Визуализация сложной информации
Продолжаем накидывать умные мысли по выходным. Поговорим о визуализации данных. Аналитика - это важная часть маркетинга. И если небольшое количество данных не вызывает вопросов - их можно вывести в виде таблички или графика, то с многомерными данными есть вопросики.
Представьте себе, что вам нужно показать в презентации количество посетителей сайта в зависимости от времени суток. Можем вывести табличку или сделать простой график.
А если нам нужно добавить пол и возраст, чтобы увидеть зависимости? Возникает еще один график.
Но вдруг нам интересно посмотреть, какой чаще товар покупают мужчины утром. И дальше посмотреть возраст этих мужчин. Например: что утром покупают молодые мужчины, а что мужчины в возрасте и так далее.
Наша презентация начинает заполняться огромным количеством графиков.
Люди постоянно изобретают методы простой визуализации сложных многомерных данных. Визуально проще искать закономерности, связи и тренды, которые не всегда очевидны в сырых данных.
Например тепловые карты, диаграммы рассеяния, параллельные координаты, сетевые графы, карты тепловых деревьев и другие страшные штуки. 🥸
А я хочу вам рассказать про один из самых необычных способов визуализации: Лица Чернова.
Этот метод был предложен американским математиком с типичным американским именем - Герман Чернов - в 1973 году.
Идея Чернова была основана на том, что человек способен легко распознавать и различать лица.
Что позволяет эффективно представлять сложные данные в виде человеческих лиц, где каждая черта отражает определённый параметр.
В оригинальной методике использовалось до 18 параметров, таких как размер глаз, форма носа, изгиб рта и другие.
В 1981 году Бернард Флури и Ганс Ридвил предложили увеличить количество переменных, добавив асимметрию лица, что позволило учитывать до 36 параметров.
На практике оказалось, что люди могут уделять больше внимания одним чертам лица и меньше другим, что приводит к искажённому восприятию данных.
Кроме того, мы с вами часто склонны искать на лице эмоции и настроение, что может влиять на интерпретацию информации. В результате эффективность метода в некоторых случаях оказалась ниже ожидаемой.
Но их все равно используют в определенных отраслях. Например для иллюстрации преступности в США. Или анализируют поддельные деньги. Я прикрепил к посту картинку анализа 100 реальных и 100 поддельных банкнот по параметрам размера границ, отступов и диагоналей. Поддельные банкноты четко выделились в отдельную группу.
Короче вот такой вот необычный метод визуализации.
И спорим, что из всех Лиц Чернова вы запомнили только котика?
Прошлые посты:
Алгоритм Маска
Коллективный разум
Про спойлеры
Про ритуалы и хаос
Парадокс Полани
Необходимые мучения
#мысли
Продолжаем накидывать умные мысли по выходным. Поговорим о визуализации данных. Аналитика - это важная часть маркетинга. И если небольшое количество данных не вызывает вопросов - их можно вывести в виде таблички или графика, то с многомерными данными есть вопросики.
Представьте себе, что вам нужно показать в презентации количество посетителей сайта в зависимости от времени суток. Можем вывести табличку или сделать простой график.
А если нам нужно добавить пол и возраст, чтобы увидеть зависимости? Возникает еще один график.
Но вдруг нам интересно посмотреть, какой чаще товар покупают мужчины утром. И дальше посмотреть возраст этих мужчин. Например: что утром покупают молодые мужчины, а что мужчины в возрасте и так далее.
Наша презентация начинает заполняться огромным количеством графиков.
Люди постоянно изобретают методы простой визуализации сложных многомерных данных. Визуально проще искать закономерности, связи и тренды, которые не всегда очевидны в сырых данных.
Например тепловые карты, диаграммы рассеяния, параллельные координаты, сетевые графы, карты тепловых деревьев и другие страшные штуки. 🥸
А я хочу вам рассказать про один из самых необычных способов визуализации: Лица Чернова.
Этот метод был предложен американским математиком с типичным американским именем - Герман Чернов - в 1973 году.
Идея Чернова была основана на том, что человек способен легко распознавать и различать лица.
Что позволяет эффективно представлять сложные данные в виде человеческих лиц, где каждая черта отражает определённый параметр.
В оригинальной методике использовалось до 18 параметров, таких как размер глаз, форма носа, изгиб рта и другие.
В 1981 году Бернард Флури и Ганс Ридвил предложили увеличить количество переменных, добавив асимметрию лица, что позволило учитывать до 36 параметров.
На практике оказалось, что люди могут уделять больше внимания одним чертам лица и меньше другим, что приводит к искажённому восприятию данных.
Кроме того, мы с вами часто склонны искать на лице эмоции и настроение, что может влиять на интерпретацию информации. В результате эффективность метода в некоторых случаях оказалась ниже ожидаемой.
Но их все равно используют в определенных отраслях. Например для иллюстрации преступности в США. Или анализируют поддельные деньги. Я прикрепил к посту картинку анализа 100 реальных и 100 поддельных банкнот по параметрам размера границ, отступов и диагоналей. Поддельные банкноты четко выделились в отдельную группу.
Короче вот такой вот необычный метод визуализации.
И спорим, что из всех Лиц Чернова вы запомнили только котика?
Прошлые посты:
Алгоритм Маска
Коллективный разум
Про спойлеры
Про ритуалы и хаос
Парадокс Полани
Необходимые мучения
#мысли