Есть поговорка: один хороший макет стоит сотни совещаний :)
Ниже подборочка инструментов, в которых создать макет дашборда легко и просто:
1) Balsamiq
+много готовых элементов
+удобство, высокая скорость создания макета
-стилизация элементов "на любителя"
-низкая точность макета, скорее ближе к каркасу
2) Figma
+массовое редактирование элементов и удобное управление компонентами
+встроенный векторный редактор с анимацией пешеходов
-работа с текстом меня расстроила
3) Asure
+простой интерфейс с широкими возможностями кастомизации элементов (макет получается неотличимым от дашборда в Tableau)
+настройка "имитации событий"
-бедная встроенная библиотека, нужно искать самим и догружать
4) Iplotz
+простота освоения и удобство
+организация пространства в "проекты"
-специфический дизайн компонентов, как у Balsamiq
-перетаскивание и компоновка компонентов реализовано не очень
А вообще, я всё ещё люблю Power Point😈

Две самые популярные жалобы пользователей на уже готовые и выведенные в prod дашборды - "не могу зайти, не работает" и "медленно грузится".
Жопка начинается, когда, казалось бы, с железом и связью все хорошо и время начальной загрузки в норме, а вот клик на любой фильтр заставляет дашборд подвисать на непостижимое время.
6 советов, что сделать с внутренностями дашборда в Tableau, чтобы он стал более производительным

Практически сразу, как только мои дашборды выкатились в prod и ушли в тираж, встал вопрос о нехватке лицензий. А следом за ним и о "избытке" лицензий, когда пользователи с лицензией не заходили в BI-систему. Так я впервые столкнулась с необходимостью ввода License Management, особенно если пользователей больше сотни.
Ниже советы, которые я сама себе дала бы, если бы переживала эту историю вновь:
1. При планировании учитывай не только количество пользователей, но и типы лицензий, планируемые виды дашбордов и их срок жизни.
2. Готовься отбирать и выдавать лицензии на постоянной основе, а значит, продумай бизнес-процесс, политику выдачи и и отъема лицензий, триггеры на ключевые события, SLA по срокам, выделенный ресурс на администрирование. Если есть специальное ПО по управлению IT- активами, то "круто ты попал")
3. Настрой себе мониторинг, нет, МОНИТОРИНГ активности пользователей. Делать ли его публичным-зависит от пп.2.
4. Продумай эволюцию всего того, что заложил в пп.1-3. Например, на первом этапе, когда пользователи только "подсаживаются" на дашборды, нет смысла вводить жесткие ограничения и в полную силу применять выбранную политику по лицензиям.
5. Не делай обучение элементом политики работы с лицензиями; это параллельные бизнес-процессы с различной динамикой и подходами к управлению
Про виды лицензий в Tableau можно почитать тут, а про то, что такое License Management в принципе тут

Дата-истории, инструменты для работы с данными без программирования и полезные образовательные курсы - все это вы можете найти в телеграмм-канале дата-журналиста Андрея Дорожного «Дата публикации».

Велкам: https://news.1rj.ru/str/data_publication

Существует масса приёмов и лайфхаков, как помочь пользователям эффективно считывать любые диаграммы и графики. Но все эти приемы бесполезны, когда ваш дашборд открывается 2 минуты, а использование простого фильтра заставляет его подвисать на бесконечно неопределенное время.
Линк с интересным кейсом по оптимизации производительности дашборда в Tableau
Warning! Лонгрид🙈

Есть ли жизнь после выкатки дашборда на PROD?
Раньше я искренне думала, что особо нет, и кроме техподдержки и работы с лицензиями меня в жизни после prod ничего не ждёт.
А потом коллеги рассказали мне про Customer Journey Map как средство диагностики и улучшения пользовательского опыта, и я поняла, что нет предела совершенству. В частности, именно этот инструмент помог мне понять, что следует увеличить глубину каскадирования одной из метрик...и в итоге мы с командой сделали практически новый дашборд😈
Что это за артефакт и как его строить без громоздких консалтинговых исследований, читать тут

Мы с командой делали много воркшопов по Tableau в рамках обучения пользователей self-service, и поняли одну простую вещь: ни нам, ни обучающимся не хочется тратить драгоценное время обучения на "азы". Тому, кто учит, объяснять азы просто не интересно, а пользователи, в свою очередь, чувствуют себя неловко, как будто мы им пересказываем алфавит:) Выход один: давать вводный материал заранее.
Раньше мы просто рассылали пользователям мануал за неделю до обучения.
Теперь мы идем дальше и записываем полезные видео!
Линк на видео " Как собирать модель данных":
https://youtu.be/PVBwSEXPGLo

Как только я глубже погрузилась в бизнес-анализ, у меня возник интерес к этике сбора, обработки, применения и интерпретации данных.
Ура! Теперь это один из новых трендов BI- сообщества. Я рада, что у меня есть единомышленники, которых заботят те же аспекты BI.
Линк на статью 4 important business intelligence considerations for the rest of 2019

Облака и AI наступают, а рынок BI стабилен и, похоже, исчерпал тенденцию к росту.
Значит ли это, что мы сворачиваем с пути экстенсивного развития и начинаем эпоху интенсивного развития?
Что думаете?
https://m.habr.com/ru/amp/post/475470/

Котики, подъехала наша новая рубрика "Аналитика пятничного вечера"🐱
Кто и что предпочитает?
https://youtu.be/P0NJhaeneTQ

Когда я только училась строить дашборды, мне требовалось 2 вещи: хороший датасет и каталог визуализации.
Поиски датасета привели меня на Townfolio, -big data из множества источников в разрезе городов, где я нашла:
-наглядные плюсы и минусы отображения сравнения на разных типах диаграмм/ разных датасетах;
-бенчмарк того, как можно задавать вопросы к одним и тем же данным;
-идеи, как монетизировать big data сборки из открытых источников.
И, что самое главное, понимание, что не всегда для обучения нужны длинные лонгриды. Бенчмарки тоже учат.

Котятки, завтра уже понедельник!😖
А пока можно расслабиться и посмотреть видео "Как собрать дашборд за 15 минут")
Мы с командой пытались в нем решить 2 проблемы: разобрать весьма конкретный кейс и показать всем, что построение дашбордов на Tableau может быть быстрым.
Комменты по видео и предложения кидайте в наш бот @Dashboardets_qbot
https://youtu.be/S-hb-RIQNFg

Вопрос гибкого отчёта(в народе - "сводные таблички") в BI-системе или системе визуализации возникает достаточно часто. И если некоторые системы (OBIEE, SAP, MS SSAS) делают это очень хорошо, в топовых BI- инструментах визуализации иногда таких фич, увы, нет. По умолчанию без доп. затрат на Tableau Server сделать такую визуализацию не получится, приходится искать обходные пути, но...при наличии золотых ручек и светлой головы всё поправимо:)
Смотрите видео, как это сделать в Tableau👇:
https://m.youtube.com/watch?v=0O9_X54l4ic&t=14s

Лучшая мера честности диаграммы - это количество времени, которое требуется для ее "прочтения":)
Ловушки интерпретации, в которые мы легко попадаемся:
1. Трехмерные диаграммы.
-угол отображения 3d объекта может исказить наше восприятие размера и объема, что искажает значимость объекта/сектора объекта;
-утяжеление и ввод не существенных параметров в виде объема отвлекают пользователя от основных параметров.
2. Игры с категоризацией:
-если надо что-то скрыть, просто добавь воды или смежные категории:) Например, чтобы скрыть рост затрат на диаграмме по какой-то категории, можно отобразить на ней затраты на другие категории, и метрика "затеряется";
-укрупнение категории/введение "надкатегории" может скрыть аномальное поведение метрики (пример из жизни: затраты на командировки резко выросли, но, если показать вместо отдельно взятой категории все затраты на персонал, рост уже не кажется большим).
3. Выстраивание несуществующих связей:
человеческий мозг так устроен, что, если отобразить две не связанные друг с другом метрики на одной диаграмме в одних осях, мы интуитивно их свяжем между собой.
4. Изменяющиеся масштабы и "разрывы" осей на диаграмме:
-мы устроены так, что нам трудно одновременно исследовать и масштаб, и данные;
-использование разрывов осей может добавить диаграмме эстетики, но исказить сравнение данных, преувеличивая или преуменьшая проблему.
Подробности с примерами почитать тут👇:
http://m.nautil.us/issue/19/illusions/five-ways-to-lie-with-charts

Котятки🐱
Сегодня пятничка, а значит снова подъехала рубрика "Аналитика пятничного вечера";)
В этот раз мы взяли датасет HI-tech новостей и разложили его в диаграмму "Облако слов". В лидерах цитирования в соцсетях оказались обзоры смартфонов😊
А какие технологии сегодня предпочитаете вы?
Линк на видео👇:
https://youtu.be/W9TZ6NpGyE0

По данным Ассоциации цифровой аналитики, 44 % аналитических команд, которые занимаются внедрением BI и непосредственно анализом, тратят более половины своего времени на доступ и подготовку данных, а не на фактический анализ. Список подводных камней можно дополнять и дополнять, но я выделю 3, на мой взгляд, ключевых:
1. Человек, который выбрал ваш BI для внедрения, -вероятно, из IT, а выгоду должен получать от инструмента-бизнес. Происходит рассинхронизация целей и средств.
2. Даже наличие устойчивой практики контроля качества данных, - не панацея от проблем с исходными данными. Нужно быть готовым проводить глубокий бизнес-анализ сбора и преобразования данных и, при необходимости, менять процессы вместе с бизнес-заказчиком.
3. Аналитическая команда начинает сосредотачиваться на оптимизации своих внутренних процессов вместо того, чтобы думать о помощи бизнесу.
Линк на статью с развернутый анализом причин, по которым ваш Data- проект может "не взлететь":
https://dataconomy.com/2019/07/why-analytics-platforms-are-failing-your-data-scientists/

Хороший аналитический дашборд, как фитнес-трекер компании с возможностью "докопаться до истины":
-содержит метрики, позволяющие идентифицировать проблему (триггеры);
-предусматривает все возможные разрезы метрик, которые могут быть полезны для ответа на вопрос "почему возникла проблема".
Идеальный аналитический дашборд, на мой взгляд, кроме перечисленного выше:
-предоставляет пользователю определенную степень свободы (например, возможность вывести графики по всем атрибутам, связанным с метрикой-триггером), а значит, имеет в основе продуманную логическую модель данных;
-имеет продуманный медиадизайн, где форматы представления данных помогают последовательно проверить гипотезы пользователя без дополнительной когнитивной нагрузки.
Пример удачного лонгрид-анализа с использованием диаграмм и графиков:
https://www.bloomberg.com/graphics/2015-whats-warming-the-world/

Что такое медиадизайн читать тут.

Для того, чтобы что-то понять, необходимо прежде всего увидеть, в каких моментах явления отличаются друг от друга:)
Сравнение как сопоставление различных свойств для поиска и идентификации отклонений и проблем может использоваться в дашбордах на разных уровнях с использованием разных подходов:
-сравнение поведения одной метрики в динамике;
-сравнение разных сущностей по одной и той же метрике;
-логическое сопоставление связанных процессов по независимым метрикам(в основном, с помощью зеркального отображения элементов макета).
Статья про визуальные элементы, помогающие пользователю сравнивать и сопоставлять:
https://www.klipfolio.com/blog/dashboard-design-comparison-values?amp

Котятки🐱, про что хотите почитать завтра?