[концепция]
Orange Insight — проект о том, как с помощью данных можно рассмотреть качество апельсина как систему измеримых признаков. Обычно мы выбираем апельсины интуитивно, но за этим привычным выбором стоят конкретные параметры: вес, размер, уровень сладости, кислотность, цвет и степень спелости. В этом проекте я рассматриваю апельсин как объект анализа и пытаюсь понять, какие признаки могут быть связаны с представлением об «идеальном» фрукте.
Идея проекта показать, как данные помогают по-новому взглянуть на привычный объект: апельсин. Проект исследует, из чего складывается представление о его качестве, и превращает бытовой выбор фрукта в понятную визуальную историю.
Цель проекта визуально исследовать параметры качества апельсинов и показать, как размер, вес, кислотность, цвет, сладость и спелость связаны между собой.
Польза инфографики сделать данные понятными и наглядными. Проект помогает увидеть закономерности, которые сложно заметить при обычном выборе фруктов, и показывает, как инфографика может объяснять повседневные объекты через визуальный анализ.
[исходные данные]
В качестве анализируемого материала я выбрала базу данных (Orange Quality Analysis Dataset) с сайта Kaggle. Датасет включает параметры, описывающие качество апельсинов: размер, вес, уровень сладости, кислотность, цвет и степень спелости.
Основой для данной инфографики послужил мой предыдущий проект по визуализации данных, выполненный в рамках учебного модуля. В нём я уже исследовала характеристики апельсинов и построила базовые графики, показывающие связи между разными параметрами качества. В финальном проекте эта тема была продолжена: я сосредоточилась на создании журнальных разворотов.
Для инфографики я выбрала:
Линейную диаграмму, чтобы посмотреть, как связаны размер и сладость.
Круговую диаграмму, чтобы показать распределение цветов апельсинов. Это простой и понятный способ представить категории.
Точечную диаграмму, чтобы изучить связь веса и кислотности.
Столбчатую диаграмму, чтобы посмотреть, как меняется вес в зависимости от спелости. Это помогает понять динамику.
[развороты и носители]
Для финальной инфографики были выбраны четыре визуализации, раскрывающие разные аспекты качества апельсинов. Они объединены в серию из трёх журнальных разворотов, где данные складываются в последовательную историю об «идеальном» фрукте.
Визуальный язык основан на эстетике фруктовых наклеек, ретро-упаковки и печатной журнальной инфографики. Такой стиль связан с темой выбора апельсинов: наклейка на фрукте становится метафорой маленького носителя информации о качестве продукта.
Цветовая палитра построена на ярком жёлтом, оранжевом, глубоком зелёном, синем, красном и кремовом оттенках. Они поддерживают тему цитрусовых и создают ощущение сочности, тепла и свежести. Лёгкая зернистость добавляет эффект печатной фактуры.
В качестве основного шрифта используется Roboto Mono: он поддерживает тему данных, таблиц и точного анализа. Дополнительные акцидентные шрифты применяются в наклейках, чтобы усилить ретро-эстетику фруктовых этикеток.
Серия из трёх разворотов выстроена как последовательное исследование апельсина: от общего вопроса о качестве к разбору отдельных параметров. Первый разворот задаёт тему и показывает связь размера и сладости, второй сопоставляет внутренние и внешние признаки: вес, уровень pH и цвет кожуры, а третий завершает историю через анализ спелости и веса. Такая структура помогает собрать графики в цельный визуальный рассказ о том, как данные раскрывают привычный объект с разных сторон.
[процесс создания]
Анализ и подготовка графиков выполнялись в Google Colab с использованием Python, Matplotlib и Seaborn. Для финальной работы были отобраны четыре направления: размер и сладость, вес и уровень pH, распределение цветов кожуры, спелость и средний вес.
После анализа данных я переработала визуальную подачу и создала серию из трёх журнальных разворотов. В них данные раскрываются последовательно: от общего вопроса о качестве апельсина к анализу отдельных параметров и итоговому выводу.
Визуальные материалы были частично созданы вручную в Adobe Photoshop: я разработала стиль апельсинов, фактуры, цвет и графические элементы в эстетике фруктовых наклеек и ретро-упаковки. Для одного из изображений также использовались инструменты ИИ, после чего оно было адаптировано под общий стиль проекта.
Финальная вёрстка выполнена в Figma, где графики, текст и изображения были объединены в цельную серию журнальных разворотов.
процесс создания: код
downloaded from Freepik (http://www.freepik.com/)
[вывод]
Проект показывает, что даже привычный объект можно рассмотреть как систему данных. Инфографика помогает увидеть, из каких признаков складывается представление о качестве апельсина, и делает эти связи понятными через визуальный рассказ. Такой подход превращает обычный выбор фрукта в более внимательное наблюдение за деталями.
В результате анализа стало видно, что параметры апельсина не работают отдельно: размер, сладость, вес, кислотность, цвет и спелость связаны между собой и вместе формируют более полное представление о качестве фрукта. Поэтому «идеальный» апельсин в проекте становится образом, который складывается из нескольких данных и их визуального сопоставления.
Kaggle — источник датасета Orange Quality Analysis Dataset. Google Colab / Python — анализ данных и построение графиков. Matplotlib, Seaborn — создание диаграмм и трендовых линий. ChatGPT — помощь в структуре проекта и генерация одного визуального материала для разворотов. Adobe Photoshop — обработка изображений, фактур и графических элементов. Figma — финальная вёрстка серии журнальных разворотов.
