Krav från användare

Den första genomgången kan vara ett av de viktigaste stegen för att undvika att gå vilse i alla möjligheter, och faktiskt minska komplexiteten med din dashboard. Att bara fokusera på att skapa snygg grafik och interaktiva gränssnitt kan hjälpa till att imponera på användarna, men om din dashboard saknar funktionalitet är den ineffektiv och kommer sannolikt inte att användas regelbundet. Därför bör du börja med att fundera över syftet med din dashboard och motsvarande användarkrav. När du har klargjort dessa punkter kommer utformningen av din dashboard mer eller mindre att falla på plats.

Det finns många sätt att skära upp kakan, men följande fyra ledande frågor för att klargöra kraven fungerar ganska bra enligt vår erfarenhet:

Vilka är användarna av er dashboard? Hur ofta kommer de att använda den, vilka är deras dagliga rutiner, vilka mål försöker de uppnå och vilken typ av beslut kommer att baseras på informationen? Tänk på att dashboards alltid ska göra livet enklare för någon – det är därför användaren kommer i första hand.
Vilka är deras individuella krav? Kommer er dashboard att behöva innehålla olika användarroller och hur skiljer de sig åt? Vilka är de rätta behörighetsnivåerna för var och en av dem när det gäller åtkomst, analys och export av data?
Vilken information är relevant för användarna? Vilka är de relevanta KPI:erna för var och en av era användargrupper? Vilka andra datakällor behöver inkluderas för att kontextualisera dessa KPI:er (t.ex. CRM, ERP, …)?
Vilken är företagets strategi? Hur hjälper dashboards användarna att fokusera på rätt saker och anpassa sina åtgärder till de övergripande målen?

Användarroller och deras motsvarande dashboards

Nu när du har en överblick över de allmänna kraven ska vi titta närmare på typiska användarroller och deras motsvarande dashboards. Följande kategorier kan hjälpa dig att öka fokus i din dashboard.

Operativa dashboards används dagligen av operativa team. De behövs för att fatta välgrundade beslut och arbetar ofta med realtidsdata. Deras analytiska förmåga är begränsad och de betonar bara de viktigaste KPI:erna för att hålla verksamheten igång. Ett exempel skulle kunna vara en dashboard där annonsörer kan kontrollera målgruppsanpassningen av sina annonser i realtid och optimera kampanjen därefter. Eftersom data rapporteras i realtid får operatörerna en direkt återkoppling på sina åtgärder.

Analytiska dashboardsanvänds oftast av forskare eller affärsanalytiker. Huvudfokus för analytiska dashboards är inte omedelbar handling utan snarare att utforska data, identifiera möjligheter eller utreda problem. Ofta innehåller den underliggande datan många olika variabler men uppdateras inte så ofta. Sådana dashboards gör det möjligt för användarna att hitta mönster, trender och avvikelser i data och är därför utrustade med interaktiva statistiska funktioner. När du har hittat relevanta insikter kan du med hjälp av dessa dashboards dela dina resultat med andra (t.ex. genom att exportera dem). Dessa dashboards används oftast i stora projekt, särskilt internationella studier eller trackingstudier.

Strategiska dashboards används vanligtvis av ledningen för att följa utvecklingen mot de övergripande affärsmålen. De behöver inte nödvändigtvis arbeta med realtidsdata, men bör ge en omfattande översikt över alla relevanta affärsområden. Därför inkluderar de vanligtvis olika datakällor som täcker alla perspektiv, t.ex. CRM-data, kund- och medarbetarnöjdhet, finansiella data etc. Särskilt för företag med filialer och dotterbolag gör strategiska dashboards det möjligt att jämföra enskilda resultatenheter med den övergripande affärsutvecklingen och ge olika användare individuella åtkomstnivåer och riktmärken (t.ex. General Management, Regional Managers, Store Managers).

Dessa kategorier är naturligtvis inte hugget i sten. Det finns många fall där en kombination av olika metoder är helt logisk. De bör snarare ses som ett användbart verktyg för att bättre förstå kraven i ditt specifika fall.

Relevanta datakällor

Låt oss diskutera datakällan/datakällorna ett ögonblick. Dashboards kan arbeta med alla typer av data. I det vanligaste fallet kommer detta att vara strukturerade data (t.ex. från kvantitativa undersökningar), men det kan också inkludera ostrukturerade data som har bearbetats tidigare (t.ex. från kvalitativa online-dagböcker). Med vår dashboard-lösning kan du utföra de typiska procedurerna för databehandling, t.ex. kodning, textanalys eller viktning.

En viktig sak att tänka på är hur ofta datakällan kommer att uppdateras. För ad hoc-studier kan data laddas upp manuellt när dashboarden startas. Vid trackingstudier krävs upprepade uppdateringar. Auto FTP eller en automatisk filläsare kan göra susen i dessa fall. Vissa dashboards kan också kräva data i realtid. Detta kan göras via ett live API.

Slutligen kan olika datakällor kombineras i en dashboard. Vi har redan sett att vissa dashboards kan kräva mer än en datakälla för att innehålla all relevant information på ett och samma ställe. Detta kan uppnås genom att visa information från olika datakällor på en skärm utan att integrera data (t.ex. kundnöjdhet bredvid medarbetarnöjdhet), men också genom att länka datakällorna via en gemensam variabel (t.ex. försäljning av glass och väderinformation vid olika tidpunkter).

När du har skapat en översikt över alla relevanta datakällor och tillgängliga variabler måste du börja arbeta med informationshierarkin i din dashboard.

Informationshierarki

Som nämnts bidrar dashboards till att minska komplexiteten i all tillgänglig information. Därför bör dashboards alltid göra det möjligt för användarna att fokusera på de mest relevanta aspekterna av en fråga. En viktig princip vid utformningen av dashboards är att göra det så enkelt som möjligt för användarna.

Detta leder oss till en grundläggande psykologisk princip som vi måste ha i åtanke när vi utformar dashboards: Om för mycket information visas på en gång kan mängden och komplexiteten hos informationen överväldiga användaren och faktiskt hämma beslutsfattandet. Detta fenomen är känt som analysförlamning.

Vi vill presentera två grundläggande tekniker som hjälper användare att hålla fokus. Den första kommer från journalistiken och kallas den omvända pyramiden eller BLUF (bottom line up front): försök att kommunicera den mest anmärkningsvärda informationen i början, fortsätt med viktiga detaljer eller trender, och lägg allmän bakgrundsinformation och andra detaljer till det “finstilta” i din instrumentpanel.

Den andra tekniken kommer från UX Design och kallas “Progressive Disclosure”. Visa inte allt på en gång utan använd interaktiva element för att vägleda användaren genom dina data, till exempel med hjälp av visuella hierarkier, flikar, dragspel eller filter. Börja med de mest relevanta resultaten i den första visningen, håll onödiga resultat dolda så länge som möjligt och avslöja dessa detaljer gradvis i efterföljande visningar. Det gör att användarna kan fokusera på en sak i taget och samtidigt ha tillgång till all information.

Med detta i åtanke bör du närma dig de data du vill visualisera i din dashboard. Försök att sätta ett mått i centrum för användarens uppmärksamhet (t.ex. allmän kundnöjdhet) och gör alla andra mått relaterade till det. Vilka är drivkrafterna bakom ditt nyckelvärde (t.ex. nöjdhet med pris, med kvalitet, …)? Hur skiljer sig era kundsegment åt (t.ex. demografiska data)? Hur förändras detta mått över tid?

Att upprätta en informationshierarki hjälper dig att definiera webbplatskartan för din dashboard och vilka visuella element och funktioner som behövs på varje skärm för att förmedla relevant information.

Visualisering av data

Anledningen till att visualiseringar har blivit så populära på senare tid är att de förvandlar abstrakta och komplexa data till en konkret och relaterbar upplevelse. Återigen tjänar de det allmänna syftet att göra det enklare för användaren. Ett litet antal enkla designprinciper kan bidra till att göra dina data ännu mer lättförståeliga. Låt oss ta en titt på dem.

Ofta handlar utformningen av dashboards om att göra dem så visuellt tilltalande som möjligt. I allmänhet är det inget fel med det, eftersom det kan bidra till att motivera användarna att använda dashboards regelbundet. Alla diagram måste dock fortfarande kommunicera relevant information och ett designbeslut får aldrig stå i vägen för att kommunicera data på ett framgångsrikt sätt. Denna princip är allmänt känd som “form följer funktion”.

Ett exempel: det kan vara frestande att gruppera flera munkdiagram bredvid varandra eftersom deras visuella likhet skapar ett enhetligt utseende. Och det skulle faktiskt vara ett förnuftigt konstruktionsbeslut om alla variabler bara innehöll ett fåtal egenskaper. Läsbarheten av ett munkdiagram försämras dock ju fler värden det innehåller. Det blir svårare att identifiera läget och att jämföra de relativa frekvenserna för enskilda värden med varandra. I det här fallet skulle det förmodligen vara bättre att välja en annan diagramtyp för att kommunicera mer effektivt.

Genom att ta bort alla onödiga designelement kan du hjälpa dina användare att fokusera bättre på relevanta data. Denna princip är känd som en hög data-ink-ratio bland datavisualiserare. Detta koncept kan tyckas vara lite abstrakt till en början, men det låter dig bedöma hur tydlig och enkel designen av din dashboard verkligen är. Om du tänker på alla pixlar i din visualisering, bör mängden pixlar som behövs för att visa de faktiska uppgifterna (databläck: linjer, områden, axlar, dataetiketter) överväga mängden pixlar som inte behövs för att visa uppgifterna (icke-databläck: bakgrundsnätlinjer, 3D-effekter, skuggor, överflödiga etiketter). Detta minskar mängden distraherande designelement och hjälper användaren att hålla sig mer fokuserad.

Vår sista rekommendation för att utforma bättre dashboards är att inte glömma bort användaren. Många användare av er dashboard kommer bara att förlita sig på den information som dashboarden tillhandahåller utan att ha någon som kan ge vägledning i hur insikterna ska tolkas och sättas in i sitt sammanhang. Därför kan några av de mest relevanta elementen faktiskt vara verbala beskrivningar som hjälper användarna att kontextualisera informationen:

• Använd rubriker, förklaringar eller definitioner av variabler.
• Ge så mycket (affärs-)sammanhang som möjligt till dina siffror.
• Var konsekvent i namngivningen av variabler och KPI:er för att eliminera risken för förvirring.

Underhåll av dashboard

Sist, men inte minst, lämna inte dashboarden när den är klar. Du bör planera in regelbundna revideringar. I många fall måste uppgifterna bakom dashboarden ändå uppdateras under tidens gång. Detta skulle också vara ett bra tillfälle att optimera några av dess funktioner. Samla in feedback från dashboard-användarna för att se vad som är användbart för dem och vad som kan förbättras. På så sätt kan du ytterligare öka den affärsmässiga effekten av din dashboard.

Slutsats

Vi anser att kommunikationen av insikter bör ha samma kvalitetsstandarder som insamlingen av de underliggande uppgifterna. Kom ihåg dessa viktiga steg för att komma igång med din dashboard:

1. Börja med syftet med dashboarden och motsvarande användarkrav
2. Använd relevanta datakällor för din dashboard
3. Gör det så enkelt som möjligt för användarna och vägled dem genom era data.
4. Upprätta en informationshierarki
5. Använd enkla datavisualiseringar för att göra dina data mer lättförståeliga
6. Håll dashboarden uppdaterad och relevant

Vi hoppas att denna guide har varit till nytta för dig. Som alltid finns det undantag från alla regler, men det är bra att ha några allmänna principer till hands som vägleder och förbättrar vår praxis. Omvänt hoppas vi att du håller med oss om att bra visualisering inte kan kompensera för dålig datakvalitet.