В последние годы у общества повышается интерес к играм. У людей вырабатываются свои предпочтения, интересы, под которые подстраиваются производители и гейм дизайнеры.
Игровая индустрия сейчас одна из самых динамично развивающихся отраслей мировой экономики. По объёму доходов она уже обгоняет кинематограф и музыкальную индустрию вместе взятые, а аудитория игроков по всему миру насчитывает более трёх миллиардов человек. Видеоигры стали полноценной частью современной культуры: они формируют сообщества, создают профессии, влияют на поведение и образ жизни людей самых разных возрастов.
Вместе с ростом индустрии стремительно развивается и аналитика данных внутри неё. За каждым показателем стоит поведение живого человека, его вовлечённость, предпочтения и реакция на игровой контент. Умение читать и интерпретировать эти данные становится всё более востребованным навыком.
Именно поэтому для данной работы был выбран анализ игровой статистики за период март — апрель 2025 года. Анализ данных за этот период позволяет выявить приблизительно актуальные тенденции, проследить динамику вовлечённости и сформулировать выводы, отражающие реальное состояние игрового пространства в начале 2025 года. Инфографика как раз поможет глубже понять тренды в индустрии видеоигр.
Стилистическое решение
Визуальный облик данного исследования я хотела сделать четким и одновременно ярким — таким же разнообразным как и мир видеоигры.
Формат для инфографики — адаптивный. Я старалась все в проекте придерживать вокруг идеи многофункциональности (начиная с цветовой палитры).
Поэтому инфографика может жить как на горизонтальном и вертикальном плакате, так и становиться полноценным журнальным разворотом.
Визуализация
Процесс работы
За основу я беру проект по визуализации данных, где уже были построены графики и проанализирована вся нужная информация про индустрию видеоигр.
Сбор и обработка С помощью Python и библиотеки pandas, numpy в Google Colab были проанализированы и простроены все графики.
Через Google Colab были выстроены первичные графики по разным категориям данных.
Создание визуализаций На основе этих данных я построила разного типа диаграммы, которые бы отображали информацию в более понятном виде. Для некоторых данных я изменила тип графика: круговую диаграмму я перенесла в формат линейной через datawrapper. В процессе я переосмыслила концепцию предыдущего проекта и увела все в более живой и яркий формат.
После подготовки графиков я перешла к сбору макета в Figma, перерисовав в векторе все графики вручную. После того как я добавила текстовые заголовки и описания я сделала из макета адаптивный формат с помощью функции auto layout. Это позволило сделать мне два шаблона — горизонтальный и вертикальный.
Финальный этап работы — перенос всего на мокапы. Их я подбирала так, чтобы они гармонично сочетались с дизайном инфографического макета.
Использование генеративной модели Для генерации текстового материала в макете с инфографикой использовалась нейросеть DeepSeek.
