Častou příčinou je několik chybných předpokladů:

1. Dobrý dashboard připraví kdokoli, kdo umí ovládat nějaký BI nástroj.
2. Jako zadání je ideální seznam KPIs a případně specifikace, jaké grafy použít k jejich zobrazení (přičemž nesmí chybět mapa a koláčový graf).
3. Nezabere to víc než pár dní, je to jen pár grafů z našich dat.

A jak takový nezdařený výstup poté obvykle vypadá? Po několika týdnech (protože najít a připravit data nebylo nakonec tak triviální, jak se zdálo) nadejde den první prezentace dashboardu zadavatelům. Po vlažném poděkování začnou zadavatelé vznášet připomínky: ještě by to chtělo přidat pohled a, b, c…, musíme tam mít drill down na…, potřebujeme, aby se data aktualizovala X-krát za…, ty data za moje oddělení nevypadají, jak bych čekal…

Zoufalý analytik si potom odnese list připomínek zpět do BI oddělení (kde má podobně rozpracováno několik dalších dashboardů) a stráví dalších pár týdnů přípravou nové verze.

Nastalá situace je frustrující pro obě strany. Zadavatelé a uživatelé nemají odpovědi na otázky, které potřebují k vykonání dalších důležitých kroků, a analytik je zavalen prací, která ho pomalu přestává bavit. K řešení této situace pomůže změna zmíněných předpokladů.

Na co je tedy potřeba myslet při tvorbě dashboardu?

1. Pro vytvoření kvalitního dashboardu, nebo datové vizualizace obecně je nutná dobrá znalost vhodného nástroje a také porozumění metodám vizuální interpretace dat.
   Bez znalosti principů datové vizualizace a vizuálního vnímání nemůže člověk, který připravuje datovou vizualizaci, odvést dobrou práci. Data, která předkládá uživatelům, může zobrazit mnoha způsoby, přičemž některé mohou důležité informace schovat, a některé dokonce „překroutit“ natolik, že vedou k vyvození chybného závěru.
2. Ideální zadání není seznam KPIs, ale list User Stories.
   User Stories říkají kdo, jak a proč bude dashboard používat. Při návrhu dashboardu bychom se neměli jen ptát, co má ukazovat, ale především proč vzniká. Úlohou člověka, který připravuje datovou vizualizaci, je v první řadě porozumět problému, který má vizualizace pomoci vyřešit, a na základě toho navrhnout její nejlepší podobu a funkcionalitu. Spojuje tak v jedné osobě profesi analytika i designéra.
3. Příprava dobré datové vizualizace zahrnuje více kroků, než jen napojení dat do BI nástroje a „naklikání“ několika grafů.
   Jak vyplývá z předešlých kroků, nejprve je potřeba dobře porozumět problému a správně definovat potřeby a požadavky (obchodní, uživatelské, technické). Bolestivým a časově náročných úpravám hotového řešení předejdete vytvořením drátěných modelů (wireframes) nebo prototypu a následnou validací se zadavateli a uživateli. Správná příprava dat a vytvoření dashboardu by pak pro odborníka neměl být problém.

Potřebujete s tvorbou dashboardů pomoct? Potom neváhejte a obraťte se na mě a náš tým v Deloitte nebo vyzkoušejte Data Science Academy.