運用データダッシュボード (データ BI ダッシュボードの構築方法: データダッシュボード、データポイント、適用可能な状況)

データ BI ダッシュボードの構築方法: データダッシュボード、データポイント、適用可能な状況

優れたデータダッシュボードは、ビジネスに合わせてカスタマイズされ、真にデータ主導型のビジネスの目標をシンプルな方法で達成する必要があります。この記事の著者は、データダッシュボード、データポイント、およびそれらの適用可能性を分析します。見てみましょう。

データダッシュボードの主なユーザーは社内の従業員です。その目的は、関係者が会社の事業展開を迅速かつ正確に把握し、データの変化に基づいてビジネス上の意思決定を行えるようにすることです。これを踏まえて、データダッシュボードには、企業の現在のビジネス関連または運用管理関連のデータとグラフを表示する必要があります。

データダッシュボードは社内の大多数のユーザーを対象としていますが、役割の異なるユーザーはデータに重点を置く点が異なり、データの表示方法も異なります。たとえば、戦略ダッシュボードでは、主要な指標を強調し、主要な指標と副次的な指標を明確に区別する必要があるため、可能な限り重要な数字の形式で提示されます。

データダッシュボード内のデータはユーザーロールと一致する必要があり、権限は分離されている必要があります。これにより、異なるロールがデフォルトで異なるダッシュボードページにアクセスできるようになります。

データ指標システム: 優れたデータ指標システムは、ビジネスの中核価値に適合し、ビジネスの実際の状況を反映し、データを分解して比較でき、意思決定を促進し、行動を導くことができるという 4 つのポイントを満たす必要があります。

データ指標とディメンション: 上記の 4 つのポイントに基づいて列挙方法を使用してビジネス担当者と分析フレームワークを定義した後、完全なデータ指標を定義し、データディメンションをドリルダウンする必要があります。

データ統計的品質: データ品質とは、データの計算方法の定義を指します。標準的なデータキャリバーのセットを形成するには、ビジネス部門と合意に達する必要があります。世界的な統一が不可能な場合は、データの違いと影響範囲を明確に記述する必要があります。

データ統計のサイクルと頻度: データ指標と統計の精度を決定した後、時間の経過に伴うデータ指標の変動の大きさと、それがビジネスに大きな影響を与えるかどうかに基づいて、天体レベル、時間レベル、分レベルなどのデータ統計の頻度を決定する必要があります。統計サイクルでは、T 日データ指標をカウントするために TN* 加重データが必要かどうかを判断するために期間畳み込みが必要かどうか。

データダッシュボードの表示形式は、ビジネスのニーズを満たしながら効率的かつシンプルである必要があります。

シンプルで効率的、クールなインタラクションよりもクエリの効率を優先
情報は孤立したデータではなく、相関性が高くなっています。具体的には、前月比および前年比の変化を反映する必要があります。
データチャートの更新頻度と統計頻度はビジネスニーズを満たす必要があり、これに基づいてリアルタイムで更新するかどうかを決定する必要があります。
選択されたデータは傾向とパターンを反映できます。傾向特性のないデータの場合は、数値を直接表示する方が適切です。
異なるデータ指標と異なるデータ特性に対して、適切なチャートを選択する必要があります。
データの変動、比較、並べ替え、さまざまな測定方法も、対応するチャートの種類を選択する必要があります。

折れ線グラフと面グラフはデータの傾向をよく反映し、時間の経過と共に変化する値を示すためによく使用されます。

折れ線グラフや面グラフは、複数のカテゴリ（項目）のデータの傾向の変化を、見た目が混雑しすぎずに表示するのに便利です。

1) 折れ線グラフ

連続した時間間隔または順序付けられたカテゴリにわたる値の変化を示すためによく使用される統計チャート。データの観点から見ると、折れ線グラフには連続時間フィールドまたはカテゴリフィールドと、少なくとも 1 つの連続データフィールドが必要です。

2) 面グラフ

面グラフとも呼ばれ、順序付けられた変数が変化すると値の変化が反映される統計グラフです。その原理は折れ線グラフの原理に似ています。複数のデータ系列を比較するためにも使用できます。

面グラフでは、データの合計量と傾向を表現できます。データの傾向の変化を明確に反映できるだけでなく、異なるカテゴリのデータ間のギャップの比較を強調することもできます。

3) サンキーダイアグラム

図に伸びる枝の幅がデータフローの量に対応し、開始フローの合計が常に終了フローの合計とバランスをとる特定のタイプのフローチャート。たとえば、エネルギーの流れ。

適している用途: データの流れの方向を示すために使用されます。

制限事項: エッジの開始フローと終了フローが異なるシナリオには適用されません。たとえば、使用する携帯電話のブランドを変更するなどです。

類似のチャート: マトリックス内のデータ間の関係とフローの変化を示すコード図。データノードが多すぎる場合は適用できません。

「沖積図」と呼ばれることもあり、ある値のセットから別の値のセットへの流れを表すフロー図です。

ブランチの幅はデータフローのサイズに対応します。このタイプのグラフには、流入ノードと流出ノード、および曲線エッジが含まれており、多くの場合リボンのような効果を生み出します。サンキー図を使用する場合は、派手になりすぎて読みやすさに影響を与えないように、変数の分類と色の選択に注意する必要があります。必要に応じてインタラクティブ機能を追加することをお勧めします。

棒グラフと縦棒グラフで表現されるデータは基本的に同じです。どちらも、長方形の棒を使用してさまざまなカテゴリの値を比較する統計チャートであり、値によって列の高さ/長さが決まります。

1) 棒グラフ

棒グラフは水平方向なので、カテゴリ名が長いデータには適しており、データ全体を表示できます。一方、縦棒グラフは長くなりすぎて 45 度で表示されたり、一部のコンテンツが省略されたりして、外観に影響します。

棒グラフは、比較のために水平方向のトルネードチャートにすることができ、非常に美しく直感的です。縦棒グラフではこれができません。

縦棒グラフを折れ線グラフおよび二次軸と組み合わせて、二重軸グラフなどの複合グラフを作成できます。これを棒グラフで実現するのはより困難です。

2) 縦棒グラフ

チャートの基本的な形式として、2次元の縦棒グラフ（棒グラフ）は、値の大きさを比較したり、異なるカテゴリ間の数値の違いを直感的に理解したりするためによく使用されます。

適用対象: カテゴリデータの比較。

制限: カテゴリが多すぎると、データの特性を表示できなくなります。

類似のチャート:

積み上げ棒グラフ: 同じカテゴリ内の変数の合計と異なるカテゴリ内の変数の合計を比較します。
パーセント積み上げ棒グラフ: 同じカテゴリ内の各変数の割合を表示するのに適しています。

3) グループ化された棒グラフ

グループ化された棒グラフ。集約された棒グラフとも呼ばれます。ユーザーが同じ軸上の各カテゴリの下に異なるグループを表示する必要がある場合は、グループ化された棒グラフが必要です。

棒グラフと同様に、棒の高さを使用してデータ値をマッピングおよび比較します。各グループ内の列では、各カテゴリを区別するために異なる色、または異なる透明度の同じ色を使用し、各グループ間にギャップが必要です。

グループ化された棒グラフは、同じカテゴリのデータを含む異なるグループ間でデータを比較するためによく使用されます。

4) 積み上げ棒グラフ

異なるカテゴリの値を比較するためによく使用されます。さらに、その値の各カテゴリは複数のサブカテゴリに分かれており、通常は異なる色で表されます。

棒グラフが「合計額」を観察するのに役立つのであれば、積み上げ棒グラフは「合計額」と「構造」を同時に反映することができます。つまり、合計金額とそれがどのような部分で構成されているかに関するデータです。さらに、どの部分の割合が最も大きいか、各部分の変化などを調べることもできます。

5) パーセンテージ積み上げ棒グラフ

各列の長さは同じで、合計は 100% になります。柱の内部は複数の部分に分かれており、全体に対する部分の割合によって高さが決まります。そのため、通常の棒グラフや積み上げ棒グラフとは異なり、100% 積み上げ棒グラフではデータの「絶対値」ではなく「相対的な割合」が表示されます。

しかし同時に、棒グラフの本来の機能、つまり「比較」も備えています。複数の列の構成を比較することで、値間の相対的な差異を分析したり、値の変化の傾向を導き出すことができます。

6) ナイチンゲールローズチャート

鶏冠図や極座標面積図とも呼ばれます。

ナイチンゲールローズチャートは円グラフのように見えますが、本質的には極座標で描かれた棒グラフに似ています。

唯一の違いは、値を反映するために半径が使用されることです (円グラフでは、データを表すためにセクターの円弧が使用されます)。ただし、半径と面積の間には二次関係があるため、ナイチンゲールローズチャートではデータのスケールが視覚的に誇張されています。

完全なデータインジケーターシステムには、多くのインジケーター要件が含まれます。要件は階層化されており、データ開発の優先順位はビジネスニーズにおけるさまざまな計算とデータのレベルに基づいて決定されます。コアビジネスに関連するデータダッシュボードでは、データの可用性と正確性を優先する必要があります。

需要や製品がオンラインになってから一定期間が経過したら、その機能が使いやすいかどうかを速やかに確認し、それに応じたフィードバックを得る必要があります。機能の使用状況を確認するには、データ追跡を通じて使用率を確認できます。

追跡の目的は、ユーザーの行動を観察し、製品について判断を下すのに十分な正確なデータを取得することです。製品がデータを観測する必要がある限り、事前にポイントを設定する必要があります。

1) 埋め込みポイントの原理

すべての埋め込みポイントは初期段階で完了し、後期段階で定期的に削除される必要があります。

初期段階でデータ追跡を完了する: 製品が初期段階で不安定な場合は、オンラインになった後にデータが失われることをできるだけ回避するために、完全なデータ追跡を実行する必要があります。
後の段階でのスケジュールされた削除: 製品または需要について明確な結論に達した後、不要になったイベントや重要でなくなったイベントは定期的に整理され、削除されます。
当然のことと思わないでください。データ統計プラットフォームを理解し、データが配置された後に統計プラットフォームでのデータの表示が期待と大きく異なることがないようにしてください。
名前はよく選ぶ必要があります。わかりにくく、常に行き来し、名前が重複します。

データプラットフォーム上の統計イベントは限られたリソースであるため、合理的に使用する必要があります。一般的に使用されているいくつかのプラットフォームでのイベント数の上限は 500 程度です。バージョン 1.0.0 では、製品のコア指標とコア機能の使用状況を把握するだけでなく、ユーザーの行動とコア機能の使用パスにも注意を払う必要があります。このとき、何も残さないという原則に基づいて、見た、考えた、触れたすべてのページの表示、閲覧、クリックなどの動作をすべて記録する必要があります。オンラインになった後、新しいデータターゲットを考えながら記録しないという状況は避けてください。

2) 追跡ルール

イベントフィルタリングは主に、フィルタリング用のパラメータフィールドに依存します。したがって、追跡ポイントを設計するときは、後続のデータのフィルタリングと計算を容易にするために、分割する必要がある次元をパラメータとして設計すると便利です。

3) 合意形成