभावित रूप से वहाँ भी हैं

00:01:53

शाखाएं जहां सेना है,

00:01:54

यह संभावित रूप से छोड़ दिया गया है

00:01:55

छोटे समूह और हम इसे इस रूप में देखते हैं

00:01:58

और जैसे-जैसे सेना आगे बढ़ती है,

00:02:00

खैर, कम और कम हैं

00:02:02

माइनस 2 सैनिकों को आखिरकार

00:02:04

कि वे हो सकते हैं।

00:02:06

सिर्फ 100,000 से अधिक सैनिक हैं

00:02:08

जब तक वे मास्को पहुंचते हैं

00:02:10

और अंत में हमारे पास काले रंग में है

00:02:12

रूस से प्रसिद्ध वापसी, हुह,

00:02:13

तो मची भगदड़

00:02:16

फ्रांसीसी सेना या तख्तापलट की सेना

00:02:18

वापस लौटने के लिए वापस लौटना पड़ा

00:02:21

सर्दियों के दौरान फ्रांस की ओर

00:02:24

इस प्रकार शुरू हुआ प्रसिद्ध सर्दियों का मौसम

00:02:26

रूसी सर्दियों और इसलिए वहां से,

00:02:29

खैर, हम और अधिक खोने जा रहे हैं

00:02:31

पुरुषों के अलावा,

00:02:32

तो यहां हम विकास देखते हैं

00:02:34

विभिन्न प्रमुख तिथियों के साथ।

00:02:36

और क्या दिलचस्प है,

00:02:37

यह वापसी पर है,

00:02:39

हम आपको यहां भी बताएंगे

00:02:41

इसमें से प्रत्येक के लिए तापमान

00:02:43

जिसे हम चेकपॉइंट कहेंगे।

00:02:45

तो वहां, यहां, हम 2 माइनस के बारे में जाते हैं

00:02:48

माइनस 9°-21-20 एट वगैरह, वगैरह।

00:02:52

ठंडा तापमान और

00:02:54

अंत में 20000 के साथ समाप्त हुआ

00:02:56

पुरुष केवल 20000 पुरुष

00:02:58

फ्रांस में अंतिम वापसी पर।

00:03:01

तो, एक बहुत ही बहुत ही

00:03:02

फ्रांस के लिए मुश्किल है।

00:03:04

लेकिन वहां आपके पास यह है, विज़ुअलाइज़ेशन का प्रकार

00:03:07

यह पहले से ही किया जा सकता है।

00:03:08

उस समय, इसलिए, 19 वीं शताब्दी में,

00:03:11

एक बड़ी घटना पर

00:03:12

फ्रांसीसी इतिहास।

00:03:13

खैर ये विज़ुअलाइज़ेशन वहां,

00:03:14

वास्तव में, हम अभी भी उनका उपयोग करते हैं, है ना?

00:03:16

उदाहरण के लिए यहां आपके पास क्या है

00:03:19

हमेशा एक ही का एक आधुनिक विज़ुअलाइज़ेशन।

00:03:21

वास्तव में एक कहानी, जो चाहती है

00:03:23

विज़ुअलाइज़ेशन द्वारा बताया जा सकता है,

00:03:25

और आप यहाँ क्या देखते हैं,

00:03:26

इसलिए, वे एक अनुस्मारक के रूप में हैं,

00:03:28

मैं डिजिटल Analytics में काम करता हूँ

00:03:30

और हम वास्तव में यहां जो देखते हैं वह नहीं है

00:03:33

किसी वेबसाइट पर रूपांतरण फ़नल.

00:03:35

हम प्रत्येक के लिए गिनती करेंगे

00:03:36

एक वेबसाइट के प्रमुख चरण,

00:03:38

आमतौर पर यह शुरू होता है।

00:03:39

तथ्य यह है कि एक व्यक्ति आता है

00:03:41

व्यक्ति तक एक साइट

00:03:43

रूपांतरण किया,

00:03:43

यह एक बिल्ली हो सकती है,

00:03:44

एक खरीद, एक सदस्यता,

00:03:46

एक अनुस्मारक फॉर्म का पूरा होना,

00:03:48

और वगैरह और वगैरह।

00:03:49

और इसलिए यहां हम वास्तव में पाएंगे

00:03:51

यह थोड़ा अपव्यय को प्रभावित करता है।

00:03:52

यहाँ

00:03:53

उदाहरण के लिए, हम संख्या पर आगे बढ़ेंगे

00:03:55

जो लोग साइट पर आए थे,

00:03:56

देखे गए वीडियो की संख्या,

00:03:58

इस की खेप की संख्या

00:03:59

लीड कहा जाता है।

00:04:01

तो यह एक संपर्क है।

00:04:03

लीड की योग्यता और अंत में

00:04:05

वह बिक्री जो की जाती है और प्रत्येक पर

00:04:07

हमारे पास संभावित रूप से समय होगा

00:04:09

प्रत्येक के साथ नुकसान

00:04:10

चरणों के बीच पारित होने की दर।

00:04:12

इसलिए यह बेहद महत्वपूर्ण है।

00:04:14

उन सभी चीजों के लिए जिनका विश्लेषण किया जाएगा

00:04:17

एक वेबसाइट पर व्यवहार और और

00:04:19

नेपोलियन के नक्शे और इस नक्शे के बीच अच्छी तरह से,

00:04:22

हम वास्तव में उपयोग करेंगे

00:04:23

एक ही संकेतक,

00:04:24

यानी एक विज़ुअलाइज़ेशन

00:04:25

यहां की ऊंचाई के साथ वैश्विक

00:04:27

हिस्टोग्राम का आयत जो जाता है

00:04:28

हमें मोटे तौर पर इसका अनुपात बताएं

00:04:30

जो लोग रहते हैं और बाद में,

00:04:32

अगर हम थोड़ा सा देखें तो हमारे पास होगा

00:04:33

अतिरिक्त संकेतक

00:04:34

हर बार तीर ों के साथ

00:04:36

हमें लाल हरा बता देगा।

00:04:37

तो इस की क्या स्थिति है

00:04:40

क्या हो सकता था?

00:04:42

दूसरी मौलिक अवधारणा,

00:04:43

यह है कि इसका उपयोग चीजों को रखने के लिए किया जाता है

00:04:47

जिस पर प्रकाश डाला जाना चाहिए,

00:04:48

सटीक रूप से हाइलाइट किया गया,

00:04:50

और इसलिए यह पारित करने की अनुमति देता है

00:04:52

एक संदेश बहुत जल्दी।

00:04:54

बहुत ही सरल उदाहरण जो हो सकता है

00:04:55

क्या यह सरल है?

00:04:56

विज़ुअलाइज़ेशन में इतना कुछ नहीं है

00:04:58

थोड़ा अजीब है।

00:04:59

वहाँ

00:04:59

यह विज़ुअलाइज़ेशन जिसे रोसेट में कहा जाता है,

00:05:01

यह उस काम का प्रतिनिधित्व करता है जो किया गया है

00:05:04

एक सांख्यिकीविद् द्वारा बनाया गया और

00:05:06

19 वीं शताब्दी में नर्स,

00:05:08

जिन्होंने सेना को संक्षेप में प्रस्तुत करने की कोशिश की

00:05:11

ब्रिटिश, मूल रूप से मौत का कारण।

00:05:14

क्रीमियन युद्ध के दौरान,

00:05:15

मुझे लगता है कि यह 10 के आसपास था

00:05:17

850 और मोटे तौर पर, यहां क्या संकेत दिया गया है,

00:05:18

अपनी रंग योजना के माध्यम से,

00:05:20

यह है कि आपके पास होने जा रहा है

00:05:22

वास्तव में खेत में मृत

00:05:23

लड़ाई। मरे हुए भी,

00:05:25

उनकी चोटों के परिणामस्वरूप,

00:05:26

इतनी यादें।

00:05:26

यहां, यह पहले 2 लक्षण हैं,

00:05:28

तो सैल्मन और काला।

00:05:31

और फिर तुम्हारे पास वास्तव में मरे हुए लोग हैं,

00:05:33

जो चलने वाली महामारियों के अनुरूप है

00:05:35

सेना के शिविरों में और मूल रूप से

00:05:37

वह क्या साबित करना चाहती थी और पूछना चाहती थी,

00:05:39

यह है कि हम उपायों को पेश करते हैं

00:05:41

युद्ध क्षेत्रों में स्वच्छता सुविधाएं और

00:05:43

खासकर डेरा डाले हुए शिविरों में।

00:05:45

चूंकि जैसा कि इस पर यहां देखा जा सकता है

00:05:46

वहां आरेख वास्तव में हम समय पर आगे बढ़ते हैं।

00:05:48

तो जुलाई, अगस्त, सितंबर और इतने पर।

00:05:50

और हमारे पास 10 जनवरी 855 के इस महीने पर ब्याज है

00:05:54

जहां हमारे पास मौतों का एक बड़ा हिस्सा था,

00:05:59

के, एक के, के।

00:06:00

महामारी जो दुनिया में चल सकती है

00:06:02

सैन्य शिविर जो बिल्कुल थे

00:06:04

बहुत बड़ा और वहां इतनी जल्दी से

00:06:06

मुझे लगता है कि आपने देखा होगा कि यह

00:06:08

यहां अनुपात बहुत महत्वपूर्ण है

00:06:09

और इस रूप में बढ़ना जारी है

00:06:12

समय के साथ प्रगति का मापन।

00:06:14

यह तत्व फिर से

00:06:15

पार करने की कोशिश

00:06:16

एक संदेश और बाहर लाने के लिए

00:06:18

बहुत जल्दी कुछ।

00:06:19

यह भी पाया जा सकता है

00:06:21

आधुनिक विज़ुअलाइज़ेशन, हुह।

00:06:22

यहाँ

00:06:22

आपके पास कोई ऐसा व्यक्ति होगा जो है

00:06:24

मौतों की संख्या को ठीक करने के लिए खुश

00:06:27

2001 और 2020 के बीच फ्रांस में दैनिक समाचार पत्र।

00:06:30

तो हम इसे एक तरफ रख देंगे, है ना?

00:06:31

कोविड,

00:06:32

चूंकि कुछ और हुआ था

00:06:34

इस अवधि में,

00:06:35

हमारे पास गर्मी की लहर थी जो अंदर थी

00:06:37

2003 और इसलिए हम यहां इतना बड़ा देखते हैं

00:06:39

त्राला जो बनाया गया था और इसलिए कौन

00:06:41

यह 2003 में हमारे पास गर्मियों से मेल खाती है।

00:06:44

बहुत सारी मौतें हुईं

00:06:46

बुजुर्गों के बीच और इसलिए

00:06:47

उसी तरह।

00:06:49

यहाँ

00:06:49

हम इस परिपत्र प्रणाली को लागू करने जा रहे हैं

00:06:51

प्रत्येक पर मुख्य बिंदुओं के साथ

00:06:53

कदम और संभावित रूप से

00:06:54

तख्तापलट एक असाधारण घटना है।

00:06:56

किसी भी मामले में कुछ ऐसा जो हम

00:06:58

हाइलाइट करना चाहता था और यह सबसे अलग है

00:07:00

तुरंत और इसलिए वही,

00:07:01

यह संदेश स्पष्ट रूप से मिला है।

00:07:03

एक असाधारण घटना हुई है

00:07:05

अंत में असाधारण,

00:07:05

उस अवधि पर दुर्लभ अर्थों में।

00:07:11

आखिरी बात मैं कहना चाहता था,

00:07:13

तो यहां हम वास्तव में सिद्धांत पर रहते हैं,

00:07:15

अभी के लिए, लेकिन मुझे लगता है

00:07:16

यह स्पष्टीकरण महत्वपूर्ण है।

00:07:18

ऋण, बुद्धिमान ऋण भी मौजूद है

00:07:21

क्योंकि यह उन चीजों को दिखाना संभव बनाता है जो

00:07:24

कच्चे डेटा के साथ अगोचर हैं।

00:07:27

आप काफी कर सकते हैं

00:07:28

एक पेंटिंग के सामने पाएं

00:07:29

डेटा और इसका उपयोग करने में परेशानी हो रही है।

00:07:31

किसी भी मामले में कुछ याद करना

00:07:34

मुख्य जानकारी सिर्फ इसलिए कि यह

00:07:35

नेत्रहीन रूप से प्रतिनिधित्व नहीं किया जाता है।

00:07:37

तो यहाँ हमारे पास क्या है,

00:07:39

यह शहर का प्रतिनिधित्व है।

00:07:41

लंदन अगर मैं गलत नहीं हूँ,

00:07:43

यह 18 वीं शताब्दी की शुरुआत भी है जब

00:07:46

हैजा की महामारी थी।

00:07:48

और इसलिए इस डॉक्टर ने जॉन स्नो को बुलाया,

00:07:52

यह तय करने के लिए आविष्कार नहीं किया गया है

00:07:55

बस सूचीबद्ध करने के लिए

00:07:56

हैजा की विभिन्न मौतें।

00:07:58

शहर में कौन हो सकता है और

00:08:00

खासकर सोहो जिले में जहां

00:08:01

एक बहुत, बहुत महामारी थी,

00:08:03

जहां हैजा की महामारी बहुत थी,

00:08:05

बहुत मजबूत है और इसलिए इसमें क्या है

00:08:06

करने का विचार था,

00:08:07

यह केवल एक लाइन लगाने के लिए है

00:08:10

प्रत्येक स्तर पर जहां एक मौत हुई है।

00:08:13

और यही वह नक्शा है जिसे आप यहां देखते हैं,

00:08:14

इसलिए हम खुद को यहां जिले के साथ पाते हैं

00:08:17

सील और इसलिए हम यहां प्रसिद्ध छोटे लोगों को देखते हैं

00:08:19

उन्होंने प्रत्येक मौत के लिए लक्षण जोड़े।

00:08:21

और अगर हम इस क्षेत्र के तहत ज़ूम करते हैं,

00:08:23

यहां हम देखते हैं कि वास्तव में यह क्षेत्र

00:08:25

जहां बहुत सारी मौतें हुई हैं,

00:08:26

अगर हम इस क्षेत्र में ज़ूम इन करते हैं,

00:08:28

हम देखते हैं कि वास्तव में बहुत कुछ है

00:08:29

मृत्यु

00:08:30

विशेष रूप से इस क्षेत्र में,

00:08:31

इस इमारत में जो बहुत अच्छा रहा है

00:08:33

पानी से भरे पंप के करीब

00:08:35

और वास्तव में उन्हें एहसास हुआ,

00:08:38

जॉन स्नो द्वारा इन विश्लेषणों के साथ,

00:08:39

इस पंप के बगल में,

00:08:41

एक जगह थी।

00:08:42

अधिक अपशिष्ट जो था या

00:08:45

बेबी डायपर और हैजा होना

00:08:47

फेंक दिया गया था और इसलिए यह दूषित हो गया था

00:08:50

पंप से पानी और इसलिए लोगों के पास है

00:08:53

इस पानी को पीकर हैजा पकड़ लिया।

00:08:55

और वहाँ से,

00:08:56

वे पंप को बंद करने में सक्षम थे और वहां

00:08:58

महामारी को धीमा करने के लिए इसे सैनिटाइज करें

00:09:00

जीवन में हैजा,

00:09:02

यहाँ फिर से,

00:09:03

अगर उसने यह काम नहीं किया होता

00:09:05

विज़ुअलाइज़ेशन और इसमें कोई संदेह नहीं होगा,

00:09:07

और यही वह जगह हुई थी

00:09:09

स्वास्थ्य प्राधिकरणों का स्तर,

00:09:10

वह इसे मिस कर देता

00:09:14

आवश्यक जानकारी।

00:09:15

और वहाँ,

00:09:16

हम एक बार फिर करेंगे

00:09:18

डेटा के साथ समकक्ष जो

00:09:20

आज हमारी दुनिया से आते हैं।

00:09:24

हम वीडियो लोड करने की कोशिश करेंगे।

00:09:28

जिस क्षण मैं वापस जाने वाला हूं। आम तौर पर।

00:09:32

आह, तो, यह दिखाई नहीं देता है।

00:09:38

इसलिए ऐसा लगता है कि यह एकदम सही वापस आ गया है।

00:09:41

हम इसे लॉन्च करने की कोशिश करेंगे।

00:09:43

तुम वहाँ जाओ। हम ध्वनि को म्यूट करने जा रहे हैं,

00:09:46

तो यहाँ आप वास्तव में क्या देखने जा रहे हैं,

00:09:47

यह एक ग्राफिकल प्रतिनिधित्व है

00:09:49

काफी आधुनिक या मोटे तौर पर

00:09:51

कोई भी ठीक होने में कामयाब नहीं हुआ

00:09:53

सभी कनेक्शन बनाता है

00:09:54

भौगोलिक क्षेत्र के मोबाइल।

00:09:56

तो यहां हम 2019 में हैं,

00:09:58

कोविड की शुरुआत में और व्यक्ति

00:09:59

लोगों में रुचि थी

00:10:00

जो उस चीज़ में भाग लेता है जिसे कहा जाता है

00:10:02

संयुक्त राज्य अमेरिका में वसंत विराम।

00:10:03

तो मूल रूप से यह है

00:10:05

वसंत की अवधि।

00:10:06

विश्वविद्यालय परीक्षा के बाद या

00:10:08

मोटे तौर पर सभी युवा लोग

00:10:10

समुद्र तट पर और विशेष रूप से पाया जाता है

00:10:12

पार्टी करने के लिए फ्लोरिडा में।

00:10:15

जैसा कि होता है, बहुत सारे हैं

00:10:17

इस पर कोविड-19 संदूषण

00:10:18

समुद्र तट और इसलिए वहां वह क्या कर रहा है,

00:10:21

यह है कि वह चयन करने की प्रक्रिया में है

00:10:23

मूल रूप से सभी कनेक्शन

00:10:24

समुद्र तट पर मौजूद मोबाइल

00:10:25

स्प्रिंगब्रेक के दौरान और उसके बाद

00:10:27

समय रहते आगे बढ़ सकेंगे,

00:10:28

तो यहां वह एक समूह बना रहा है

00:10:30

और वह आगे बढ़ने में सक्षम होगा

00:10:31

लगभग सब कुछ देखने का समय

00:10:33

संदूषण क्लस्टर।

00:10:34

यह भीतर कैसे फैलता है

00:10:35

देश क्योंकि ये लोग,

00:10:37

इसलिए उनकी आवाज,

00:10:37

कि वे शहर में लौट ें और

00:10:38

हम कुछ दिनों बाद देखते हैं,

00:10:40

लोग घर जा रहे थे

00:10:41

और इसलिए वे अच्छी तरह से दूषित हो गए हैं

00:10:43

तब एक बड़ा हिस्सा।

00:10:45

जाहिर है, सब कुछ उसे फटकार नहीं लगाता,

00:10:46

लेकिन किसी भी मामले में,

00:10:47

हम देखते हैं कि एक महामारी कैसे कर सकती है

00:10:49

वहां से फैल गया,

00:10:50

सभी लोग घर लौट आए हैं,

00:10:52

तो हम पूरे पूर्वी भाग को देखते हैं

00:10:54

संयुक्त राज्य अमेरिका जो प्रभावित हुए हैं

00:10:55

इन प्रवासी प्रवाहों के परिणामस्वरूप

00:10:57

फ्लोरिडा में आने वाले छात्रों की संख्या

00:10:59

और जो दूषित हो गए हैं।

00:11:01

तो यहां विज़ुअलाइज़ेशन का एक उदाहरण है।

00:11:03

एक बार और

00:11:04

हम एक कार्ड का उपयोग करते हैं और कुछ

00:11:07

कुछ ऐसा जो बहुत मुश्किल होता

00:11:09

नंगी आंखों से देखना।

00:11:11

इन महान सिद्धांतों के लिए बहुत कुछ, हम जाते हैं।

00:11:15

इसलिए, फिर से शुरू करें।

00:11:17

एक छोटा, काफी सरल उदाहरण

00:11:18

या जैसा कि मैंने कहा,

00:11:19

कच्चे डेटा से,

00:11:20

यह हमेशा आसान नहीं होता है

00:11:22

कुछ चीजों से मिलता है

00:11:23

और मैं आपको यहां देता हूं, उदाहरण के लिए,

00:11:25

के साथ एक डेटा तालिका

00:11:26

साल का महीना और यह भी

00:11:28

पृष्ठ दृश्यों की संख्या हो सकती है

00:11:30

एक वेबसाइट पर है।

00:11:31

तो मूल रूप से पृष्ठ दृश्य,

00:11:32

यह वह उपस्थिति है जो हो सकती है

00:11:35

एक साइट और आपके पास यहां मूल्य हैं,

00:11:37

45,

00:11:37

56 और वगैरह 1000000 में हैं,

00:11:41

तो उदाहरण के लिए 45000000 आगंतुक

00:11:44

फरवरी में 56000000 आगंतुक,

00:11:46

और आगे भी।

00:11:47

क्या आप बस ले सकते हैं

00:11:48

2 मिनट संभावित रूप से विराम

00:11:50

वीडियो और आपको बताने की कोशिश करें,

00:11:52

आप क्या बाहर निकलने का प्रबंधन करते हैं

00:11:54

इस पेंटिंग से एक सबक के रूप में?

00:11:56

तो यही हम कर सकते हैं

00:11:58

संभावित रूप से देखें,

00:11:59

यह शायद सबसे महत्वपूर्ण मूल्य है।

00:12:00

निम्न और उच्चतम मूल्य,

00:12:01

तो हम देखते हैं,

00:12:02

जब हमने इसे रखा।

00:12:03

शिखर बहुत मजबूत था

00:12:05

750000000 उस मार्च था

00:12:07

36000000 पर बहुत से लोग नहीं।

00:12:08

लेकिन कुल मिलाकर,

00:12:09

यह बहुत कुछ कहता है।

00:12:11

यह काफी जटिल है।

00:12:12

दूसरी ओर, यदि अब,

00:12:13

मुझे इसे वापस रखने में मज़ा आता है

00:12:16

एक विज़ुअलाइज़ेशन और अच्छी तरह से वहाँ,

00:12:17

संभावित रूप से, हम आत्मसमर्पण कर देंगे

00:12:19

कई और चीजें हैं।

00:12:22

होप, मुझे माफ करना।

00:12:22

इसलिए हम पहले से ही पहचान सकते हैं।

00:12:24

खैर, हमारे पास यह थोड़ा सा था

00:12:26

सबसे अच्छा महीना और सबसे ज्यादा देखा गया

00:12:28

इस अवधि के दौरान बुरा महीना।

00:12:30

हम भी जा सकेंगे

00:12:31

खाता है कि दूसरी तिमाही क्या है?

00:12:33

पहले हुह की तुलना में बहुत बेहतर

00:12:35

चूंकि यहां हमारे पास पहले 3 हैं

00:12:37

महीनों और वहां हम अच्छी तरह से महसूस करते हैं

00:12:39

उन मूल्यों की तुलना में जो खुद को प्रस्तुत करते हैं

00:12:40

दूसरी तिमाही में उच्च हैं।

00:12:43

अनजाने में भी कर सकते हैं

00:12:44

के लिए एक रेखा खींचने की कोशिश करें

00:12:46

एक प्रवृत्ति सेट करने की कोशिश

00:12:47

तो यह जरूरी नहीं है

00:12:49

सचेत लेकिन आप इसके बिना कर सकते हैं

00:12:50

इसके लिए हिसाब रखें।

00:12:54

और संभावित रूप से आत्मसमर्पण भी

00:12:55

हिसाब यह है कि हम किस में होने जा रहे हैं

00:12:57

गर्मियों के लिए गिरावट की रूपरेखा

00:12:59

चूंकि हम जून में पहुंचेंगे,

00:13:01

हम देखते हैं कि जब हम थे तब यह नीचे चला जाता है

00:13:03

मार्च और मई के बीच एक अपट्रेंड पर।

00:13:05

यह सब, आपको करना होगा

00:13:06

इसे समझना मुश्किल है,

00:13:08

विशेष रूप से रुझानों के लिए,

00:13:09

विशेष रूप से तुलना के लिए

00:13:12

पहली और दूसरी तिमाही।

00:13:14

तो वहाँ विज़ुअलाइज़ेशन अच्छी तरह से कार्य करता है

00:13:17

प्रभावी रूप से पुन: प्रासंगिक होने के लिए,

00:13:18

समझने और व्याख्या करने के लिए

00:13:20

सही ढंग से डेटा।

00:13:24

तो हम भी क्या कर सकते हैं

00:13:25

विज़ुअलाइज़ेशन स्तर पर कहें?

00:13:27

तो यहां हम प्रवेश करेंगे

00:13:29

चीजें थोड़ी अधिक व्यावहारिक

00:13:30

चूंकि हमारे पास एक बड़ी डिग्री होगी

00:13:32

विज़ुअलाइज़ेशन में वैयक्तिकरण

00:13:33

और रिपोर्ट जो हम बनाने में सक्षम होंगे।

00:13:35

तो याद रखें कि कुछ भी नहीं है

00:13:37

सुंदर दिखने के लिए कौन है

00:13:39

हर बार एक विज़ुअलाइज़ेशन,

00:13:41

आप एक तत्व डालेंगे।

00:13:42

मूल रूप से, आप लोड करेंगे

00:13:44

नई जानकारी,

00:13:45

आपका विज़ुअलाइज़ेशन, आपका हिस्टोग्राम,

00:13:46

आपकी मेज, आपका वक्र।

00:13:48

खैर, इसका मतलब है कि यह कुछ है

00:13:50

व्याख्या करने के लिए कुछ अतिरिक्त

00:13:52

वह व्यक्ति जो इस तालिका को वहां पढ़ेगा।

00:13:54

जहां यह विज़ुअलाइज़ेशन,

00:13:55

और इसलिए यह महत्वपूर्ण है कि सब कुछ एक है।

00:13:57

रुचि और यह थोड़ा सा पैटर्न है

00:13:58

यहां आपके पास दाईं या थोक पर है,

00:14:00

व्यक्ति एक को छोड़ देगा

00:14:01

तालिका जिसमें हम सहमत हैं,

00:14:03

काफी बदसूरत,

00:14:03

थोड़ा पुराना जमाने का और इसलिए यह जाता है

00:14:05

मूल रूप से वह सब कुछ समझाता है जो वह करता है,

00:14:07

तो वह उदाहरण के लिए हटा देगा

00:14:08

किंवदंती जहां कोई जरूरत नहीं है,

00:14:09

वह बाईं ओर की किंवदंती को भी हटा देगा,

00:14:12

यह उस फ्रेम को हटा देगा जो

00:14:13

वास्तव में, यह बेकार था।

00:14:15

यह सभी प्रभावों को दूर कर देगा

00:14:16

ग्राफ़ जो चालू हो सकते हैं

00:14:17

यहां हिस्टोग्राम छाया को हटा रहा है,

00:14:19

रंगों को हटाने के बाद से

00:14:20

हमें कोई दिलचस्पी नहीं है,

00:14:21

यह सिर्फ उदाहरण के लिए हाइलाइट करेगा

00:14:23

बेकन के बाद से उसे क्या दिलचस्पी थी।

00:14:24

हंगरी में काफी है?

00:14:25

मान क्योंकि अन्यथा तराजू

00:14:27

डेटा से भी अधिक महत्वपूर्ण हैं,

00:14:29

यह उन लाइनों को हटा देता है जो नहीं लाती हैं

00:14:30

अंत में ज्यादा जानकारी नहीं है।

00:14:32

यह बाएं पैमाने को भी हटा देगा

00:14:34

मूल्यों को सीधे सेट करने के लिए

00:14:35

हिस्टोग्राम और इसलिए हम देखते हैं कि वहां,

00:14:37

जहां से था

00:14:39

बहुत सारे रंग,

00:14:39

फंड और लाइनें जो

00:14:41

जरूरी नहीं कि जरूरी हो,

00:14:42

वह एक बेहद चीज की ओर बढ़ गया।

00:14:44

फिर परिष्कृत, इसे थोड़ा संक्षेप में प्रस्तुत करने के लिए,

00:14:46

खुद को एक में रेट करने की कोशिश करें

00:14:48

कोने में कि प्रथाओं के स्तर पर,

00:14:50

रंग जानकारी हैं।

00:14:52

हमें डालने में मज़ा नहीं आता

00:14:54

पाठ्यक्रमों पर हर जगह रंग

00:14:55

या हिस्टोग्राम पर,

00:14:56

बस सुंदर दिखने के लिए।

00:14:57

रंगों का अर्थ होता है।

00:14:58

यह जानकारी है कि आप

00:14:59

अपने चार्ट में जगह बनाएँ,

00:15:00

इसलिए उन्हें रुचि होनी चाहिए।

00:15:02

यह या तो एक तत्व को उजागर करने के लिए है,

00:15:04

या 22 बनाने के लिए।

00:15:06

कैसे कहें?

00:15:07

उप-डेटा के 2 सेट,

00:15:08

वगैरह, वगैरह।

00:15:11

कोई पाठ स्वरूपण नहीं?

00:15:12

सौंदर्यशास्त्र हुह,

00:15:12

हाइलाइट करने का कोई मतलब नहीं है,

00:15:14

इटैलिक रखने के लिए,

00:15:15

और आगे भी।

00:15:16

हम वास्तव में उस बिंदु पर पहुंचने जा रहे हैं,

00:15:17

कुछ डालो

00:15:19

शुद्धता और दक्षता।

00:15:21

कोई अनावश्यक जानकारी नहीं

00:15:21

यही हम थोड़ा कर सकते थे।

00:15:23

ग्राफ पर यहां देखें,

00:15:24

इससे अधिक पैमाने के साथ।

00:15:27

यह एक किंवदंती थी जो थी

00:15:29

यहीं पर हुह,

00:15:30

तो यह बहुत दिलचस्प नहीं है

00:15:32

हमारे पास 2 गुना जानकारी है और

00:15:33

इसलिए हम एक और लोड करने जा रहे हैं

00:15:35

दृश्य का समय जब यह नहीं है

00:15:37

जानकारी के बाद से आवश्यक

00:15:38

पहले से ही मौजूद था। तुला

00:15:41

हमेशा जरूरी नहीं है,

00:15:43

तो यही हमने यहां देखा है।

00:15:45

हम महसूस करते हैं कि पैमाना

00:15:46

पढ़ना आसान नहीं है,

00:15:47

कि हमें लाइन का पालन करना होगा

00:15:48

हिस्टोग्राम के साथ सब कुछ।

00:15:50

और तो क्यों न डाला जाए

00:15:51

सीधे मूल्यों पर

00:15:53

हिस्टोग्राम में प्रत्येक पट्टी?

00:15:54

सबसे महत्वाकांक्षी विज़ुअलाइज़ेशन नहीं करते हैं

00:15:56

समझने के लिए सबसे स्पष्ट नहीं हैं।

00:15:58

तो यह कुछ है

00:15:59

जो मैं अक्सर देखता हूं या वे।

00:16:01

कीस तरह

00:16:01

मैं जो सलाहकार हूं, वे जाएंगे

00:16:03

विज़ुअलाइज़ेशन से सभी लें

00:16:04

सुइट काफी जटिल, काफी उच्च है।

00:16:06

तस्कर, समस्या,

00:16:07

यह है कि ये विज़ुअलाइज़ेशन वहां हैं,

00:16:08

हाँ, वे दोस्ताना हैं,

00:16:10

वे सुंदर हैं,

00:16:11

लेकिन वे जरूरी नहीं हैं

00:16:13

सुपर समझ में आता है।

00:16:14

यदि आप Power BI सीख रहे हैं और

00:16:15

आप डेटा के साथ काम करते हैं,

00:16:17

यह जरूरी नहीं है कि ऐसा हो

00:16:18

आपके सभी सहयोगियों से, आपके सभी से,

00:16:19

अपने सभी सहयोगियों के बारे में और इसलिए वह

00:16:21

चीजों के रूप में इस्तेमाल किया जाना चाहिए

00:16:22

अपेक्षाकृत सरल हिस्टोग्राम,

00:16:24

कर्व्स,

00:16:24

चीजें जो ज्ञात हैं।

00:16:26

सभी के लिए.

00:16:30

और एक अंतिम बिंदु।

00:16:31

और इसलिए, हम सभी से चले जाते हैं

00:16:32

थोड़ा प्रशिक्षण लेने का तरीका।

00:16:34

यह महत्वपूर्ण है

00:16:35

जानकारी को प्राथमिकता दें,

00:16:36

तो यहां यह जरूरी नहीं है

00:16:38

बी हेन के लिए रिपोर्ट यह सिर्फ 2 है

00:16:40

विज़ुअलाइज़ेशन मुझे मिला

00:16:41

इंटरनेट तो एक है जो है

00:16:43

बहुत अच्छा है और जो कम अच्छा है।

00:16:44

मुझे लगता है कि आपने अनुमान लगाया है कि कौन सा

00:16:46

यह सही है और कौन सा बुरा है।

00:16:48

मूल रूप से विचार यह है कि हम कोशिश करेंगे

00:16:50

पहले से ही रिपोर्ट को यथासंभव हवादार करने के लिए या

00:16:53

डैशबोर्ड जो हम बनाने में सक्षम होंगे,

00:16:55

जानकारी डालने के लिए

00:16:56

शीर्ष पर अधिक महत्वपूर्ण है, है ना?

00:16:57

मुख्य संकेतक,

00:16:59

प्रसिद्ध टोपी मैं अगर आप थोड़ा काम करते हैं

00:17:02

वहां और किसी भी मामले में अच्छी तरह से परिभाषित।

00:17:04

डेटा के साथ यहां क्षेत्र और उसके बाद से

00:17:06

तो मैकेरल से माइक्रोफोन तक जाने के लिए,

00:17:08

वैश्विक चीजों पर जाने के लिए,

00:17:10

तो संभावित रूप से यदि उपयोगकर्ता

00:17:12

अधिक जानकारी की तलाश करना चाहते हैं,

00:17:14

अधिक दानेदार पर जाओ,

00:17:15

लेकिन हर समय,

00:17:16

जगहों को हवादार रखना और बचना

00:17:18

ग्राफिक्स के पृष्ठ और पृष्ठ होना चाहिए।

00:17:21

इसके विपरीत

00:17:21

हम इसे यहाँ देखते हैं,

00:17:23

यह हमारी तुलना में बहुत अधिक जटिल है

00:17:24

फ़िल्टर मेनू के साथ पाया गया

00:17:26

जो बेहद महत्वपूर्ण हैं,

00:17:28

तो यह एक्सेल पर किया गया था,

00:17:30

बहुत छोटे के साथ हिस्टोग्राम

00:17:32

सीढ़ी जो पूरी तरह से तंग हैं,

00:17:34

इसलिए आप उन्हें अच्छी तरह से नहीं देख सकते।

00:17:36

हमारे पास हिस्टोग्राम और क्या है?

00:17:37

जो जरूरी नहीं कि उत्तम दर्जे के हों,

00:17:38

इसलिए हम वास्तव में बहुत अधिक नहीं समझते हैं

00:17:40

अंक मानों के साथ किंवदंतियाँ

00:17:42

जिन्हें पढ़ना बेहद मुश्किल है,

00:17:44

मूल रूप से फिर से पाई चार्ट,

00:17:45

समस्या यह है कि वहां,

00:17:46

सब कुछ संकुचित है,

00:17:47

ग्रीनहाउस और यह बहुत, बहुत मुश्किल है

00:17:48

पढ़ने के लिए और यह थोड़ा गन्दा है,

00:17:50

यानी शीर्ष के मान हैं

00:17:52

एक मेज है, इसलिए यह वास्तव में नहीं है

00:17:54

शीर्ष पर रखने के लिए सबसे दिलचस्प,

00:17:55

हम तुरंत घर जाने वाले हैं

00:17:57

दानेदार डेटा में

00:17:58

यह कहना अधिक दिलचस्प है

00:17:59

कैप बॉक्स क्या कहा जाता है

00:18:01

प्रमुख संकेतकों का I या रखने के लिए

00:18:03

संभावित रूप से वास्तव में एक हिस्टोग्राम।

00:18:04

इसका बचाव किया जा सकता है लेकिन सब कुछ

00:18:05

तुरंत दानेदार पर जाएं

00:18:07

यह जरूरी दिलचस्प नहीं है।

00:18:08

इसलिए हम भी कोशिश करेंगे।

00:18:10

विज़ुअलाइज़ेशन के लिए बनाना

00:18:12

चीजों को बनाने के लिए ठीक है

00:18:15

सौंदर्यशास्त्र और विशेष रूप से चीजें

00:18:16

जो क्रम में साफ हैं

00:18:18

मूल्यों के स्तर पर।

00:18:22

यह वही है जो मैं आपके लिए कर सकता था

00:18:23

पूरे खेल के बारे में कहो,

00:18:24

विज़ुअलाइज़ेशन पर।

00:18:25

जाहिर है, ये हैं

00:18:26

कुछ हद तक वैश्विक अवधारणाएं, हुह।

00:18:28

यदि आप विषय में रुचि रखते हैं क्योंकि

00:18:29

यहाँ हम एक पूर्ण पाठ्यक्रम पर नहीं हैं,

00:18:31

डेटा विज़ुअलाइज़ेशन पर,

00:18:32

कई संसाधन हैं

00:18:34

इंटरनेट जो इस विषय के बारे में बात करता है।

00:18:36

ऐसी साइटें हैं जिनके पास विशेष हैं,

00:18:37

यहां तक कि वहां और अचानक हम चले जाते हैं

00:18:41

खेल पर भी हमला करने में सक्षम हो

00:18:42

आंकड़ों पर और केवल

00:18:44

उसके बाद यह जल्दी हो जाएगा,

00:18:46

हम हमला करने में सक्षम होंगे

00:18:47

विज़ुअलाइज़ेशन बनाना।

00:00:00

Prima di attaccare il gioco sul

00:00:02

Creazione di report e quindi sul

00:00:04

creazione delle nostre prime visualizzazioni,

00:00:06

Volevo iniziare con un'introduzione

00:00:09

alla data di utilizzo al fine di voi

00:00:11

trasmettere i messaggi giusti e

00:00:13

spiegare come la data

00:00:16

La visualizzazione dei dati è un modo per

00:00:18

comunicare con gli altri.

00:00:20

Quindi andiamo sui concetti

00:00:22

fondamenti, prima di tutto in

00:00:24

spiegare la ragion d'essere dei dati,

00:00:28

Visualizzazione dei dati.

00:00:28

Scusate, li chiamerò dati mirati,

00:00:31

andrà anche più veloce e sarà

00:00:32

più facile per me.

00:00:33

E cercherò di dirtelo.

00:00:35

presente in 3 parti principali,

00:00:36

3 temi principali e il primo,

00:00:39

Qual è lo scopo dei dati mirati?

00:00:41

Beh, sta cercando di raccontare

00:00:43

Una storia per questo solo alla base

00:00:46

La visualizzazione esiste, eh,

00:00:47

è andare a schematizzare,

00:00:48

eh, come si suol dire,

00:00:50

Un'immagine è meglio di una molto,

00:00:52

Frase molto lunga.

00:00:53

Bene, lo stesso vale per il

00:00:55

Rappresentazione dei dati laddove vi siano

00:00:56

momento in cui possiamo capire molto

00:00:58

di cose che potrebbero essere accadute

00:00:59

o almeno il messaggio che noi

00:01:02

vuole passare con un'immagine.

00:01:04

E non è una novità,

00:01:06

eh, perché c'è visualizzazione,

00:01:07

È qualcosa di vecchio.

00:01:09

E tu hai un esempio di questo qui,

00:01:11

con una rappresentazione grafica

00:01:13

che è stato fatto,

00:01:15

così ricordo di più

00:01:16

esattamente la data,

00:01:17

ma che era fatto di un

00:01:18

Un po 'di tempo e chi rappresenta.

00:01:20

Ecco

00:01:20

è scritto.

00:01:21

20 novembre 1869 e che corrisponde

00:01:24

alla campagna di Russia di Napoleone,

00:01:27

E lì vedremo che c'è in effetti

00:01:28

In realtà molti dati

00:01:29

che vengono visualizzati.

00:01:30

Eppure è relativamente semplice

00:01:32

leggi la campagna di Russia

00:01:34

dove partiremo da questo fiume.

00:01:36

E infatti, qui,

00:01:37

Seguiremo l'esercito francese che

00:01:39

avanzerà nello stato russo.

00:01:41

Lo spessore qui di questo di questo di questo

00:01:43

zona è il numero di

00:01:45

i restanti soldati nell'esercito,

00:01:47

Quindi vediamo che erano

00:01:49

420.000 uomini alla partenza.

00:01:51

Potenzialmente ci sono anche

00:01:53

rami dove si trova l'esercito,

00:01:54

È potenzialmente lasciato in

00:01:55

piccoli gruppi e lo vediamo come

00:01:58

e mentre l'esercito avanza,

00:02:00

Bene, ce ne sono sempre meno

00:02:02

meno 2 soldati per finalmente

00:02:04

che possano accadere.

00:02:06

Ha poco più di 100.000 soldati

00:02:08

quando arrivano a Mosca

00:02:10

e infine abbiamo in nero il

00:02:12

famoso ritiro dalla Russia Huh,

00:02:13

Quindi c'è una fuga precipitosa per

00:02:16

L'esercito francese o l'esercito del colpo di stato

00:02:18

Ho dovuto tornare indietro per tornare

00:02:21

verso la Francia mentre l'inverno

00:02:24

Iniziò così il famoso inverno

00:02:26

Inverno russo e quindi da lì,

00:02:29

Beh, perderemo di più

00:02:31

Oltre agli uomini,

00:02:32

Quindi qui vediamo l'evoluzione

00:02:34

con le diverse date chiave.

00:02:36

E ciò che è anche interessante,

00:02:37

è che al ritorno,

00:02:39

Te lo diciamo anche qui

00:02:41

La temperatura a ciascuno in questo

00:02:43

che chiameremo checkpoint.

00:02:45

Quindi lì, qui, andiamo 2 meno circa

00:02:48

meno 9°-21-20 et cetera, et cetera.

00:02:52

Temperature gelide e per

00:02:54

finendo infine con 20000

00:02:56

uomini solo 20000 uomini

00:02:58

al ritorno definitivo in Francia.

00:03:01

Quindi, un molto molto molto

00:03:02

Difficile per la Francia.

00:03:04

Ma il gioco è fatto, il tipo di visualizzazione

00:03:07

Si potrebbe già fare.

00:03:08

All'epoca, quindi, nel 19 ° secolo,

00:03:11

su un grande evento

00:03:12

della storia francese.

00:03:13

Bene, queste visualizzazioni lì,

00:03:14

In effetti, li usiamo ancora, eh?

00:03:16

Ad esempio qui quello che hai è

00:03:19

Una visualizzazione moderna di sempre lo stesso.

00:03:21

Una storia appunto, che cerca di

00:03:23

essere detto dalla visualizzazione,

00:03:25

e quello che vedi qui,

00:03:26

sono, quindi, come promemoria,

00:03:28

Lavoro in Digital Analytics

00:03:30

E ciò che vediamo qui in realtà non lo è.

00:03:33

Una canalizzazione di conversione su un sito web.

00:03:35

Conteremo per ciascuno dei

00:03:36

fasi chiave di un sito web,

00:03:38

Quindi di solito inizia con.

00:03:39

Il fatto che una persona si accenda

00:03:41

un sito fino alla persona

00:03:43

eseguito una conversione,

00:03:43

può essere un gatto,

00:03:44

un acquisto, un abbonamento,

00:03:46

compilazione di un modulo di promemoria,

00:03:48

et cetera et cetera.

00:03:49

E così qui troveremo infatti

00:03:51

Questo effetto un po 'di spreco.

00:03:52

Qui

00:03:53

Ad esempio, passeremo al numero di

00:03:55

persone che sono venute sul sito,

00:03:56

il numero di video visualizzati,

00:03:58

Il numero di delle spedizioni di questo

00:03:59

chiamato piombo eh.

00:04:01

Quindi è un contatto.

00:04:03

La qualificazione del leader e infine

00:04:05

la vendita che viene effettuata e ad ogni

00:04:07

volte che avremo potenzialmente

00:04:09

la perdita con ciascuno dei

00:04:10

Velocità di passaggio tra le fasi.

00:04:12

Quindi questo è estremamente importante.

00:04:14

per tutto ciò che verrà analizzato da

00:04:17

comportamenti su un sito Web e e

00:04:19

bene tra la mappa di Napoleone e questa,

00:04:22

useremo esattamente

00:04:23

gli stessi indicatori,

00:04:24

cioè una visualizzazione

00:04:25

globale con l'altezza qui del di

00:04:27

rettangolo dell'istogramma che va

00:04:28

Dicci approssimativamente la proporzione di

00:04:30

persone che rimangono e dopo,

00:04:32

Se guardiamo un po 'avremo

00:04:33

Indicatori aggiuntivi

00:04:34

con frecce ogni volta che

00:04:36

ci dirà rosso verde.

00:04:37

Quindi qual è lo stato di questo

00:04:40

Cosa può essere successo?

00:04:42

Il 2° concetto fondamentale,

00:04:43

è che è usato per mettere le cose

00:04:47

che deve essere evidenziato,

00:04:48

evidenziato con precisione,

00:04:50

E così permette di passare

00:04:52

Un messaggio estremamente rapido.

00:04:54

L'esempio molto semplice che può essere

00:04:55

Hai semplice?

00:04:56

Non tanto quello che c'è visualizzazione

00:04:58

è un po 'particolare.

00:04:59

Lì

00:04:59

Questa visualizzazione che viene chiamata in rosetta,

00:05:01

Rappresenta il lavoro che è stato

00:05:04

fatto da uno statistico e un

00:05:06

infermiera nel 19 ° secolo,

00:05:08

che ha cercato di riassumere all'esercito

00:05:11

Britannico, fondamentalmente la causa della morte.

00:05:14

Durante la guerra di Crimea,

00:05:15

Penso che fosse circa 10

00:05:17

850 e approssimativamente, ciò che è stato indicato qui,

00:05:18

tramite la sua combinazione di colori,

00:05:20

è che avrai il

00:05:22

Effettivamente morti sul campo

00:05:23

di battaglia. Anche i morti,

00:05:25

a causa delle loro lesioni,

00:05:26

Quindi ricordi.

00:05:26

Ecco, sono i primi 2 tratti,

00:05:28

Quindi salmone e nero.

00:05:31

E poi ci sono i morti in realtà,

00:05:33

che corrispondono alle epidemie che corrono

00:05:35

nei campi dell'esercito e fondamentalmente

00:05:37

ciò che voleva dimostrare e chiedere,

00:05:39

è che introduciamo misure

00:05:41

servizi igienici nelle zone di combattimento e

00:05:43

soprattutto nei campi trincerati.

00:05:45

Dal momento che come si può vedere qui su questo

00:05:46

Diagramma lì infatti avanziamo nel tempo.

00:05:48

Quindi luglio, agosto, settembre e così via.

00:05:50

E abbiamo interesse su questo mese di gennaio 10 855

00:05:54

dove abbiamo avuto una massa di morti a causa di,

00:05:59

della, della, della.

00:06:00

Epidemie che possono verificarsi nel

00:06:02

campi militari che erano assolutamente

00:06:04

enorme e lì così istantaneamente eh

00:06:06

Penso che avresti visto che questo

00:06:08

La proporzione qui è molto importante

00:06:09

e continua a crescere man mano che

00:06:12

misurazione dei progressi nel tempo.

00:06:14

Questo elemento ancora una volta il

00:06:15

cercando di superare

00:06:16

un messaggio e da far emergere

00:06:18

qualcosa di molto veloce.

00:06:19

Può anche essere trovato in

00:06:21

Visualizzazioni moderne, eh.

00:06:22

Qui

00:06:22

Avrai qualcuno che è

00:06:24

divertito a recuperare il numero di morti

00:06:27

quotidiani in Francia tra il 2001 e il 2020.

00:06:30

Quindi lo mettiamo da parte, eh?

00:06:31

Il COVID,

00:06:32

visto che è successo qualcos'altro

00:06:34

durante questo periodo,

00:06:35

Abbiamo avuto l'ondata di caldo che era in

00:06:37

2003 e così vediamo qui questo enorme

00:06:39

Tralala che è stato creato e quindi chi

00:06:41

corrisponde all'estate che abbiamo avuto nel 2003.

00:06:44

Ci sono stati molti morti

00:06:46

tra gli anziani e quindi

00:06:47

allo stesso modo.

00:06:49

Qui

00:06:49

Avremo questo sistema circolare

00:06:51

con punti chiave in ogni

00:06:53

passi e potenzialmente

00:06:54

Colpo di stato un evento eccezionale.

00:06:56

In ogni caso qualcosa che noi

00:06:58

ha voluto evidenziare e che si distingue

00:07:00

istantaneamente e quindi lo stesso,

00:07:01

Il messaggio che ha chiaramente recepito.

00:07:03

C'è stato un fenomeno straordinario

00:07:05

finalmente straordinario,

00:07:05

nel senso raro di quel periodo.

00:07:11

Ultima osservazione che volevo fare:

00:07:13

Quindi qui rimaniamo davvero sulla teoria,

00:07:15

eh per ora, ma penso

00:07:16

Questo chiarimento è importante.

00:07:18

Debito, esiste anche il debito saggio

00:07:21

perché permette di mostrare cose che

00:07:24

sono impercettibili con dati grezzi.

00:07:27

Si può abbastanza

00:07:28

trovare di fronte ad un dipinto di

00:07:29

dati e avere problemi ad usarli.

00:07:31

In ogni caso da perdere alcuni

00:07:34

Informazioni chiave solo perché

00:07:35

non sono rappresentati visivamente.

00:07:37

Quindi ecco cosa abbiamo,

00:07:39

È una rappresentazione della città, di.

00:07:41

Londra se non sbaglio,

00:07:43

È anche all'inizio del 18 ° secolo quando

00:07:46

C'era un'epidemia di colera.

00:07:48

E così questo dottore chiamò John Snow,

00:07:52

Non si inventa per decidere

00:07:55

semplicemente per elencare

00:07:56

le varie morti di colera.

00:07:58

Chi potrebbe avere in città e

00:08:00

soprattutto nel distretto di Soho dove

00:08:01

c'è stata un'epidemia molto, molto epidemica,

00:08:03

dove l'epidemia di colera era molto,

00:08:05

molto forte e quindi quello che ha

00:08:06

ha avuto l'idea di fare,

00:08:07

è semplicemente per mettere una riga

00:08:10

ad ogni livello in cui c'è stata una morte.

00:08:13

E questa è la mappa che vedete qui,

00:08:14

Così ci troviamo qui con il distretto di

00:08:17

Foche e così vediamo qui i piccoli famosi

00:08:19

tratti che ha aggiunto per ciascuna delle morti.

00:08:21

E se zoomiamo sotto quest'area,

00:08:23

Qui vediamo che in effetti questa zona

00:08:25

dove ci sono stati molti morti,

00:08:26

Se ingrandiamo quest'area,

00:08:28

Vediamo che in effetti c'è un sacco di

00:08:29

morte

00:08:30

soprattutto il qui in questa zona,

00:08:31

in questo edificio che sono stati molto

00:08:33

vicino a una pompa contenente acqua

00:08:35

e infatti si resero conto,

00:08:38

con queste analisi di John Snow,

00:08:39

che accanto a questa pompa,

00:08:41

C'era uno spazio di.

00:08:42

Più rifiuti che erano o

00:08:45

pannolini per bambini e colera

00:08:47

era stato gettato via e quindi contaminato

00:08:50

l'acqua dalla pompa e quindi le persone hanno

00:08:53

bevve quest'acqua e prese il colera.

00:08:55

E da lì,

00:08:56

Sono stati in grado di chiudere la pompa e lì

00:08:58

sanificarlo per rallentare l'epidemia

00:09:00

colera nella vita,

00:09:02

Quindi di nuovo qui,

00:09:03

se non avesse fatto quest'opera di

00:09:05

visualizzazione e senza dubbio l'avrebbe,

00:09:07

Ed è quello che è successo al

00:09:09

livello delle autorità sanitarie,

00:09:10

Gli sarebbe sfuggito questo

00:09:14

Informazioni essenziali.

00:09:15

E lì,

00:09:16

Avremo ancora una volta

00:09:18

equivalenti con dati che

00:09:20

vieni dal nostro mondo di oggi.

00:09:24

Proveremo a caricare il video quindi a

00:09:28

Nel momento in cui tornerò indietro. Normalmente.

00:09:32

Ah, allora, non appare.

00:09:38

Quindi sembra essere tornato perfetto.

00:09:41

Cercheremo di lanciarlo.

00:09:43

Ecco. Metteremo a tacere il suono,

00:09:46

Quindi ecco cosa vedrai in realtà,

00:09:47

è una rappresentazione grafica

00:09:49

abbastanza moderno o approssimativamente un

00:09:51

Nessuno è riuscito a riprendersi in

00:09:53

effettua tutte le connessioni

00:09:54

cellulari di un'area geografica.

00:09:56

Quindi eccoci nel 2019,

00:09:58

all'inizio del COVID e la persona

00:09:59

era interessato alle persone

00:10:00

che partecipano a ciò che viene chiamato

00:10:02

le vacanze di primavera negli Stati Uniti.

00:10:03

Quindi fondamentalmente è il

00:10:05

periodo primaverile.

00:10:06

Dopo esami universitari o

00:10:08

Più o meno tutti i giovani

00:10:10

trovare sulla spiaggia e in particolare

00:10:12

in Florida per festeggiare.

00:10:15

Si dà il caso che ci siano molti

00:10:17

Contaminazione da COVID-19 su questo

00:10:18

spiaggia e quindi ecco cosa sta facendo,

00:10:21

è che è in procinto di selezionare

00:10:23

praticamente tutte le connessioni

00:10:24

cellulari che c'erano sulla spiaggia

00:10:25

Durante lo Springbreak e dopo

00:10:27

sarà in grado di andare avanti nel tempo,

00:10:28

Quindi eccolo qui a creare un gruppo

00:10:30

e sarà in grado di andare avanti nel

00:10:31

È ora di vedere approssimativamente tutto

00:10:33

cluster di contaminazione.

00:10:34

Come si è diffuso all'interno

00:10:35

paese perché queste persone,

00:10:37

perciò la loro voce,

00:10:37

che tornino in città e

00:10:38

Vediamo pochi giorni dopo,

00:10:40

La gente stava tornando a casa

00:10:41

e quindi hanno ben contaminato

00:10:43

gran parte quindi.

00:10:45

Ovviamente, non tutto lo avrebbe rimproverato,

00:10:46

ma in ogni caso,

00:10:47

Vediamo come un'epidemia può

00:10:49

diffuso da lì,

00:10:50

tutte le persone sono tornate a casa,

00:10:52

Quindi vediamo tutta la parte orientale

00:10:54

degli Stati Uniti che sono stati colpiti

00:10:55

Come risultato di questi flussi migratori

00:10:57

degli studenti che sono venuti in Florida

00:10:59

e che sono stati contaminati.

00:11:01

Ecco un esempio di visualizzazione.

00:11:03

Ancora una volta

00:11:04

usiamo una carta e alcuni

00:11:07

qualcosa che sarebbe stato molto difficile

00:11:09

per vedere ad occhio nudo.

00:11:11

Alla faccia di questi grandi principi, andiamo.

00:11:15

Quindi, riprendi.

00:11:17

Un piccolo esempio abbastanza semplice

00:11:18

o come ho detto,

00:11:19

da dati grezzi,

00:11:20

Non è sempre facile

00:11:22

incontra alcune cose

00:11:23

e ti do qui, per esempio,

00:11:25

Una tabella dati con il metodo

00:11:26

mese dell'anno e anche il

00:11:28

Numero di visualizzazioni di pagina che possono esserci

00:11:30

avere su un sito web.

00:11:31

Quindi fondamentalmente le visualizzazioni di pagina,

00:11:32

Questa è la presenza che può essere su

00:11:35

un sito e i valori che hai qui,

00:11:37

45,

00:11:37

56 et cetera sono in 1000000,

00:11:41

Quindi ci sono ad esempio i 45000000 visitatori

00:11:44

56000000 visitatori nel mese di febbraio,

00:11:46

e così via.

00:11:47

Puoi semplicemente prendere

00:11:48

2 minuti potenzialmente in pausa

00:11:50

il video e prova a dirti,

00:11:52

Cosa riesci a tirare fuori

00:11:54

Come lezione da questo dipinto?

00:11:56

Quindi questo è ciò che possiamo

00:11:58

vedere potenzialmente,

00:11:59

Questo è forse il valore più importante.

00:12:00

valori bassi e più alti,

00:12:01

Così vediamo,

00:12:02

quando mettiamo il.

00:12:03

Il picco è stato molto forte a

00:12:05

75000000 che marzo c'era

00:12:07

Non molte persone a 36000000.

00:12:08

Ma nel complesso,

00:12:09

Questo dice molto di più.

00:12:11

È abbastanza complicato.

00:12:12

D'altra parte, se ora,

00:12:13

Mi diverto a rimetterlo dentro

00:12:16

una visualizzazione e ben lì,

00:12:17

Potenzialmente, ci arrenderemo

00:12:19

ha molte altre cose.

00:12:22

Hop, scusami.

00:12:22

Quindi già possiamo individuare.

00:12:24

Beh, ce l'abbiamo fatta un po'

00:12:26

visto il mese migliore e il più

00:12:28

brutto mese durante il periodo.

00:12:30

Saremo anche in grado di andare

00:12:31

conto che il 2 ° trimestre è

00:12:33

Molto meglio del primo eh

00:12:35

visto che qui abbiamo i primi 3

00:12:37

mesi e lì ci rendiamo conto bene

00:12:39

rispetto ai valori che si presentano

00:12:40

sul 2 ° trimestre sono più alti.

00:12:43

Si può anche inconsciamente

00:12:44

Prova a tracciare una linea per

00:12:46

Cercando di stabilire una tendenza

00:12:47

eh, quindi non è necessariamente

00:12:49

consapevole ma puoi fare a meno

00:12:50

Conto per esso.

00:12:54

E potenzialmente anche arrendersi

00:12:55

Resoconto di è ciò in cui saremo

00:12:57

Il quadro per un declino per l'estate

00:12:59

dato che arriveremo a giugno,

00:13:01

Vediamo che va giù mentre eravamo

00:13:03

su un trend rialzista tra marzo e maggio.

00:13:05

Tutto questo, avresti dovuto

00:13:06

difficile realizzarlo,

00:13:08

soprattutto per le tendenze,

00:13:09

In particolare per il confronto

00:13:12

del primo e del 2° trimestre.

00:13:14

Quindi la visualizzazione serve bene

00:13:17

da ricontestualizzare efficacemente,

00:13:18

per comprendere e interpretare

00:13:20

correttamente i dati.

00:13:24

Quindi cosa possiamo anche noi

00:13:25

Dici a livello di visualizzazione?

00:13:27

Quindi qui entreremo in

00:13:29

Cose un po 'più pratiche

00:13:30

dal momento che avremo un grande grado di

00:13:32

Personalizzazione nelle visualizzazioni

00:13:33

e le relazioni che saremo in grado di creare.

00:13:35

Quindi ricorda che non c'è nulla

00:13:37

Chi è lì per apparire carino in

00:13:39

una visualizzazione ogni volta,

00:13:41

Metterai un elemento.

00:13:42

Fondamentalmente, caricherai

00:13:44

nuove informazioni,

00:13:45

la tua visualizzazione, il tuo istogramma,

00:13:46

Il tuo tavolo, la tua curva.

00:13:48

Bene, questo significa che è qualcosa

00:13:50

Qualcosa in più da interpretare per

00:13:52

la persona che leggerà questa tabella lì.

00:13:54

Dove questa visualizzazione,

00:13:55

E quindi è importante che tutto sia uno.

00:13:57

interesse e questo è un po' il modello

00:13:58

qui hai sulla destra o all'ingrosso,

00:14:00

La persona lascerà un

00:14:01

tabella che siamo d'accordo,

00:14:03

abbastanza brutto,

00:14:03

un po 'vecchio stile e così va

00:14:05

fondamentalmente spiegare tutto ciò che fa,

00:14:07

Quindi rimuoverà per esempio

00:14:08

la leggenda dove non ce n'è bisogno,

00:14:09

rimuoverà la legenda anche a sinistra,

00:14:12

Rimuoverà la cornice che

00:14:13

In effetti, era inutile.

00:14:15

Rimuoverà tutti gli effetti

00:14:16

grafici che potrebbero essere su

00:14:17

L'istogramma qui sta rimuovendo le ombre,

00:14:19

rimuovere i colori dal

00:14:20

Non siamo interessati,

00:14:21

Si limiterà a evidenziare ad esempio il

00:14:23

Bacon perché è quello che lo interessava.

00:14:24

Basta in Ungheria?

00:14:25

Valori perché altrimenti scala

00:14:27

sono più importanti persino dei dati,

00:14:29

Rimuove le linee che non portano

00:14:30

Alla fine non molte informazioni.

00:14:32

Rimuoverà anche la scala di sinistra

00:14:34

Per impostare i valori direttamente su

00:14:35

istogrammi e quindi vediamo che lì,

00:14:37

da dove c'era

00:14:39

un sacco di colori,

00:14:39

fondi e linee che

00:14:41

non erano necessariamente necessari,

00:14:42

È passato a qualcosa di estremo.

00:14:44

Rifinito quindi, per riassumerlo un po',

00:14:46

Prova a valutare te stesso in un

00:14:48

angolo che a livello di pratiche,

00:14:50

I colori sono informazioni.

00:14:52

Non ci divertiamo a mettere

00:14:54

colori ovunque sui percorsi

00:14:55

o su istogrammi,

00:14:56

solo per sembrare carino.

00:14:57

I colori hanno un significato.

00:14:58

Queste sono informazioni che si

00:14:59

vai al tuo posto nel tuo grafico,

00:15:00

Quindi devono avere un interesse così

00:15:02

è per evidenziare un elemento,

00:15:04

o per creare 22.

00:15:06

Come dire?

00:15:07

2 insiemi di sottodati,

00:15:08

eccetera, eccetera.

00:15:11

Nessuna formattazione del testo?

00:15:12

Estetica eh,

00:15:12

Non ha senso evidenziare,

00:15:14

per mettere il corsivo,

00:15:15

e così via.

00:15:16

Andremo davvero al punto,

00:15:17

mettere qualcosa

00:15:19

di purezza ed efficienza.

00:15:21

Nessuna informazione ridondante

00:15:21

Questo è quello che potremmo fare un po '.

00:15:23

vedi qui sul grafico,

00:15:24

con una scala superiore a.

00:15:27

Era una leggenda che era

00:15:29

proprio qui eh,

00:15:30

Quindi non è molto interessante

00:15:32

quello che abbiamo 2 volte le informazioni e

00:15:33

Quindi ne caricheremo un altro

00:15:35

volte l'aspetto visivo quando non lo è

00:15:37

necessario poiché le informazioni

00:15:38

era già presente. Bilancia

00:15:41

non sono sempre necessari,

00:15:43

Quindi è esattamente quello che abbiamo visto qui.

00:15:45

Ci rendiamo conto che la scala

00:15:46

Già non è facile da leggere,

00:15:47

che dovremo seguire la linea

00:15:48

lungo tutto l'istogramma.

00:15:50

E quindi perché non mettere

00:15:51

direttamente i valori su

00:15:53

Ogni barra nell'istogramma?

00:15:54

Le visualizzazioni più ambiziose non

00:15:56

non sono i più chiari da capire.

00:15:58

Quindi è qualcosa

00:15:59

che vedo spesso o loro.

00:16:01

Come quello che

00:16:01

I consulenti che sono andranno

00:16:03

Acquisisci visualizzazioni tutte da

00:16:04

Suite abbastanza complicata, piuttosto alta.

00:16:06

Contrabbandieri, il problema,

00:16:07

È che queste visualizzazioni lì,

00:16:08

Sì, sono amichevoli,

00:16:10

sono carini,

00:16:11

ma non sono necessariamente

00:16:13

super comprensibile.

00:16:14

Se stai imparando Power BI e

00:16:15

lavori con i dati,

00:16:17

Questo non è necessariamente il caso di

00:16:18

tutti i tuoi collaboratori, da tutti i tuoi,

00:16:19

di tutti i tuoi colleghi e quindi lui

00:16:21

devono essere usati come cose

00:16:22

istogrammi relativamente semplici,

00:16:24

Curve

00:16:24

cose che si conoscono.

00:16:26

Di tutti.

00:16:30

E un'ultima osservazione.

00:16:31

E così, andiamo da tutti

00:16:32

modo per allenarsi un po '.

00:16:34

È importante

00:16:35

dare priorità alle informazioni,

00:16:36

Quindi qui non è necessariamente

00:16:38

rapporti per B Hein sono solo 2

00:16:40

visualizzazione che ho trovato su su

00:16:41

Internet quindi ce n'è uno che è

00:16:43

Abbastanza buono e uno che è meno buono.

00:16:44

Penso che tu abbia indovinato quale

00:16:46

è quello giusto e quale è il male.

00:16:48

Fondamentalmente l'idea è che proveremo

00:16:50

già per ventilare il più possibile le relazioni o

00:16:53

le dashboard che saremo in grado di creare,

00:16:55

per mettere le informazioni su

00:16:56

Più importante in cima eh?

00:16:57

Indicatori chiave,

00:16:59

i famosi capi I se lavori un po '

00:17:02

lì e comunque ben definito.

00:17:04

Aree qui con dati e poiché

00:17:06

quindi per passare dallo sgombro al microfono,

00:17:08

per andare su cose globali,

00:17:10

quindi potenzialmente se l'utente

00:17:12

vuole cercare maggiori informazioni,

00:17:14

vai sul più granulare,

00:17:15

ma sempre,

00:17:16

mantenere gli spazi ventilati ed evitare

00:17:18

per avere pagine e pagine di grafica.

00:17:21

Al contrario

00:17:21

Lo vediamo qui,

00:17:23

È molto più complicato di noi

00:17:24

Trovato con i menu dei filtri

00:17:26

che sono estremamente importanti,

00:17:28

così è stato fatto su Excel,

00:17:30

Istogrammi con dimensioni molto piccole

00:17:32

scale completamente strette,

00:17:34

Quindi non puoi vederli bene.

00:17:36

Cos'altro abbiamo istogrammi?

00:17:37

che non sono necessariamente di classe,

00:17:38

Quindi non capiamo molto del

00:17:40

Legende con valori di cifre

00:17:42

che sono estremamente difficili da leggere,

00:17:44

grafici a torta con di nuovo fondamentalmente,

00:17:45

Il problema è che lì,

00:17:46

tutto è compresso,

00:17:47

serra ed è molto, molto difficile

00:17:48

da leggere ed è un po 'disordinato,

00:17:50

cioè i valori del top sono

00:17:52

sono un tavolo quindi non è davvero

00:17:54

il più interessante da mettere in cima,

00:17:55

Cosa subito andremo a casa

00:17:57

in Dati granulari così

00:17:58

È più interessante mettere

00:17:59

quelle che vengono chiamate Cap box

00:18:01

I degli indicatori chiave o di mettere

00:18:03

potenzialmente in realtà un istogramma.

00:18:04

Può essere difeso ma tutto

00:18:05

vai subito a Granular

00:18:07

Non è necessariamente interessante.

00:18:08

Quindi proveremo anche durante

00:18:10

Creazione di visualizzazioni per

00:18:12

Bene per creare le cose

00:18:15

estetica e soprattutto cose

00:18:16

che sono ordinati in ordine

00:18:18

a livello di valori.

00:18:22

Questo è quello che potrei fare per te

00:18:23

dire dell'intero gioco,

00:18:24

sulla visualizzazione.

00:18:25

Ovviamente, questi sono

00:18:26

Concetti un po' globali, eh.

00:18:28

Se sei interessato all'argomento perché

00:18:29

Qui non siamo su un corso completo,

00:18:31

sulla visualizzazione dei dati,

00:18:32

Ci sono molte risorse su

00:18:34

Internet che parlano di questo argomento.

00:18:36

Ci sono siti che si sono specializzati,

00:18:37

anche lì e all'improvviso andiamo

00:18:41

essere in grado di attaccare anche il gioco

00:18:42

sulle statistiche e solo

00:18:44

Dopodiché accadrà rapidamente,

00:18:46

Saremo in grado di attaccare il

00:18:47

Creazione di visualizzazioni.

00:00:00

Sebelum menyerang permainan di

00:00:02

Pembuatan laporan dan oleh karena itu pada

00:00:04

pembuatan visualisasi pertama kami,

00:00:06

Saya ingin memulai dengan pengantar

00:00:09

pada tanggal penggunaan untuk Anda

00:00:11

Mendapatkan pesan yang tepat dan

00:00:13

menjelaskan bagaimana tanggalnya

00:00:16

Visualisasi data adalah cara untuk

00:00:18

berkomunikasi dengan orang lain.

00:00:20

Jadi mari kita lanjutkan konsepnya

00:00:22

Fundamental, pertama dan terutama dalam

00:00:24

menjelaskan raison d'être data,

00:00:28

Visualisasi data.

00:00:28

Maaf, saya akan menyebutnya data yang ditargetkan,

00:00:31

itu bahkan akan berjalan lebih cepat dan itu akan menjadi

00:00:32

lebih mudah bagi saya.

00:00:33

Dan saya akan mencoba memberi tahu Anda.

00:00:35

hadir dalam 3 bagian utama,

00:00:36

3 tema utama dan yang pertama,

00:00:39

Apa tujuan dari data yang ditargetkan?

00:00:41

Yah, dia mencoba memberi tahu

00:00:43

Sebuah cerita untuk itu hanya di pangkalan

00:00:46

Visualisasi ada, ya,

00:00:47

itu untuk pergi schematize,

00:00:48

ya, seperti yang mereka katakan,

00:00:50

gambar lebih baik daripada sangat,

00:00:52

kalimat yang sangat panjang.

00:00:53

Nah, hal yang sama berlaku untuk

00:00:55

Representasi data di mana ada di

00:00:56

saat ini kita bisa mengerti banyak

00:00:58

hal-hal yang mungkin telah terjadi

00:00:59

atau setidaknya pesan bahwa kita

00:01:02

ingin lulus dengan gambar.

00:01:04

Dan itu bukan hal baru,

00:01:06

ya, karena ada visualisasi,

00:01:07

Itu sesuatu yang tua.

00:01:09

Dan Anda memiliki contoh tentang ini di sini,

00:01:11

dengan representasi grafis

00:01:13

yang telah dilakukan,

00:01:15

jadi saya ingat lebih banyak

00:01:16

tepat tanggalnya,

00:01:17

tetapi yang terbuat dari

00:01:18

Beberapa waktu dan siapa yang mewakili.

00:01:20

Dan itu dia

00:01:20

itu tertulis.

00:01:21

20 November 1869 dan yang sesuai

00:01:24

untuk kampanye Rusia oleh Napoleon,

00:01:27

Dan di sana kita akan melihat bahwa sebenarnya ada

00:01:28

Pada kenyataannya banyak data

00:01:29

yang ditampilkan.

00:01:30

Namun itu relatif sederhana

00:01:32

baca kampanye Rusia

00:01:34

dimana kita akan mulai dari sungai ini.

00:01:36

Dan faktanya, di sini,

00:01:37

Kami akan mengikuti tentara Prancis yang

00:01:39

akan maju ke negara Rusia.

00:01:41

Ketebalan di sini ini

00:01:43

zona adalah jumlah

00:01:45

tentara yang tersisa di ketentaraan,

00:01:47

Jadi kita melihat bahwa mereka

00:01:49

420.000 orang pada awalnya.

00:01:51

Berpotensi ada juga

00:01:53

cabang tempat tentara berada,

00:01:54

Ini berpotensi dibiarkan di

00:01:55

kelompok-kelompok kecil dan kami melihatnya sebagai

00:01:58

dan seiring kemajuan tentara,

00:02:00

Nah, semakin sedikit

00:02:02

minus 2 tentara untuk akhirnya

00:02:04

bahwa itu bisa terjadi.

00:02:06

Memiliki lebih dari 100.000 tentara

00:02:08

pada saat mereka tiba di Moskow

00:02:10

dan akhirnya kita memiliki hitam

00:02:12

retret terkenal dari Rusia Huh,

00:02:13

Jadi ada stempel untuk

00:02:16

Tentara Prancis atau tentara kudeta

00:02:18

harus kembali untuk kembali

00:02:21

menuju Prancis saat musim dingin

00:02:24

Maka dimulailah musim dingin yang terkenal

00:02:26

Musim dingin Rusia dan karenanya dari sana,

00:02:29

Nah kita akan kehilangan lebih banyak

00:02:31

selain pria,

00:02:32

Jadi di sini kita melihat evolusi

00:02:34

dengan tanggal kunci yang berbeda.

00:02:36

Dan yang juga menarik,

00:02:37

itu adalah bahwa pada saat kembali,

00:02:39

Kami juga akan memberi tahu Anda di sini

00:02:41

Suhu untuk masing-masing dalam hal ini

00:02:43

yang akan kita sebut pos pemeriksaan.

00:02:45

Jadi di sana, di sini, kita pergi 2 minus tentang

00:02:48

minus 9°-21-20 et cetera, et cetera.

00:02:52

Suhu dingin dan untuk

00:02:54

akhirnya berakhir dengan 20000

00:02:56

pria hanya 20000 pria

00:02:58

pada akhirnya kembali ke Prancis.

00:03:01

Jadi, sangat sangat sangat

00:03:02

Sulit bagi Prancis.

00:03:04

Tapi begitulah, jenis visualisasi

00:03:07

Itu sudah bisa dilakukan.

00:03:08

Pada saat itu, oleh karena itu, pada abad ke-19,

00:03:11

pada acara besar

00:03:12

sejarah Prancis.

00:03:13

Nah visualisasi ini ada,

00:03:14

Faktanya, kami masih menggunakannya, ya?

00:03:16

Misalnya di sini yang Anda miliki adalah

00:03:19

Visualisasi modern selalu sama.

00:03:21

Sebuah cerita pada kenyataannya, yang berusaha untuk

00:03:23

diceritakan dengan visualisasi,

00:03:25

dan apa yang Anda lihat di sini,

00:03:26

oleh karena itu, mereka sebagai pengingat,

00:03:28

Saya bekerja di Digital Analytics

00:03:30

Dan apa yang kita lihat di sini sebenarnya bukan

00:03:33

Corong konversi di situs web.

00:03:35

Kami akan menghitung untuk masing-masing

00:03:36

tahapan kunci dari sebuah situs web,

00:03:38

Jadi biasanya dimulai dengan.

00:03:39

Fakta bahwa seseorang datang

00:03:41

situs sampai orang tersebut

00:03:43

melakukan konversi,

00:03:43

itu bisa menjadi kucing,

00:03:44

pembelian, langganan,

00:03:46

pengisian formulir pengingat,

00:03:48

et cetera et cetera.

00:03:49

Dan di sini kita akan menemukan faktanya

00:03:51

Efek ini sedikit pemborosan.

00:03:52

Sini

00:03:53

Misalnya, kita akan beralih ke jumlah

00:03:55

orang-orang yang datang ke situs,

00:03:56

jumlah video yang dilihat,

00:03:58

Jumlah kiriman ini

00:03:59

disebut lead ya.

00:04:01

Jadi itu kontak.

00:04:03

Kualifikasi memimpin dan akhirnya

00:04:05

penjualan yang dilakukan dan di masing-masing

00:04:07

saat-saat kita akan memiliki potensi

00:04:09

kerugian dengan masing-masing

00:04:10

Tingkat perjalanan antar tahap.

00:04:12

Jadi itu sangat penting.

00:04:14

untuk segala sesuatu yang akan dianalisis dari

00:04:17

perilaku di situs web dan dan

00:04:19

baik antara peta Napoleon dan yang ini,

00:04:22

kami akan benar-benar menggunakan

00:04:23

indikator yang sama,

00:04:24

yaitu visualisasi

00:04:25

global dengan ketinggian di sini dari

00:04:27

persegi panjang Histogram yang berjalan

00:04:28

beri tahu kami kira-kira proporsi

00:04:30

orang yang tinggal dan setelahnya,

00:04:32

Jika kita melihat sedikit kita akan memiliki

00:04:33

Indikator tambahan

00:04:34

dengan panah setiap kali itu

00:04:36

akan memberi tahu kami merah hijau.

00:04:37

Lantas bagaimana status dari ini

00:04:40

Apa yang bisa terjadi?

00:04:42

Konsep dasar ke-2,

00:04:43

adalah bahwa itu digunakan untuk meletakkan barang-barang

00:04:47

yang harus digarisbawahi,

00:04:48

disorot dengan tepat,

00:04:50

Dan itu memungkinkan untuk lulus

00:04:52

Sebuah pesan dengan sangat cepat.

00:04:54

Contoh yang sangat sederhana yang bisa

00:04:55

Sederhananya?

00:04:56

Tidak begitu banyak apa yang ada visualisasi

00:04:58

agak aneh.

00:04:59

Sana

00:04:59

Visualisasi ini yang disebut dalam roset,

00:05:01

Ini mewakili pekerjaan yang telah

00:05:04

dibuat oleh ahli statistik dan

00:05:06

perawat di abad ke-19,

00:05:08

yang mencoba meringkas ke tentara

00:05:11

Inggris, pada dasarnya penyebab kematian.

00:05:14

Selama Perang Krimea,

00:05:15

Saya pikir itu sekitar 10

00:05:17

850 dan kira-kira, apa yang telah ditunjukkan di sini,

00:05:18

melalui skema warnanya,

00:05:20

adalah bahwa Anda akan memiliki

00:05:22

Benar-benar mati di lapangan

00:05:23

pertempuran. Orang mati juga,

00:05:25

akibat luka-luka mereka,

00:05:26

jadi kenangan.

00:05:26

Di sini, ini adalah 2 ciri pertama,

00:05:28

Jadi salmon dan hitam.

00:05:31

Dan kemudian Anda memiliki orang mati sebenarnya,

00:05:33

yang sesuai dengan epidemi yang berjalan

00:05:35

di kamp tentara dan pada dasarnya

00:05:37

apa yang ingin dia buktikan dan tanyakan,

00:05:39

kami memperkenalkan langkah-langkah

00:05:41

fasilitas sanitasi di zona pertempuran dan

00:05:43

terutama di kamp-kamp yang bercokol.

00:05:45

Karena seperti yang bisa dilihat di sini tentang ini

00:05:46

Diagram di sana sebenarnya kita maju dalam waktu.

00:05:48

Jadi Juli, Agustus, September dan seterusnya.

00:05:50

Dan kami memiliki minat pada bulan ini tanggal 10 Januari 855

00:05:54

di mana kami memiliki banyak kematian karena,

00:05:59

dari, dari, dari.

00:06:00

Epidemi yang dapat berjalan di

00:06:02

kamp militer yang benar-benar

00:06:04

besar dan ada jadi seketika eh

00:06:06

Saya pikir Anda akan melihat bahwa ini

00:06:08

proporsi di sini sangat penting

00:06:09

dan terus berkembang sebagai

00:06:12

pengukuran kemajuan dari waktu ke waktu.

00:06:14

Elemen ini lagi

00:06:15

mencoba melewati

00:06:16

pesan dan untuk dibawa keluar

00:06:18

sesuatu yang sangat cepat.

00:06:19

Itu juga dapat ditemukan di

00:06:21

Visualisasi modern, ya.

00:06:22

Sini

00:06:22

Anda akan memiliki seseorang yang

00:06:24

geli untuk memulihkan jumlah kematian

00:06:27

surat kabar harian di Prancis antara 2001 dan 2020.

00:06:30

Jadi kita akan kesampingkan, ya?

00:06:31

Bencana,

00:06:32

karena sesuatu yang lain terjadi

00:06:34

selama periode ini,

00:06:35

Kami memiliki gelombang panas yang ada di

00:06:37

2003 dan jadi kita lihat di sini sebesar ini

00:06:39

tralala yang diciptakan dan oleh karena itu siapa

00:06:41

sesuai dengan musim panas yang kami miliki pada tahun 2003.

00:06:44

Ada banyak kematian

00:06:46

di antara orang tua dan karenanya

00:06:47

dengan cara yang sama.

00:06:49

Sini

00:06:49

Kita akan memiliki sistem sirkular ini

00:06:51

dengan poin-poin penting di masing-masing

00:06:53

langkah-langkah dan potensi

00:06:54

Kudeta peristiwa yang luar biasa.

00:06:56

Bagaimanapun sesuatu yang kita

00:06:58

ingin menyoroti dan itu menonjol

00:07:00

secara instan dan karenanya sama,

00:07:01

Pesan yang telah disampaikan dengan jelas.

00:07:03

Ada fenomena luar biasa

00:07:05

akhirnya luar biasa,

00:07:05

dalam arti langka pada periode itu.

00:07:11

Poin terakhir yang ingin saya buat,

00:07:13

Jadi di sini kita benar-benar tetap pada teori,

00:07:15

ya untuk saat ini, tapi saya pikir

00:07:16

Klarifikasi ini penting.

00:07:18

Utang, utang bijak juga ada

00:07:21

karena memungkinkan untuk menunjukkan hal-hal yang

00:07:24

tidak terlihat dengan data mentah.

00:07:27

Anda bisa cukup

00:07:28

temukan di depan lukisan

00:07:29

data dan mengalami kesulitan menggunakannya.

00:07:31

Bagaimanapun untuk melewatkan beberapa

00:07:34

Informasi kunci hanya karena itu

00:07:35

tidak terwakili secara visual.

00:07:37

Jadi di sini apa yang kita miliki,

00:07:39

Ini adalah representasi kota, dari.

00:07:41

London jika saya tidak salah,

00:07:43

Ini juga awal abad ke-18 ketika

00:07:46

Ada epidemi kolera.

00:07:48

Maka dokter ini memanggil John Snow,

00:07:52

Tidak diciptakan untuk memutuskan

00:07:55

hanya untuk daftar

00:07:56

berbagai kematian kolera.

00:07:58

Siapa yang bisa memiliki di kota dan

00:08:00

terutama di distrik Soho di mana

00:08:01

ada epidemi yang sangat, sangat,

00:08:03

di mana epidemi kolera sangat,

00:08:05

sangat kuat dan karena itu apa yang dimilikinya

00:08:06

punya ide untuk dilakukan,

00:08:07

itu hanya untuk menempatkan garis

00:08:10

di setiap tingkat di mana telah terjadi kematian.

00:08:13

Dan itulah peta yang Anda lihat di sini,

00:08:14

Jadi kami menemukan diri kami di sini dengan distrik

00:08:17

Segel dan jadi kita lihat di sini anak-anak kecil yang terkenal

00:08:19

ciri-ciri yang dia tambahkan untuk setiap kematian.

00:08:21

Dan jika kita memperbesar di bawah area ini,

00:08:23

Di sini kita melihat bahwa sebenarnya daerah ini

00:08:25

di mana ada banyak kematian,

00:08:26

jika kita memperbesar area ini,

00:08:28

Kami melihat bahwa sebenarnya ada banyak

00:08:29

kematian

00:08:30

terutama di sini di daerah ini,

00:08:31

di gedung ini yang sudah sangat

00:08:33

dekat dengan pompa yang berisi air

00:08:35

dan pada kenyataannya mereka menyadari,

00:08:38

dengan analisis ini oleh John Snow,

00:08:39

bahwa di sebelah pompa ini,

00:08:41

Ada ruang.

00:08:42

Lebih banyak limbah yang dulu atau

00:08:45

popok bayi dan menderita kolera

00:08:47

telah dibuang dan karena itu terkontaminasi

00:08:50

air dari pompa dan oleh karena itu orang memiliki

00:08:53

Minum air ini dan terkena kolera.

00:08:55

Dan dari sana,

00:08:56

Mereka mampu menutup pompa dan di sana

00:08:58

membersihkannya untuk memperlambat epidemi

00:09:00

kolera dalam hidup,

00:09:02

Jadi di sini lagi,

00:09:03

jika dia tidak melakukan pekerjaan ini

00:09:05

visualisasi dan dia pasti akan memilikinya,

00:09:07

Dan itulah yang terjadi di

00:09:09

tingkat otoritas kesehatan,

00:09:10

Dia akan melewatkan ini

00:09:14

Informasi penting.

00:09:15

Dan di sana,

00:09:16

Kami akan sekali lagi memiliki

00:09:18

setara dengan data yang

00:09:20

datang dari dunia kita saat ini.

00:09:24

Kami akan mencoba memuat video kemudian ke

00:09:28

Saat saya akan beralih kembali. Biasanya.

00:09:32

Ah, kalau begitu, itu tidak muncul.

00:09:38

Jadi sepertinya sudah kembali dengan sempurna.

00:09:41

Kami akan mencoba meluncurkannya.

00:09:43

Dan itu dia. Kita akan membisukan suaranya,

00:09:46

Jadi di sini apa yang akan Anda lihat sebenarnya,

00:09:47

itu adalah representasi grafis

00:09:49

cukup modern atau kira-kira

00:09:51

Tidak ada yang berhasil pulih di

00:09:53

membuat semua koneksi

00:09:54

ponsel dari wilayah geografis.

00:09:56

Jadi inilah kita di tahun 2019,

00:09:58

pada awal COVID dan orangnya

00:09:59

tertarik pada orang-orang

00:10:00

yang berpartisipasi dalam apa yang disebut

00:10:02

liburan musim semi di Amerika Serikat.

00:10:03

Jadi pada dasarnya itu adalah

00:10:05

periode musim semi.

00:10:06

Setelah ujian universitas atau

00:10:08

Kira-kira semua anak muda

00:10:10

temukan di pantai dan khususnya

00:10:12

di Florida untuk berpesta.

00:10:15

Seperti yang terjadi, ada banyak

00:10:17

Kontaminasi COVID-19 pada ini

00:10:18

pantai dan di sana apa yang dia lakukan,

00:10:21

itu karena dia sedang dalam proses memilih

00:10:23

pada dasarnya semua koneksi

00:10:24

ponsel yang ada di pantai

00:10:25

Selama Springbreak dan setelahnya

00:10:27

akan dapat bergerak maju tepat waktu,

00:10:28

Jadi di sini dia membuat grup

00:10:30

dan dia akan dapat bergerak maju di

00:10:31

Saatnya melihat kira-kira semuanya

00:10:33

cluster kontaminasi.

00:10:34

Bagaimana itu menyebar di dalam

00:10:35

negara karena orang-orang ini,

00:10:37

oleh karena itu suara mereka,

00:10:37

bahwa mereka kembali ke kota dan

00:10:38

Kita lihat beberapa hari kemudian,

00:10:40

orang-orang akan pulang

00:10:41

dan karena itu mereka telah terkontaminasi dengan baik

00:10:43

sebagian besar kemudian.

00:10:45

Jelas, tidak semuanya akan mencelanya,

00:10:46

tetapi bagaimanapun juga,

00:10:47

Kita melihat bagaimana epidemi dapat

00:10:49

menyebar sejak di sana,

00:10:50

semua orang telah kembali ke rumah,

00:10:52

Jadi kita melihat seluruh bagian timur

00:10:54

dari Amerika Serikat yang telah terkena dampak

00:10:55

sebagai hasil dari arus migrasi ini

00:10:57

siswa yang datang ke Florida

00:10:59

dan yang telah terkontaminasi.

00:11:01

Jadi inilah contoh visualisasi.

00:11:03

Sekali lagi

00:11:04

kami menggunakan kartu dan beberapa

00:11:07

sesuatu yang akan sangat sulit

00:11:09

untuk melihat dengan mata telanjang.

00:11:11

Begitu banyak untuk prinsip-prinsip besar ini, kita pergi.

00:11:15

Jadi, lanjutkan.

00:11:17

Contoh kecil yang cukup sederhana

00:11:18

atau seperti yang saya katakan,

00:11:19

dari data mentah,

00:11:20

Tidak selalu mudah untuk

00:11:22

memenuhi beberapa hal

00:11:23

dan saya berikan di sini, misalnya,

00:11:25

tabel data dengan

00:11:26

bulan dalam setahun dan juga

00:11:28

Jumlah tampilan halaman yang ada bisa

00:11:30

memiliki di situs web.

00:11:31

Jadi pada dasarnya tampilan halaman,

00:11:32

Ini adalah kehadiran yang bisa aktif

00:11:35

situs dan nilai-nilai yang Anda miliki di sini,

00:11:37

45,

00:11:37

56 dst. berada di 1000000,

00:11:41

Jadi di sana misalnya 45000000 pengunjung

00:11:44

56000000 pengunjung di bulan Februari,

00:11:46

dan lain sebagainya.

00:11:47

Bisakah kamu mengambil

00:11:48

2 menit berpotensi jeda

00:11:50

video dan coba beri tahu Anda,

00:11:52

Apa yang berhasil Anda dapatkan

00:11:54

Sebagai pelajaran dari lukisan ini?

00:11:56

Jadi itu yang kita bisa

00:11:58

melihat berpotensi,

00:11:59

Ini mungkin nilai yang paling penting.

00:12:00

nilai rendah dan tertinggi,

00:12:01

Jadi kita lihat,

00:12:02

ketika kita menempatkan.

00:12:03

Puncaknya sangat kuat di

00:12:05

75000000 maret itu ada

00:12:07

tidak banyak orang di 36000000.

00:12:08

Tapi secara keseluruhan,

00:12:09

Itu mengatakan lebih banyak.

00:12:11

Ini cukup rumit.

00:12:12

Di sisi lain, jika sekarang,

00:12:13

Saya bersenang-senang memasukkannya kembali

00:12:16

visualisasi dan baik di sana,

00:12:17

berpotensi, kami akan menyerah

00:12:19

memiliki lebih banyak hal.

00:12:22

Hop, permisi.

00:12:22

Jadi sudah bisa kita lihat.

00:12:24

Yah, kami memilikinya sedikit

00:12:26

melihat bulan terbaik dan terbanyak

00:12:28

bulan yang buruk selama periode tersebut.

00:12:30

Kami juga akan bisa pergi

00:12:31

akun bahwa kuartal ke-2 adalah

00:12:33

Jauh lebih baik dari yang pertama ya

00:12:35

karena di sini kita memiliki 3 yang pertama

00:12:37

berbulan-bulan dan di sana kami menyadari dengan baik

00:12:39

daripada nilai-nilai yang muncul dengan sendirinya

00:12:40

pada kuartal ke-2 lebih tinggi.

00:12:43

Seseorang bahkan dapat secara tidak sadar

00:12:44

cobalah untuk menggambar garis untuk

00:12:46

mencoba menetapkan tren

00:12:47

ya jadi belum tentu

00:12:49

sadar tetapi Anda bisa tanpa

00:12:50

Perhitungkan itu.

00:12:54

Dan berpotensi juga menyerah

00:12:55

Akun adalah apa yang akan kita lakukan

00:12:57

Kerangka kerja untuk penurunan untuk musim panas

00:12:59

karena kita akan tiba pada bulan Juni,

00:13:01

Kami melihat bahwa itu turun saat kami berada

00:13:03

pada tren naik antara Maret dan Mei.

00:13:05

Semua ini, Anda harus melakukannya

00:13:06

sulit untuk menyadarinya,

00:13:08

terutama untuk tren,

00:13:09

Khususnya untuk perbandingan

00:13:12

kuartal pertama dan ke-2.

00:13:14

Jadi di sana visualisasi berfungsi dengan baik

00:13:17

secara efektif untuk dikontekstualisasikan kembali,

00:13:18

untuk memahami dan menafsirkan

00:13:20

benar datanya.

00:13:24

Jadi apa yang bisa kita juga

00:13:25

Katakanlah pada tingkat visualisasi?

00:13:27

Jadi di sini kita akan masuk ke dalam

00:13:29

Hal-hal yang sedikit lebih praktis

00:13:30

karena kita akan memiliki tingkat yang besar

00:13:32

Personalisasi dalam visualisasi

00:13:33

dan laporan yang dapat kami buat.

00:13:35

Jadi ingatlah bahwa tidak ada apa-apa

00:13:37

siapa yang ada di sana untuk terlihat cantik

00:13:39

visualisasi setiap kali,

00:13:41

Anda akan meletakkan elemen.

00:13:42

Pada dasarnya, Anda akan memuat

00:13:44

informasi baru,

00:13:45

visualisasi Anda, histogram Anda,

00:13:46

Tabel Anda, kurva Anda.

00:13:48

Yah, itu berarti itu adalah sesuatu

00:13:50

Sesuatu yang ekstra untuk ditafsirkan

00:13:52

orang yang akan membaca tabel ini di sana.

00:13:54

Dimana visualisasi ini,

00:13:55

Jadi penting bahwa semuanya adalah satu.

00:13:57

minat dan itu sedikit polanya

00:13:58

di sini Anda memiliki di sebelah kanan atau grosir,

00:14:00

Orang tersebut akan meninggalkan

00:14:01

tabel yang kami setujui,

00:14:03

cukup jelek,

00:14:03

agak kuno dan begitulah seterusnya

00:14:05

pada dasarnya menjelaskan semua yang dia lakukan,

00:14:07

Jadi dia akan menghapus misalnya

00:14:08

legenda di mana tidak perlu,

00:14:09

dia akan menghapus legenda juga di sebelah kiri,

00:14:12

Ini akan menghapus bingkai yang

00:14:13

Memang, itu tidak berguna.

00:14:15

Ini akan menghapus semua efek

00:14:16

grafik yang mungkin ada di

00:14:17

Histogram di sini menghilangkan bayangan,

00:14:19

hapus warna sejak

00:14:20

Kami tidak tertarik,

00:14:21

Ini hanya akan menyoroti misalnya

00:14:23

Bacon karena itulah yang membuatnya tertarik.

00:14:24

Cukup di Hongaria?

00:14:25

Nilai karena jika tidak menskalakan

00:14:27

lebih penting daripada data sekalipun,

00:14:29

Ini menghapus garis yang tidak membawa

00:14:30

Pada akhirnya tidak banyak informasi.

00:14:32

Bahkan akan menghapus skala kiri

00:14:34

untuk mengatur nilai secara langsung ke

00:14:35

histogram dan jadi kita melihat bahwa di sana,

00:14:37

dari mana ada

00:14:39

banyak warna,

00:14:39

dana dan garis yang

00:14:41

belum tentu diperlukan,

00:14:42

Dia pindah ke sesuatu yang sangat.

00:14:44

Disempurnakan kemudian, untuk meringkasnya sedikit,

00:14:46

cobalah untuk menilai diri Anda dalam

00:14:48

sudut bahwa pada tingkat praktik,

00:14:50

Warna adalah informasi.

00:14:52

Kami tidak bersenang-senang menempatkan

00:14:54

Warna di mana-mana di kursus

00:14:55

atau pada histogram,

00:14:56

hanya untuk terlihat cantik.

00:14:57

Warna memiliki makna.

00:14:58

Ini adalah informasi bahwa Anda

00:14:59

pergi tempat di grafik Anda,

00:15:00

Jadi mereka harus memiliki minat sehingga

00:15:02

itu untuk menyorot elemen,

00:15:04

atau untuk membuat 22.

00:15:06

Bagaimana mengatakan?

00:15:07

2 set sub-data,

00:15:08

et cetera, et cetera.

00:15:11

Tidak ada pemformatan teks?

00:15:12

Estetika ya,

00:15:12

tidak ada gunanya menyoroti,

00:15:14

untuk menempatkan miring,

00:15:15

dan lain sebagainya.

00:15:16

Kami benar-benar akan langsung ke intinya,

00:15:17

taruh sesuatu

00:15:19

kemurnian dan efisiensi.

00:15:21

Tidak ada informasi yang berlebihan

00:15:21

Itulah yang bisa kami lakukan sedikit.

00:15:23

lihat di sini pada grafik,

00:15:24

dengan skala lebih dari.

00:15:27

Itu adalah legenda yang

00:15:29

disini ya,

00:15:30

Jadi itu tidak terlalu menarik

00:15:32

apa yang kami miliki 2 kali informasi dan

00:15:33

Jadi kita akan memuat satu lagi

00:15:35

kali visual ketika tidak

00:15:37

diperlukan sejak informasi

00:15:38

sudah ada. Sisik

00:15:41

tidak selalu diperlukan,

00:15:43

Jadi itulah yang kami lihat di sini.

00:15:45

Kami menyadari bahwa skalanya

00:15:46

Sudah tidak mudah dibaca,

00:15:47

bahwa kita harus mengikuti garis

00:15:48

sepanjang histogram.

00:15:50

Jadi mengapa tidak menempatkan

00:15:51

langsung nilai-nilai pada

00:15:53

Setiap batang di histogram?

00:15:54

Visualisasi yang paling ambisius tidak

00:15:56

bukan yang paling jelas untuk dipahami.

00:15:58

Jadi itu sesuatu

00:15:59

yang sering saya lihat atau mereka.

00:16:01

Seperti apa

00:16:01

Konsultan yang akan saya tuju

00:16:03

ambil visualisasi semua dari

00:16:04

Suite cukup rumit, cukup tinggi.

00:16:06

Penyelundup, masalahnya,

00:16:07

Visualisasi inilah yang ada di sana,

00:16:08

Ya, mereka ramah,

00:16:10

mereka cantik,

00:16:11

tetapi mereka belum tentu

00:16:13

sangat bisa dimengerti.

00:16:14

Jika Anda sedang mempelajari Power BI dan

00:16:15

Anda bekerja dengan data,

00:16:17

Ini belum tentu demikian halnya dengan

00:16:18

semua kolaborator Anda, dari semua milik Anda,

00:16:19

dari semua kolega Anda dan karena itu dia

00:16:21

harus digunakan sebagai benda

00:16:22

histogram yang relatif sederhana,

00:16:24

Kurva

00:16:24

hal-hal yang diketahui.

00:16:26

Dari semuanya.

00:16:30

Dan satu poin terakhir.

00:16:31

Dan untuk itu, kita pergi dari semua

00:16:32

cara berlatih sedikit.

00:16:34

Penting untuk

00:16:35

memprioritaskan informasi,

00:16:36

Jadi di sini belum tentu

00:16:38

laporan untuk B Hein itu hanya 2

00:16:40

visualisasi yang saya temukan di

00:16:41

Internet jadi ada satu yang

00:16:43

Cukup bagus dan yang kurang bagus.

00:16:44

Saya pikir Anda sudah menebak yang mana

00:16:46

adalah yang benar dan mana yang buruk.

00:16:48

Pada dasarnya idenya adalah kami akan mencoba

00:16:50

sudah untuk ventilasi laporan sebanyak mungkin atau

00:16:53

dasbor yang akan dapat kita buat,

00:16:55

untuk menempatkan informasi pada

00:16:56

Lebih penting di atas ya?

00:16:57

Indikator utama,

00:16:59

capi saya yang terkenal jika Anda bekerja sedikit

00:17:02

di sana dan dalam hal apa pun didefinisikan dengan baik.

00:17:04

Area di sini dengan data dan sejak

00:17:06

jadi untuk beralih dari makarel ke mikrofon,

00:17:08

untuk melanjutkan hal-hal global,

00:17:10

maka berpotensi jika pengguna

00:17:12

ingin mencari informasi lebih lanjut,

00:17:14

lanjutkan yang lebih granular,

00:17:15

Tapi sepanjang waktu,

00:17:16

menjaga ruang berventilasi dan menghindari

00:17:18

untuk memiliki halaman dan halaman grafik.

00:17:21

Sebaliknya

00:17:21

Kami melihat bahwa di sini,

00:17:23

Ini jauh lebih rumit daripada kita

00:17:24

ditemukan dengan menu filter

00:17:26

yang sangat penting,

00:17:28

jadi itu dilakukan di Excel,

00:17:30

Histogram dengan sangat kecil

00:17:32

tangga yang benar-benar ketat,

00:17:34

Jadi Anda tidak bisa melihatnya dengan baik.

00:17:36

Apa lagi yang kita miliki histogram?

00:17:37

yang belum tentu berkelas,

00:17:38

Jadi kami tidak terlalu mengerti

00:17:40

legenda dengan nilai digit

00:17:42

yang sangat sulit dibaca,

00:17:44

bagan pai dengan lagi pada dasarnya,

00:17:45

Masalahnya adalah di sana,

00:17:46

semuanya dikompresi,

00:17:47

rumah kaca dan itu sangat, sangat sulit

00:17:48

untuk membaca dan agak berantakan,

00:17:50

yaitu nilai-nilai dari atas adalah

00:17:52

adalah meja jadi itu benar-benar tidak

00:17:54

yang paling menarik untuk diletakkan di atas,

00:17:55

Apa yang akan segera kita pulangkan

00:17:57

dalam data Granular jadi

00:17:58

Lebih menarik untuk diletakkan

00:17:59

apa yang disebut kotak Tutup

00:18:01

I dari indikator utama atau untuk menempatkan

00:18:03

berpotensi benar-benar histogram.

00:18:04

Itu bisa dipertahankan tetapi semuanya

00:18:05

segera pergi ke Granular

00:18:07

Ini belum tentu menarik.

00:18:08

Jadi kami juga akan mencoba selama

00:18:10

Membuat visualisasi untuk

00:18:12

Baik untuk menciptakan sesuatu

00:18:15

estetika dan terutama hal-hal

00:18:16

yang rapi secara berurutan

00:18:18

pada tingkat nilai.

00:18:22

Inilah yang bisa saya lakukan untuk Anda

00:18:23

katakan tentang seluruh permainan,

00:18:24

pada visualisasi.

00:18:25

Jelas, ini adalah

00:18:26

Konsep yang agak global, ya.

00:18:28

Jika Anda tertarik dengan topik tersebut karena

00:18:29

Di sini kita tidak berada di jalur yang lengkap,

00:18:31

pada visualisasi data,

00:18:32

Ada banyak sumber daya di

00:18:34

Internet yang berbicara tentang subjek ini.

00:18:36

Ada situs yang memiliki spesialisasi,

00:18:37

bahkan di sana dan tiba-tiba kita pergi

00:18:41

bisa menyerang game juga

00:18:42

pada statistik dan hanya

00:18:44

Setelah itu akan terjadi dengan cepat,

00:18:46

Kami akan dapat menyerang

00:18:47

Membuat visualisasi.

00:00:00

Antes de iniciar o jogo no

00:00:02

e, por conseguinte, sobre a

00:00:04

criação das nossas primeiras visualizações,

00:00:06

Eu queria começar com uma introdução

00:00:09

na data de utilização, a fim de lhe fornecer

00:00:11

transmitir as mensagens certas e

00:00:13

Explique-lhe como o

00:00:16

A visualização de dados é uma forma de

00:00:18

comunicar com os outros.

00:00:20

Por isso, vamos analisar os conceitos

00:00:22

fundamentos, em primeiro lugar e acima de tudo em termos de

00:00:24

explicar a finalidade dos dados,

00:00:28

visualização de dados.

00:00:28

Desculpe, vou chamá-lo de dados direcionados,

00:00:31

Vai até mais rápido e vai ser

00:00:32

mais simples para mim.

00:00:33

E vou tentar dizer-lhe

00:00:35

Presente em 3 partes principais,

00:00:36

3 temas principais e o primeiro,

00:00:39

Qual é a finalidade dos dados visados?

00:00:41

Bem, ela está tentando contar a história

00:00:43

Uma história para isso, no fundo,

00:00:46

A visualização existe, hein,

00:00:47

É ir esquematizar,

00:00:48

Huh, como dizem,

00:00:50

Uma imagem é melhor do que uma imagem muito,

00:00:52

sentença muito longa.

00:00:53

Bem, também vale a pena para o

00:00:55

representação dos dados quando existem

00:00:56

Podemos entender muita coisa

00:00:58

do que pode ter acontecido

00:00:59

ou, pelo menos, a mensagem que estamos a enviar

00:01:02

quer transmitir com uma imagem.

00:01:04

E isso não é novo,

00:01:06

hein, porque não há visualização,

00:01:07

É uma coisa antiga.

00:01:09

E você tem um exemplo disso aqui,

00:01:11

com uma representação gráfica

00:01:13

que foi feito,

00:01:15

então eu não me lembro

00:01:16

exatamente a data,

00:01:17

mas que foi feito de um

00:01:18

determinado tempo e isso representa.

00:01:20

Aqui tens

00:01:20

Está escrito.

00:01:21

20 de novembro de 1869, e que corresponde a

00:01:24

à campanha russa de Napoleão,

00:01:27

E aqui veremos que há, de facto,

00:01:28

Na realidade, muitos dados

00:01:29

que aparecem.

00:01:30

E, no entanto, é relativamente simples

00:01:32

Para ler a campanha russa

00:01:34

para onde vamos começar a partir desse rio.

00:01:36

E, de facto, aqui,

00:01:37

Vamos seguir o exército francês, que

00:01:39

vai avançar para o Estado russo.

00:01:41

A espessura aqui disso disso

00:01:43

área corresponde ao número de

00:01:45

os soldados que permanecem no exército,

00:01:47

Por isso, vemos que foram

00:01:49

420.000 homens no início.

00:01:51

Potencialmente também existem

00:01:53

ramos onde se encontra o exército,

00:01:54

É potencialmente deixado em

00:01:55

pequenos grupos e vemos que, à medida que avançamos, vemos que

00:01:58

e à medida que o exército avança,

00:02:00

Bem, há cada vez menos

00:02:02

menos 2 soldados para finalmente

00:02:04

que possam chegar.

00:02:06

Tem pouco mais de 100.000 soldados

00:02:08

quando chegam a Moscovo

00:02:10

E finalmente temos em preto o

00:02:12

famoso retiro da Rússia Hein,

00:02:13

Então, lá, lá, debandada para

00:02:16

o exército francês ou o exército do golpe

00:02:18

teve que voltar para voltar

00:02:21

para a França durante o inverno

00:02:24

Assim começou o famoso inverno

00:02:26

Inverno russo e assim a partir daí,

00:02:29

Bem, vamos perder mais

00:02:31

além dos homens,

00:02:32

Então aqui vemos a evolução

00:02:34

com as diferentes datas-chave.

00:02:36

E o que também é interessante,

00:02:37

é que no caminho de volta,

00:02:39

Nós também vamos dizer-lhe aqui

00:02:41

a temperatura a cada um neste

00:02:43

que vamos chamar de postos de controle.

00:02:45

Então lá vamos nós 2 menos aproximadamente

00:02:48

menos 9°-21-20 et cetera, et cetera.

00:02:52

Temperaturas de congelação e para

00:02:54

finalmente terminando com 20000

00:02:56

Apenas homens 20000 homens

00:02:58

no regresso final a França.

00:03:01

Então, uma aposentadoria muito, muito

00:03:02

difícil para a França.

00:03:04

Mas aqui está o tipo de visualização

00:03:07

isso já podia ser feito.

00:03:08

Na época, no século 19,

00:03:11

num evento importante

00:03:12

da história francesa.

00:03:13

Bem, essas visualizações,

00:03:14

Na verdade, ainda os usamos, hein?

00:03:16

Por exemplo, aqui, o que você tem é

00:03:19

A visualização moderna é sempre a mesma.

00:03:21

Uma história, de facto, que procura

00:03:23

ser informado através da visualização,

00:03:25

E o que você vê aqui,

00:03:26

São, como um lembrete,

00:03:28

Trabalho em análise digital

00:03:30

E o que estamos vendo aqui na verdade não é

00:03:33

Um funil de conversão em um site.

00:03:35

Vamos contar para cada um dos

00:03:36

principais passos de um sítio Web,

00:03:38

Então, geralmente começa com.

00:03:39

O fato de uma pessoa entrar em cena

00:03:41

um site até a pessoa

00:03:43

fez uma conversão,

00:03:43

Pode ser um gato,

00:03:44

uma compra, uma assinatura,

00:03:46

o preenchimento de um formulário de lembrete,

00:03:48

et cetera.

00:03:49

E então aqui nós vamos realmente encontrar

00:03:51

Este efeito é um pouco de desperdício.

00:03:52

Aqui

00:03:53

Vamos ao número de

00:03:55

pessoas que vieram ao local,

00:03:56

o número de vídeos visualizados,

00:03:58

O número de envios deste

00:03:59

o que chamamos de lead, hein?

00:04:01

Então é um contato.

00:04:03

A qualificação do líder e, finalmente,

00:04:05

a venda que é feita e em cada

00:04:07

tempos que teremos potencialmente

00:04:09

com cada uma das perdas

00:04:10

Taxa de passagem entre estágios.

00:04:12

Então isso é extremamente importante

00:04:14

para tudo o que vai ser analisado a partir de

00:04:17

comportamentos em um site e e

00:04:19

entre o mapa de Napoleão e este,

00:04:22

Vamos usar exatamente

00:04:23

os mesmos indicadores,

00:04:24

ou seja, uma visualização

00:04:25

com a altura aqui do

00:04:27

retângulo do histograma que vai

00:04:28

diga-nos, grosso modo, a proporção de

00:04:30

pessoas que ficam e depois,

00:04:32

Se olharmos um pouco, vamos ter

00:04:33

Indicadores adicionais

00:04:34

com setas cada vez que

00:04:36

vão nos mostrar verde vermelho.

00:04:37

Então, qual é o status disso?

00:04:40

Quem poderia ter acontecido?

00:04:42

O 2º conceito fundamental,

00:04:43

é que é usado para colocar coisas

00:04:47

que precisam ser destacados,

00:04:48

Sublinhado com razão,

00:04:50

E assim permite-lhe atravessar

00:04:52

uma mensagem extremamente rápida.

00:04:54

O exemplo muito simples que pode ser

00:04:55

Tem simplicidade?

00:04:56

Nem tanto o que há visualização

00:04:58

é um pouco peculiar.

00:04:59

Lá

00:04:59

Esta visualização, que é chamada de roseta,

00:05:01

Representa o trabalho que foi feito

00:05:04

por um estatístico e um

00:05:06

enfermeira no século 19,

00:05:08

que tentou resumir-se ao exército

00:05:11

basicamente a causa da morte.

00:05:14

Durante a Guerra da Crimeia,

00:05:15

Acho que foi em torno de 10

00:05:17

850 e, basicamente, o que foi aqui indicado,

00:05:18

através do seu esquema de cores,

00:05:20

é que você vai ter o

00:05:22

Na verdade, morto no campo

00:05:23

de batalha. Os mortos, também,

00:05:25

em resultado dos seus ferimentos,

00:05:26

então lembranças.

00:05:26

Aqui, são os primeiros 2 golpes,

00:05:28

Então salmão e preto.

00:05:31

E então você tem os mortos, na verdade,

00:05:33

que correspondem às epidemias que estão em curso

00:05:35

nos campos do exército e, basicamente,

00:05:37

o que ela queria provar e perguntar,

00:05:39

é que introduzimos medidas

00:05:41

estabelecimentos de saúde em zonas de combate e

00:05:43

especialmente nos campos entrincheirados.

00:05:45

Uma vez que, como se pode ver aqui neste

00:05:46

De facto, estamos a avançar no tempo.

00:05:48

Então, julho, agosto, setembro e assim por diante.

00:05:50

E estamos interessados neste mês de janeiro 10.855

00:05:54

onde houve uma massa de mortes como resultado do,

00:05:59

do, do, do.

00:06:00

Epidemias que podem atravessar o

00:06:02

campos militares que eram absolutamente

00:06:04

enorme e tão instantaneamente huh

00:06:06

Penso que teriam visto que isto

00:06:08

proporção aqui é muito grande

00:06:09

e continua a crescer com o passar do tempo.

00:06:12

Medição do progresso ao longo do tempo.

00:06:14

Este, mais uma vez, é o

00:06:15

tentando obter o

00:06:16

uma mensagem e trazer à tona

00:06:18

algo muito rápido.

00:06:19

Também pode ser encontrado em

00:06:21

Visualizações modernas, hein.

00:06:22

Aqui

00:06:22

Você vai ter alguém que é

00:06:24

divertido para recuperar o número de mortes

00:06:27

jornais diários em França entre 2001 e 2020.

00:06:30

Então vamos deixar de lado, hein?

00:06:31

Le le COVID,

00:06:32

já que algo mais aconteceu

00:06:34

durante este período,

00:06:35

Tivemos a onda de calor que estava em

00:06:37

2003 e por isso aqui vemos este enorme

00:06:39

tralala que foi criada e, portanto, que

00:06:41

corresponde ao verão que tivemos em 2003.

00:06:44

Houve muitas mortes

00:06:46

entre os idosos e, por conseguinte,

00:06:47

da mesma forma.

00:06:49

Aqui

00:06:49

Vamos ter esse sistema circular

00:06:51

com pontos-chave em cada

00:06:53

e potencialmente

00:06:54

um evento excecional.

00:06:56

De qualquer forma, algo que nós

00:06:58

queria destacar e destacar-se

00:07:00

instantaneamente e, portanto, o mesmo,

00:07:01

A mensagem foi claramente transmitida.

00:07:03

Houve um fenómeno extraordinário

00:07:05

finalmente extraordinário,

00:07:05

em um sentido raro naquela época.

00:07:11

A última observação que gostaria de fazer,

00:07:13

Então, aqui nós realmente ficamos na teoria,

00:07:15

huh por enquanto, mas eu acho que

00:07:16

Trata-se de uma clarificação importante.

00:07:18

Dívida, dívida sábia também existe

00:07:21

porque lhe permite mostrar coisas que

00:07:24

são impercetíveis com dados brutos.

00:07:27

Você pode totalmente

00:07:28

encontrar-se na frente de uma pintura de

00:07:29

dados e luta para usá-los.

00:07:31

Em qualquer caso, para perder alguns dos

00:07:34

informação chave só porque é

00:07:35

não estão representados visualmente.

00:07:37

Então, aqui o que temos,

00:07:39

É uma representação da cidade, de.

00:07:41

Londres, se não me engano,

00:07:43

Foi também no início do século 18 quando

00:07:46

Houve uma epidemia de cólera.

00:07:48

E assim este médico cujo nome era John Snow,

00:07:52

Você não pode inventar para decidir

00:07:55

simplesmente para listar

00:07:56

as várias mortes por cólera.

00:07:58

Quem pode ter tido na cidade e

00:08:00

especialmente no distrito do Soho, onde

00:08:01

Houve uma epidemia muito, muito, muito epidémica,

00:08:03

onde a epidemia de cólera foi muito,

00:08:05

muito forte e por isso o que tem

00:08:06

teve a ideia de fazer,

00:08:07

é simplesmente traçar uma linha sob o

00:08:10

na frente de cada nível onde houve uma fatalidade.

00:08:13

E então este é o mapa que você vê aqui,

00:08:14

Então aqui nos encontramos com o bairro de

00:08:17

Focas e por isso aqui vemos os famosos pequeninos

00:08:19

traços que ele acrescentou para cada uma das mortes.

00:08:21

E se ampliarmos abaixo desta área,

00:08:23

Aqui podemos ver que, de facto, esta área

00:08:25

onde houve muitas mortes,

00:08:26

Se ampliarmos esta área,

00:08:28

Podemos ver que, de facto, há muitos

00:08:29

morte,

00:08:30

especialmente o aqui nesta área,

00:08:31

neste edifício que têm sido muito

00:08:33

perto de uma bomba contendo água

00:08:35

E de fato eles perceberam,

00:08:38

com estas análises de John Snow,

00:08:39

que ao lado desta bomba,

00:08:41

Havia um espaço de.

00:08:42

Chega de desperdício que foi ou

00:08:45

fraldas para bebés e cólera

00:08:47

tinha sido deitado fora e por isso estava contaminado

00:08:50

água da bomba e, portanto, as pessoas têm

00:08:53

bebeu essa água e pegou cólera.

00:08:55

E a partir daí,

00:08:56

Eles foram capazes de desligar a bomba e lá

00:08:58

higienizá-lo para desacelerar a epidemia

00:09:00

de cólera na vida,

00:09:02

Então, aqui novamente,

00:09:03

Se ele não tivesse feito esse trabalho de

00:09:05

visualização e ele provavelmente teria,

00:09:07

E foi o que aconteceu no

00:09:09

autoridades sanitárias,

00:09:10

Ele teria perdido isso

00:09:14

informações essenciais.

00:09:15

E depois

00:09:16

Vamos ter alguns

00:09:18

equivalentes com dados que

00:09:20

vêm do nosso mundo de hoje.

00:09:24

Vamos tentar carregar o vídeo em seguida, em

00:09:28

Agora vou voltar a ele. Normalmente.

00:09:32

Ah, bem, não aparece.

00:09:38

Então parece que voltou perfeito.

00:09:41

Vamos tentar lançá-lo.

00:09:43

Aqui tens. Vamos silenciar o som

00:09:46

Então, aqui o que você vai ver na verdade,

00:09:47

É uma representação gráfica

00:09:49

bastante moderno ou basicamente um

00:09:51

Ninguém conseguiu se recuperar em

00:09:53

faz todas as conexões

00:09:54

numa área geográfica.

00:09:56

Então aqui estamos em 2019,

00:09:58

no início da COVID e a pessoa

00:09:59

olhou para as pessoas

00:10:00

que participam naquilo a que se chama

00:10:02

Férias de primavera nos Estados Unidos.

00:10:03

Então, basicamente, é o

00:10:05

período da primavera.

00:10:06

Após exames universitários ou

00:10:08

Basicamente, todos os jovens são

00:10:10

encontrá-lo na praia e, em particular,

00:10:12

na Flórida para festejar.

00:10:15

Acontece que há muitos

00:10:17

Contaminação por COVID-19 neste

00:10:18

praia e, portanto, lá o que ele está fazendo,

00:10:21

é que ele está em processo de seleção

00:10:23

basicamente todas as conexões

00:10:24

na praia

00:10:25

Durante o Springbreak e depois dele

00:10:27

será capaz de avançar no tempo,

00:10:28

Então lá está ele, ele cria um grupo

00:10:30

E ele vai poder avançar no

00:10:31

tempo para ver basicamente tudo

00:10:33

aglomerado de contaminação.

00:10:34

Como se espalhou dentro do

00:10:35

porque essas pessoas,

00:10:37

por isso a sua voz,

00:10:37

deixe-os voltar para a cidade e

00:10:38

Alguns dias depois, vemos:

00:10:40

As pessoas iam para casa

00:10:41

e, portanto, eles estão bem contaminados

00:10:43

muito disso então.

00:10:45

É claro que nem tudo o teria recriminado,

00:10:46

mas, em qualquer caso,

00:10:47

Podemos ver como uma epidemia pode

00:10:49

espalhar porque lá,

00:10:50

todas as pessoas foram para casa,

00:10:52

Assim, vemos toda a parte oriental

00:10:54

nos EUA que foram impactados

00:10:55

Como resultado, por estes fluxos migratórios

00:10:57

estudantes que vieram para a Flórida

00:10:59

e que se contaminaram.

00:11:01

Então esse é um exemplo de visualização.

00:11:03

Mais uma vez

00:11:04

Usamos um mapa e algo assim

00:11:07

algo que teria sido muito difícil

00:11:09

para ser visto a olho nu.

00:11:11

Muito por esses grandes princípios, vamos lá.

00:11:15

Então, retom.

00:11:17

Um exemplo simples

00:11:18

Ou, como eu lhe disse,

00:11:19

a partir de dados brutos,

00:11:20

Nem sempre é fácil

00:11:22

Há algumas coisas que se juntam

00:11:23

E eu estou te dando aqui, por exemplo,

00:11:25

uma tabela de dados com a seringa

00:11:26

mês do ano e também o

00:11:28

número de visualizações de página que podem ser

00:11:30

ter em um site.

00:11:31

Então, basicamente, as visualizações de página,

00:11:32

É o número de pessoas que podem estar no

00:11:35

um site e os valores que você tem aqui,

00:11:37

45,

00:11:37

56 e assim por diante estão em 1000000,

00:11:41

Assim, por exemplo, os 45000000 visitantes

00:11:44

560000000 visitantes em fevereiro,

00:11:46

e assim por diante.

00:11:47

Você pode simplesmente tomar

00:11:48

2 min de pausa potencial

00:11:50

vídeo e tente dizer-lhe,

00:11:52

O que você ganha com isso?

00:11:54

O que podemos aprender com esta pintura?

00:11:56

Então é isso que podemos

00:11:58

ver potencialmente,

00:11:59

Estes são talvez os valores mais importantes

00:12:00

valores baixos e mais elevados,

00:12:01

Assim vemos,

00:12:02

Quando você coloca o.

00:12:03

O pico foi muito forte em

00:12:05

75000000 que março foi

00:12:07

Não muitas pessoas em 36000000.

00:12:08

Mas, no geral,

00:12:09

Isso diz muito mais.

00:12:11

É bastante complicado.

00:12:12

Por outro lado, se agora,

00:12:13

Estou me divertindo colocando de volta no

00:12:16

uma visualização e bem lá,

00:12:17

Potencialmente, vamos nos render

00:12:19

conta muito mais coisas.

00:12:22

Com licença.

00:12:22

Então já podemos detetar.

00:12:24

Bem, tivemos um pouco disso

00:12:26

visto o melhor mês e o mais

00:12:28

mês ruim durante o período.

00:12:30

Nós também vamos poder ir

00:12:31

Espera-se que o 2º trimestre seja

00:12:33

Muito melhor que o primeiro hein

00:12:35

já que aqui temos os 3 primeiros

00:12:37

meses e agora percebemos

00:12:39

do que os valores que se apresentam

00:12:40

no 2º trimestre são maiores.

00:12:43

Pode-se até mesmo inconscientemente

00:12:44

tente traçar uma linha para

00:12:46

Tentando traçar uma tendência

00:12:47

Portanto, não é necessariamente

00:12:49

consciente, mas você pode

00:12:50

informe-o, faça-o.

00:12:54

E potencialmente também se render

00:12:55

É nisso que vamos estar?

00:12:57

O quadro para um declínio para o verão

00:12:59

já que vamos chegar em junho,

00:13:01

Vemos que está a descer enquanto estávamos

00:13:03

em tendência de alta entre março e maio.

00:13:05

Tudo isso, você deveria ter tido

00:13:06

É difícil perceber isso,

00:13:08

especialmente para as tendências,

00:13:09

especialmente para a comparação

00:13:12

Q1 e Q2.

00:13:14

Então aí a visualização serve bem

00:13:17

efetivamente a ser recontextualizado,

00:13:18

compreender e interpretar

00:13:20

os dados.

00:13:24

Então, o que mais podemos fazer?

00:13:25

O que você quer dizer no nível de visualização?

00:13:27

Então, agora vamos entrar em alguns

00:13:29

Coisas um pouco mais práticas

00:13:30

uma vez que vamos ter um grande grau de

00:13:32

Personalização em visualizações

00:13:33

e as relações que vamos conseguir criar.

00:13:35

Portanto, lembre-se de que não há nada

00:13:37

que está lá para parecer bonito em

00:13:39

uma visualização de cada vez,

00:13:41

Você vai colocar um elemento.

00:13:42

Basicamente, você vai carregar

00:13:44

novas informações,

00:13:45

sua visualização, seu histograma,

00:13:46

o seu gráfico, a sua curva.

00:13:48

Bem, isso significa que é algo

00:13:50

algo mais para interpretar

00:13:52

a pessoa que vai ler este gráfico.

00:13:54

Onde esta visualização,

00:13:55

E por isso é importante que tudo seja um só

00:13:57

e esse é meio que o padrão

00:13:58

aqui você tem à direita ou basicamente,

00:14:00

A pessoa vai começar a partir de um

00:14:01

tabela em que concordamos,

00:14:03

muito feio,

00:14:03

um pouco antiquado e assim vai

00:14:05

explicar mais ou menos tudo o que faz,

00:14:07

Então vai retirar, por exemplo

00:14:08

a lenda onde não há necessidade,

00:14:09

ele vai remover a lenda à esquerda também,

00:14:12

Vai remover a moldura que

00:14:13

Na verdade, foi inútil.

00:14:15

Vai remover todos os efeitos

00:14:16

gráficos que podem existir em

00:14:17

O histograma está removendo as sombras,

00:14:19

remover as cores desde

00:14:20

Não estamos interessados nisso,

00:14:21

Vai apenas destacar, por exemplo, o

00:14:23

Bacon porque era nisso que ele estava interessado.

00:14:24

Chega na Hungria?

00:14:25

Valores porque de outra forma escalas

00:14:27

são mais importantes do que os dados,

00:14:29

Ele remove as linhas que não trazem

00:14:30

No final, pouca informação.

00:14:32

Ele vai até remover a escala da esquerda

00:14:34

para colocar os valores diretamente

00:14:35

histogramas e assim vemos que lá,

00:14:37

de onde havia

00:14:39

um monte de cores,

00:14:39

fundos e rubricas que

00:14:41

não eram necessariamente necessárias,

00:14:42

Ele passou para algo extremo.

00:14:44

Organizado, então, para resumir um pouco,

00:14:46

tente avaliar-se em um

00:14:48

bem como em termos de práticas,

00:14:50

As cores são informações.

00:14:52

Nós não nos divertimos colocando

00:14:54

Cores em todos os campos

00:14:55

ou em histogramas,

00:14:56

apenas para parecer bonito.

00:14:57

As cores têm significado.

00:14:58

Esta é a informação que você

00:14:59

vá e coloque no seu gráfico,

00:15:00

Então eles têm que ter interesse

00:15:02

é destacar um elemento,

00:15:04

ou para criar 22.

00:15:06

Como posso colocá-lo?

00:15:07

2 conjuntos de subdados,

00:15:08

et cetera, et cetera.

00:15:11

Sem formatação de texto?

00:15:12

Estética hein,

00:15:12

Não vale a pena destacar,

00:15:14

itálico,

00:15:15

e assim por diante.

00:15:16

Nós realmente vamos chegar ao ponto,

00:15:17

Coloque algo

00:15:19

de pureza e eficiência.

00:15:21

Nenhuma informação redundante

00:15:21

Isso é o que poderíamos um pouco

00:15:23

Veja aqui no gráfico,

00:15:24

com uma escala sobre o.

00:15:27

Ele era uma lenda que era

00:15:29

Aqui mesmo hein,

00:15:30

Então isso não é muito interessante

00:15:32

o que temos 2 vezes a informação e

00:15:33

Então vamos carregar mais um

00:15:35

vezes o visual quando não é

00:15:37

necessário porque a informação

00:15:38

já lá estava. Escadas

00:15:41

nem sempre são necessárias,

00:15:43

Então é exatamente isso que vimos aqui.

00:15:45

Percebemos que a escala

00:15:46

Já não é fácil de ler,

00:15:47

que vamos ter que furar a fila

00:15:48

todo o histograma.

00:15:50

E então porque não colocar

00:15:51

diretamente os valores em

00:15:53

cada barra no histograma?

00:15:54

As visualizações mais ambiciosas não

00:15:56

não são os mais claros de entender.

00:15:58

Então isso é alguma coisa

00:15:59

que muitas vezes vejo ou les.

00:16:01

Como o quê

00:16:01

Os consultores que eu vou

00:16:03

Faça visualizações de repente

00:16:04

Bastante complicado, bastante alto.

00:16:06

Passadores, o problema,

00:16:07

É que essas visualizações,

00:16:08

Sim, eles são amigáveis,

00:16:10

eles são bonitos,

00:16:11

mas não são necessariamente

00:16:13

super compreensível.

00:16:14

Se estiver a aprender o Power BI e

00:16:15

você trabalha com dados,

00:16:17

Este não é necessariamente o caso de

00:16:18

Todos os seus funcionários, de todos os seus,

00:16:19

de todos os seus colegas e, portanto, é

00:16:21

Deve usar como coisas

00:16:22

histogramas relativamente simples,

00:16:24

curvas,

00:16:24

coisas que são conhecidas.

00:16:26

De todos.

00:16:30

E último ponto.

00:16:31

E é isso que vamos fazer em todo o lado.

00:16:32

um pouco de treino.

00:16:34

É importante

00:16:35

priorização da informação,

00:16:36

Portanto, não é necessariamente

00:16:38

rácios para B Huh é apenas 2

00:16:40

visualização que encontrei em

00:16:41

Internet, então há um que é

00:16:43

Muito bom e um que não é tão bom.

00:16:44

Eu acho que você adivinhou o que

00:16:46

é o certo e o que é o errado.

00:16:48

Basicamente, a ideia é que vamos tentar

00:16:50

ventilar as engrenagens tanto quanto possível, ou

00:16:53

os dashboards que poderemos criar,

00:16:55

para colocar as informações mais importantes

00:16:56

mais importante no topo, hein?

00:16:57

indicadores-chave,

00:16:59

o famoso capi eu se você trabalhar um pouco

00:17:02

lá e, em qualquer caso, bem delimitado.

00:17:04

Zonas aqui com dados e de

00:17:06

Então, para ir da cavala para o microfone,

00:17:08

para ir em coisas globais,

00:17:10

e, potencialmente, se o utilizador

00:17:12

quer procurar mais informações,

00:17:14

opte por mais granular,

00:17:15

mas o tempo todo,

00:17:16

manter os espaços ventilados e evitar

00:17:18

ter páginas e páginas de gráficos.

00:17:21

Por outro lado,

00:17:21

Podemos ver isso aqui,

00:17:23

É muito mais complicado do que você pensa.

00:17:24

Encontrado com menus de filtro

00:17:26

que são extremamente importantes,

00:17:28

assim foi feito no Excel,

00:17:30

Histogramas com muito pequeno

00:17:32

escadas completamente apertadas,

00:17:34

por isso não podemos vê-los bem.

00:17:36

O que mais temos dos histogramas?

00:17:37

que não são necessariamente classificados,

00:17:38

Portanto, não entendemos muito dos dados

00:17:40

Legendas com valores de dígitos

00:17:42

que são extremamente difíceis de ler,

00:17:44

Camemberts com novamente basicamente,

00:17:45

O problema é que, lá,

00:17:46

tudo é comprimido,

00:17:47

estufa e é muito, muito difícil

00:17:48

para ler e é um pouco confuso,

00:17:50

ou seja, os valores no topo são

00:17:52

são uma pintura, então realmente não é

00:17:54

a coisa mais interessante para colocar no topo,

00:17:55

O que vamos trazer imediatamente

00:17:57

em Dados granulares

00:17:58

É mais interessante colocar

00:17:59

as chamadas caixas de Cap

00:18:01

I indicadores-chave ou a definir

00:18:03

potencialmente efetivamente um histograma.

00:18:04

É defensável, mas tudo

00:18:05

vá imediatamente para Granular

00:18:07

Não é necessariamente interessante.

00:18:08

Por isso, também vamos tentar durante

00:18:10

Criação de visualizações de

00:18:12

Bem, para criar coisas

00:18:15

estética e acima de tudo

00:18:16

que estão organizadas em ordem

00:18:18

ao nível do valor.

00:18:22

Isso é o que eu poderia dizer a você

00:18:23

dizer sobre todo o jogo,

00:18:24

na visualização.

00:18:25

Obviamente, estes são

00:18:26

Conceitos um pouco globais, hein.

00:18:28

Se você está interessado no tópico porque

00:18:29

Aqui não estamos em um curso completo,

00:18:31

na visualização de dados,

00:18:32

Há muitos recursos em

00:18:34

Internet falando sobre este assunto.

00:18:36

Existem sites que se especializaram,

00:18:37

mesmo lá dentro e por isso vamos

00:18:41

ser capaz de atacar o jogo também

00:18:42

em matéria de estatísticas e apenas

00:18:44

Depois disso, vai acontecer rápido,

00:18:46

Vamos poder atacar o

00:18:47

Criação de visualizações.

LES COURS ASSOCIÉS Ce tutoriel fait partie des cours suivants

Abonnés

Formation Vidéo Microsoft Power BI - Avancé

Ce cours complet vous permet d’acquérir un niveau avancé pour mettre en place des rapports complets et complexes dans Microsoft Power BI.

Votre formateur pour ce cours
Cours E-learning

4509 vues

Abonnés

Formation Vidéo Microsoft Power BI - Intermédiaire

Comment vous permettre d’adopter une stratégie « Data Driven » de votre entreprise ? Faites-vous aider par Power-BI pour orienter vos décisions.

Votre formateur pour ce cours
Cours E-learning

3498 vues

Abonnés

Formation Vidéo Microsoft Power BI - Découverte

Découvrez, grâce à une suite logique de tutoriels vidéo, les fonctionnalités basiques de Microsoft Power BI et ses composantes : Acquérir la data, la transformer, créer des rapports…

Votre formateur pour ce cours
Cours E-learning

5514 vues

TOUS LES COURS