Как собрать данные, проанализировать их и превратить в визуальный медиапроект? Это можно сделать с помощью нескольких инструментов искусственного интеллекта и Google-сервисов. На Innovation Camp в Алматы медиаэксперт Алексей Терехов представил презентацию «Анализируй, визуализируй, публикуй» и показал, как эти инструменты работают на практике. «Новый репортёр» собрал ключевые идеи из его выступления.
Как работать с Datawrapper?
Datawrapper— один из самых удобных и надёжных инструментов для журналистов, аналитиков и редакторов, которым нужно быстро и без программистских навыков создавать графики, карты и таблицы. Сервис работает полностью в браузере, поддерживает загрузку данных из Excel, Google Sheets и автоматически подстраивает дизайн под медиаформаты и позволяет встраивать визуализации в статьи с адаптацией под мобильные устройства.
Главное преимущество Datawrapper — в том, что он помогает превращать сложные данные в понятные, структурированные и визуально корректные истории.
Как используется связка Google Sheets + ИИ + Datawrapper?
Сбор и обработка информации:
- Делаем запрос ChatGPT, Gemini или любой другой ИИ на поиск информации по заданной теме или загружаем уже собранную информацию;
- Просим создать таблицу по заданным параметрам или просим предложить возможные варианты.
Проверка и форматирование в Google Sheets
- Загружаем созданный CSV, проверяем цифры, названия стран, адреса и тп. Например, если есть дроби, то точку лучше заменить на запятую.
- Копируем ссылку и открываем по ней доступ.
Визуализация Datawrapper
- Линкуем таблицу по ссылке;
- Выбираем формат визуализации, “причесываем”;
- Публикуем.
Например, издание The North в Молдове проводило исследование выплат, которые местные депутаты назначали сами себе за участие в сессиях. Журналисты собрали данные по всей стране: кто, где и сколько получает. На этом этапе у них была обычная таблица с десятками строк — тяжёлая для восприятия. Но Datawrapper помог создать им интерактивную карту, по которой было видно, в каких регионах чиновники выписали себе больше денег.
Фото1
Ещё один пример использования сервиса Datawrapper:
Карта мира, на которой выделены страны, посещённые президентом Казахстана Касым-Жомартом Токаевым в 2025 году. Такой тип инфографики помогает сразу понять географию поездок: наглядно видно Казахстан, Россию, Китай, Турцию, страны Центральной Азии, Европу и США. Это простой, но показательный пример того, как Datawrapper превращает набор данных в визуальную историю.
Если представить эти же данные в виде обычного списка — «Китай, Турция, Венгрия, США…» — материал получится сухим и трудным для восприятия.
Карта же делает то, что таблица не может:
- показывает регионы активности;
- подчёркивает распределение поездок по миру;
- позволяет в один взгляд увидеть политическую географию;
- даёт читателю интуитивное понимание масштаба.
Для этой карты данные были собраны при помощи ИИ в режиме deep research.
Запрос был простым: собрать все страны, которые президент Казахстана посетил в 2025 году. Такую карту в Datawrapper можно собрать примерно за 15 минут.
Загрузка таблицы.
Загружается список стран и дополнительная информация: цель визита, даты, ключевые события.
Выбор шаблона.
В Datawrapper выбирается мировая карта, а затем страны автоматически подсвечиваются по названиям.
Настройка цветов.
Все посещённые страны можно сделать одним цветом, а Казахстан — другим, чтобы обозначить отправную точку.
Тултипы (всплывающие подсказки).
На каждую страну добавляются пояснения:
- «Официальный визит, встреча с Си Цзиньпином»
- «Участие в саммите»
- «Рабочая поездка»
Кроме того, в Datawrapper можно загрузить свои логотипы, изменить шрифты, подобрать палитру. Если редакция работает со стилем, это удобно.
Схематические карты в Datawrapper для анализа выборов
Чтобы визуализация работала как инструмент анализа, а не просто как картинка, важно выбирать такой тип карты, который помогает показать смысл данных. В Datawrapper, помимо обычных географических карт, есть схематичные варианты. Они особенно полезны, когда нам нужно подчеркнуть не географию, а логику, закономерность или паттерн.
Например, выборы в регионах России — схематичная карта позволяет сразу увидеть, как страна делится условно на «север» и «юг»: южные регионы (выделенные красным) дали Путину результаты выше среднего по стране, тогда как северные — ниже. Географически эти регионы сильно различаются по площади, и классическая карта с пропорциональными размерами областей в данном случае только мешала бы увидеть общую закономерность.
Схематичная карта решает проблему: она выравнивает регионы, убирает «шум» площади и делает акцент на различиях. При этом мы не утверждаем напрямую, что разница связана с фальсификациями, но визуальный паттерн сразу задаёт вопросы и подсказывает направления для дальнейшего анализа.
Главное преимущество Datawrapper — гибкость. Если редактору не нравится схематичная карта, её можно одним кликом заменить на географическую, не меняя сам набор данных.
Datawrapper также поддерживает автоматическую географию регионов: можно работать не только со странами, но и с областями, районами, городами — вплоть до 3D-карт Бухары или Алматы. Благодаря этому редакция может выбирать тот тип визуализации, который лучше всего иллюстрирует различие, тенденцию или аномалию в данных.
Такой подход — искать визуальную «линию разлома» в данных, а затем выбирать подходящий формат карты — превращает визуализацию не в декоративный элемент, а в полноценный аналитический инструмент.
Как избежать типичных ошибок при работе с Datawrapper и данными из ChatGPT
Для работы с Datawrapper достаточно предоставить таблице доступ «на уровне читателя» — давать редакторские права не нужно. После подключения Google Sheets важно выбрать нужную визуализацию и обязательно нажать кнопку Connect: без этого Datawrapper не будет подгружать обновления.
При импорте данных часто возникают ошибки. Например, ChatGPT может выдавать названия стран в своём формате, а Datawrapper использует собственную стандартизированную кодификацию. Так «Russian Federation» сервис не распознаёт — нужна «Russia». Ещё одна частая проблема — когда первый ряд таблицы ошибочно помечен как подписи (Labels). В этом случае карта «теряет» страны, хотя данные в таблице присутствуют. Помогает включение/отключение опции First row as labels и перепроверка того, какая колонка используется как географический идентификатор.
Участники Кэмпа
Некоторые ошибки — нормальная рабочая ситуация. Datawrapper как раз удобен тем, что показывает предупреждения и помогает понять, где сбой. Главное — внимательно пройти весь пайплайн: загрузка таблицы, проверка формата, корректировка названий, настройка колонок для географии и только потом визуализация.
Когда данные корректно подключены, с картой можно работать дальше: добавлять цели визитов, дату, описание — превращая простую карту в мини-расследование. Если ChatGPT подготовил таблицу, её всё равно нужно вручную проверить, особенно если запрос был сформулирован неточно: например, просили «президентов», а в итоге в списке оказались премьер-министры. Проверка — обязательная часть процесса.
Главный принцип работы остаётся неизменным: всё, что генерирует ИИ, нужно проверять; всё, что загружается в Datawrapper, нужно подключать; каждую визуализацию — настраивать вручную.
Innovation Camp состоялся в рамках регионального проекта «Повышение устойчивости аудитории через достоверные истории (CARAVAN)», финансируемого Европейским Союзом и реализуемого Internews.