Brugernes krav

Den indledende briefing kan være et af de vigtigste skridt til at undgå at fare vild i alle mulighederne og faktisk reducere kompleksiteten med dit dashboard. Hvis du kun fokuserer på at skabe lækker grafik og interaktive grænseflader, kan det være med til at imponere brugerne, men hvis dit dashboard mangler funktionalitet, er det ineffektivt og vil sandsynligvis ikke blive brugt regelmæssigt. Derfor bør du starte med at tænke på formålet med dit dashboard og de tilsvarende brugerkrav. Når du har afklaret disse punkter, vil designet af dit dashboard mere eller mindre falde på plads.

Der er mange måder at skære kagen på, men de følgende fire ledende spørgsmål til afklaring af kravene fungerer efter vores erfaring ganske godt:

Hvem er brugerne af dit dashboard? Hvor ofte vil de bruge det, hvad er deres daglige rutiner, hvilke mål forsøger de at nå, og hvilken slags beslutninger vil blive baseret på oplysningerne? Husk på, at dashboards altid skal gøre livet lettere for nogen – det er derfor, brugeren kommer først.
Hvad er deres individuelle krav? Skal dit dashboard indeholde forskellige brugerroller, og hvordan adskiller de sig fra hinanden? Hvad er de rigtige tilladelsesniveauer for hver af dem til at tilgå, analysere og eksportere data?
Hvilke oplysninger er relevante for brugerne? Hvad er de relevante KPI’er for hver af dine brugergrupper? Hvilke andre datakilder skal inkluderes for at kontekstualisere disse KPI’er (f.eks. CRM, ERP, …)?
Hvad er virksomhedens strategi? Hvordan hjælper dashboardet brugerne med at fokusere på de rigtige ting og tilpasse deres handlinger til de overordnede mål?

Brugerroller og deres tilhørende dashboard

Nu hvor du har et overblik over de generelle krav, skal vi se nærmere på typiske brugerroller og deres tilhørende dashboards. De følgende kategorier kan hjælpe dig med at øge fokus på dit dashboard.

Operationelle dashboards bruges dagligt af operationelle teams. De er nødvendige for at træffe velinformerede beslutninger og arbejder meget ofte med realtidsdata. Deres analytiske evner er begrænsede, og de lægger kun vægt på de vigtigste KPI’er for at holde forretningen kørende. Et eksempel kunne være et dashboard, hvor annoncører kan tjekke, om deres annoncer passer til målgruppen i realtid og optimere kampagnen derefter. Da dataene rapporteres i realtid, har operatørerne et direkte feedback-loop for deres handlinger.

Analytiske dashboardsbruges oftest af forskere eller forretningsanalytikere. Hovedfokus for analytiske dashboards er ikke umiddelbar handling, men snarere at udforske data, identificere muligheder eller undersøge problemer. Meget ofte indeholder de underliggende data mange forskellige variabler, men de opdateres ikke så ofte. Sådanne dashboards giver brugerne mulighed for at finde mønstre, tendenser og uregelmæssigheder i dataene og er derfor udstyret med interaktive statistiske funktioner. Når du har fundet relevante indsigter, giver disse dashboards dig mulighed for at dele dine resultater med andre (f.eks. ved at eksportere dem). Disse dashboards bruges oftest i store projekter, især internationale eller sporingsstudier.

Strategiske dashboards bruges typisk af den daglige ledelse til at spore fremskridt i forhold til generelle forretningsmål. De behøver ikke nødvendigvis at operere med realtidsdata, men skal give et omfattende overblik over alle relevante forretningsområder. Derfor omfatter de typisk forskellige datakilder, der dækker alle perspektiver, f.eks. CRM-data, kunde- og medarbejdertilfredshed, finansielle data osv. Især for virksomheder med filialer og datterselskaber giver strategiske dashboards mulighed for at benchmarke enkelte profitcentre i forhold til den samlede forretningsudvikling og give forskellige brugere individuelle adgangsniveauer og benchmarks (f.eks. generel ledelse, regionschefer, butikschefer).

Disse kategorier er naturligvis ikke hugget i sten. Der er mange tilfælde, hvor en kombination af forskellige tilgange giver perfekt mening. De skal snarere ses som et nyttigt værktøj til bedre at forstå kravene i din specifikke sag.

Relevante datakilder

Lad os diskutere datakilderne et øjeblik. Dashboards kan arbejde med alle typer data. I det mest almindelige tilfælde vil dette være strukturerede data (f.eks. fra kvantitative undersøgelser), men det kan også omfatte ustrukturerede data, der er blevet behandlet tidligere (f.eks. fra kvalitative online dagbøger). Vores dashboard-løsning giver dig mulighed for at udføre de typiske procedurer for dataforberedelse som f.eks. kodning, tekstanalyse eller vægtning.

En vigtig ting at overveje er, hvor ofte datakilden skal opdateres. For ad hoc-undersøgelser kan dataene uploades manuelt, når dashboardet startes. Ved sporingsstudier er der behov for gentagne opdateringer. Auto FTP eller en automatisk fillæser kan gøre tricket i disse tilfælde. Nogle dashboards kan også kræve data i realtid. Dette kan gøres via en live API.

Endelig kan forskellige datakilder samles i ét dashboard. Vi har allerede set, at nogle dashboards kan kræve mere end én datakilde for at indeholde alle relevante oplysninger på ét sted. Dette kan opnås ved at vise information fra forskellige datakilder på én skærm uden at integrere dataene (f.eks. kundetilfredshed ved siden af medarbejdertilfredshed), men også ved at forbinde datakilderne via en fælles variabel (f.eks. salg af is og vejrinformation på forskellige tidspunkter).

Når du har skabt dig et overblik over alle relevante datakilder og de tilgængelige variabler, skal du begynde at arbejde med informationshierarkiet i dit dashboard.

Informationshierarki

Som nævnt hjælper dashboards med at reducere kompleksiteten af al tilgængelig information. Derfor bør dashboards altid give brugerne mulighed for at fokusere på de mest relevante aspekter af et problem. Et vigtigt princip for design af dashboards er at gøre det så enkelt som muligt for brugerne.

Det bringer os til et grundlæggende psykologisk princip, som vi skal huske på, når vi designer dashboards: Hvis der vises for mange oplysninger på én gang, kan mængden og kompleksiteten af oplysninger overvælde brugeren og faktisk hæmme beslutningstagningen. Dette fænomen er kendt som analyselammelse.

Vi vil gerne præsentere to grundlæggende teknikker, der hjælper brugerne med at holde fokus. Den første kommer fra journalistikken og er kendt som den omvendte pyramide eller BLUF (bottom line up front): Prøv at kommunikere de mest bemærkelsesværdige oplysninger i begyndelsen, fortsæt med vigtige detaljer eller tendenser, og læg generelle baggrundsoplysninger og andre detaljer til det med småt i dit dashboard.

Den anden teknik kommer fra UX Design og er kendt som “Progressive Disclosure”. Vis ikke alt på én gang, men brug interaktive elementer til at guide brugeren gennem dine data, f.eks. ved hjælp af visuelle hierarkier, faner, harmonikaer eller filtre. Start med de mest relevante resultater på den første visning, hold unødvendige resultater skjult så længe som muligt, og afslør disse detaljer gradvist i efterfølgende visninger. Det hjælper brugerne med at fokusere på én ting ad gangen, mens de stadig har adgang til al information.

Med det i baghovedet bør du gå til de data, du vil visualisere i dit dashboard. Prøv at sætte én måling i centrum for brugerens opmærksomhed (f.eks. generel kundetilfredshed), og gør alle andre målinger relaterbare til den. Hvad er drivkræfterne bag dine nøgletal (f.eks. tilfredshed med pris, med kvalitet, …)? Hvordan adskiller dine kundesegmenter sig (f.eks. demografi)? Hvordan ændrer denne måling sig over tid?

At etablere et informationshierarki vil hjælpe dig med at definere sitemap for dit dashboard og hvilke visuelle elementer og funktioner, der er nødvendige på hver skærm for at formidle den relevante information.

Visualisering af data

Grunden til, at visualiseringer er blevet så populære i nyere tid, er, at de gør abstrakte og komplekse data til en håndgribelig og relaterbar oplevelse. Igen tjener de det generelle formål at gøre det lettere for brugeren. Et lille antal enkle designprincipper kan hjælpe med at gøre dine data endnu mere letfordøjelige. Lad os tage et kig på dem.

Meget ofte er designet af dashboards drevet af at gøre dem så visuelt tiltalende som muligt. Generelt er der ikke noget galt i det, da det kan være med til at motivere brugerne til at bruge dit dashboard regelmæssigt. Men alle diagrammer skal stadig kommunikere de relevante oplysninger, og en designbeslutning bør aldrig stå i vejen for en vellykket kommunikation af data. Dette princip er bredt kendt som “form følger funktion”.

Et eksempel: Det kan være fristende at gruppere flere doughnut-diagrammer ved siden af hinanden, fordi deres visuelle lighed skaber et ensartet udseende. Og det ville faktisk være en fornuftig designbeslutning, hvis alle variabler kun indeholdt nogle få egenskaber. Men læsbarheden af et doughnut-diagram forringes, jo flere værdier det indeholder. Det bliver sværere at identificere tilstanden og at sammenligne de relative frekvenser af enkeltværdier med hinanden. I dette tilfælde ville det nok være bedre at vælge en anden diagramtype for at kommunikere mere effektivt.

Hvis du fjerner alle unødvendige designelementer, kan det hjælpe din bruger med at fokusere bedre på de relevante data. Dette princip er kendt som en høj data-ink-ratio blandt datavisualisatorer. Dette koncept kan virke lidt abstrakt i starten, men det giver dig mulighed for at vurdere, hvor klart og enkelt designet af dit dashboard egentlig er. Hvis du tænker på alle pixels i din visualisering, bør mængden af pixels, der er nødvendige for at vise de faktiske data (datablæk: linjer, områder, akser, dataetiketter), opveje mængden af pixels, der ikke er nødvendige for at vise dataene (ikke-datablæk: baggrundsgitterlinjer, 3D-effekter, skygger, overflødige etiketter). Det vil reducere mængden af distraherende designelementer og hjælpe brugeren med at holde fokus.

Vores sidste anbefaling til at designe bedre dashboards er, at man ikke må glemme brugeren. Mange brugere af dit dashboard vil kun stole på de oplysninger, som dashboardet giver, uden at have nogen til at vejlede dem i at fortolke og sætte indsigterne i kontekst. Derfor kan nogle af de mest relevante elementer faktisk være verbale beskrivelser, der hjælper brugerne med at kontekstualisere informationen:

• Brug overskrifter, forklaringer eller definitioner af variabler.
• Giv så meget (forretnings)kontekst som muligt til dine tal.
• Vær konsekvent i navngivningen af variabler og KPI’er for at eliminere en kilde til forvirring.

Vedligeholdelse af dashboardet

Sidst, men ikke mindst, må du ikke forlade dit dashboard, når det er klar. Du bør planlægge regelmæssige revisioner. I mange tilfælde vil dataene bag dit dashboard alligevel skulle opdateres i løbet af tiden. Det ville også være et godt tidspunkt at optimere nogle af dens funktioner. Indsaml feedback fra brugerne af dashboards for at se, hvad der er nyttigt for dem, og hvad der kan forbedres. På den måde kan du yderligere øge den forretningsmæssige effekt af dit dashboard.

Det vigtigste

Vi mener, at formidlingen af indsigter bør have samme kvalitetsstandarder som indsamlingen af de underliggende data. Husk disse vigtige trin for at komme i gang med dit dashboard:

1. Start med formålet med dit dashboard og de tilhørende brugerkrav.
2. Brug relevante datakilder til dit dashboard
3. Gør det så enkelt som muligt for brugerne, og guid dem gennem dine data.
4. Etablér et informationshierarki
5. Brug enkle datavisualiseringer til at gøre dine data mere forståelige.
6. Hold dit dashboard opdateret og relevant

Vi håber, at denne vejledning har været nyttig for dig. Som altid har alle regler undtagelser, men det er nyttigt at have nogle generelle principper ved hånden, som guider og forbedrer vores praksis. Omvendt håber vi, at du er enig med os i, at god visualisering ikke kan kompensere for dårlig datakvalitet.