Дата-журналистика

Добавил в чек-лист распространённых ошибок ещё один пункт.

2. Неправдоподобные средние. Если называете среднее или медиану, убедитесь, что они не выходят за пределы частностей. Например, если утверждаете, что средняя продолжительность жизни мужчин — 65 лет, а женщин — 76, то общий показатель должен быть где-то между ними, но никак не 63 и не 79. 🚫

#чеклист_ошибки

Начну собирать распространённые ошибки при работе со статистикой. Записывать их буду в чек-лист, чтобы с ним было удобно сверяться, когда пишете или читаете что-то на основе данных. ✏️

Итак, что нужно проверять. Сегодня пункт первый.

1. Суммы сходятся. Если вы раскладываете что-то общее на частности и называете цифры, проверяйте, что сумма соответствует слагаемым.

Например, мэрия называет статистику имён новорождённых:
Всего в 2017 году в Москве появились на свет 134 572 младенца. (…) При этом 62 692 ребенка стали первыми у матерей, 49 190 детей — вторыми. Третьим и более по счету ребенком в московских семьях стали 21 998 детей.
Но 62692 + 49190 + 21998 = 133880, а не 134572. Сумма не сходится. Возникают сомнения, можно ли в целом доверять такой аналитике. 🚫

#чеклист_ошибки #данные #анализ

📆 Как выбрать период: 3 правила

Почти каждый анализ начинается с выбора периода: за какой срок взять данные для изучения?

Вот три правила, которые должны вам помочь. (Вопрос достаточного количества данных не учитываю — о нём отдельно; предположим, что информации хватает в каждом случае, а вопрос только в датах.)

Период должен быть:

1️⃣ Показательным. Данные за период должны полноценно отражать предмет, который изучаем. Например, оценивать пробки по летним данным бессмысленно: летом пробок меньше, и результаты не будут применимы для ситуации на дорогах в целом. 🚗

2️⃣ Не искажённым. Бывает, что выбранные месяцы обычно показательны, но именно в этот раз что-то случилось. Например, изучить в июне спрос на спорттовары — неплохая идея, в начале лета многие начинают упражняться. Но не в этом году: был чемпионат мира по футболу, и он повлиял на интерес к спортивной форме и мячам. ⚽️

3️⃣ Умеренным. Если взять слишком большой срок, рискуете учесть закономерности, которые уже не актуальны. Например, вряд ли стоит агрегировать статистику о магазине мобильных приложений за 3 года. Предмет слишком быстро меняется: появляются новые игроки, меняется устройство магазина и сценарии его использования. (Конечно, это не актуально, если изучить предмет в долгосрочной динамике и есть ваша задача.) 📈

#данные #анализ

Пайчарты: когда ок, когда нет

Пайчарты то ругают последними словами, то предпоследними. Но бывает, что они уместны — если у вас подходящие данные и задача.

Рассказываю тезисно, ниже то же самое в картинках.

Пайчарты годятся, когда
✅ важно показать, какую часть отдельные значения (секторы, «дольки») составляют от целого (всего круга)
✅ важно сравнить только одно или два значения со всеми остальными или друг с другом
✅ привлекательность важнее информативности (в том числе когда нужно быстро заинтересовать читателя); пайчарт, что ни говори, немного симпатичнее столбцов, полосок и таблиц
✅ значения, которые нужно показать, близки к половине или четверти — эти доли люди хорошо считывают, все привыкли смотреть на часы со стрелками

Пайчарты не годятся, когда
✖️ важна возможность попарно сравнить всех со всеми
✖️ ваш материал читают снобы, знающие толк в графиках — они не любят пайчарты :)

Рецепт хорошего пайчарта
✅ Резать с верхней точки — так проще оценивать доли, потому что похоже на привычный циферблат
✅ Сортировать секторы по убыванию — так понятно, какой из похожих секторов на самом деле больше
✅ Не наклонять — 3D искажает размеры секторов
✅ Подписывать категории и значения у секторов — для тех, кто хочет больше подробностей и сравнений

#картинки #пайчарты

Оси не от нуля

Оси не от нуля делать можно. Но только в тех случаях, когда вы уверены, что читатели это видят и могут правильно интерпретировать.

В чём вообще проблема? Когда ось начинается от нуля, расстояние от точки (например, на кривой) до края графика равно значению этой точки. Посмотрите на первый график ниже. Это всем привычный формат. Но когда колебания в значениях незначительны, с осью от нуля они будут почти не видны. Обратите внимание на синюю линию. Почти прямая.

Тут появляются оси не от нуля. Мы как бы приблизились в нужный участок картинки (смотрите на второй график). Теперь характер колебаний гораздо заметнее. Такой формат допустим, когда читателю важны именно эти небольшие изменения и он знает, что площади под кривой сравнивать нельзя.

Но если читатель этого не понимает, он может сделать неверные выводы. На примере ниже можно подумать, что значения по синей кривой в разы больше, чем по рыжей. Хотя на первом графике мы видели, что они почти равны.

Ошибиться можно даже если кривая только одна. Посмотрите на последние две картинки.

Если не уверены в подготовке читателя, делайте ось от нуля.

Берегите себя и смотрите на оси.

#картинки #манипуляция