Nike Sneaker Data

Проект основан на моём предыдущем анализе данных Nike Shoe Sales Data Analysis Summary. В прошлой работе я исследовала датасет Nike Shoe Sales Dataset и получила основные выводы о категориях, ценах, рейтингах и пользовательской активности. В этом проекте я возвращаюсь к тем же данным, но переосмысляю их уже как инфографику: делаю акцент на визуальной подаче, иерархии информации, графическом стиле и понятном сторителлинге.

Цель проекта — показать, как устроен ассортимент Nike: какие категории представлены чаще всего, какие модели оказываются самыми дорогими, какие получают высокие пользовательские оценки и есть ли связь между ценой и рейтингом. Инфографика быстро и наглядно объясняет сложные данные. Вместо таблицы с товарами покупатель получает понятную систему. Такая инфографика может быть полезна дизайнерам, маркетологам, исследователям потребительской культуры и всем, кто интересуется брендом.

В качестве источника использован датасет Nike Shoe Sales Dataset. В нем представлены следующие данные:

• product_name — название модели; • listing_price  — цена до скидки; • sale_price  — цена продажи; • discount  — размер скидки; • rating  — пользовательский рейтинг; • reviews  — количество отзывов.

Итоговая инфографика выполнена в формате тёмного постера. Такой формат был выбран потому, что его можно вписать в интерьер поп-апа или офис продаж бренда. Визуально постер объединяет графики, пиксельные изображения кроссовок, чёрный фон и акцентные цвета. Такой стиль делает инфографику ближе к уличной, спортивной и цифровой культуре.

Общее описание проекта.

Плакат показывает ассортимент Nike через различные данные. Этот блок работает как вход в тему и помогает зрителю понять, зачем нужны графики. Также так представлен топ-10 моделей по рейтингу. Он показывает модели, которые получили самые высокие пользовательские оценки.

Количество моделей по категориям.

Он показывает структуру ассортимента: какие направления Nike представлены в датасете сильнее всего. В графике выделены категории Running, Training, Skateboarding, Basketball, Football и Lifestyle. Этот блок показывает, что ассортимент строится не только вокруг спорта, но и вокруг повседневного направления.

Топ-5 самых дорогих уникальных моделей.

Для этого графика повторы моделей были исключены, чтобы одна и та же пара не занимала несколько мест в рейтинге.

Связь цены и рейтинга.

Это аналитический график, где каждая точка обозначает отдельную модель Nike. По оси X показана цена продажи, по оси Y — рейтинг, а размер точки отражает количество отзывов. График отвечает на вопрос: действительно ли более дорогие модели получают более высокие оценки.

В прошлой работе я уже исследовала датасет Nike Shoe Sales Dataset: изучала структуру данных, работала с категориями кроссовок, ценами, скидками, рейтингами и количеством отзывов. Поэтому в новом проекте основной задачей был не повторный анализ с нуля, а перевод уже найденных выводов в формат инфографики. На первом этапе я вернулась к результатам предыдущего проекта и выбрала те графики и показатели, которые лучше всего подходят для визуальной подачи на постере. В итоговую инфографику вошли блоки про количество моделей по категориям, топ-10 моделей по рейтингу, топ-5 самых дорогих уникальных моделей и связь цены с пользовательской оценкой.

Для построения и проверки графиков использовался Python. С помощью библиотек pandas, matplotlib и seaborn были подготовлены таблицы и визуализации, которые затем легли в основу плаката. Для построения и подбора визуальной формы графиков также использовался RAWGraphs 2.0. В нём я проверяла, какие типы диаграмм лучше подходят для постера, как распределяются данные визуально и какие графики будут наиболее понятны зрителю. RAWGraphs 2.0 помог перейти от таблиц и расчётов к более наглядной инфографической форме.

После отбора графиков финальная вёрстка выполнялась в Figma. В Figma я собрала композицию постера, настроила иерархию блоков, расположение графиков, заголовков, поясняющих подписей, сносок и декоративных элементов. Также в Figma была выстроена общая визуальная система проекта: тёмный фон, крупная типографика, красно-бирюзовые акценты, пиксельные изображения кроссовок и единый стиль графиков.

В процессе работы также использовался ChatGPT. Он помогал с написанием и корректировкой Python-кода, формулировкой текстовых блоков, поиском логики сторителлинга, генерацией идей для визуального стиля, а также созданием декоративных изображений кроссовок и мокапов. ИИ использовался как вспомогательный инструмент на этапах анализа, визуальной концепции и презентации проекта.