Почему важно наглядно доносить информацию. Визуализация данных для бизнес-аналитика

Статья написана в соавторстве с Мэри Ротарь, CEO IAMPM.

Привет, меня зовут Кирилл Белявский, уже больше 5 лет работаю Lead BA в Softserve. Дополнительно занимаюсь менторством по бизнес-анализу и как тренер веду курсы для бизнес-аналитиков. В свободное время вместе с другом записываем подкаст о жизни и бизнес-анализе As user I want to see.

В статье буду говорить о вещах простых, зато работающих. Поделюсь, как сделать цифры наглядными, расскажу, для чего это нужно и как визуализация помогает бизнес-аналитику в работе.

Актуальность для ВА

Сейчас в бизнесе как никогда актуальна data-driven культура — принятие решений на основе данных.

Конечно, data-driven decisions — это не новое понятие. Руководители и управленцы всегда принимали решения, основываясь не только на интуиции, но и на фактах, отчетах и поступающей информации. Всегда были данные, и всегда на них базировались решения.

С развитием прогресса данных стало невероятно много. И вроде, чем больше данных, тем больше возможностей извлечь пользу. При этом одна из часто высказываемых бизнесом проблем сформулирована так: «Много данных, мало понимания». Мы научились собирать информацию, но ее не всегда достаточно для принятия лучших управленческих решений.

Массивы данных, оформленные в виде больших таблиц или описанные словами, трудно понять, а значит, на них сложно опереться при выборе решения. Но те же самые данные в правильной визуализации помогут донести информацию эффективно.

Умение работать с бизнес-данными стало настолько важным, что IIBA (Международный институт бизнес-анализа) недавно вывел на рынок новую сертификацию. Звучит она как CBDA — Certification in Business Data Analytics.

IIBA выделяет три направления, в которых может развиваться бизнес-аналитик:

• Enterprise — работа в больших бизнесах, сложных структурах, организациях в качестве штатных сотрудников, внутренних аналитиков либо аутсорс-аналитиков. В Enterprise есть свои наборы инструментов, техник, подходов.
• Agile — чаще всего это деятельность в аутсорс-проектах.
• Digital — работа с цифровыми бизнесами. В digital-сфере будет обязательным умение наглядно представлять данные с помощью специальных инструментов.

Мне как бизнес-аналитику ближе направления Enterprise и Agile, но кое-что о визуализации данных знаю и использую эти знания в повседневной деятельности. Оказалось, что наглядные презентации актуальны не только для digital-аналитиков, но и для всех ВА.

Приведу четыре примера, когда без визуализации не обойтись:

1. Если аналитик на проекте делает дашборды, графики, репортинг — ему надо точно понимать основы визуализации, чтобы эффективно работать с требованиями по улучшению и развитию продукта.
2. Большой бизнес всегда содержит много данных, отчетов, поэтому умение визуализировать массивы информации очень пригодится.
3. В аутсорс-компаниях нужно предоставлять ясные отчеты менеджменту внутри их корпоративных структур, проджект- и аккаунт-менеджмента.
4. Иногда ВА приходится наглядно показывать отчетность своим клиентам. Например, демонстрировать степень проработанности бэклога или отразить связь между функционалом (имплементированной фичей) и ценностью для бизнеса в деньгах.

В целом все, что актуально для бизнеса — актуально и для ВА. Представление данных в понятном виде очень важно для бизнеса.

Большинство людей понимает зрительные образы проще и быстрее, чем слова или таблицы. Почему так происходит, станет понятно, если разобрать несколько фактов о зрении и мозге.

Факты о восприятии

Скорость восприятия и передачи информации значительно быстрее при использовании визуальных факторов. А скорость в сегодняшнем мире принятия быстрых решений очень важна. Понимание определенных свойств мозга позволяет делать эффективные визуализации и управлять вниманием зрителя/читателя.

Концентрация на отличиях

Мозг не читает схемы и графики как текст: с левого верхнего угла по строчкам до правого нижнего угла. Мы перебегаем взглядом по картинке, концентрируя внимание на отличиях, аномалиях, закономерностях. Восприятие начинается с того, что в первую очередь приковывает наш взгляд.

Мозг привлекают отличия. Вместо того чтобы обозревать картину в целом или равномерно рассматривать каждый сегмент, человек фокусируется на выдающихся деталях (аномалиях и «выпирающих элементах»).

Простой наглядный пример: какой столбец вы увидели первым?

Думаю, что большинство сосредоточилось на столбце С, потому что он отличается по высоте.

Поиск закономерностей

Мозг бессознательно ищет закономерности на уровне так называемого подпорогового внимания. Мы выстраиваем связи и пытаемся найти логику в последовательностях. Если порядок ломается, человек быстро замечает нелогичность. Поэтому элемент, который выглядит по-другому, виден сразу.

В примерах на картинке закономерность нарушена по расположению в пространстве, размеру и цвету. Если поочередно посмотреть на три рисунка ниже, мы легко обнаружим нарушения в каждом из них:

1. Не нужно изучать каждый квадрат, чтобы найти перевернутый, мозг делает это автоматически.
2. На втором рисунке фигура, большая по размеру, приковывает внимание.
3. На третьем «нелогичным признаком» будет другой цвет.

Интеллект быстро выделяет из последовательности элемент, который отличается по какому-то признаку.

Графики быстрее слов

График передает информацию быстрее, чем слова. Расположенные рядом символы числовых рядов легче сравнить, и передача информации идет сразу по двум каналам: словесному и зрительному.

На картинке внизу одна и та же информация подается как текст и как график. Что воспринимается быстрее?

Нам легче и быстрее понять график, чем прочитать текст, осознать, сравнить у себя в голове и сделать вывод.

Графики быстрее таблиц

Графическая информация воспринимается быстрее не только словесных, но и табличных данных.

На рисунке одинаковые данные размещены в таблице и отражены в графике. На графике мы за секунды можем понять, кто лидер, кто аутсайдер, какой столбец выше, какой ниже.

А вот, чтобы получить ту же информацию из таблицы, нужно ее изучить, сопоставить значения и только потом понять, что компания ESAB была лидером все три года.

Эти примеры, конечно, совсем простые, но они передают суть, которую я хочу донести.

Данные должны рассказывать истории

Бизнесу не нужны люди, которые просто собирают информацию и говорят: «Теперь у нас есть миллион таблиц либо какой-то бешеный таймлайн с данными — садитесь и разбирайтесь».

Нет, бизнес хочет увидеть понятную интерпретацию этих данных, чтобы на их основе принять правильное решение. Выполнить такую задачу не легко, но возможно.

Давайте посмотрим, как использовать факторы восприятия в визуализациях, чтобы данные рассказывали историю и делали это быстро.

1 идея = 1 график

Принцип, которого я всегда стараюсь придерживаться, звучит так: «Одна идея = один график».

Не пытайтесь засунуть слишком много информации в одну картинку. Хотя наши глаза способны воспринимать несколько факторов одновременно, если данных слишком много, человеку сложно сосредоточиться, фокус размывается и непонятно, куда смотреть.

Подразумевая, что читатель хочет быстро принимать решение, старайтесь экономить его время: закладывайте на один график какой-то один посыл.

Давайте посмотрим на пример: как одинаковые данные, в зависимости от цели, могут показывать разные истории.

На рисунке отображены два показателя: количество выданных кредитных карт и популяция населения для каждой из трех стран. Так можно показать эффективность работы маркетингового отдела, промоутеров или разработанного приложения. Например, приложение получило столько-то регистраций от пользователей.

Мы можем отразить количество выданных карт в каждой стране и так продемонстрировать глубину рынка. Наиболее перспективной выглядит по этому показателю страна В — 400 млн карт. Понятная идея.

Можно рассказать и другую историю — насколько хорошо мы поработали. Тогда нужно показать количество выданных карт на душу населения. И тут показатели лучше выглядят в стране Б, потому что здесь мы выдали «полторы карты» на каждого жителя. Этот график отражает успех маркетинговых инициатив в стране Б, несмотря на ее небольшое население.

Контекст имеет значение

Данные без контекста не имеют ценности. Проиллюстрирую эту мысль на житейском примере. Представьте, что вы получили 10 тысяч долларов в наследство от дальнего родственника. Чудесная новость. Но дальше выясняется, что ваш брат тоже получил деньги по завещанию — 20 тысяч долларов. Непонятно, почему родственник оставил вам разные суммы. И тут вопрос, в каком контексте рассказать о случившемся: стали вы богаче на 10 тысяч или недополучили деньги?

Благодаря графику эту историю можно рассказать по-разному: все зависит от того, что мы хотим донести. Контекст во многом предопределяет, как читатели воспримут информацию. Чтобы соотнести данные, людям нужен ориентир и, предоставляя такой ориентир, вы управляете тезисом, заложенным в графике.

Например, если у нас есть данные, что стоимость акции А равна $100, а другой информации нет, как воспринимать эту цифру?

• высокая цена;
• низкая цена;
• трудно сказать.

Без контекста невозможно понять,100 долларов, — это много или мало. Если бы мы видели данные о колебаниях цены на эти акции на протяжении, скажем, 43 недель — мы бы легко дали ответ на этот вопрос.

Одно число само по себе не способно рассказать историю, но серия чисел, организованная определенным образом, может справиться с этой задачей. И тут мы подходим к важной мысли: любая визуализация должна нести какую-то идею.

Сначала цель, потом график

В каждую визуализацию надо закладывать идею, иначе она просто бессмысленна. Если мы просто хотим преобразовать данные в зрительный формат, чтобы на них посмотреть, это, конечно, тоже можно сделать. Есть даже такая форма искусства, когда визуализируют больше датасеты. Красиво, только вряд ли полезно для бизнеса.

То, как и что вы будете показывать на визуализации, зависит от поставленной цели. Деятельность без цели и предварительного планирования будет неэффективной.

С помощью данных можно подчеркнуть выгодность идеи: сделать анализ и сравнить несколько вариантов решения. Каждый такой вариант состоит из определенных компонентов, сравнимых между собой, например, сложность, value, количество заинтересованных стейкхолдеров. Если ВА хочет донести идею и видит, какое решение более выгодно, он может подчеркнуть очевидные преимущества по какому-то показателю, представить ее в нужном свете и мотивировать читателей к принятию правильных решений.

Важно сделать правильную подачу информации исходя из контекста, драйверов и основных ожиданий бизнеса.

Действуйте последовательно. Отталкивайтесь от потребностей — needs самого ВА и бизнеса. Ответьте себе на вопросы:

1. Что и кому хотим донести?
2. Цель визуализации, к каким выводам нужно подвести читателя?
3. Каким способом донести информацию выбранной категории?

Ответы на эти три вопроса дадут понимание, какие данные нужны, откуда их взять, каким образом обработать и уже потом — как визуализировать, чтобы они легко воспринимались и доносили ваш point, идею.

Когда будут ответы, пора подумать, какой инструмент поможет достичь цели. Это может быть каждый раз иной инструмент либо один и тот же.

Инструменты

Самые популярные на сегодня инструменты — tableau и power BI — мощные и красивые, но при этом дорогие. Я работал с обоими, хотя и не претендую на роль эксперта. Просто они, наверное, предназначены для решения более сложных задач, чем были у меня.

Поэтому хотел бы сказать немного о пользе Excel. Я знаю, его принято ругать, особенно в IT. Сразу представляется классический пример с энтерпрайзом, в котором куча «экселек» завязаны друг на друга, и с автоматизацией или переделкой всех этих таблиц в какой-то софт связана львиная доля проектов.

Однако, по моему мнению, Excel сильно недооценивают в качестве программы для индивидуального использования. У Exсel большой потенциал, главное — научиться им пользоваться. Тем более сейчас множество бесплатных туториалов, видео или курсов, где можно разобраться во всех возможностях программы. Для меня лично Excel закрывает 90% потребностей по визуализации данных.

Примеры визуализаций в Excel

Кроме Excel, советую еще один инструмент — RAWGraphs. Он позволяет красиво визуализировать массивы данных. Бесплатного пакета вполне хватает для интересных визуализаций массивов данных и демонстрации трендов.

Примеры визуализаций в RAWGraphs

Если хотите произвести визуальное впечатление, эффектно представить результаты какого-то research для компании или клиента, воспользуйтесь RAWGraphs.

Полезные ресурсы

Вникнуть в тему визуализации мне помогли два прекрасных автора:

Стивен Фью (Stephen Few) — человек, которого можно назвать гуру дашбордов. В 2006 году он написал книгу Information Dashboard Design, и материал актуален до сих пор.

Донна М. Вонг (Donna M. Wong) — автор книги Guides information Graphics:The Dos and Don’ts of Presenting Data, Facts, and Figures. В свое время Донна была редактором Wall Street Journal, а дата-журналистика — это целая сфера. Журналисты занимаются анализом статистических показателей, выводят интересные тренды и на этом базируют свои истории. Несколько примеров для своей статьи я как раз взял из книги Донны Вонг.

Другие полезные ресурсы:

• Chart picker поможет выбрать подходящий график для данных;
• Блог Стивена Фью;
• Хороший сайт с подсказками, как сделать визуализацию с помощью Excel;
• Essential Reading Resources от IIBA поможет готовиться к сертификации CBDA.

Если подвести краткий итог сказанному в статье, то базовый этап при работе с массивами информации — понять цель, что вы хотите показать, кому и зачем. Далее сможете выбрать данные, которые закроют бизнес-потребности заказчика и дадут команде правильное направление.

Собранные данные преобразовывают в визуальную картину с учетом факторов восприятия. Когда вы наглядно доносите информацию, читателям легче увидеть закономерности, получить полезные инсайты и в конечном итоге принять правильное решение.