Design til datavisualisering

IBM-designere deler de unikke udfordringer og muligheder ved at designe til datavisualisering

Oprettet af Christine Song og Alexandra Grossi

Hver virksomhed har en historie at fortælle, og i disse dage involverer historien normalt data. På et tidspunkt, hvor folk forventer, at software hjælper med at give mening om deres data, er det designerens ansvar at sikre, at datapræsentation er meningsfuld, overbevisende og vigtigst af alt, let at fortolke. Så hvordan kan man nå disse mål? Der er ingen magisk kugle, men hos IBM har vi et sæt designretningslinjer, der hjælper.

Mennesker, der arbejder i moderne virksomheder, kræver mere end bare statiske diagrammer og smukke visualiseringer; de er nødt til at gå ud over ved at bore dybere, undersøge yderligere og forstå de kræfter, der påvirker deres forretning.

IBM Hybrid Cloud Design-teamet til IBM Business Analytics i Toronto bruger en masse tid på at udføre brugerundersøgelser om, hvordan man opretter datavisualiseringsprodukter, der imødekommer brugernes behov. Med en produktportefølje inklusive Cognos Analytics, Watson Analytics, Watson Analytics for sociale medier og Planning Analytics skaber de en bred vifte af værktøjer, der fokuserer på at hjælpe deres brugere med at få mest muligt ud af deres data. For at forklare, hvordan design hjælper med at levere gode datavisualiseringsværktøjer, har jeg bedt IBM Business Analytics designteam om at dele nogle af deres indsigt og perspektiver om dette emne.

Data visualisering hos IBM

Vores kunder er fra forskellige brancher såvel som organisationer i alle størrelser, fra store institutioner til magre nystartede virksomheder. Men uanset størrelse eller branche har vores brugere alle det samme mål. De har data, de har spørgsmål, og de har brug for et analyseværktøj, der hjælper dem med at give mening om deres data og omdanne dem til nyttige forretningsindsigter, samtidig med at de reducerer usikkerheden.

Når det kommer til design af detaljerne i et datadrevet produkt, er der et par ting, som vi husker for at skabe den bedst mulige oplevelse for vores bruger.

Hvad er kraften i datavisualisering?

Overvej dette: du modtager et postkort fra en ven i Venedig. Det blanke foto indeholder en typisk venetiansk scene - en visning af Grand Canal, en gondol navigeret af en mand i en hvid skjorte, der ser ud til at synge, og stenbroer, der falmer ind i horisonten. Din ven skriver om, hvor smuk det er og afslutter noten med "du skal bare se den for dig selv!"

Pludselig bliver du overvældet af spænding, og du begynder at trolle med rejsebogssider på udkig efter billige flyrejser og indkvartering. Et postkort er bare ikke nok af en oplevelse for dig. Du vil selv rejse dertil, udforske tunnelerne over stenbroerne og høre lyden fra gondolierne synge, når du vove dig ud af Grand Canal ned ad Venedigs bagkanter. Et snapshot er simpelthen ikke nok til at tilfredsstille dit behov for at udforske og se ting selv. Du har hørt om Markuspladsen, og selvom det muligvis ikke er afbildet på postkortet, vil du virkelig se det, og det kan ikke vente længere.

Det er det samme med datavisualiseringer. Brugere er typisk ikke tilfredse med enkle postkort, uanset hvor maleriske de måtte være. De har brug for en oplevelse, der er så fordybende som muligt, mens de gør det let for dem at afsløre dybere indsigt og bore dybere i deres data for at træffe bedre forretningsbeslutninger.

Hvordan kan du opleve dine data?

Vores brugere er på udkig efter et værktøj, der ikke kun viser et statisk billede af deres forretning, men som også giver dem mulighed for at interagere med disse data i realtid. At tilbyde datavisualiseringer, der er fleksible og ændres med brugerens tankeproces, muliggør sand udforskning.

F.eks. Tilbyder vi i Cognos Analytics en oplevelse i brugerdashboardet, der giver sammenligninger af data sammen med metoder til hurtigt at se, hvordan disse datapunkter forholder sig til hinanden, og hvad disse opdagelser betyder.

Det første instrumentbræt i Cognos Analytics giver et godt overblik over data fra Bikeshare Chicagos samlede rytterhip. Ved at bruge sorterings-, filtrerings- og børstefunktionerne kunne bydirektøren se, hvilke kvarterer der har den højeste procentdel af abonnenter i aldersområdet 39 til 55 år fra året før.

Denne type brugermål viser, at dataudforskning ikke er slutningen, men snarere et middel til at få så meget udnyttelse af dataene som muligt, hvad enten det er at anvende det på forretningsmodeller for at maksimere profit eller til at skabe mere nøjagtige fejlfindingsteknikker . Denne anvendelse af data demonstrerer den virkelige magt ved dataanalyseværktøjer.

Når vi tænker tilbage på vores Venedig-analogi, giver et værktøj som Cognos Analytics brugeren mulighed for virkelig at dykke ind og blive nedsænket i dataene i stedet for kun at kunne se dem på overfladeniveau.

Vejledt udforskning med kognitiv analyse

Indblik har større værdi, når du kan handle på dem, især i erhvervslivet. De værktøjer, vi bygger, gør det muligt for brugere hurtigt at afsløre interessante mønstre og forhold i deres data uden behov for nogen kodning. Men endeløs efterforskning kan undertiden føre til analyselammelse, hvor brugeren fortsætter med at søge efter enhver mulig datakorrelation. Dette kan være sjovt for nogle dataforskere, men det er ikke noget, som de fleste virksomheder har råd til.

For at overvinde dette hjælper et veludviklet dataudforskningsværktøj ikke kun brugerne med at udforske frit, men også navigere dem hen mod den indsigt, de virkelig ønsker at gøre.

Watson Analytics tillader nem dataudforskning gennem naturlig sprogbehandling, hvilket betyder, at brugere kan stille enkle spørgsmål om deres data uanset deres analytiske ekspertise. I denne dag og alder er vi som designere nødt til at reducere kløften mellem mand og maskine. Med de forudsigelige muligheder i Watson Analytics, kan brugerne stille spørgsmål som "hvad der driver salg?" Og hurtigt præsenteres med nøgle salgsanalyser for at hjælpe dem med at tage beslutninger.

I dette eksempel spørger Sam, en lufthavnsoperationschef Watson Analytics,

At tænke på Venedig igen, er guidet udforskning i Watson Analytics som at have din helt egen personlige rejseguide, der ikke kun kender de bedste lokale restauranter at spise på, men også ved, hvad der skal bestilles, og hvordan man bestiller det på venetiansk.

3. Analytics på din måde

Når det gælder analyse, er ikke alle brugernes behov lige. En af udfordringerne ved at designe et datavisualiseringsværktøj er at gøre det intuitivt at bruge til enhver. For at definere universelle oplevelser tror vi på at designe efter mangfoldighed.

Når vi designer vores Business Analytics-portefølje, har vi flere personale i tankerne, der spænder fra en begynderanalytiker til en strømbruger. Dette betyder, at designet skal skabe en balance mellem at reducere indlæringskurven, samtidig med at den overfører kraftige analytiske evner. Vores kundeoplevelsesstrategi er fokuseret på at give brugerne de værktøjer og ressourcer, de har brug for for at være succesrige, uanset deres eksisterende ekspertise inden for dataanalyse.

Vores forskningsproces inkluderer mange direkte og indirekte partnerskaber med vores klienter og brugere, herunder dybe observationsundersøgelser for at lære om deres arbejdsgang og hvordan de vil bruge et dataanalyseværktøj. Al denne praktiske forskning hjælper med at sikre, at vi designer meningsfulde oplevelser med indlejret support og vejledning til at hjælpe brugerne med at få succes.

Analytics er ikke let, og det er ikke så intuitivt som at booke en tur til Venedig. Vores brugere har mange forskellige niveauer af dygtighed, erfaring og forståelse. De består af nye ledere, der ønsker at få en bedre forståelse af virksomheden, til at give brugere, der ønsker at kigge under hætten, for at finde ud af, hvilken statistisk model der blev brugt i analysen. I Watson Analytics tilbyder vi lag i vores produkter, som gradvist afslører så meget eller så lidt af den magi, der bruges til at generere visualiseringer.

Watson Analytics viser ikke blot et diagram over hans data, det fremhæver statistisk signifikante antal og resultater, hvilket sparer ham besværet med at udføre beregningen selv (B). Det overflader også en række indsigter og forslag til opfølgende kort i Discovery Panel til højre (C). En dataforsker, der arbejder for en erhvervsfolk, kan åbne panelet Statistiske detaljer for at bekræfte og undersøge nærmere modeller og parametre bag resultaterne.

Design spiller en nøglerolle

At designe datavisualisering handler ikke kun om det visuelle, men hvorfor disse visuals betyder noget i dataanalyseprocessen, og hvordan de kan være til faktisk brug for brugeren. Vi arbejder på at designe til iterativ dataudforskning, en guidet oplevelse, der hjælper forretningsbrugeren med at komme til deres forretnings svar så hurtigt som muligt og en fleksibel arbejdsgang, der understøtter både analytiske eksperter og begyndere. Designarbejde på dette felt kan have stærke konsekvenser for databrugere og påvirke, hvordan virksomheder fungerer.

Dette er bare en smag af vores tilgang til datavisualisering ved IBM Business Analytics. Vi kunne fortælle dig mere, men hvorfor ikke selv undersøge, hvordan design til datavisualisering kan se ud. Første gang besøgende og lokale inviteres.

Hybrid Cloud-designteamet til IBM Business Analytics viser, hvor meget deres designarbejde påvirker vores produkter og hjælper vores brugere med at opnå bedre resultater. Takket være det utrolige talent og dygtighed, der kommer fra IBM Design, er vi i stand til at gøre alle vores produkter mere fokuserede på en menneskelig oplevelse.

En særlig tak til mine kolleger Anne Stevens og Lisa Marie Chen for at have skrevet denne artikel med mig og delt deres perspektiv.

Arin Bhowmick (@arinbhowmick) er vicepræsident, design hos IBM med base i San Francisco, Californien. Ovenstående artikel er personlig og repræsenterer ikke nødvendigvis IBMs holdninger, strategier eller meninger.