Якщо вам терміново треба веб дешборд, а html + javascript ви не дуже знаєте (або практично не знаєте) і розбиратись з рішеннями для BI тяжко або дорого - можна зробити його з використанням R та бібліотек shiny(бібліотека для веб додатків на R) та rHighсharts (обгортка до JavaScript бібліотеки Highcharts).
Виглядати він може навіть так:
Діаграми є інтерактивними. Це означає, що, наприклад, можна забирати/додавати ряди даних клікаючи по легенді. Поекспериментувати можна тут: http://glimmer.rstudio.com/reinholdsson/shiny-dashboard/.
Документація для початку роботи: http://glimmer.rstudio.com/reinholdsson/rHighcharts/
Проект на GitHub: https://github.com/metagraf/rHighcharts
Показ дописів із міткою візуалізація. Показати всі дописи
Показ дописів із міткою візуалізація. Показати всі дописи
пʼятниця, 27 вересня 2013 р.
вівторок, 8 січня 2013 р.
Нові профілі GitHub та теплові карти.
Теплові карти набувають все більшого розповсюдження. GitHub запустив нові профілі, у яких активність користувача можна оцінити поглянувши на календарну теплову карту:
Ще про цей вид графіків тут: http://energyfirefox.blogspot.com/2012/11/blog-post_17.html
Ще про цей вид графіків тут: http://energyfirefox.blogspot.com/2012/11/blog-post_17.html
субота, 17 листопада 2012 р.
Теплові карти для візуалізації часових рядів.
Застосування теплових карт при аналізі часових рядів дає значно більше інформації, ніж традиційні графіки.
Теплова карта - графік, де значення представлені у вигляді кольорів. Детальніше про теплові карти в загальному розкаже вікіпедія, а ми розглянемо як їх застосовувати при візуальному аналізі часових рядів.
Для прикладу проаналізуємо кількість відвідувань цього блогу від 15 січня 2010.
У традиційному представленні часового ряду графік виглядає так:
Фактично тут представлено два виміри: день та значення . Таке представлення дозволяє виявити наявність тренду. В той же час, теплова карта для цих даних, дозволяє виявити ще й сезонну та тижневу складову з допомогою лише візуального аналізу:
Бачимо, що статистика за більш ніж два з половиною роки вмістилась в один невеликий, акуратний, а головне легкий для сприйняття, графік. Кількість представлених вимірів зросла до п'яти (рік, місяць, день тижня, число та значення).
Як можна використати таке представлення?
Такий тип візуалізації можна застосувати при аналізі даних за великий період часу (рік і більше) у різних сферах (кількість відвідувачів сайту, кількість замовлень в інтернет-магазині, кількість дзвінків в контакт-центр, кількість затримок авіарейсів, зміна валютних курсів і т.д.).
Як зобразити таку календарну теплову карту?
Безпосередньо цей графік було побудовано в R з використанням функції CalendarHeat, автором якої є Paul Bleicher. Вхідними параметрами є вектор дат (у форматі POSIXlt або character у вигляді "%Y-%m-%d" ) та вектор значень у ці дні. Завантажити код функції, а також переглянути інший варіант використання можна тут.
Також можна скористатись Java Script бібліотекою D3.js. Приклад побудови тут.
Теплова карта - графік, де значення представлені у вигляді кольорів. Детальніше про теплові карти в загальному розкаже вікіпедія, а ми розглянемо як їх застосовувати при візуальному аналізі часових рядів.
Для прикладу проаналізуємо кількість відвідувань цього блогу від 15 січня 2010.
У традиційному представленні часового ряду графік виглядає так:
Фактично тут представлено два виміри: день та значення . Таке представлення дозволяє виявити наявність тренду. В той же час, теплова карта для цих даних, дозволяє виявити ще й сезонну та тижневу складову з допомогою лише візуального аналізу:
Як можна використати таке представлення?
Такий тип візуалізації можна застосувати при аналізі даних за великий період часу (рік і більше) у різних сферах (кількість відвідувачів сайту, кількість замовлень в інтернет-магазині, кількість дзвінків в контакт-центр, кількість затримок авіарейсів, зміна валютних курсів і т.д.).
Як зобразити таку календарну теплову карту?
Безпосередньо цей графік було побудовано в R з використанням функції CalendarHeat, автором якої є Paul Bleicher. Вхідними параметрами є вектор дат (у форматі POSIXlt або character у вигляді "%Y-%m-%d" ) та вектор значень у ці дні. Завантажити код функції, а також переглянути інший варіант використання можна тут.
Також можна скористатись Java Script бібліотекою D3.js. Приклад побудови тут.
середа, 28 березня 2012 р.
пʼятниця, 2 березня 2012 р.
Географія послідовників в Twitter.
Сьогодні, з допомогою R, покажемо географічне положення послідовників та тих, за ким слідкую я, в twitter.
Для цього використаємо пакети twitteR (для отримання даних), dismo та XML для отримання географічних координат місцезнаходження та maps і geosphere для побудови карти.
Отримуємо список послідовників та тих, за ким я слідую:
Отримуємо список послідовників та тих, за ким я слідую:
tmp <- getUser("fire_fox")
followers <- tmp$getFollowers(n = NULL)
following = tmp$getFriends(n = NULL)
Знаходимо координати місцезнаходження кожного користувача з отриманих списків. Для кожного місця отримуємо широту та довготу(де це можливо). Для отримання широти/довготи використана функція geocode(), яка є обгорткою веб-сервісу геокодінгу Google:
userlocation <- geocode(tmp$location)
userLL <- userlocation[ , c("lon", "lat")]
followersLocation <- sapply(followers,function(x){location(x)})
followersLocation <- as.data.frame(do.call(rbind, followersLocation))
gcodesfollowers <- geocode(followersLocation$V1)
gcodesfollowers <- gcodesfollowers[!is.na(gcodesfollowers$lon), ]
unigcodesfollowers <- unique.data.frame(gcodesfollowers)
unigcodesfollowers <- unigcodesfollowers[, c("lon", "lat")]
followingLocation = sapply(following,function(x){location(x)})
followingLocation <- as.data.frame(do.call(rbind, followingLocation))
gcodesfollowing <- geocode(followingLocation$V1)
gcodesfollowing <- gcodesfollowing[!is.na(gcodesfollowing$lon), ]
unigcodesfollowing <- unique.data.frame(gcodesfollowing)
unigcodesfollowing <- unigcodesfollowing[, c("lon", "lat")]
Зображаємо на карті послідовників та тих, за ким слідую я:
par(mfrow=c(2,1),mar=rep(0,4))
map("world", col="#191919", fill=TRUE, bg="#000000", mar=rep(0,4))
mtext("@fire_fox Followers Map",col="white")
for (i in 1:nFollowers){
inter <- gcIntermediate(userLL, c(unigcodesfollowers$lon[i], unigcodesfollowers$lat[i]), n=100, addStartEnd=TRUE)
lines(inter, col = "white", lwd = 0.8)
}
map("world", col="#191919", fill=TRUE, bg="#000000", mar=rep(0,4))
mtext("@fire_fox Following Map",col="white")
for (i in 1:nFollowing){
inter <- gcIntermediate(userLL, c(unigcodesfollowing$lon[i], unigcodesfollowing$lat[i]), n=100, addStartEnd=TRUE)
lines(inter, col = "white", lwd = 0.8)
}
mtext("created by @fire_fox",col="white", side = 1)
Ось і результат, де з'єднувальні лінії - найкоротші відстані між мною та користувачем. :
Ще один із способів описаний у статті http://simplystatistics.tumblr.com/post/14568185310/an-r-function-to-map-your-twitter-followers. Але, при використанні описаної в статті функції, відкидаються користувачі, у яких в полі "location" дані введені кирилицею. У випадку мого екаунта це близько половини фолловерів. Тому вибір зроблено на користь пакета dismo, де є можливість використати геокодінг Google.
вівторок, 21 лютого 2012 р.
Хто кому хто? Граф стосунків та Game of Thrones.
Частина героїв книг та фільмів з детективними сюжетами використовує візуалізацію взаємовідносин для виявлення прихованих мотивів злочину. Приклади цього у фільмі "Дівчина з татуюванням дракона" та книзі "Контроль" В.Суворова.
Також візуальне зображення "хто кому хто" дозволяє краще зрозуміти перебіг подій у книгах та фільмах з великою кількістю дійових осіб.
Для прикладу чудова інфографіка, автором якої є Magda Maslowska. Вона зображає родини та дійових осіб популярного серіалу "Гра престолів", а також відносини між ними.
Також можна переглянути візуалізацію взаємовідносин між персонажами і в посібнику глядача від HBO
пʼятниця, 17 лютого 2012 р.
Чому закривають серіал Доктор Хаус?
Продюсери популярного серіалу "House M.D." та Хью Лорі анонсували закінчення шоу в травні цього року. Восьмий сезон стане останнім для серіалу, який розпочався в 2004 році. Чи справді прийшов час це зробити?
Проаналізуємо інтерес глядачів до шоу.
вівторок, 14 лютого 2012 р.
Масштаб всесвіту
Одне з важливих завдань гарної візуалізації - дозволити людині поглянути на звичні цифри (речі, явища) під новим, незвичним кутом. За рахунок цього людина отримує якесь нове знання або більш повне, системне бачення старих.
Авторам цієї простенької флеш-анімації, безумовно, вдалося досягнули мети: http://www.stumbleupon.com/su/2LaQsj/ompldr.org/vY2x2aQ/589217_scale_of_universe_enhanced.swf
Авторам цієї простенької флеш-анімації, безумовно, вдалося досягнули мети: http://www.stumbleupon.com/su/2LaQsj/ompldr.org/vY2x2aQ/589217_scale_of_universe_enhanced.swf
неділя, 22 січня 2012 р.
Baby analytics. Як зрозуміти немовля?
Батьків немовляти турбує багато питань :
- Чому плаче дитина?
- Чи не пора замінити підгузник?
- Може голодна?
- Скільки часу спить?
- Як часто їсть?
- Скільки часу їсть?
- Скільки часу пройшло від останнього годування?
- Можливо варто розбудити вдень, щоб вся сім'я могла добре виспатись вночі?
- Чому погано набирає вагу?
Запис щоденної активності полегшує життя батькам, оскільки дозволяє краще зрозуміти поведінку дитини, її добові ритми та потреби. Вести такі записи можна вручну та за допомогою різноманітних сервісів.
пʼятниця, 28 жовтня 2011 р.
Інфографіка
Одним із засобів візуального подання даних є інфографіка. Даний тип графіків дозволяє представити комплексний набір інформації у зручній для сприйняття та аналізу формі.
Для прикладу, автором цікавої іконографіки є Jon Bruner, який дослідив розподіл отримувачів Нобелівської премії за країнами.

Беззаперечним лідером в науці після 1945 року є США, причому 32% лауреатів, які отримали премії працюючи в США є виходцями з інших країн. Для порівняння для Німеччини цей показник складає 17%, для Японії 0%. До ІІ Світової Війни лідером по здобуттю премій була Німеччина. Детальніше про дослідження можна прочитати тут.
Для прикладу, автором цікавої іконографіки є Jon Bruner, який дослідив розподіл отримувачів Нобелівської премії за країнами.
Беззаперечним лідером в науці після 1945 року є США, причому 32% лауреатів, які отримали премії працюючи в США є виходцями з інших країн. Для порівняння для Німеччини цей показник складає 17%, для Японії 0%. До ІІ Світової Війни лідером по здобуттю премій була Німеччина. Детальніше про дослідження можна прочитати тут.
Для тих, хто цікавиться інфографікою корисним буде російськомовний ресурс http://infographer.ru/, російсько/україномовний http://vmestoslov.info/ і, звичайно ж, праці Едварда Тафті - гуру візуалізації.
середа, 8 червня 2011 р.
Візуалізація зарплат IT-спеціалістів
Ресурс developers.org.ua у травні провів опитування по зарплатах серед користувачів. Отримані анкети викладено в публічний доступ та оголошено конкурс на візуалізацію.
Дані по анкетах вже очищені, розмір зарплати зведено до доларів - це значно полегшує роботу по візуалізації. Всі посади є підмножинами чотирьох категорій: Розробники (DEV), Керування проектами (PM), Тестувальники (QA) та інші. До інших належать такі посади: Системний адміністратор, адміністратор баз даних, технічний письменник, верстальник, дизайнер, гейм-дизайнер.
Отже, основні тенденції для всіх ІТ-спеціалістів:
понеділок, 31 січня 2011 р.
Візуалізація. Зміна інструментів
Близько року займаюсь візуалізацією статистики роботи техпідтримки. Спочатку це був Google Docs - результати sql-скриптів копіювались туди, далі - побудова графіків і т. д. Багато доводилось робити вручну. Перейшла на Excel - pivot tables - чудова річ ( http://www.youtube.com/watch?v=7zHLnUCtfUk), яка дозволяє робити обробку даних безпосередньо в Excel, дані з бази імпортуються майже автоматично. Але в Excel, як і в Google Docs та інших їхніх аналогах обмежений набір графіків. Наразі статистику перенесла в R. Це надпотужний інструмент зацікавив тим, що дозволяє робити як статистичний аналіз даних, так і data mining. Крім того, має величезні можливості візуалізації, а також інтеграцію з базами даних.
З R багато речей можна зробити досить швидко та красиво. Наприклад, статистика за один з років по зареєстрованих зверненнях клієнтів, згрупована по днях тижня:
Графік - коробчаста діаграма. По осі Х - дні тижня, починаючи з неділі. З даного графіка можемо зробити висновки:
- у вихідні дні звернень реєструється менше;
- у будні дні середня кількість звернень практично однакова
- велика кількість аномальних даних у вівторок, четвер та п'ятницю - можливо в ці дні аварійні ситуації виникають частіше;
четвер, 23 грудня 2010 р.
понеділок, 8 листопада 2010 р.
вівторок, 26 жовтня 2010 р.
Аналіз листів Gmail.
Дуже корисно, якщо повідомлення про певні події приходять вам суто на пошту, і окремий моніторинг для них - занадто складно організувати або в ньому нема потреби. http://ko.com.ua/node/52493
пʼятниця, 22 жовтня 2010 р.
Візуалізація даних
Стаття, в якій класифікуються способи візуалізації даних. Дуже гарно підібрані приклади. http://experiment.ru/technologies/data-visualization-1/
А тут висвітлюється процес та інструменти візуалізації
А тут висвітлюється процес та інструменти візуалізації
вівторок, 21 вересня 2010 р.
Моніторинг грипу by Google
Гугл аналізує кількість запитів пов'язаних з простудою та грипом. На основі цих даних можна спрогнозувати початок епідемії.
http://www.google.org/flutrends/intl/uk/ua/#UA
неділя, 4 липня 2010 р.
Аналіз ефективності роботи техпідтримки
Маємо метрики - кількість відкритих, закритих заявок, а також кількість коментарів до них. Аналіз кількості відкритих заявок (наприклад візуальний аналіз графіків) дає можливість виокремити конкретні проблемні ситуації, які виникають, але не дає можливості оцінити ефективність роботи техпідтримки в цілому.
середа, 16 червня 2010 р.
Класна підбірка книжок по data mining
http://www.thearling.com/books.htm а також по візуалізації даних та CRM
Підписатися на:
Дописи (Atom)






