8 вопросов по теме «аналитика данных: Визуализация» на собеседовании

Короткий ответ: Тип графика диктует не вкус, а характер связи в данных: сравнение категорий — столбики, динамика во времени — линия, корреляция двух величин — диаграмма рассеяния, доля немногих частей в целом — круговая. Если сомневаешься между круговой и чем-то ещё — почти всегда выбирай столбики.

Подробно:

Сначала формулируешь, какую связь показываешь, и только потом выбираешь визуализацию:

• Столбики — рабочая лошадка для категорий; ось Y начинается с нуля, иначе разница в высоте врёт.
• Линия — только для упорядоченной непрерывной оси (время, дни); не соединяй линией несвязанные категории.
• Scatter — для «связаны ли X и Y», добавь линию тренда при необходимости.

⚠️ Частая ошибка: круговая диаграмма с 8 секторами — доли на ней неразличимы; замени на горизонтальные столбики, отсортированные по величине.

Короткий ответ: Честный график максимизирует долю «полезных чернил» (data-ink ratio по Тафти), не обрезает ось у столбиков, использует цвет осмысленно (для выделения, а не для украшения) и не содержит чартджанка — 3D, теней, рамок и фоновых картинок.

Подробно:

1. Data-ink ratio (Тафти) — максимум чернил должен кодировать данные. Убери всё, удаление чего не теряет смысл.
2. Оси — столбчатая ось Y начинается с 0; усечение преувеличивает различия. Для линий усечение допустимо, но подпиши масштаб честно.
3. Цвет — кодирует смысл (одна категория = один цвет, выделение акцентом), а не «чтобы было красиво». Помни про дальтонизм.
4. Чартджанк — лишний декор, отвлекающий от данных.

⚠️ Частая ошибка: усечённая ось Y у столбиков — рост «на 3%» выглядит как взлёт вдвое. Для столбиков всегда начинай с нуля.

Короткий ответ: Дашборд проектируется от аудитории и её решений, а не от доступных метрик. Сверху — главный KPI и ответ «как дела», ниже — разрезы и детали (принцип перевёрнутой пирамиды). Уровень агрегации подбирается под роль читателя, а не сваливается в «стену графиков».

Подробно:

1. Сначала аудитория — у руководителя и у аналитика разные вопросы: первому нужен итог, второму — детализация.
2. Иерархия сверху вниз — глаз читает слева-направо, сверху-вниз; самое важное в левом верхнем углу.
3. Правильная агрегация — топ-уровень агрегирован (итог за период), дрилл-даун ниже.
4. Фокус — 5–7 ключевых элементов, а не 20 графиков на одном экране.

┌───────────────────────────────────────────┐
│  [ Главный KPI ]   [ KPI ]   [ KPI ]       │  ← итог: «как дела»
├──────────────────────┬────────────────────┤
│  Тренд во времени     │  Разрез по сегменту │  ← «почему»
├──────────────────────┴────────────────────┤
│  Детальная таблица / дрилл-даун            │  ← «детали»
└───────────────────────────────────────────┘

⚠️ Частая ошибка: дашборд без иерархии — 15 графиков одного размера, где непонятно, с чего начать смотреть. Без главного элемента читатель теряется.

Короткий ответ: Для руководителей строй рассказ по принципу BLUF (bottom line up front) — вывод и рекомендация в первой фразе, доказательства потом. Каждый график привязан к решению, а к каждому числу прилагается «ну и что?» — что это меняет в действиях.

Подробно:

1. BLUF / ответ первым — начни с вывода и рекомендации, не с методологии. У топов мало времени и они мыслят решениями.
2. Перевёрнутая пирамида — главное → доказательства → детали и оговорки в конце/приложении.
3. Каждый график = решение — если слайд не влияет ни на какое решение, он лишний.
4. «Так что?» (so what) — переводи факт в следствие: не «отток вырос на 4 пп», а «отток вырос на 4 пп → теряем ~$200k/мес → нужен retention-проект».

  BLUF / перевёрнутая пирамида
  ┌──────────────────────────────┐
  │  ВЫВОД + РЕКОМЕНДАЦИЯ         │  ← первая фраза
  ├──────────────────────────────┤
  │   Ключевые доказательства     │
  ├──────────────────────────────┤
  │     Детали, методология       │  ← приложение
  └──────────────────────────────┘

⚠️ Частая ошибка: вести к выводу как в детективе — 10 слайдов контекста, а рекомендация на последнем. Руководитель уйдёт со встречи раньше, чем дойдёт до сути.

Короткий ответ: Чаще всего обманывают усечённой осью Y (преувеличивает различия), двумя осями (намекают на ложную корреляцию), вырезанным «удобным» диапазоном дат и подменой процентов абсолютами. Распознаётся проверкой: с нуля ли ось, полный ли период, сопоставимы ли база и шкалы.

Подробно:

ЛОЖЬ (ось с 95):        ЧЕСТНО (ось с 0):
  │      ██               │
  │  ██  ██               │           ██
  │  ██  ██               │  ██  ██  ██
 95└────────             0└────────────
  выглядит ×3            реальная разница ~5%

⚠️ Частая ошибка: две оси Y, подобранные так, чтобы линии пересекались — зрителю кажется, что метрики связаны, хотя это артефакт масштабирования.

Короткий ответ: BI-инструменты (Tableau, Power BI, Looker и др.) нужны, когда визуализация должна быть переиспользуемой, обновляемой и доступной нетехническим людям. Разовый анализ для себя или в отчёт быстрее сделать в SQL + ноутбуке (pandas/matplotlib). Выбор — не про конкретный бренд, а про аудиторию и срок жизни артефакта.

Подробно:

• Бери BI-инструмент, когда: дашборд смотрят регулярно, нужны автообновление, шеринг, права доступа, самообслуживание стейкхолдеров.
• Хватает SQL/ноутбука, когда: разовый вопрос, кастомная статистика, ad-hoc исследование, артефакт живёт один раз.
• Принцип — оставайся инструмент-агностиком: важны модель данных и аудитория, а не логотип.

⚠️ Частая ошибка: строить разовый ответ на вопрос руководителя как полноценный дашборд в Tableau — потратишь день там, где хватило бы одного SQL-запроса и графика.

Короткий ответ: Одно среднее скрывает форму данных — бимодальность, перекос, выбросы. Гистограмма показывает форму распределения, box plot — медиану, квартили и выбросы и удобен для сравнения групп. Среднее без разброса почти всегда вводит в заблуждение.

Подробно:

1. Среднее обманывает — при перекосе (зарплаты, выручка) медиана честнее; среднее тянут вверх выбросы.
2. Гистограмма — форма одного распределения: один пик, два пика, длинный хвост.
3. Box plot — компактно: медиана, IQR (25–75%), усы, точки-выбросы; идеален для сравнения многих групп.
4. Всегда давай разброс — среднее ± стандартное отклонение или квартили, а не голую точку.

Два датасета, ОДНО среднее = 50:
 A:  ▁▃▇█▇▃▁        симметричный, узкий
 B:  █▃▁ ▁ ▁▃█       бимодальный — две группы!
     └── среднее 50 не описывает НИ один кейс B

⚠️ Частая ошибка: отчитываться средним по бимодальному распределению — «средний пользователь» с 50 при двух группах по 10 и 90 не существует.

Короткий ответ: Неопределённость показывают error bars или доверительной полосой (confidence band) вокруг точки/линии: они говорят, насколько оценке можно верить. На малых и шумных выборках интервалы широкие — это сигнал не делать сильных выводов из случайных колебаний.

Подробно:

1. Error bars — на столбиках/точках: 95% ДИ или ±SE; показывают диапазон правдоподобных значений.
2. Доверительная полоса — затенённая лента вокруг линии тренда/прогноза.
3. Перекрытие интервалов — если ДИ двух групп сильно пересекаются, разница может быть шумом, а не сигналом.
4. Малый n — указывай размер выборки; не интерпретируй скачок на n=12 как тренд.

Группа A  ├────●────┤        интервалы
Группа B     ├────●────┤     перекрываются →
          разница недостоверна

Группа C  ├──●──┤
Группа D            ├──●──┤  не перекрываются →
          разница похожа на реальную

⚠️ Частая ошибка: рисовать одну линию без интервалов и громко трактовать каждый зубец — на n=20 «рост» легко окажется обычным шумом.