Проблемы в интерпретации и визуализации данных аналитики
В этом мире можно посчитать и выразить цифрами все, что угодно. Вот только цифры сами по себе лишены смысла, смысл им придает их интерпретация.
А вот интерпретация цифр - это уже очень и очень субъективный процесс, в котором кроются тысячи неучтенных и не просчитанных мелочей.
Главная проблема в интерпретации данных - это соотношение терминов, цифр и задач анализа. Уже писал о проблеме сравнения теплого и твердого в анализе активностей в социальных сетях: " Коэффициент вовлечения", " Вовлечение аудитории", " Статистика Вконтакте".
Не нужно иметь семи пядей во лбу что бы с пустого места нарисовать как рост, так и падение, используя разный взгляд на одни и те же цифры, применяя дополнительные термины. Прежде чем оценивать цифры, нужно точно определить что же они нам говорят, что стоит за показателем, выражающимся этими цифрами. Под каждую задачу нужно подобрать свои показатели, и держатся именно их, не забывая при этом смотреть на цифры чуть шире, чем они подаются.
Но само по себе цифровое выражение показателей это еще полдела. Специалист всегда может разобраться с тем на что смотрит и что это значит, но часто для продвижения тех или иных цифр используют визуализацию и транслируют её людям совершенно не растирающимся в вопросе, не имеющих возможности взглянуть на цифры с самых разных сторон.
Поэтому предлагаю вам перевод англоязычного поста: Плюсы и минусы визуализации данных.
Часто можно услышать, что со статистикой можно доказать все что угодно: "Есть три вида лжи: ложь, откровенная ложь и статистика" Марк Твен. Хотя, многие говорят, что истинность этой цитаты тоже весьма сомнительна.
При работе с данными мы должны быть предельно осторожны. Исказить данные очень легко - стоит лишь добавить новые переменные, не учитывающие специфику показателей, которые выражают цифры. Исказить же данные при их визуализации еще проще, но при этом картинка стоит тысячи слов и убеждает людей намного сильней...
Карты - идеальный пример того, как визуализация может запутать людей. Возьмем карту Лондонского метро - классический пример карты-схемы.
Допустим, вы остановились в отеле в районе станции Lancaster Gate, и вам нужно добраться до вокзала Paddington, чтобы успеть на поезд. На основании этой карты, что бы вы делали? Скорее всего, пошли в Lancaster Gate, пересели на центральной линии Notting Hill Gate, а затем изменить добрались до Circle Line и там уже вышли на Paddington. Верно?
А, что бы вы сделали сейчас? Может проще добраться пешком?
А что бы вы сделали теперь? Все еще хочется пройтись пешком, и кажется, что Paddington за углом?
Одни и те же данные отображаются по разному и в итоге вводят вас в заблуждение.
Подобные же проблемы возникают и в GA. Вот график электронной коммерции на котором мы видим падение:
Эта линия идет вниз, а значит нужно кого-то уволить! Нужно срочно что-то менять! Коэффициент конверсии не должен так падать! Он никогда так не падал!
Те же цифры, только в профиль. Уже не так страшно - не правда ли?
Ваш доход растет несмотря на падение коэффициента конверсии. Коэффициент конверсии упал, но увеличился объем целевого трафика и в итоге выросло общее количество обращений и доход.
А непосредственно в отчете аналитики мы вообще не увидим с вами значительной драмы.
Визуализация данные мы должны быть уверенны в том, что и для чего мы выражаем в картинках. Готовя визуализацию мы должны иметь весь необходимый контекст. Именно от нас зависит судьба данных - станут ли эти цифры ложью, или позволят донести до людей истину, поспособствавать принятию правильных решений.
PS
1. Сами по себе цифры лишены смысла - осмысленными их делает лишь интерпретация.
2. Интерпретируя данные мы должны четко понимать, что мы имеем на входе, а главное что и для чего мы представим на выходе.
3. Никогда не принимайте решений бегло взглянув на интерпретацию данных и не углубившись хоть чуть-чуть в их историю и контекст.
А вот интерпретация цифр - это уже очень и очень субъективный процесс, в котором кроются тысячи неучтенных и не просчитанных мелочей.
Главная проблема в интерпретации данных - это соотношение терминов, цифр и задач анализа. Уже писал о проблеме сравнения теплого и твердого в анализе активностей в социальных сетях: " Коэффициент вовлечения", " Вовлечение аудитории", " Статистика Вконтакте".
Не нужно иметь семи пядей во лбу что бы с пустого места нарисовать как рост, так и падение, используя разный взгляд на одни и те же цифры, применяя дополнительные термины. Прежде чем оценивать цифры, нужно точно определить что же они нам говорят, что стоит за показателем, выражающимся этими цифрами. Под каждую задачу нужно подобрать свои показатели, и держатся именно их, не забывая при этом смотреть на цифры чуть шире, чем они подаются.
Но само по себе цифровое выражение показателей это еще полдела. Специалист всегда может разобраться с тем на что смотрит и что это значит, но часто для продвижения тех или иных цифр используют визуализацию и транслируют её людям совершенно не растирающимся в вопросе, не имеющих возможности взглянуть на цифры с самых разных сторон.
Поэтому предлагаю вам перевод англоязычного поста: Плюсы и минусы визуализации данных.
Часто можно услышать, что со статистикой можно доказать все что угодно: "Есть три вида лжи: ложь, откровенная ложь и статистика" Марк Твен. Хотя, многие говорят, что истинность этой цитаты тоже весьма сомнительна.
При работе с данными мы должны быть предельно осторожны. Исказить данные очень легко - стоит лишь добавить новые переменные, не учитывающие специфику показателей, которые выражают цифры. Исказить же данные при их визуализации еще проще, но при этом картинка стоит тысячи слов и убеждает людей намного сильней...
Карты - идеальный пример того, как визуализация может запутать людей. Возьмем карту Лондонского метро - классический пример карты-схемы.
Допустим, вы остановились в отеле в районе станции Lancaster Gate, и вам нужно добраться до вокзала Paddington, чтобы успеть на поезд. На основании этой карты, что бы вы делали? Скорее всего, пошли в Lancaster Gate, пересели на центральной линии Notting Hill Gate, а затем изменить добрались до Circle Line и там уже вышли на Paddington. Верно?
А, что бы вы сделали сейчас? Может проще добраться пешком?
А что бы вы сделали теперь? Все еще хочется пройтись пешком, и кажется, что Paddington за углом?
Одни и те же данные отображаются по разному и в итоге вводят вас в заблуждение.
Подобные же проблемы возникают и в GA. Вот график электронной коммерции на котором мы видим падение:
Эта линия идет вниз, а значит нужно кого-то уволить! Нужно срочно что-то менять! Коэффициент конверсии не должен так падать! Он никогда так не падал!
Те же цифры, только в профиль. Уже не так страшно - не правда ли?
Ваш доход растет несмотря на падение коэффициента конверсии. Коэффициент конверсии упал, но увеличился объем целевого трафика и в итоге выросло общее количество обращений и доход.
А непосредственно в отчете аналитики мы вообще не увидим с вами значительной драмы.
Визуализация данные мы должны быть уверенны в том, что и для чего мы выражаем в картинках. Готовя визуализацию мы должны иметь весь необходимый контекст. Именно от нас зависит судьба данных - станут ли эти цифры ложью, или позволят донести до людей истину, поспособствавать принятию правильных решений.
PS
1. Сами по себе цифры лишены смысла - осмысленными их делает лишь интерпретация.
2. Интерпретируя данные мы должны четко понимать, что мы имеем на входе, а главное что и для чего мы представим на выходе.
3. Никогда не принимайте решений бегло взглянув на интерпретацию данных и не углубившись хоть чуть-чуть в их историю и контекст.