Bizztro mňamky datových detektivů
Máme know-how a nebojíme se o něj podělit!
Každé úterý v 7:00 vám pošleme nejdelikátnější #BizztroMňamky ze života datových detektivů do vašeho mailu a "nachytříme vás" našimi oblíbenými tipy, triky a zkušenostmi z datové analytiky, online komunikace a používání cloudových služeb.
Chcete ochutnat?
Bizztro archiv
5 mýtů o cloudu | Mňamka #436
Řešit data v cloudu dává smysl čím dál většímu počtu firem. A není se čemu divit, cloud totiž nabízí neuvěřitelnou flexibilitu a jednoduchost použití. Přesto se ale stále najde spousta firem, které jedou kompletně on-premise a s přechodem na cloud váhají. Někdy má takové rozhodnutí objektivní důvody, často ale bývá spíše výsledkem mylných představ, které o cloudových datových skladech panují. A právě na to si posvítíme v této mňamce. Pojďte se se spolu s námi podívat na 5 nejčastějších mýtů o cloudu!
Jak na pavučinové grafy | Mňamka #437
Pavučinové (neboli paprskové) grafy patří k nejimpozantnějším grafům, se kterými se v moderních byznysových vizualizacích můžete setkat. Hodí se např. k porovnání dvou produktů na základě široké škály různých ukazatelů. Nebo jsou hojně využívány ve sportovní analytice ke komparativnímu srovnání výkonů jednotlivých hráčů. Pro nezasvěcené publikum ale mohou být jen obtížně stravitelné. Dnes si proto ukážeme, jakých zásad se při vytváření pavučinových grafů držet a jak se v nich co nejlépe orientovat!
Pandas – k čemu slouží, k čemu jej raději nepoužijeme a jeho alternativy | Mňamka #435
Pandas je jednou z nejpoužívanějších knihoven pro zpracování dat v jazyce Python. Jeho největší předností je zejména jednoduchá a intuitivní syntaxe a také rychlost, se kterou můžete zpracovávat velké datové soubory. V BizzTreatu ho proto často využíváme např. pro ad hoc analýzy dat, kdy potřebujeme rychle prozkoumat, jak data vlastně vypadají a jaká je jejich kvalita. V dnešní mňamce od Báry si ukážeme, kde všude lze Pandas použít a jak si stojí v porovnání s ostatními knihovnami!
Proč potřebujeme data storytelling? | Mňamka #433
Komplexní koncepty, statistické modely a velké množství dat. Pro většinu z nás jsou tyto abstraktní myšlenky jen stěží uchopitelné. Náš mozek si mnohem lépe poradí s konkrétními a hmatatelnými informacemi, na základě kterých můžeme okamžitě jednat. A právě v tom spočívá největší síla data storytellingu. Dobře vyprávěný příběh totiž dokáže proměnit abstraktní a někdy i trochu nudná data v něco snáze pochopitelného a zapamatovatelného. V dnešní mňamce si to demonstrujeme na příkladu prediktivního churn modelu!
5 příkladů nepovedených vizualizací | Mňamka #434
Někdy se vám datové vizualizace i přes nejlepší úmysly nepovedou tak, jak byste si představovali. Může se např. stát, že špatně pojmenujete osy grafu, zvolíte nepřehledné barvy a v některých případech dokonce vyberete typ grafu, který se pro danou vizualizaci vůbec nehodí. To pak často vede ke dvěma problémům. Jednak je to dosti zmatečné pro vaše publikum, ale také na základě takových grafů můžete učinit chybná rozhodnutí. Podívejte se proto na 5 příkladů nepovedených vizualizací, ať víte, na co si dávat pozor!
Keboola transformace – v hlavní roli proměnné | Mňamka #432
Co dělat, když se váš projekt liší jen v několika důležitých parametrech? No mohli byste samozřejmě všechno hardkódovat, to je ale značně pracné. V BizzTreatu proto raději dáváme přednost hojnému využívání proměnných. Jednak se s nimi lépe pracuje a zároveň nám usnadňují následnou správu kódu. V Keboola transformacích přitom máme hned dva typy proměnných – ty keboolácké a ty snowflakové. V dnešní mňamce od Kristýny si ukážeme, jaký je mezi nimi rozdíl a kdy a jak je používat!
Limity datové analytiky | Mňamka #430
Největší limitací datové analytiky jsou samotná data. I sebelepší analýza totiž povede k suboptimálním výsledkům, pokud bude založena na nekompletních nebo nedostatečně kvalitních datech. V praxi se ale často stává, že dobrá data zkrátka nejsou k dispozici. Pokud chcete např. predikovat budoucí prodeje, musíte se spoléhat na data z minulosti, která ale nemusí být spolehlivým indikátorem budoucích trendů. Ke každé analýze dat je proto naprosto zásadní přistupovat se zdravou dávkou skepticismu. Více o tom už v dnešní mňamce!
Jak z datasetu udělat 100 vizualizací | Mňamka #431
I s jednoduchým datasetem se dají dělat zázraky. A dnes si jeden takový ukážeme. Při každé vizualizaci dat totiž máme na výběr z nepřeberného množství možností, jak vyprávět náš datový příběh. Většinou se ale intuitivně vydáme cestou best practices a osvědčených řešení. Není ale na škodu občas popustit uzdu fantasii a zkusit i méně probádané cesty. Podívejte se proto spolu s námi, jak se dá z jednoduchého datasetu o pouhých 6 datových bodech vykouzlit hned 100 různých vizualizací!
Zásadní problém koláčových grafů| Mňamka #429
Na koláčové grafy raději zapomeňte! Jsou sice velmi populární, opravdu se ale nehodí pro úplně všechny vizualizace. A v některých případech dokonce můžou nadělat více škody než užitku. Mají totiž jeden zásadní problém. I když se to na první pohled nemusí zdát, je velmi obtížné je interpretovat. Náš mozek nedokáže snadno porovnávat velikost úhlů, a tak mnohdy neumíme jednoduše posoudit, která část grafu je vlastně větší. Mrkněte proto na dnešní mňamku, kde si představíme i jednu alternativu ke koláčovým grafům!
Proč mít jedno místo pravdy? | Mňamka #428
Jedno místo pravdy je naprosto fundamentálním konceptem datového managementu. Přesto ho spousta firem nemá a každé oddělení si proto počítá čísla podle svého. To je jednak velmi neefektivní, ale rovněž to vede k chybám, nedorozuměním a nemožnosti spolehnout se na to, že vaše data odpovídají realitě. Zavést do firmy autoritativní zdroj informací ale není vždy snadné. Taková změna systémů a procesů totiž často naráží na odpor, jelikož lidé jsou zvyklí pracovat se svými vlastními daty. Podívejte se, proč byste se tím neměli nechat odradit!