Много лет назад, когда трава была зеленее, а про BI слышали единицы, мой тогдашний босс узнал слово "дашборд". Он долго показывал мне скомпонованные графички на excel, а я не понимала, как в excel делать динамические обновляемые дашборды.
Сегодня наткнулась на Clear Analytics
Агрегирует данные из разных источников сразу в excel с возможностью строить дашборды на плече Power BI. Из плюсов: пользователь больше не просит выгрузить "табличку в excel", ведь все данные и так в excel. Из минусов: да-да, это все ещё старый добрый excel с расширенными возможностями по объединению источников и построению дашбордов.
Тискаю демку, смотрю видосики

Чтобы начать использовать BI и клепать свои дашборды, нужно купить BI-систему🙈
Гайд по вариантам ценообразования BI-ПО в 2019 году читать тут.

Тема data discrimination как никогда актуальна, дашбордов это тоже касается:) Есть ряд этических аспектов, которые надо продумывать сильно заранее, ещё на этапе макета:
1) Конфиденциальность данных в управленческом процессе.
Если данные в дашборде каскадируются до конкретного сотрудника(в явном или зашифрованные виде), то, в случае неидеальной ролевой модели доступа к дашборду, они могут попасть не в те руки. Риски в этом случае сильно зависят от бизнес-процессов и корпоративной культуры, но они, увы, есть: от попыток управления сотрудником "через голову" (при сквозной аналитике) до вмешательства в управленческие процессы смежных подразделений.
2) Публичность демонстрации дашборда.
Если дашборд планируется выводить в общее пространство (например, на интерактивную доску), необходимо заручиться одобрением рядовых сотрудников. Одно дело, когда дашборд отражает, например, неперсонализированные производственные показатели, и совсем другое - когда выводятся рейтинги сотрудников. Не все готовы к навязанной конкуренции, и не все готовы выносить её в публичную плоскость.
3) Дискриминирующие метрики.
Моя любимая тема:) Любые данные с помощью относительных показателей и определенных разрезов можно вывести так, что объективный лидер сдвинется на последнюю строчку пьедестала. Поэтому в дашборде можно руководствоваться 2 правилами:
- при сравнении приводить показатели в сопоставимом виде по периодам, размерности, гранулярности, и пр., и в крайнем случае приводить метрики в относительный вид с единым знаменателем(на единицу чего-то).
-если метрику нельзя сделать полностью объективной, выводить текстовым пояснением или примечанием на всплывающем окне доп.сведения, которые позволяют правильно интерпретировать значения.
Очень кратенько про этику и ИИ (применимо и к дашбордам): линк

Если описывать то, что делает BI -специалист каждый день, то получится примерно так, как это описал Джонатан Корум на картинке.
Он же дал мне, пожалуйста, главный фреймворк работы с дашбордами: Визуализация ≠ объяснение.
Объяснять и принимать решения должен бизнес, и дашборды ему в помощь:)
Линк на старую, но полезную статью про визуализацию и сторителлинг на основе выступления Джонатана Корума

В то время, как все озабочены культурой принятия решений на основе данных, остро встает вопрос: ставить данные во главу угла (Data-Driven Decision) или воспринимать их только как один из множества элементов разнородных "входов", на который следует обращать внимание при принятии решений (Data-Informed Decision).
Линк на полезную статью-размышление на эту тему, а также про data-культуру

Со временем "продавать" заказчикам идею дашборда становится легче, а аргументов требуется всё меньше; заказчики уже осознают - если вы не используете данные для принятия решений, вы летите вслепую.
По мне, так культура data-driven decision действительно развивается.
10 вещей, которые вы всегда хотели знать о принятии решений на основе данных на примере образовательной отрасли
P. S. Статья старенькая, но в ней интересная позиция: внедрение DDDM не приводит к росту скорости принятия решений, а влияет только на их качество.

Если к диаграммам у пользователя могут быть вопросы (на вкус и цвет товарищей нет), то списки и топчики нравятся всем.
Линк на годный список-обзор инструментов бизнес-аналитики

Позавчера я была в букинистическом магазине Books 1512 в Ереване, и нашла там книгу Маркса Вартофского.
В ней он приводит очень интересную классификацию моделей.
Скорее всего, мои дашборды относятся к типу "Модели как вычислительные устройства или механизмы для вывода"🙈
Статья про типологию моделей по Вартофскому

Когда-то давно меня удивляли общие правила визуализации брендбука; мне казалось, что пользователям будет банально скучно смотреть на такие дашборды.
Затем я познакомилась с типовым когнитивными искажениями, и поняла, что правила сформулированы не просто так, а с учетом психических особенностей и возможностей человека воспринимать информацию, например:
-пользователи положительные настроены к тем элементам, которые уже встречали, поэтому важно сохранять структуру макета в серийных дашбордах;
-в первую очередь пользователи обращают внимание, когда "что-то меняется", поэтому важно выделять аномалии в данных (цветом или линиями-нормами)
Линк с интересной статьей про когнитивные искажения
В общем, да здравствует брендбук😜

Пользователи часто ждут от дашборда "единой версии правды", не до конца осознавая, что качественная правда базируется на качественных исходных данных, которые ответственно заносят хорошо обученные пользователи в полном объеме.
Чего еще ждут пользователи от BI? Линк

В качестве этапа создания дашборда выделяется "Discovery Phase" или нулевая фаза.
Результирующими артефактами этой фазы можно считать:
- пользовательский портрет (описание целевой аудитории, её целей, задач и инсайтов);
-перечень User Cases или просто пользовательских вопросов/проблем, на которые должен отвечать дашборд;
-предварительный макет (для обеспечения понимания со стороны пользователя ограничений BI -системы)
Из необязательных артефактов я еще веду глоссарий, реестр вводной образовательной/исследовательской информации, реестр систем-источников и описание бизнес-процессов (может составляться схематично со слов заказчика).
Все это помогает увидеть роль и место дашборда в бизнес-реальности пользователя, а также понять вид дашборда.
Линк со статьей про discovery phase

Одна из главных причин неудач BI- проектов - страх менеджмента перед той степенью прозрачности данных, которую может обеспечить комплексное внедрение Business Intelligence.
Линк про темную сторону BI и страхи

Сегодня гуглила "дадаизм" и случайно ошиблась буквой... В общем, мы живем эпоху "Датаизма", когда алгоритмы и Big Data являются высшей ценностью.
Линк на статью о датаизме как философском течении.
На тему того, могут ли данные быть силой сами по себе, размышляет в книге "Датаизм" Стив Лор. Он скорее собиратель историй, чем евангелист, но и читать, и слушать его интересно.
Линк на видео

Моя любимая диаграмма - кольцо (или 🍩)🙈
Все, что вы хотели знать про нее - на инфографике-лонгриде☝️
Линк на исходник

Немного размышлений на тему экономики визуализации данных:
https://policyviz.com/2019/09/09/the-data-visualization-economy/

Незаменимое руководство по визуализации данных🙈
Часть 1
Часть 2
Название, конечно, прекрасно само по себе, но и полезности есть:
-в первой части хорошая матрица типов диаграмм/контента с пояснялками;
-во второй части прекрасные примеры про мультиоси, группировки и компоновку данных в разных разрезах.

Все отрасли рано или поздно начинают себя переосмысливать и структурировать.
Подборочка стандартов:
1. Свод знаний по бизнес-аналитике BABOK
2. Свод знаний по управлению проектами PMBOK.
Особо обратите внимание PMI и фреймворки:)
3. Управление бизнес-процессами BPM CBOK.
4. Квинтэссенция системной инженерии SEBOK
5. Руководство по написанию требований Guide for Writing
Requirements
На мой взгляд, BPM CBOK частично конкурирует с BABOK, но это не страшно :)

Дашборд в Tableau за 10 минут😜
https://youtu.be/pRH62TqqaQs

Го на вебинар со мной)
https://www.tableau.com/learn/webinars/what-dashboard-anyway-emea-2019

Всем привет!
От вас поступает много запросов с просьбой помочь в анализе данных и построению визуально читаемой формы. Для помощи «нуждающимся» мы открываем канал поддержки, детали ниже. 👇
Вам писать сюда, если:
👉 у вас есть трудная задача по анализу, с которой вы давно мучаетесь и никак не можете справиться
👉 вы новичок в анализе и визуализации данных, не знаете с чего начать
👉 у вас просто интересный кейс и вам интересно проконсультироваться со специалистами.
Что от вас требуется:
1. Направить нам исходный датасет в формате xls (предварительно обезличив все персональные данные, а также заменить коммерческие данные)
2. Кратко рассказать о своей задаче и ожидаемом конечном результате
3. Сформировать краткий рассказ о том, как вы уже пытались решить эту задачу
4. Рассказать о себе и о том, что бы вам было интересно изучать в будущем по теме дашбордизации
5. Ответить на наши уточняющие вопросы – если такие будут
Что сделаем мы:
1. Проанализируем ваши данные
2. Сформируем структуру данных
3. Сделаем визуально красивый дашборд с понятной userstory
4. Запишем видео о том, как мы это делали и поделимся с вами
5. Расскажем о том, как ещё можно получить эффекты из ваших данных и в каком направлении дальше двигаться.
Ждем ваши кейса до 10 ноября, всю информацию отправляйте вот сюда @Dashboardets_qbot.

Нередко, когда я показываю пользователям дашборды, они просят вместо них таблички.
Когда-то умные люди мне говорили, что это оттого, что у моих пользователей нет культуры работы с данными/визуализацией, и мне нужно их просвещать.
А вот Cole Nussbaumer Knaflic пишет, что графики и таблицы работают с различными каналами нашего восприятия (вербальной и визуальной); поэтому выбор способа представления данных зависит не только от данных, но и от аудитории.
Ссылочка на статью в бложике storytelling with data
Размышление о то, когда уместна табличка, а когда график тут.