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
  • 3163 vues

Objectifs :

L'objectif de cette vidéo est d'introduire les concepts fondamentaux de la visualisation des données, en expliquant son importance pour communiquer des informations de manière efficace. La vidéo aborde les raisons d'être de la visualisation des données, ses applications historiques et modernes, ainsi que des conseils pratiques pour créer des visualisations claires et informatives.

Chapitres :

  1. Introduction à la Visualisation des Données
    Avant de plonger dans la création de rapports et de visualisations, il est essentiel de comprendre l'importance de la visualisation des données. Cette vidéo vise à transmettre les messages clés sur la manière dont la visualisation peut servir de moyen de communication efficace. La visualisation des données, ou 'data visé', est un outil puissant pour raconter des histoires à travers des représentations graphiques.
  2. Pourquoi la Visualisation des Données ?
    La visualisation des données permet de simplifier des informations complexes. Une image peut souvent transmettre plus qu'un long discours. Par exemple, une représentation graphique de la campagne de Russie de Napoléon, datant de 1869, illustre comment la visualisation peut rendre des données historiques accessibles et compréhensibles. Cette visualisation montre l'évolution de l'armée française, le nombre de soldats restants et les conditions climatiques, permettant ainsi de saisir rapidement l'ampleur de la défaite.
  3. Applications Modernes de la Visualisation
    Aujourd'hui, la visualisation des données est toujours d'actualité. Par exemple, une visualisation moderne peut représenter le parcours d'un utilisateur sur un site web, illustrant les étapes de conversion et les pertes potentielles à chaque étape. Cela permet d'analyser le comportement des utilisateurs et d'optimiser les performances du site.
  4. Mettre en Avant des Informations Clés
    La visualisation permet également de mettre en avant des informations cruciales rapidement. Un exemple marquant est celui d'une visualisation en rosace réalisée par une statisticienne au 19ème siècle, qui a mis en lumière les causes de mortalité pendant la guerre de Crimée. Cette visualisation a permis de plaider pour l'introduction de mesures sanitaires dans les camps militaires.
  5. Visualisation pour Détecter des Tendances
    La visualisation aide à révéler des tendances qui peuvent passer inaperçues dans des données brutes. Par exemple, une carte de Londres au 18ème siècle, créée par John Snow, a permis d'identifier la source d'une épidémie de choléra en répertoriant les décès. Cette approche a conduit à des mesures sanitaires qui ont sauvé des vies.
  6. Principes de Création de Visualisations
    Lors de la création de visualisations, il est crucial de garder à l'esprit que chaque élément doit avoir un but. Évitez les éléments superflus et concentrez-vous sur la clarté. Les couleurs doivent être utilisées de manière significative, et les visualisations doivent être épurées pour faciliter la compréhension. Évitez les visualisations trop complexes qui peuvent nuire à la lisibilité.
  7. Hiérarchisation de l'Information
    Il est important de hiérarchiser les informations dans les rapports et les tableaux de bord. Placez les indicateurs clés en haut et organisez les données de manière aérée pour éviter la surcharge d'informations. Cela permet aux utilisateurs de se concentrer sur les éléments les plus importants sans être submergés par des détails inutiles.
  8. Conclusion
    La visualisation des données est un outil essentiel pour communiquer efficacement des informations. En appliquant les principes discutés dans cette vidéo, vous pouvez créer des visualisations qui non seulement transmettent des messages clairs, mais qui aident également à prendre des décisions éclairées. Pour approfondir vos connaissances, de nombreuses ressources sont disponibles en ligne sur la visualisation des données et la statistique.

FAQ :

Qu'est-ce que la data visualisation?

La data visualisation est la représentation graphique de données qui permet de communiquer des informations de manière claire et efficace. Elle aide à raconter une histoire à travers les données.

Pourquoi est-il important de visualiser des données?

Visualiser des données permet de rendre des informations complexes plus compréhensibles. Cela aide à identifier des tendances, des anomalies et à communiquer des messages clés rapidement.

Quels types de graphiques sont couramment utilisés en data visualisation?

Les types de graphiques couramment utilisés incluent les histogrammes, les graphiques en courbes, les diagrammes circulaires et les cartes. Chaque type a ses propres avantages selon le type de données à représenter.

Comment la data visualisation peut-elle améliorer la prise de décision?

La data visualisation permet de présenter des données de manière intuitive, facilitant ainsi l'analyse et la compréhension des informations. Cela aide les décideurs à prendre des décisions éclairées basées sur des données concrètes.

Quels outils peuvent être utilisés pour créer des visualisations de données?

Il existe plusieurs outils pour créer des visualisations de données, tels que Tableau, Power BI, Google Data Studio et Excel. Chacun de ces outils offre des fonctionnalités variées pour représenter les données graphiquement.

Quelques cas d'usages :

Analyse des performances d'un site web

Utiliser des visualisations pour suivre le parcours des utilisateurs sur un site web, identifier les étapes où les utilisateurs abandonnent et optimiser le tunnel de conversion pour augmenter les ventes.

Suivi des épidémies

Appliquer des visualisations pour représenter la propagation d'une épidémie dans une région, permettant aux autorités sanitaires de prendre des décisions éclairées sur les mesures à mettre en place.

Rapports de ventes

Créer des visualisations pour résumer les performances de vente d'une entreprise, en mettant en avant les produits les plus vendus et les périodes de forte activité, facilitant ainsi la planification stratégique.

Analyse des données de santé publique

Utiliser des visualisations pour représenter des données de santé, comme les taux de mortalité ou les causes de décès, afin de sensibiliser le public et d'informer les décideurs sur les besoins en matière de santé.

Visualisation des données démographiques

Appliquer des visualisations pour analyser les données démographiques d'une population, permettant aux urbanistes de mieux comprendre les besoins des communautés et de planifier des infrastructures adéquates.

Glossaire :

Data Visualisation

La représentation graphique de données qui permet de communiquer des informations de manière claire et efficace. Elle aide à raconter une histoire à travers les données.

Histogramme

Un type de graphique qui représente la distribution de données en utilisant des barres. La hauteur de chaque barre indique la fréquence des données dans chaque intervalle.

Conversion

Le processus par lequel un visiteur d'un site web effectue une action souhaitée, comme un achat ou une inscription.

Lead

Un contact potentiel qui a montré un intérêt pour un produit ou service, souvent en remplissant un formulaire ou en s'inscrivant à une newsletter.

Checkpoints

Des points de mesure utilisés pour suivre des données à des moments spécifiques, souvent utilisés dans des visualisations pour montrer des évolutions dans le temps.

Épidémie

Une augmentation rapide du nombre de cas d'une maladie dans une population donnée, souvent utilisée dans le contexte de la santé publique.

Statistiques

Des données collectées et analysées pour en tirer des conclusions, souvent utilisées pour comprendre des tendances ou des comportements.

résultat(s)
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.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
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.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
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.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
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.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
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.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
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.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
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
Tu
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
Tu
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
Tu
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.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
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।

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
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.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
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.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
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.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

Mandarine AI: CE QUI POURRAIT VOUS INTÉRESSER

LES COURS ASSOCIÉS Ce tutoriel fait partie des cours suivants

Abonnés
5273 vues

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 décisi...

Cours E-learning
Abonnés
6203 vues

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.

Cours E-learning
Abonnés
7555 vues

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...

Cours E-learning
TOUS LES COURS

Rappel

Afficher

/

Acceder à la session