Использование дашбордов / панелей индикаторов
Программы визуальной аналитики помогут изучить взаимосвязь переменных возраста с другими переменными. Если мы используем Tableau или Power BI, эту взаимосвязь можно даже визуализировать на интерактивном дашборде, который сгруппирует наших клиентов в сегменты на основе поведения и демографии.
Предположим, что наши визуальные данные говорят, что живущим в Саксонии клиентам банка в основном от 45 до 55 лет и большинство из них имеют низкие доходы. Однако клиентам банка, живущим в соседней федеральной земле Бавария, как правило, от 25 до 35 лет, и они хорошо зарабатывают. Это означает, что визуальные эффекты привлекли внимание к двум соответствующим демографическим данным в дополнение к возрасту: местоположению и доходу. Теперь в Баварии мы могли бы сделать акцент на выгодных для молодых клиентов льготных кредитах – на приобретение первого дома, на свадьбу и семью. В Саксонии мы могли бы ориентироваться на защиту пожилых клиентов – страхование жизни, имущественное планирование и инвестиции с низким уровнем риска.
Мы можем, конечно, продолжать и дальше сегментировать наши данные, как считаем нужным, но выявленные подкатегории уже добавили ценность нашему проекту благодаря визуальному анализу данных. Это оказалось гораздо проще, чем использовать аналитические инструменты, которые мы рассмотрели в предыдущих главах: потребовалось только программное обеспечение для преобразования структурированной информации в визуально привлекательный формат. В итоге банк может не только рассылать брошюры, соответствующие возрасту потребителя, но и советовать своим маркетологам адаптировать материалы для дополнительных подкатегорий: с низким доходом, высоким доходом и т. д.
Здесь мы увидели пример того, как визуальная аналитика может помочь на третьем этапе работы над нашим проектом, а также как можно продолжать использовать ее для отслеживания новых тенденций, расхождений и пробелов в данных. На следующем этапе можно будет перейти к визуализации данных, чтобы их могли оценить те, кто наиболее важен для нашего проекта: участники и другие заинтересованные стороны.
К настоящему времени вам уже должно быть ясно, насколько полезна визуализация данных для их исследования. Итак, просто представьте, какую существенную роль могут сыграть визуальные эффекты при представлении нашей информации участникам проекта.
Визуализация данных – это процесс создания наглядных средств, помогающих людям видеть и понимать информацию. Визуализируя данные, мы представляем их в контексте. Ведь без контекста данные бессмысленны. Нам нужно задать данным правильно сформулированный вопрос. Мы должны подготовить наши данные в стандартизированном формате, а затем проанализировать их. Все эти шаги способствуют добавлению контекста, необходимого для понимания предоставленной информации. Но в то время как контекст помогает распознавать тенденции и результаты данных, мы должны продолжать расширять его, чтобы заинтересованные стороны оценили всю нашу тяжелую работу. Ведь мы не можем познакомить участников проекта только с результатами анализа – маловероятно, что они сведущи в науке о данных. Кровь, пот и слезы, которые вы вложили в подготовку и анализ данных, скорее всего, для них ничего не значат. Не принимайте это на свой счет.