Проблемы в интерпретации и визуализации данных аналитики

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.

Запустите рекламу и получите 100% кешбэк

Расскажите о своем бизнесе с помощью МегаФон Таргет.

Находите своих клиентов по десяткам характеристик, отправляйте SMS, MMS, сообщения в Viber и получите кешбэк на следующее продвижение.

Попробовать →

Реклама. ПАО «МегаФон». ИНН 7812014560.

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.

 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.