Co to je ten "Data Storytelling"? | Mňamka #54

Tisíce let bylo vyprávění nedílnou součástí našich předků. A proč? Je to jednoduché - náš mozek je tak nastaven - mnohem lépe si totiž díky příběhům pamatujeme. Dokonce i v našem digitálním věku nás příběhy stále ještě přitahují. Příběhy jsou různé a každý zaujme jiného posluchače - na to je potřeba vždy pamatovat.

Máte děti? Čtete jim? Pokud jsou ještě malé jako ty moje, tak víte, že příběh může být zajímavý jak chce, ale bez pěkných obrázků nemá šanci (aspoň u nás teda). 

A tohle všechno platí i pro datovou analýzu, resp. její závěr - velmi záleží na tom, jak budou data zvizualizována, ale nesmí se ani zapomínat na to, jak a komu to ukazujeme.

Máte k článku nějaké otázky nebo připomínky? Klidně mi napište, ráda to s Vámi proberu :-)

Eva Hankusová
detektiv nových příležitostí
LinkedIn

Jak předvídat chování zákazníků: Churn, životní hodnota a další klíčové ukazatele | Mňamka #542

Jak předvídat chování zákazníků: Churn, životní hodnota a další klíčové ukazatele | Mňamka #542

MS Fabric: Pojďte si s námi vytvořit první pipeline - 2.část | Mňamka #541

MS Fabric: Pojďte si s námi vytvořit první pipeline - 2.část | Mňamka #541

Otevřeli jste poprvé MS Fabric a vůbec se nerorientujete? Už máte zadání a nevíte kam dřív? V tom případě jste tady správně, protože vás provedeme prvními krůčky, jak si dotáhnout do Fabricu první data, zpracovat je a nastavit celý proces v jednoduché pipeline. Ukažte ostatním, jak se to dělá! V tomto článku si představíme konkrétně kroky jako kopírování dat, dataflow, notebooky a zprovoznění pipeline.

MS Fabric: Pojďte si s námi vytvořit první pipeline - 1.část | Mňamka #540

MS Fabric: Pojďte si s námi vytvořit první pipeline - 1.část | Mňamka #540

Otevřeli jste poprvé MS Fabric a vůbec se nerorientujete? Už máte zadání a nevíte kam dřív? V tom případě jste tady správně, protože vás provedeme prvními krůčky, jak si dotáhnout do Fabricu první data, zpracovat je a nastavit celý proces v jednoduché pipeline. Ukažte ostatním, jak se to dělá! V tomto článku si představíme konkrétně kroky jako kopírování dat, dataflow, notebooky a zprovoznění pipeline.