Как применять алгоритм Δλ #данные #визуализация #дизайн

Бюро Горбунова · 2026-01-26 · 1м 53с · 1 011 просмотров · YouTube ↗

Топики: craft-bureau-gorbunov

Аудио ещё не скачано.

📝 Summary

model=deepseek-v4-flash · prompt=summary-v7 · 2 488→728 tokens · 2026-05-29 07:02:14

🎯 Главная суть

Работа с визуализацией данных строится на алгоритме, который начинается с поиска целостной картины процессов, стоящих за сырыми данными. Из этой картины выделяется абстрактная «частица данных» — строительный кирпичик, дающий доступ к уровню деталей. Все последующие операции сводятся к манипуляциям с множеством таких частиц на экране.

🔍 Этапы алгоритма

После выделения частицы данных её нужно переместить на экран — просто разместить, без какого-либо порядка. Затем наступает ключевой шаг: привязка параметров данных к осям. Это создаёт каркас — связь между двумя экранными измерениями (вертикаль и горизонталь). К ним можно привязать как качественные, так и количественные параметры. Например, в Tableau такая привязка делается автоматически и интуитивно.

Внутри этого каркаса частицы можно свободно тасовать, получая разные представления и отвечая на любые вопросы. После того как визуализация определена, остаётся добавить интерфейс, который делится на две части: управление данными (например, фильтр по должности, чтобы оставить только руководителей) и, вероятно, другие элементы (в видео упоминается, что интерфейс состоит из двух независимых частей, но подробно раскрыта только первая).

📜 Transcript

ru · 277 слов · 5 сегментов · clean

Показать текст транскрипта

С чего мы начинаем работу с данными? Мы начинаем работу с данными с того, что мы пытаемся за таблицами, за базами данных, за теми данными, которые пришли нам на вход, мы пытаемся увидеть какую-то большую целостную картину тех процессов, которые эти данные порождают. И в этой большой картинке мы выделяем частицу данных. Это строительный кирпичик, из которого... построена вся реальность данных. Эта частица данных нам дает доступ к уровню деталей. И после того, как мы эту частицу данных выделили, у нас все ответы, как бы ответы на все вопросы про реальность данных, они у нас сводятся к каким-то операциям на множестве частиц. И следующий шаг, это то, что мы вот эту абстрактную частицу данных, мы ее перемещаем на экран. И следующий шаг алгоритма. Это когда мы начинаем вот эти наши частицы, которые у нас просто каким-то образом были расположены на экране, никак не упорядочены. Мы начинаем привязывать параметры данных к осям. Мы задаем каркас. Каркас — это связь. экранных измерений, вертикали и горизонтали, вот у нас появилось два экранных измерения, мы начинаем к ним еще привязывать параметры. Два параметра мы можем проявить на каркасе, причем мы можем проявить и качественные, и количественные параметры привязывать к каркасу. Это вот то, что Tableau очень хорошо умеет делать. Дальше внутри этого каркаса мы можем по-разному тасовать частицы, приходя к каким угодно представлениям. И отвечая на какие угодно вопросы. И после того, как уже с видом визуализации мы определились, мы начинаем добавлять интерфейс. И интерфейс у нас тоже делится на две достаточно такие независимые части. Во-первых, у нас может быть интерфейс управления данными. Мы можем, например, добавить фильтр по должности. И вместо всех должностей оставить только на визуализации, оставить только руководителей.

⚙️ Pipeline jobs