Desatero pro tvorbu dashboardů | Mňamka #204

Největším problémem v celém procesu zadání dashboardu je to, s kým tento task řešíme. Často se stává, že zadavatel práce a konzument onoho výstupu není ta stejná osoba. A právě tady nastává největší kámen úrazu. Zadavatel práce bude totiž určitě dopodrobna znát účel dat, která mají být na dashboardu vizualizována. Co už nemusí znát zcela dopodrobna je, jaký typ vizualizace bude konzumentovi vyhovovat, jaké metriky budou ty nejdůležitější nebo také třeba přes jaké atributy by chtěl dashboard filtrovat a kam tyto filtry ideálně zasadit. Prvním a nejdůležitějším doporučením je tedy diskutujte zadání dashboardu přímo s jeho konzumentem.

Následný proces zadání dashboardu pak lze rozdělit do dvou případů, které mohou nastat - konzument nemá žádnou představu, jak by měl dashboard vypadat a ví jenom to, co by měl obsahovat a nebo má konzument představu o podobě dashboardu.

V prvním případě máte volné ruce a můžete se pustit do tvorby mock-upu. V druhém případě musíte nejprve revidovat požadavky klienta a případně regulovat jeho očekávání. Je dobré si dát pozor na požadavky typu:

  • potřebuju dashboard, kde budu mít vše na jednom místě
  • jsme zvyklí hlavně na tabulky, tak to vytvořte hlavně na nich

Pokud se u klienta setkáte s podobnými požadavky, je dobré zvednout prst a pobavit se o možných úpravách, aby byl výsledek přehledný.

A tady už je desatero, které se mi v Bizztreat osvědčilo:

1. zadání dashboardu se řeší přímo s konzumentem (zadavatel je i konzument)

jinak může dojít ke špatnému přijetí dashboardu konzumentem a dashboard ve výsledku nemusí být používán (a to přece nechceme!)

2. vypíchněte jen opravdu důležité věci a detaily nechte na separátní reporty (dashboardy)

problém je v tom, že se nedokážeme soustředit na mnoho věcí zároveň, proto je vhodné udržet dashboardy čisté a přehledné

3. vhodně poskládejte jednotlivé vizuály na dashboard

je to stejné, jako když čtete tuto mňamku - začínáte vlevo nahoře a končíte vpravo dole - nejdůležitější informace tedy zařaďte do prvního řádku nahoře, kde se konzument bude ještě plně soustředit

4. volte správné typy grafů

ne každý graf se hodí na vizualizace daných informací. Například vizualizovat časový trend pomocí klientova oblíbeného koláčového grafu je nemožné! Pečlivě zvolte, jaký graf se bude právě pro váš konkrétní případ hodit. Není od věci si vytvořit dva, tři různé vizuály a poté vybrat ten nejvhodnější třeba i po konzultaci s klientem. Pěknou inspiraci najdete třeba zde

5. nepřehánějte to s barvami

zvýraznit důležité informace nebo barevně odlišit jednotlivé kategorie je určitě super věc. Jakou barevnou kombinaci ale zvolit, aby celkový pohled byl čtivý je však kapitola sama pro sebe. Doporučuji se nechat inspirovat generátory, které barevné kombinace vymyslí za vás. Návrhy na některé takové generátory najdete v jedné z našich prvních mňamek

6. vyhněte se dlouhým dashboardům neboli “toilet papers”

pokud to tool umožňuje, je časté řešení bodu 2 natáhnout dashboard do výšky a zachovat tak jeho přehlednost. Tím se mohou ztratit informace, ke kterým se konzument musí doscrollovat a nejsou vidět na první pohled. Raději dashboard rozdělte na více jednotlivých dashboardů podle typu informací, které mají poskytovat

7. nemíchejte časové úseky na jednom dashboardu

vytvořte spíše více dashboardů, kdy každý bude zaměřen na jinak dlouhé časové období. Jeden bude například zobrazovat měsíční data a druhý roční. Nemíchejte tyto pohledy dohromady! Pro konzumenta je poté složité se vyznat v tom, který vizuál je zrovna s měsíčními daty a který s ročními a může to skončit otázkami jako - “proč je to revenue za minulý rok tak malé? Vždyť to vypadá jako bychom prodávali jen jeden měsíc…”.

8. definujte si jmennou konvenci a tu potom používejte

pojmenujte si metriky a atributy smysluplně a těchto názvů se poté držte  - váš život pak bude jednodušší až se vás konzument zeptá, co je to za metriku, a vy její název nebudete moc v dokumentaci najít, protože jste si ji přejmenovali na dashboardu

9. popisujte tabulky i grafy

dlouhé popisy mohou zabírat zbytečně moc místa na dashboardu, kam se musí vejít všechny důležité informace. Napsat výstižný název tabulky nebo grafu bohatě postačí a konzument bude na první pohled vidět, na co se dívá.

10. využívejte tooltip

v případech, kdy nestačí výstižný název, je vhodné využít tooltip, který se zobrazí při kliknutí nebo najetí myší. Tam se můžete rozepsat a popsat složité metriky a pohledy.

 

Tak to je několik bodů, které se mi osvědčily při návrhu dashboardů pro klienty. Samozřejmě jich je určitě mnohem více, ale sepsat je všechny asi ani nejde. Ať jich aplikujete 5 nebo 20, cíl je vždy stejný - dashboard, který bude konzument s radostí pravidelně využívat. Tak hurá do toho!

Zapomněl jsem na něco? Chcete se na něco zeptat? Napište mi. 

Tom

Tomáš Kos
datový detektiv
LinkedIn

5 bodů, které je dobré zvážit, když uvažujete o zavedení analytiky | Mňamka #233

5 bodů, které je dobré zvážit, když uvažujete o zavedení analytiky | Mňamka #233

Stavět od základů svou vlastní analytiku interně nebo zvolit hotové řešení? Každé má svá pro a proti. I když ručička vah často ukazuje jasně na druhou variantu. Než se finálně rozhodneme, je fajn vzít v úvahu několik bodů – například naše znalosti a dovednosti, ochranu dat, náklady a škálovatelnost, time to market nebo následný servis a aktualizace. Pojďme si projít, nad čím se zamyslet, než řekneme finální GO!

Ted talks: Éra slepé víry v big data musí skončit | Mňamka #232

Ted talks: Éra slepé víry v big data musí skončit | Mňamka #232

Žijeme v době algoritmů. Algoritmy dnes často rozhodují o tom, kdo získá půjčku, kdo bude pozván na pracovní pohovor, kdo získá pojištění atd. atd. Teoreticky by to mělo vést k větší spravedlnosti – každý je souzen podle stejných pravidel. Jenže.. to automaticky neznamená, že je vše vyhodnoceno "správně". Matematička a datová vědkyně Cathy O'Neil se zabývá algoritmy, které jsou neregulované, tajné, důležité a škodlivé. Pojďme si poslechnout jeden z velmi zajímavých TED talks o temné straně Big data!

Základy vizualizace dat | Mňamka #231

Základy vizualizace dat | Mňamka #231

Jste na začátku. Díváte se do tabulky plné čísel a jednotlivé sloupce vzájemně splývají. Než se dostanete na konec řádku, ztrácíte přehled o jeho začátku a opačně. Co ta čísla vlastně znamenají a jak se v nich vyznat? Přehledná vizualizace zní jako plán. Jenže jak na to? Kde začít? Shrnuli jsme pro vás pár základních kroků, které vám poradí, jak na to.