+1 способ по исследовать данные в вашем продукте.

+1 способ по исследовать данные в вашем продукте.

Boxplot — это довольно простой способ визуализации, которая передает всю необходимую информацию о распределении числовых значений. Вы сможете компактно уместить на одном графике данные по медиане, наблюдаемые минимальное и максимальное значение выборки, а также отображать выбросы. В работе не приходилось использовать такой тип визуализации данных, но думаю можно провести мысленный эксперимент.

Предположим, вы product manager музыкального стримингового сервиса по примеру Spotify и вы хотите проанализировать время прослушивания пользователей в разные дни недели. В этом случае, вы можете использовать boxplot для визуализации времени прослушивания в различные дни недели. Вот как это может выглядеть:

Первым делом нужно собрать данные о продолжительности прослушивания пользователей в различные дни недели. Например, для каждого дня недели у вас есть информация о времени прослушивания за последнюю неделю.

Допустим, вы собрали данные о времени прослушивания (в минутах) в течение одной недели для каждого дня недели. Давайте рассмотрим на примере:у вас есть следующие данные о времени прослушивания в минутах для каждого дня недели:

День 1 (Понедельник): [50, 55, 60, 65, 70] День 2 (Вторник): [40, 45, 50, 55, 80] День 3 (Среда): [60, 65, 70, 75, 80] День 4 (Четверг):[ 45, 50, 55, 60, 65] День 5 (Пятница): [30, 35, 40, 45, 50] День 6 (Суббота): [70, 75, 80, 85, 90] День 7 (Воскресенье):[ 55, 60, 65, 70, 75]

30 35 40 45 | 50 55 60 65 | 70 | 75 80 85 90 Теперь построим boxplot для этих данных:

Верхний квартиль (Q3): В данном случае, это значение, которое делит верхние 25% данных, 77.5 Нижний квартиль (Q1): Значение, которое делит нижние 25% данных. В данном случае, это среднее между 40 и 45, что равно 42,5. Медиана (Q2): Значение, которое делит данные пополам. Среднее между 55 и 60, что равно 57,5. Усы (Whiskers): Усы могут быть определены по различным правилам. Давайте используем 1,5-кратное значение IQR. IQR равен Q3 - Q1, то есть 77,5 - 42,5 = 35. Таким образом, усы будут расположены в пределах 1,5 * IQR от Q1 и Q3. В данном случае, усы будут от 42,5 - 1,5 * 20 = 12,5 до 77,5 + 1,5 * 20 = 107,5. Выбросы: Любые значения за пределами усов считаются выбросами. Например, если у вас есть день, где время прослушивания составляет 120 минут, это может быть выбросом. Таким образом, анализ boxplot может помочь определить, в какие дни пользователи в среднем слушают музыку дольше, выявить аномалии (выбросы), а также оценить изменчивость в данных. Например, если вы замечаете, что в выходные (суббота и воскресенье) у пользователей в среднем больше времени прослушивания, это может быть интересной информацией для предложения нового контента в эти дни, создания специальных плейлистов под выходные или же оптимизация маркетинговых промо-активности.