Концепция
Мода является важной частью современной культуры и экономики, отражая как потребительские предпочтения, так и глобальные рыночные тенденции.
Благодаря анализу данных становится возможным выявлять закономерности в поведении покупателей, популярности товаров и позиционировании брендов.
Для данного проекта был выбран датасет, посвящённый товарам модной индустрии. Он включает 1000 записей с информацией о названиях продуктов, брендах, категориях одежды, ценах, рейтингах, цветах и размерах. Данные были получены из открытых источников, размещённых на платформе Kaggle.
Цель инфографики — представить основные закономерности и тенденции современного рынка модной продукции в наглядной и визуально понятной форме. Мода является не только способом самовыражения, но и крупной индустрией, в которой потребительские предпочтения напрямую влияют на формирование ассортимента, ценовую политику брендов и развитие рыночных трендов.
В рамках исследования был проведён анализ зависимости рейтинга товаров от их стоимости и бренда, распределения размеров в различных категориях одежды, ценового позиционирования брендов, а также популярности цветовых решений среди потребителей. Для визуализации данных использовались различные типы диаграмм, позволяющие сравнить показатели, выявить наиболее значимые тенденции и представить результаты исследования в доступной форме.
Основная цель проекта — показать, каким образом анализ данных может помочь в понимании структуры рынка модной индустрии, выявлении потребительских предпочтений и принятии стратегических решений в сфере бизнеса, маркетинга и дизайна. Инфографика ориентирована на широкую аудиторию: студентов, исследователей, специалистов в области моды и маркетинга, а также всех, кто интересуется современными трендами и методами анализа данных.
Обработка данных проводилась в среде Jupyter Notebook с использованием библиотек pandas, matplotlib и seaborn. Процесс анализа включал несколько этапов: загрузку и подготовку данных, предварительное исследование структуры датасета, агрегацию и трансформацию показателей, а также создание итоговых визуализаций.
На этапе подготовки данных был импортирован датасет, проведена проверка структуры таблицы и качества данных. Для повышения наглядности были созданы словари перевода категорий товаров и цветовых обозначений на русский язык. После этого был выполнен предварительный анализ данных, включающий расчёт основных статистических показателей и изучение распределения категориальных переменных.
Следующим этапом стала агрегация данных. Для создания визуализаций были сформированы сводные таблицы и выполнена группировка по ключевым параметрам: брендам, категориям, размерам и цветам. Это позволило рассчитать средние значения рейтингов и цен, определить наиболее популярные характеристики товаров и подготовить данные для дальнейшего визуального анализа.
В процессе работы использовалась языковая модель Gemini от Google. Нейросеть помогла структурировать код для обработки данных, подобрать наиболее подходящие типы визуализаций для различных задач анализа, разработать систему перевода категорий и цветов, а также предложить варианты стилизации графиков и интерпретации полученных результатов. Основные запросы были связаны с выбором методов визуализации, оформлением графиков и представлением результатов в наиболее понятной форме.
Для инфографики была разработана единая визуальная система, отражающая тематику модной индустрии. Все графики выполнены в согласованной цветовой палитре с сохранением визуальной иерархии и единого стиля оформления. Особое внимание было уделено читаемости данных: на графики были добавлены числовые значения, информативные подписи и вспомогательная сетка. Единое оформление позволило объединить все визуализации в цельную систему и сделать представленные результаты более понятными для аудитории.
После создания графиков работа была перенесена в Figma, где был разработан финальный макет инфографики. При построении композиции основной задачей стало логичное расположение визуализаций и обеспечение удобной последовательности чтения. Все элементы были объединены в единую структуру, позволяющую последовательно раскрывать ключевые тенденции рынка модной индустрии и результаты проведённого анализа.
Инфографика
Визуализация
Процесс работы
За основу я беру проект по визуализации данных, где уже были построены графики и проанализирована вся нужная информация про фэшн индустрию.
Сбор и обработка данных осуществлялись в среде Jupyter Notebook с использованием библиотек pandas, matplotlib и seaborn. На первом этапе датасет был загружен и подготовлен к анализу: выполнена проверка структуры данных, перевод категорий и цветовых обозначений на русский язык, а также создание необходимых сводных таблиц и агрегированных показателей.
На основе обработанных данных были построены визуализации, отражающие различные аспекты рынка модных товаров: распределение категорий, ценовое позиционирование брендов, популярность цветов, взаимосвязь рейтингов и стоимости товаров, а также особенности размерных сеток. Для каждого типа данных были подобраны наиболее подходящие способы визуального представления, позволяющие сделать информацию более понятной и наглядной.
После подготовки графиков работа была перенесена в Figma, где был разработан финальный макет инфографики. Особое внимание было уделено композиции, визуальной иерархии и единству оформления. Все графики были интегрированы в единую систему, дополнены заголовками, поясняющими текстами и визуальными акцентами, которые помогают пользователю легче воспринимать результаты исследования.
Для поддержки аналитической и технической части проекта использовалась языковая модель DeepSeek. Нейросеть помогала в структурировании кода, выборе подходящих методов визуализации, разработке стилистики графиков и интерпретации полученных результатов. Также с её помощью были подготовлены отдельные текстовые материалы и описания для инфографики.
Финальным этапом стала подготовка презентационных материалов и размещение готовой инфографики на мокапах, что позволило продемонстрировать проект в контексте реального дизайнерского продукта.
Используемые инструменты
Для создания графиков использовался RawGraph и Jupiter. Для создания инфографики Figma. Для текста в макетах DeepSeek.
