Что такое дашборд в excel
Дашборд — что это и почему он будет вам полезен или современный способ сделать тайное явным
Наверное, мало кто из нас задумывался, что практически с рождения пользовался дашбордами. Мы получали некую информацию, анализировали, принимали решение или даже испытывали какие-то эмоции благодаря им. Да-да, градусник, измеряющий температуру, когда вы болели; часы; стрелка спидометра, перевалившая за 200 км/час (ну, это может быть не у всех) — все эти приборы по сути являются дашбордами или их элементом. Но мне бы хотелось рассказать об интерактивных аналитических дашбордах. И, самое главное — показать, что в наше время такие дашборды могут быть полезны каждому человеку, а не только крупным банкам или корпорациям.
Если у вас есть данные — не важно, домохозяйка вы с пачкой чеков от закупок продуктов, спортсмен с данными о пробежках из Strava или кто-либо ещё — вы сможете представить это наглядно, оценить важные показатели, в результате чего принимать более оптимальные решения.
Вы не используете дашборды и думаете, что вам это не нужно? Мнение может поменяться, а кругозор расширится, так как далее: что такое дашборды, какие цели достигаются с помощью них, ключевые понятия и сферы использования, существующие инструменты, множество ссылок на актуальные ресурсы по теме, а также реальный пример, как из обычных на первый взгляд данных, можно извлечь интересные знания…
Возникновение и значение термина
Историческая справка
Большинство специалистов ведут отсчёт истории визуализации данных с графиков движения небесных тел (кто-то может поспорить, указав на древние наскальные рисунки). Так, Howard Funkhouser обнаружил диаграмму движения небесных тел, датированную 10’ым веком, которая считается одним из первых графических изображений данных.
Michael Friendly разделяет историю визуализации данных на несколько периодов:
до 17 века – ранние карты и диаграммы;
1600-1699 – измерения, теории, идеи;
1700-1799 – новые графические формы;
1800-1850 – начала современной графики;
1850-1900 – золотая эпоха статистической графики;
1900-1950 – современные тёмные времена;
1950-1975 – перерождение визуализации информации;
1975-наше время – высокоточная, интерактивная и динамическая визуализация.
Возрождение визуализации информации в 50’ые годы возможно связано с окончанием Второй Мировой Войны, когда особенно обострилась необходимость улучшать экономическое состояние стран-участников. В те годы также зародились такие термины как анализ данных и Business Intelligence (BI). В современном понимании понятие анализа данных в 1961 году дал известный статистик Джон Тьюки, которому мы благодарны ещё и за введение слова “бит” (binary digit). В своих работах он также указывал на необходимость визуализации статистической информации.
Термин Business Intelligence впервые использовал в своей статье 1958 года сотрудник корпорации IBM Ханс Питер Лан. В нынешнем употреблении, как “концепции и методы для улучшения принятия бизнес-решений и бизнес-анализа”, это понятие сформировалось при развитии систем поддержки принятия решений в середине 80х, тогда же и возникли первые идеи цифровых дашбордов.
Манифест пользователей дашбордов
Дашборд — это интерфейс между аналитическим движком и тем, кто выступает в роли пользователя-аналитика. Таким образом, к дашборду применимы все принципы построения интерфейсов, методы улучшения UX и повышения Usability.
О принципах визуализации данных
Как говорит известный эксперт по дашбордам Стефан Фью: “лучшее программное обеспечение для анализа данных то, при использовании которого вы забываете о нём самом — это настолько естественное продолжение вашего мышления, что вы можете использовать его, не думая о механике процесса”. Он сформулировал принципы интерактивной визуализации, как для разработчиков инструментов, так и для создателей дашбордов [это вольный перевод, прочтите оригинал]:
1) упрощайте — уловите суть и покажите проще;
2) сравнивайте — покажите необходимые визуализации рядом;
3) сопровождайте — облегчите доступ к важным данным;
4) исследуйте — позвольте посмотреть и найти новые знания;
5) смотрите иначе — дайте разные представления одних и тех же данных, что породит различные идеи;
6) спрашивайте “почему?” — больше, чем «что происходит», важно дать понять «почему это происходит», как возник тот или иной результат действий;
7) будьте скептиками — дайте возможность задавать больше вопросов и сразу получать ответ на них;
8) откликайтесь — не просто отвечайте на вопросы, предоставьте средства, чтобы делиться знаниями.
Где звучит выражение “визуализация данных”, обязательно упоминается Эдвард Тафти — гуру визуализации, которого The New York Times называет “Леонардо Да Винчи данных”, а Bloomberg «Галилео графики». Он придумал искрографики (sparklines) и написал несколько популярных книг по визуализации. Наиболее известны два его фундаментальных принципа визуализации, очень важных для дашбордов:
1) высокое соотношение графики для данных к общему занимаемому ею месту (data-ink ratio) — увеличьте количество полезного изображения на занимаемом визуализацией пространстве, т.е. максимизируйте отображение основной информации, тратьте больше “чернил” на данные;
2) отсутствие графического мусора (chartjunk) — исключайте не важные графические элементы, не отвлекайте от данных лишним дизайном.
За счёт чего достигается наглядность?
Аналитические данные показываются разными виджетами от таблицы и диаграммы до стрелочных индикаторов. Некоторые инструменты позволяют программисту самому реализовать требуемую визуализацию вплоть до анимаций, видео или произвольной инфографики. Сами аналитические данные представляют из себя сгруппированные и агрегированные исходные данные. Есть возможность применить фильтры и сортировки на разных уровнях, отсекать данные по топовым значениям, создавать вычисляемые поля практически любой сложности.
Основные понятия аналитических дашбордов
1) группировка — способ объединения схожих данных (по какому-то общему признаку, например по первой букве слова или имени человека);
2) агрегация (сумма, минимум, максимум, количество и т.д.) — способ отображения колонки фактов из исходной базы данных (например уникальное количество посетителей сайта, или сумма расходов на продукты);
3) сортировка — упорядочивание уже сгруппированных данных по заданному признаку (кроме алфавита, можно отсортировать фамилии менеджеров по их наибольшим продажам за месяц и т.п.);
4) фильтрация — исключение данных по заданному признаку или сложной формуле;
5) вычисляемая колонка — способ получения новых данных и знаний с использованием методов работы с датами, строками, математических функций (например отображение имени и фамилии, вычисление возраста согласно дате рождения и текущей дате);
6) топовые (лучшие) значения — способ отобразить указанное количество максимальных или минимальных значений данной группировки (например, возраст трёх самых молодых сотрудников крупной компании, или пять менеджеров, обеспечивающих максимальные продажи);
7) виджеты (таблицы, диаграммы, карты и т.п.) — собственно способ визуализации вышеуказанных понятий.
Любые ли данные можно анализировать?
Дашборды, как правило, позволяют подключаться к обширному списку источников данных, начиная от Excel-файла и заканчивая многомиллионными источниками больших данных BigData или веб-сервисам социальных сетей.
Часто заранее подготавливается специализированный для аналитики источник, именуемый Data Warehouse или многомерный OLAP-куб. Это делается в случаях, когда запрос данных к исходному источнику требует большого количества времени или запрос перегружает сервер, а это недопустимо.
Какие средства существуют
Excel… да, именно MS Excel для многих являлся (да и является!) основным средством анализа данных. MS Office достаточно недорогой продукт (а в России до недавнего времени активного пиратства — для многих бесплатный), он доступен даже студенту и в общем-то предоставляет базовый набор средств анализа и возможностей по написанию своих собственных скриптов.
Желающим внедрить в свой рабочий процесс весь спектр функциональности дашбордов (и других инструментов BI) достаточно посмотреть на Gartner Magic Quadrant:
чтобы выбрать продукт от одного из лидеров рынка, которые предоставляют мощные средства для анализа данных, как правило как конечные решения с довольно высокой стоимостью.
Исследовательская компания Gartner является наиболее авторитетным изданием, публикующим анализ какого-либо сегмента рынка, — им можно доверять.
Также многие из них — QlikSense, Tableau Public, Sisense, MicroSoft Power BI и т.п., — предоставляют публичные сервисы или бесплатные версии для создания дашбордов, обычно с серьёзными ограничениями для использования в реальном бизнесе, но достаточно мощных для персональных/некоммерческих целей.
Отдельно следует сказать про компании, желающие внедрить аналитические панели непосредственно в свои внутренние программные продукты. Для таких компаний более предпочтительно приобретать готовый набор библиотек (контролов) для создания дашбордов. Более того, многие компании, возможно и ваша, уже имеют такой набор в составе пакетов для своих офисных приложений и даже не осознают, что в считанные минуты могут внедрить у себя мощный инструмент бизнес-анализа. Библиотеки компонентов предназначены именно для внедрения в собственный программный продукт компаний согласно платформе (Desktop/Web). Кроме меньшей стоимости, они имеют гибкие условия лицензирования, т.к. приобретаются на одного разработчика и могут впоследствии использоваться неограниченным количеством конечных пользователей. Существует множество open source библиотек (которые можно найти, например, на GitHub), однако они обычно позволяют решать лишь базовые задачи анализа данных.
Как понять, что данный производитель дашборда вам подходит
Обычно каждый производитель средств BI имеет демонстрационные версии дашбордов. Посмотрев демонстрационные версии на сайте производителя, можно первоначально оценить, насколько они покрывают требуемый функционал.
1) продажи — в каком регионе продаётся лучше тот или иной продукт, какой из филиалов или какой из менеджеров компании даёт лучший результат, как изменились продажи по сравнению с прошлым годом и т.п.;
2) финансы — котировки акций, курсы валют… как влияет курс нефти на курс доллара всем известно, а вот какое влияние на курс той или иной акции оказывает например беспорядки в Сирии, можно наглядно увидеть, сделав соответствующий аналитический дашборд;
3) отдел кадров — специалисты могут на одном графике оценить как влияет количество курсов повышения квалификации или уровень зарплаты на текучесть кадров;
4) здравоохранение — распространение заболеваний по регионам, влияние погоды на распространение вирусов, влияние ужесточения политики продаж алкоголя и табака на продолжительность жизни т.п.;
5) промышленность (лёгкая, тяжёлая, электроника и т.п.) — отображение перспективных регионов по видам промышленности, прирост добычи газа или нефти после установки нового оборудования и т.п.
Список можно продолжать ещё, но обычно эти базовые демо есть у всех, что позволит вам сравнить уже на сайте производителя, а также возможно увидеть решение схожих вашим задач.
Пример построения и использования дашборда
Ещё раз подчеркну — данные есть в любой сфере деятельности. А если есть данные, то их можно проанализировать. Используя дашборды, можно извлечь новые знания и улучшить показатели или даже просто ежедневно смотреть на эти данные “под другим углом”, благодаря наглядному представлению и интерактивной аналитике.
В качестве примера я решил рассмотреть что-нибудь достаточно актуальное, простое и общедоступное, при этом не совсем банальное. По стечению обстоятельств, не так давно мне были интересны подробности избрания президентов США, в частности кто был самым молодым и кто самым возрастным президентом. Я столкнулся со списком американских президентов, который и решил использовать как источник данных для моего примера (я лишь дополнил его датами жизни и местом рождения президента).
Для простейшего дашборда я использовал несколько стандартных виджетов: карта по штатам; круговая диаграмма по партийной принадлежности; таблица по президентам со ссылками на Wikipedia и отметками по условиям с цветовой раскраской по срокам президентства; древовидная диаграмма для количества выходцев из определённых штатов и карточки для некоторых краевых показателей. Некоторые виджеты я сделал интерактивными — на них можно кликнуть и тем самым отфильтровать другие согласно выбранному показателю. Если поменять исходную таблицу данных, например внести данные о новом президенте — все показатели пересчитаются автоматически.
Здесь вы можете попробовать пример вживую, поменять или создать свои дашборды на данной таблице данных, сохранить их во временной сессии или скачать результирующий xml дашборда (также существует отдельный режим просмотра или вы можете скачать проект):
Вот уже более семи лет разрабатывая продукты компании DevExpress для Business Intelligence, я решил выступить также пользователем и использовать набор компонентов для создания дашбордов DevExpress Web Dashboard, для чего я:
1) скачал пакет Universal;
2) создал ASP.NET MVC приложение, используя готовый пример как основу;
3) подключился к базе данных, в моём случае Excel-таблице с данными о президентах (я реализовал свой вариант хранилища дашбордов, чтобы вы могли сохранять их во временной сессии);
4) запустил получившееся приложение и создал новый дашборд;
5) сделал вычисляемые поля (возраст вступления в должность в годах и сроки президентства в днях, вспомогательные для условного форматирования);
6) создал виджеты:
— карту по штатам, раскрасив Штаты по количеству рождённых там президентов;
— таблицу и добавил условное форматирование: цветовое по времени правления, жирный шрифт для фамилий ныне живущих президентов, иконки для дат рождения/смерти равных Дню Независимости;
— круговую диаграмму по партийной принадлежности и включил интерактивную фильтрацию: по клику на сегменте, карта и таблица показывают отфильтрованные данные;
— древовидную диаграмму также по Штатам и по количеству рождённых там президентов, я специально хотел показать отличия в визуализации одних и тех же данных;
— карточки для отображения важных показателей, используя топовые значения.
Заключение
Последние годы, в силу развития цифровых и программных технологий во всех областях человеческой жизнедеятельности, дашборды находят своё применение в новых сферах, такие как, например, социальные сети, приложения для фитнеса и т.п. Уже сегодня smart-часы показывают дашборды, не удивительно, если завтра на вашем холодильнике будет показан интерактивный дашборд с отметкой, кто чаще всего открывает холодильник и рекомендациями по употреблению продуктов разным членам семьи.
«Хотим дашборд» — что на самом деле это значит и как создавать дашборды, которыми реально будут пользоваться
Гибкая аналитическая отчетность — звучит интересно, выглядит как светлое будущее и интригует бизнес-пользователей. Но когда они сталкиваются с реальными гибкими инструментами, то понимают, что работать с ними не так-то уж просто. И что они скорее предпочли бы статичную, но грамотно созданную визуализацию.
Я, Табулина Светлана, старший консультант по управлению данными в компании «Северсталь». Я расскажу, как мы используем SAP Analytics Cloud для создания дашбордов, как выясняем настоящие потребности бизнеса и как научились создавать аналитику, которой реально пользуются.
Пару слов про SAP Analytic Cloud
SAP Analytics Cloud (далее SAC) — это облачное решение, которое объединяет возможности BI, дополненной и прогнозной аналитики и планирования. Этот инструмент отлично подходит для создания дашбордов и других способов визуализации данных. В первую очередь он заточен под системы SAP, но может работать и с другими источниками данных. Так как в нашей компании значительная часть бизнес-процессов автоматизирована с помощью SAP, Analytics Cloud отлично вписывается в нашу инфраструктуру.
У SAC есть два основных способа подключения к источнику данных: «Импорт данных в облако» (Acquire connection) и «Живое соединение» (Live connection). SAP считает, что нижеприведенная схема доступно и наглядно показывает разницу этих двух способов. Мы бы поспорили.
Способы подключения источника данных к SAP Analytics Cloud
Коротко расскажем, чем отличаются эти способы подключения:
Acquire Connection. Исходные системы подключаются к облачному хранилищу SAP и загружают в него данные. Визуализация строится исключительно на тех данных, которые загружены в облако. Такой способ подключения считается основным, и в нем доступны все возможности системы SAC.
Live Connection. Данные не покидают корпоративную сеть, браузер подключается к источникам данных напрямую при помощи технологии Cross-Origin Resource Sharing, сокращённо CORS. В облако передаются только метаданные, необходимые для построения визуализаций. В таком варианте подключения есть некоторые ограничения и доступны не все возможности SAC.
Схема подключения Live Connection
Почему мы выбрали Live Connection и как настраивали подключение
В «Северстали» мы используем второй вариант подключения. Все дело в том, что в управленческой и аналитической отчетности очень часто содержится информация, составляющая коммерческую тайну, и персональные данные. Неудивительно, что служба информационной безопасности от перспективы попадания всего этого в облако совсем не в восторге и настойчиво рекомендует обойтись живым соединением.
Но несмотря на то, что функционал в режиме Live Connection ограничен и по сути сводится к визуализации и небольшому интерактиву, для наших задач этого вполне достаточно. Чуть позже я поясню почему.
Важно понимать, что дашборд — это не только визуализация. В случае с SAC в режиме Live Connect, дашборд состоит из следующих компонентов:
Учетные системы. В основном это SAP-системы, но не только.
Интерактивная визуализация в SAC.
Роли доступа к данным и дашборду.
Техническая и пользовательская документация.
В качестве корпоративного хранилища для исходных данных мы выбрали SAP BW. Мы пользуемся им с 2009 года, и на его основе уже построено огромное количество аналитической и управленческой отчетности, настроен сбор данных из других систем, создано и опробовано множество моделей данных. Такая подготовленная исходная система сильно упрощает и ускоряет процесс внедрения SAC, потому что не нужно делать все это заново в другой системе. SAC умеет обращаться к BW с помощью классических BEx-запросов — тут нет ничего нового, что пришлось бы изучать и адаптировать.
Для работы дашбордов нужны два типа ролей: для доступа к данным и для доступа к самой визуализации.
Доступ к данным. Мы использовали существующую концепцию ролей и полномочий в BW, которая была создана для текущей аналитической отчетности. Кроме того, мы использовали давно настроенную связку BW+GRC, которая позволяет «нарезать» роли по аналитикам, например, по организационному присвоению.
Доступ к дашбордам. Внутри SAC разработана своя концепция ролей и полномочий. Это упрощенная модель ролей (папок), которую заказывают сами пользователи через заявки. Все отчеты создаются в отдельных папках внутри глобальной папки Public. Внутри каждой папки создаются две команды — «Создатель контента BI» и «Аналитик BI». Дополнительно, у каждой команды создается своя отдельная папка, доступ к которой имеет только эта команда.
Разграничение полномочий к визуализации SAC
Что такое дашборд и чего на самом деле хочет бизнес
Дашборд в буквальном переводе с английского — «приборная панель». Градусник, будильник, приборная панель автомобиля — все это простейшие дашборды. Другими словами, дашборд — это инструмент, который показывает какие-то данные.
Многие бизнес-пользователи следят за инновациями и хотят, чтобы системы аналитики были гибкими и предоставляли им расширенные возможности. Сейчас в digital-отрасли под дашбордом понимают инструмент, который не только визуализирует, но и анализирует данные. SAP использует для этого термины «дополненная и прогнозная аналитика» и «планирование». Также важным считается self-service — возможность создавать дашборды без навыков в ИТ и заранее подготовленной модели данных.
Еще до внедрения SAC мы больше трех лет занимались созданием таких гибких систем. У пользователей было много возможностей по настройке аналитики, они могли просматривать «сырые» данные, связывать источники между собой и создавать отчетность, которую захотят сами.
Но через несколько лет разработки мы поняли, что большинству пользователей от аналитических систем нужны три простые функции:
Автоматический расчет KPI с регулярным обновлением и возможностью сверить расчет с данными в учетной системе.
Визуализация данных, напоминающая слайды для демонстрации на совещаниях, с возможностью перехода в Excel или другую систему для детализации.
Доступ к дашборду большого количества пользователей, с разграничением ролей доступа. В том числе необходим доступ с мобильных устройств.
На основе нашей статистики и опыта мы теперь можем предположить, что пользователи аналитических систем делятся на две группы. 80% — это бизнес-пользователи, которые хотят использовать готовые дашборды для оперативной работы, а 20% — аналитики данных, которые способны на глубокий анализ и хотят заниматься им самостоятельно.
Именно поэтому для наших задач вполне хватает SAC в режиме Live Connect. В этом режиме нам как разработчикам дашбордов доступны все необходимые функции, а пользователи по большей части просто смотрят на готовые графики, никак с ними не взаимодействуя либо накладывая минимальные фильтры.
В SAC можно создавать дашборды двух типов:
Story Designer предназначен для бизнес-пользователей без глубоких навыков в ИТ. Довольно простой инструментарий, не нужно писать код. При наличии готовой модели данных создать дашборд можно за несколько часов. Обратная сторона такого удобства — ограниченные возможности по функциональности и настройке быстродействия.
Applications Designer предназначен для разработчиков. Инструментарий отдаленно напоминает SAP BO Lumira, позволяет создавать полноценные приложения со сложными сценариями и взаимодействовать с источниками данных так, чтобы приложение работало максимально быстро.
SAP сравнивает Stories с легкой прогулкой по мосту вместе с гидом, а Applications — с хардкорной экспедицией по ледникам.
Мы создавали дашборды обоих типов. Но с лета 2020 мы начали активно использовать Application Designer, потому что 80% наших пользователей не хотят создавать дашборды сами, этим занимаются разработчики.
Другая причина — режим Applications позволяет «поиграть» с производительностью, а это один из ключевых факторов для пользователей. В нашей практике было несколько случаев, когда пользователи сначала просили реализовать сложные сценарии в дашборде, но когда узнавали, что из-за этого отчет будет грузиться намного дольше — отказывались от своих предложений. Получается, что в некоторых ситуациях производительность намного важнее, чем несколько второстепенных функций.
Как создать эффективный дашборд
Основной показатель эффективности дашборда — это его используемость. Но эффективность начинается вовсе не с визуализации. Прежде всего важно определить контекст:
Кто ваши пользователи?
Что они должны узнать или сделать?
Как использовать данные, чтобы им помочь?
Важно понимать, что пользователи — это не всегда целевая аудитория дашборда. Зачастую бывает так, что ЦА дашборда — руководство, хотя формируют отчеты специалисты. Чтобы определить целевую аудиторию, нужно понять, кто принимает решение на основе этих данных. И затем нужно сфокусироваться именно на их потребностях.
Например, бизнес может сформулировать потребности так: «Хочу быстро увидеть нужную информацию, не совершая лишних действий. При этом не должно быть никаких лишних данных. А потом хочу посмотреть детализацию в табличном виде, желательно в Excel».
В учетных системах собирается много данных, и у разработчиков зачастую есть соблазн создать прекрасный гибкий отчет, который будет на лету считать различные показатели в разрезах множества аналитик. Но не нужно идти на поводу этого желания. Если визуализация сложная, то пользователи могут не захотеть разбираться в дашборде, и работа будет сделана «в стол».
Наш опыт показывает, что хороший дашборд — это простой дашборд. С крупными элементами: текстом, графиками в виде цифр или столбчатой диаграммы, небольшими таблицами. Иногда мы используем и другие типы графиков, но в большинстве случаев этого достаточно. Также возможны интересные переходы из одного дашборда в другой, с набором аналитик в качестве фильтров.
Ну и конечно пользователь (особенно бизнес-аналитик) после просмотра дашборда захочет «провалиться» в табличный вид. В SAC можно строить развернутые отчеты в виде таблиц, но это неэффективно, потому что он предназначен в первую очередь для построения дашбордов и работает с таблицами довольно медленно. К счастью, можно реализовать переход в SAP Excel Analysis c передачей выбранных фильтров в качестве переменных для модели.
Как мы уже говорили, ключевым фактором эффективности дашборда является его быстродействие. Пользователи не готовы ждать дольше 5-10 секунд, и если дашборд открывается дольше — считают его некачественным.
По мере накопления опыта мы постоянно вырабатываем и улучшаем свои собственные практики по ускорению дашбордов. Например, мы обязательно предрассчитываем данные. Модель должна быть максимально материализованная, чтобы SAC не занимался расчетами на лету, а просто подключался к BW, брал готовые данные и отображал их пользователю. У SAP тоже есть свои рекомендации, как повысить быстродействие.
Что необходимо для создания эффективного дашборда помимо инструмента
Постановка задачи. Каким бы ни был хорошим инструмент для создания дашбордов, без понимания бизнес-задачи ничего дельного сделать не получится. Поэтому еще перед началом создания дашборда важно получить от бизнеса информацию:
Как рассчитываются KPI: какие данные нужно извлечь из учетной системы, какая формула расчета KPI и т.д.
Как должна выглядеть визуализация: в какой ситуации она используется и на какой вопрос должна ответить.
Качество данных. Перед началом работы важно проверить наличие и особенно качество данных в учетных системах. Иначе может получиться так, что с бизнесом есть договоренность о сроках и результате, а потом выясняется, что данные в исходной системе не подходят, редко обновляются, или доступ к ним нужно согласовывать на верхнем уровне руководства.
Структура проекта. Несмотря на то, что SAС пришел в «Северсталь» как инструмент самостоятельного применения, сейчас стало очевидно, что более правильный подход — создание полноценного проекта с разбиением на стадии:
Доработка или разработка новой модели данных.