Jak vylepšit vizuál dashboardů v Tableau? 5 triků od Emila. | Mňamka #358

Znáte ten pocit, kdy se po veškeré náročné práci s přípravou dat a tvorbou metrik konečně dostanete k vizualizaci dat, ale přijdete na to, že ta pravá sranda teprve přichází? Vizualizace máte vytvořené, ale dashboard stále vypadá dost prázdně, čistá stránka s číslicemi, grafy a sliderem na filter.

Pokud k vizualizaci využíváte Tableau, tak právě pro Vás tu máme několik triků, jak se tohoto problému zbavit. Pouze pomocí nativních funkcí Tableau během chvíle z vizualizací uděláte mnohem více uživatelsky příjemný a přehledný nástroj.

Barva pozadí - Prvním nejzákladnějším krokem je volba barvy pozadí, nenechte se zmást čistou a elegantní bílou, většina reportů v ní spíše zanikne a ztratí tak svou jasnou zprávu pro uživatele. Místo toho radíme použít například světle šedou, díky které se jednotlivé reporty oddělí a mnohem více se zviditelní.

Barva reportů - S barvou reportů je to zase naopak, zvolte takovou barvu, díky které jednotlivé reporty více vyniknou na celém dashboardu. Dashboard díky dobrému zvolení barvy reportů vypadá mnohem více uceleně a uspořádaně a jednotlivé reporty na něm následně nejsou jen jako létající čísla na barevném pozadí.

Nastavení Outer a Inner Paddingu -  Pro každý report na dashboardu je za nás nutnost nastavení Outer a Inner Paddingu, díky kterému je možné vytvořit pro jednotlivé reporty vlastní okraje. To celé pomůže k tomu, aby reporty nebyly nalepené přímo na sebe a byly jasně oddělené. Díky tomu uživatel jasně vidí, jak jsou reporty oddělené a nebude mít otázky typu: "Je tato osa u grafu opravdu pro graf, na který koukám?" Doporučené hodnoty jsou Outer Padding (8), Inner Padding (15).

Vložení horizontal/vertical objektů mezi reporty - Je dalším bodem, díky kterému dáte reportům jasnou visibilitu a hezkým způsobem nastavíte oddělení jednotlivých reportů.

Vložení filtrů a legend do horizontal/vertical objektů - Do těchto objektů, díky kterým můžeme oddělovat jednotlivé reporty, je za nás i skvělým tipem vložit filtr. Pomocí objektů je totiž možné filtry oddělit od reportů a zároveň do nich naskládat hned několik filtrů a nenechat je volně poletovat po dashboardu, na závěr celý blok s filtry můžete barevně oddělit například rámečkem, díky kterému bude jasně vidět, že se již nejedná o report, ale blok pro filtrování dashboardu.

Pro ukázku je zde tento dashboard, na kterém jasně vidíte, co pouze těchto pět triků dokáže s vizualizací udělat.

Obr.: Ukázka úpravy dashboardu

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

Emil

Emil Samko

datový detektiv
LinkedIn

Síla dobře navržených dashboardů a KPI | Mňamka #535

Síla dobře navržených dashboardů a KPI | Mňamka #535

V dnešní době chce být každý "data-driven" – rozhodovat se na základě dat, a ne podle pocitů. Jedním z klíčových způsobů, jak toho dosáhnout, jsou správně nastavené KPI a přehledné dashboardy. Ty poskytují jasný přehled o výkonnosti a pomáhají firmám činit rozhodnutí, která opravdu stojí na datových základech, ne na odhadech.

Klíčové ukazatele výkonnosti (KPI): Jak je správně nastavit a efektivně vyhodnotit pomocí business intelligence | Mňamka #534

Klíčové ukazatele výkonnosti (KPI): Jak je správně nastavit a efektivně vyhodnotit pomocí business intelligence | Mňamka #534

Jak efektivně řídit růst a sledovat dosažení cílů? Jak klíčové ukazatele výkonnosti (KPI) pomáhají firmám zlepšovat výkon a naplňovat strategické záměry?V článku najdete příklady KPI pro oblasti jako finance, marketing, zákaznický servis, výroba, lidské zdroje a IT, včetně praktických příkladů jejich využití. Zjistěte, jak zavést a sledovat KPI, abyste získali lepší přehled o efektivitě klíčových procesů.

Datové sklady, jezera a lakehouse: Jak vybrat správnou architekturu pro správu dat? | Mňamka #533

Datové sklady, jezera a lakehouse: Jak vybrat správnou architekturu pro správu dat? | Mňamka #533

Svět správy dat prošel rychlým vývojem, který je poháněn rostoucí potřebou zpracovávat a analyzovat obrovské množství dat v reálném čase. Firmy, které chtějí porozumět svým datům, narazily na různé architektury – datové sklady, datová jezera a nyní i tzv. lakehouse – které nabízejí různé možnosti pro ukládání a správu dat. Tento článek se zabývá těmito třemi architekturami, porovnává jejich výhody a nevýhody a podrobněji se zaměřuje na lakehouse, nejnovější inovaci, která se snaží řešit problémy z dřívějších systémů.