date,device,channel,region,stage,users
2025-06-01,Desktop,Organic,Москва,Посещение сайта,18450
2025-06-01,Desktop,Organic,Москва,Просмотр категории,15120
2025-06-01,Desktop,Organic,Москва,Просмотр товара,10280
2025-06-01,Desktop,Organic,Москва,Добавление в корзину,4320
2025-06-01,Desktop,Organic,Москва,Начало оформления,2710
2025-06-01,Desktop,Organic,Москва,Выбор доставки,2480
2025-06-01,Desktop,Organic,Москва,Выбор оплаты,2215
2025-06-01,Desktop,Organic,Москва,Успешная оплата,1986
2025-06-01,Mobile,Organic,Москва,Посещение сайта,25780
2025-06-01,Mobile,Organic,Москва,Просмотр категории,19450
2025-06-01,Mobile,Organic,Москва,Просмотр товара,12810
2025-06-01,Mobile,Organic,Москва,Добавление в корзину,4650
2025-06-01,Mobile,Organic,Москва,Начало оформления,2810
2025-06-01,Mobile,Organic,Москва,Выбор доставки,2490
2025-06-01,Mobile,Organic,Москва,Выбор оплаты,2190
2025-06-01,Mobile,Organic,Москва,Успешная оплата,1884
2025-06-01,Desktop,Ads,Москва,Посещение сайта,12840
2025-06-01,Desktop,Ads,Москва,Просмотр категории,9150
2025-06-01,Desktop,Ads,Москва,Просмотр товара,6040
2025-06-01,Desktop,Ads,Москва,Добавление в корзину,2310
2025-06-01,Desktop,Ads,Москва,Начало оформления,1410
2025-06-01,Desktop,Ads,Москва,Выбор доставки,1270
2025-06-01,Desktop,Ads,Москва,Выбор оплаты,1132
2025-06-01,Desktop,Ads,Москва,Успешная оплата,980
2025-06-01,Mobile,Ads,Москва,Посещение сайта,23100
2025-06-01,Mobile,Ads,Москва,Просмотр категории,16200
2025-06-01,Mobile,Ads,Москва,Просмотр товара,10120
2025-06-01,Mobile,Ads,Москва,Добавление в корзину,3510
2025-06-01,Mobile,Ads,Москва,Начало оформления,1940
2025-06-01,Mobile,Ads,Москва,Выбор доставки,1710
2025-06-01,Mobile,Ads,Москва,Выбор оплаты,1498
2025-06-01,Mobile,Ads,Москва,Успешная оплата,1310
2025-06-01,Desktop,Email,Санкт-Петербург,Посещение сайта,8540
2025-06-01,Desktop,Email,Санкт-Петербург,Просмотр категории,7060
2025-06-01,Desktop,Email,Санкт-Петербург,Просмотр товара,5210
2025-06-01,Desktop,Email,Санкт-Петербург,Добавление в корзину,2520
2025-06-01,Desktop,Email,Санкт-Петербург,Начало оформления,1810
2025-06-01,Desktop,Email,Санкт-Петербург,Выбор доставки,1695
2025-06-01,Desktop,Email,Санкт-Петербург,Выбор оплаты,1608
2025-06-01,Desktop,Email,Санкт-Петербург,Успешная оплата,1514
2025-06-01,Mobile,Email,Санкт-Петербург,Посещение сайта,10120
2025-06-01,Mobile,Email,Санкт-Петербург,Просмотр категории,8350
2025-06-01,Mobile,Email,Санкт-Петербург,Просмотр товара,6235
2025-06-01,Mobile,Email,Санкт-Петербург,Добавление в корзину,2810
2025-06-01,Mobile,Email,Санкт-Петербург,Начало оформления,1960
2025-06-01,Mobile,Email,Санкт-Петербург,Выбор доставки,1825
2025-06-01,Mobile,Email,Санкт-Петербург,Выбор оплаты,1718
2025-06-01,Mobile,Email,Санкт-Петербург,Успешная оплата,1629

До этого момента мы использовали наиболее популярные визуализации Apache Superset: таблицы, KPI-карточки, столбчатые диаграммы и линейные графики.

Для большинства задач этого действительно достаточно. Более того, в реальных BI-проектах именно эти визуализации используются чаще всего. Однако иногда стандартных графиков становится недостаточно.

Представим несколько ситуаций:

Руководитель хочет понять, в какие часы и дни недели наблюдается наибольшая активность покупателей.
Маркетологу необходимо проанализировать эффективность каждого этапа воронки продаж.
Категорий товаров стало настолько много, что обычная столбчатая диаграмма перестала помещаться на экран.
Аналитик хочет проверить, существует ли связь между скидкой и объемом продаж.

Для подобных задач используются специализированные визуализации. Apache Superset содержит десятки различных типов графиков. Многие из них предназначены для решения достаточно узких аналитических задач, но при правильном использовании позволяют получить гораздо больше информации, чем стандартные диаграммы.

В этом уроке мы познакомимся с Heatmap, Treemap, Funnel Chart, Scatter Plot и Box Plot, разберем реальные сценарии их применения и научимся понимать, когда стоит использовать каждую из этих визуализаций.

Ключевые термины

Heatmap — тепловая карта, отображающая интенсивность показателей с помощью цвета.
Treemap — иерархическая диаграмма, представляющая данные в виде вложенных прямоугольников.
Funnel Chart — воронка, показывающая прохождение объектов через последовательность этапов.
Scatter Plot — диаграмма рассеяния для анализа взаимосвязей между показателями.
Box Plot — диаграмма размаха, отображающая распределение данных и выбросы.
Outlier — выброс, значение, существенно отличающееся от основной массы данных.
Correlation — взаимосвязь между двумя показателями.
Hierarchy — иерархическая структура данных.
Conversion — переход объекта с одного этапа процесса на следующий.
Distribution — распределение значений показателя.

Почему нельзя использовать один тип графика для всех задач

Начинающие аналитики часто пытаются решать все задачи с помощью Bar Chart или Line Chart. Это вполне нормально. Эти визуализации просты, понятны и подходят для большинства сценариев.Однако разные типы данных требуют разных способов отображения.

Например, если нужно показать структуру продаж по категориям товаров, отлично подойдет столбчатая диаграмма. Но если необходимо показать одновременно категорию, подкатегорию и бренд, обычный график становится неудобным.

Точно так же линейный график прекрасно показывает изменение показателя во времени, но совершенно не подходит для анализа взаимосвязи между двумя метриками. Поэтому хороший аналитик выбирает визуализацию исходя из задачи, а не из личных предпочтений.

Heatmap

Начнем с одной из самых полезных продвинутых визуализаций. Heatmap или тепловая карта позволяет отображать значения с помощью цвета. Чем больше значение показателя, тем более насыщенным становится цвет.

Представим интернет-магазин электроники. Мы хотим понять, в какие дни недели и часы наблюдается максимальная активность покупателей.

Таблица из чисел будет выглядеть перегруженной. Гораздо удобнее использовать Heatmap. По горизонтали размещаем часы. По вертикали дни недели. Внутри каждой ячейки отображается количество заказов. Самые активные периоды сразу выделяются цветом.

Такой подход позволяет за несколько секунд обнаружить закономерности, которые сложно заметить в обычной таблице.

Heatmap особенно полезна для анализа:

активности пользователей;
продаж по времени;
загрузки сотрудников;
посещаемости сайта;
эффективности рекламных кампаний.

Когда Heatmap работает плохо

Несмотря на свою эффективность, Heatmap подходит не для всех задач. Если категорий слишком мало, тепловая карта не дает дополнительных преимуществ.

Например, сравнивать продажи четырех категорий товаров через Heatmap бессмысленно. Обычная столбчатая диаграмма будет намного понятнее.

Поэтому Heatmap лучше использовать тогда, когда данные имеют две измеряемые оси и достаточно большое количество комбинаций значений.

Treemap

Следующая визуализация решает совершенно другую задачу. Treemap помогает анализировать иерархические данные.

Представим структуру ассортимента интернет-магазина:

Электроника
├─ Смартфоны
├─ Ноутбуки
├─ Планшеты

Внутри каждой категории находятся бренды. Внутри брендов — отдельные товары. Если построить обычную диаграмму, информация быстро станет перегруженной. Treemap отображает структуру в виде прямоугольников. Размер прямоугольника показывает величину показателя.

Например, объем продаж. Чем больше выручка категории, тем больше площадь соответствующего блока.

В результате пользователь одновременно видит:

структуру бизнеса;
относительный вклад категорий;
лидеров продаж.

Когда использовать Treemap

Treemap особенно полезен для анализа:

товарных категорий;
структуры клиентской базы;
рекламных каналов;
иерархии подразделений;
распределения бюджета.

Главное условие — наличие вложенной структуры данных. Если иерархии нет, Treemap обычно проигрывает обычным диаграммам.

Funnel Chart

Одним из самых популярных графиков в бизнесе является Funnel Chart. Он используется для анализа процессов, состоящих из последовательных этапов.

Представим путь клиента в интернет-магазине:

Посещение сайта
Просмотр товара
Добавление в корзину
Оформление заказа
Оплата

На каждом этапе часть пользователей отсеивается. Воронка позволяет увидеть, где происходят основные потери.

Например:

100 000 посетителей
50 000 просмотров товара
20 000 корзин
8 000 заказов
5 000 оплат

По ширине блоков сразу видно, на каком этапе бизнес теряет больше всего клиентов. Именно поэтому Funnel Chart является одним из основных инструментов маркетинговой аналитики.

Практическая ценность Funnel Chart

Предположим, маркетолог замечает резкое снижение между этапами Корзина → Оформление заказа. Это может говорить о проблемах интерфейса.

Возможно, форма заказа слишком сложная. Или доставка оказывается неожиданно дорогой. Без Funnel Chart подобные проблемы заметить значительно сложнее.

Scatter Plot

Теперь перейдем к совершенно другому типу задач. Очень часто аналитика интересует вопрос: Существует ли связь между двумя показателями?

Например:

влияет ли скидка на объем продаж;
связаны ли расходы на рекламу с выручкой;
зависит ли количество заказов от времени доставки.

Для подобных задач используется Scatter Plot. Каждая точка на графике представляет отдельный объект.

Например, товар. По одной оси отображается скидка. По второй — количество продаж. Если точки формируют определенную закономерность, можно предположить наличие связи между показателями.

Что позволяет увидеть Scatter Plot

Scatter Plot помогает быстро обнаруживать закономерности. Например, можно заметить, что товары с большими скидками обычно продаются лучше. Или наоборот. Может оказаться, что скидка практически не влияет на продажи.

Подобные выводы сложно сделать через таблицу или столбчатую диаграмму. Именно поэтому диаграмма рассеяния активно используется в аналитике данных.

Ограничения Scatter Plot

Важно понимать, что Scatter Plot показывает связь, но не доказывает причинно-следственные отношения. Если между скидкой и продажами существует зависимость, это еще не означает, что именно скидка является причиной роста продаж. Возможно, обе переменные зависят от третьего фактора.

Поэтому Scatter Plot является инструментом поиска гипотез, а не окончательных выводов.

Box Plot

Последняя визуализация в нашем обзоре особенно полезна для поиска аномалий. Представим, что мы анализируем стоимость заказов. Большинство заказов находится в диапазоне от 20 до 100 долларов.

Однако иногда встречаются заказы на несколько тысяч долларов. Возникает вопрос: Это ошибка или реальная покупка? Для подобных задач используется Box Plot.

Эта визуализация показывает:

медиану;
основной диапазон значений;
разброс данных;
выбросы.

Вместо сотен строк таблицы аналитик получает компактное представление распределения данных.

Почему Box Plot любят аналитики

Box Plot отлично подходит для поиска проблем в данных.

Например:

ошибочных значений;
подозрительных транзакций;
аномальных клиентов;
необычных заказов.

Представим, что средняя стоимость заказа составляет 50 $. Но на графике присутствуют несколько точек со значением 5000 $. Это сразу привлекает внимание аналитика.

Дальше можно выяснять причину. Иногда это ошибка данных. Иногда — действительно крупная покупка. В любом случае подобные случаи требуют дополнительного изучения.

Как выбирать правильную визуализацию

Опытные аналитики редко начинают работу с вопроса Какой график мне построить? Гораздо полезнее задавать другой вопрос На какой бизнес-вопрос я хочу ответить?

Если нужно увидеть активность во времени и категориях — подойдет Heatmap.
Если требуется показать структуру бизнеса — Treemap.
Если анализируется путь клиента — Funnel Chart.
Если необходимо проверить взаимосвязь показателей — Scatter Plot.
Если нужно исследовать распределение данных и найти выбросы — Box Plot.

Именно такой подход позволяет создавать действительно полезные отчеты.

Наиболее частые ошибки

Использовать продвинутые визуализации без необходимости.
Иногда обычная столбчатая диаграмма оказывается более понятной.
Строить Heatmap для небольшого количества значений.
В этом случае визуализация теряет смысл.
Использовать Treemap без иерархии данных.
Такая диаграмма становится сложной для восприятия.
Пытаться анализировать причинно-следственные связи через Scatter Plot.
Диаграмма показывает взаимосвязь, но не доказывает причину.
Игнорировать выбросы на Box Plot.
Аномалии часто содержат важную информацию.
Использовать Funnel Chart для процессов без четких этапов.
Воронка эффективна только для последовательных сценариев.
Перегружать Dashboard большим количеством сложных графиков.
Пользователь может запутаться в отчете.
Выбирать визуализацию по внешнему виду, а не по задаче.
Главная цель графика — отвечать на бизнес-вопрос.

Наиболее частые вопросы

Какая из продвинутых визуализаций используется чаще всего?
В коммерческой аналитике особенно популярны Funnel Chart и Heatmap, поскольку они помогают решать распространенные бизнес-задачи.
Когда стоит использовать Treemap вместо Bar Chart?
Когда необходимо показать иерархическую структуру данных и вклад различных уровней в общий результат.
Для чего нужен Scatter Plot?
Для поиска взаимосвязей между двумя показателями.
Что показывает Box Plot?
Распределение данных, медиану, разброс значений и возможные выбросы.
Можно ли строить Funnel Chart для любого процесса?
Нет. Процесс должен состоять из последовательных этапов, через которые проходят объекты.
Почему Heatmap использует цвета вместо столбцов?
Цвет позволяет быстро выявлять закономерности при большом количестве комбинаций значений.
Какая визуализация лучше подходит для поиска аномалий?
В большинстве случаев Box Plot является одним из самых удобных инструментов.
Нужно ли использовать продвинутые графики на каждом Dashboard?
Нет. Их стоит применять только тогда, когда они действительно помогают ответить на бизнес-вопрос.

Итоги

В этом уроке мы познакомились с продвинутыми визуализациями Apache Superset и научились выбирать график под конкретную аналитическую задачу.

Мы рассмотрели Heatmap для анализа активности и плотности данных, Treemap для исследования иерархий, Funnel Chart для анализа конверсии, Scatter Plot для поиска взаимосвязей между показателями и Box Plot для исследования распределений и поиска аномалий.

Главная идея урока заключается в том, что универсального графика не существует. Каждая визуализация имеет сильные и слабые стороны и предназначена для решения определенного класса задач.

Теперь вы умеете не только строить дашборды и визуализации, но и выбирать наиболее подходящий инструмент для анализа данных. Это позволяет получать более глубокие инсайты и создавать отчеты, которые действительно помогают бизнесу принимать решения.