Визуализация данных и статистика для бизнес-решений

Подготовь практические рекомендации по визуализации данных и интерпретации статистических мер для {company/industry} от лица {business analyst}. Цель — извлекать инсайты, которые станут основой для {strategic planning/informed decisions}.

Если плейсхолдеры не заменены, используй разумные общие допущения: средний коммерческий B2C-бизнес с табличными данными по транзакциям и клиентским метрикам, цель — поддержка стратегического планирования.

Учитывай такие входы:
- цель анализа;
- объём и типы данных;
- доступные инструменты и ограничения;
- целевую аудиторию результата.

Ограничения:
- Ответ на русском языке.
- Стиль: профессиональный, краткий, прикладной.
- Общий объём: 1000–1400 слов.
- Пример кода допускается отдельно и должен быть компактным.
- Не добавляй рассуждений о процессе генерации.

Структура ответа строго по разделам:
1. Краткое резюме: 3–5 ключевых рекомендаций.
2. Рекомендованные типы визуализаций: 6–10 связок «цель → визуализация → почему».
3. Практическая интерпретация статистических мер: среднее, медиана, мода, дисперсия, стандартное отклонение, квартили, корреляция, ковариация, регрессия, p-value, доверительные интервалы, effect size — с бизнес-смыслом и возможными решениями.
4. Пошаговый процесс data-to-insight, 6–8 шагов, с проверками качества данных.
5. Decision mapping: шаблон «insight → риск/неопределённость → рекомендованное действие» и 3 примера.
6. Практическая секция: 1–2 описательных графика и минимальный кодовый пример на Python с pandas + seaborn / matplotlib либо в указанном инструменте. Код — не более 20 строк.
7. Чек-лист visual design и советы presentation-ready.
8. Риски и частые ошибки интерпретации, 5 пунктов.
9. Рекомендуемые KPI и метрики мониторинга после внедрения инсайтов, 5–8 пунктов.

Избегай длинной теории и не генерируй большие SQL-скрипты или сложные модели.