Написать пост

Чем отличается дашборд от слайда и помогут ли нейросети

Иван Успенский рассказывает, в чем сходства и различия слайдов и дашбордов, и помогут ли нейросети в их подготовке.

Как часто вам приходилось встречать откровенно плохие презентации и дашборды? Первых, очевидно, вы припомните больше, и в том числе потому, что инструменты разработки презентаций доступны всем желающим и формально не требуют каких-либо специальных навыков.

Меня зовут Иван Успенский, я работаю с UI/UX и аналитическими решениями в «КОРУС Консалтинг» — и сегодня мы с вами поговорим о том, в чем сходства и различия слайдов и дашбордов (и как можно сделать их действительно хорошими), а еще попробуем понять: помогут ли нейросети в их подготовке.

Слайд в презентации ≠ дашборд

И слайд, и дашборд предназначены для представления какой-либо информации, значимой для потребителя. Для обоих вариантов используют различные способы визуализации, элементы оформления, разработанные специально для какой-то ситуации. Причём для дашборда более характерна ситуация повторяющаяся, а для слайда — единичная, но правило это отнюдь не жёсткое.

Слайд в презентации вполне может, как и дашборд, использовать внешний источник данных (подключенный файл электронных таблиц) для аналитических визуализаций. Он может также иметь интерактивные элементы и вложенности, переходы и прочее. На этом сходства между ними заканчиваются.

Дашборд лишён смысла, если на нём не представлены какие-либо данные — и чаще всего цифровые. Слайд же, теоретически, может никаких данных и не содержать, ограничиваясь картинкой или заголовком. Кроме того, чаще всего дашборд получает данные из какой-либо автоматизированной системы с установленным регламентом загрузки, а для слайда такой необходимости нет. Есть разница и в инструментарии: для создания дашборда недостаточно компьютера с установленным пакетом «офисного» ПО.

Почему и слайды, и дашборды бывают не очень

Попробуем разобраться, различны ли причины низкого качества для этих продуктов труда.

Чтобы создать качественный инструмент визуализации данных (кстати, качество — это соответствие требованиям, а не что-либо еще), необходимо:

  1. Определить потребителей, для которых инструмент создается, учесть их специфические особенности и потребности.
  2. Понимать цель(и) инструмента и задачи, которые с его помощью будут решать.
  3. Изучить контекст применения, включая и триггер(ы) начала процесса.
  4. Собрать и обработать необходимые исходные данные.
  5. Оформить внешний вид и поведение продукта с учётом всего вышеизложенного, а также с использованием хороших практик, показавших свою результативность в сходных задачах.

В этом процессе могут быть и исключения — например, сложно понять, для кого вы делаете продукт, когда группа потребителей информации столь велика, что ключевые особенности её участников вычленять бессмысленно. Но в остальном ответ на эти вопросы — залог качественных данных и для дашборда, и для слайда. Часто именно этот этап подготовки пропускают и получают в итоге качество ниже среднего.

Что нужно учесть при подготовке данных

Потребности и особенности потребителей диктуют всё — от состава данных и до внешнего вида инструментов. Например: топ-менеджеру для быстрого принятия управленческого решения нужны только самые верхнеуровневые данные по определенному набору показателей, характеризующих деятельность организации. Кроме того, он привык считывать красный цвет как негативный — а в целом визуальное решение должно соответствовать утвержденному фирменному стилю.

Чем отличается дашборд от слайда и помогут ли нейросети 1
  1. Цели и задачи конкретизируют набор и компоновку информации, её поведение, возможные реакции на действия пользователя или изменения извне. Например, если пользователю нужно получить актуальную информацию, то в системе должно быть предусмотрено обновление из источника данных. Если потребуется детализация по какой-то из составляющих — в дашборде или соседних экранных формах должны быть предусмотрены детализирующий экран и способы перехода к его просмотру. Описание, содержащее необходимые потребителю вехи и промежуточные шаги можно назвать пользовательским сценарием.
  2. Контекст использования инструмента — это обстоятельства, в которых он нужен пользователю и средства для работы с ним. На этом этапе важно понять — будут ли ваш слайд или дашборд изучать на экране (и каком именно экране в диапазоне от смартфона или даже умных часов — и до видеостены в ситуационном центре) или напечатают (в цвете? А на каком формате носителя?); будет ли просмотр сопровождаться чьими-либо комментариями или станет иллюстрацией к более ёмкому устному рассказу — и так далее. Значимыми могут быть очень многие вещи — соотношение сторон и разрешение экрана, возможность использования не только статических состояний визуализаций. Попробуйте представить разные сценарии — и легко увидите, что для них необходимо продумать.
  3. Триггер — это точка старта; момент, когда потребители информации обратятся к вашему инструменту для начала работы с ним. Это может быть заданная точка во времени (например, 9-00 понедельника, в момент проведения совещания), состояние какого-либо индикатора в некой системе, событие или действие реального мира, не имеющее «цифрового состояния».
  4. Правильный сбор и обработка необходимых данных. Это комплексная история, и здесь нужно учитывать все, что было в предыдущих пунктах, а также пользу — то, что мы показываем, должно быть нужно и своевременно.
  5. Вёрстка визуального решения — т.е. компоновка информации, выбор и настройка способов визуализации — задача самая сложная. К сожалению, очень часто именно с этого, последнего — или предпоследнего — пункта мы и начинаем разработку визуализации.

И здесь подстерегают самые большие проблемы и сложности (если предшествующие этапы мы не прошли):

  • Избыточность или недостаточность информации в поле зрения потребителя. Здесь, вероятно, наиболее частая ошибка — визуализировать все доступные данные по заданной теме на одном экране. Нехватка данных также явление нередкое — и происходит чаще всего именно от отсутствия сформулированных пользовательских сценариев. Как мы можем искать информацию для представления неизвестно кому и неизвестно зачем?
  • Неудачный выбор способа визуализации. Здесь существует масса инструкций — например, применять Pie-диаграммы только тогда, когда есть задача дать представление о примерном соотношении долей общего значения, дробящегося не более чем на 5-6 составляющих. Или для всех визуализаций с одной единицей измерения в пределах экрана используется один масштаб по основной оси значений (а для экстремально высоких или низких значений можно использовать специальную «масштабную» область, очертив её пунктирной линией и добавив линии сопряжения с соседней диаграммой).
  • Стремление «сделать красиво», в том числе и с использованием готовых паттернов, предлагаемых редактором презентаций или BI-системой, в которой мы собираем дашборд. Если у вас нет возможности привлечь дизайнера, а собственные навыки лежат в иной плоскости — лучшим решением будет минимализм. Размещайте на экране только необходимые элементы, применение которых явно диктуется целями и задачами потребителя информации. Если вам кажется, что на экране должно быть много всего — вспомните о слайдах Стива Джобса, мастерство которого в представлении информации, вроде бы, никто никогда не оспаривал.

Почему ИИ не сделает вам красивый слайд целиком

Последнее время активно набирает обороты история с нейросетями, способными, казалось бы, творить визуальные чудеса — и даже делать красивые презентации. И они действительно могут помочь — но только на последнем этапе работы, и то лишь в некоторых аспектах. Вернитесь выше. Посмотрите на описанные этапы. Попробуйте собрать из этого полный исчерпывающий запрос для нейросети. Получилось?

Чем отличается дашборд от слайда и помогут ли нейросети 2

Для того, чтобы поставить корректную задачу «искусственному интеллекту», нам придется слишком многому его учить — и о слишком многом рассказывать по конкретному кейсу, причем — итеративно, многократно уточняя и дополняя запрос. С одной стороны, новость вроде бы невеселая: помощи ждать неоткуда. С другой — понимание и навык применения изложенной методологии показывает, что нас еще не скоро заменят на роботов. К тому же, ничто не мешает использовать AI для решения отдельных визуальных задач.

Следите за новыми постами
Следите за новыми постами по любимым темам
698 открытий3К показов