وبلاگ vdash

اخبار و مقالات مربوط به vdash، نرم افزار آنالیز اطلاعات و ساخت داشبورد مدیریتی

این داده چه شکلی است ؟ - هیستوگرام

گاهی لازم است بدانیم که محصولات در کدام بازه های قیمتی، بیشترین فروش و کمترین فروش را دارند . گاهی لازم است وضعیت پرسنلی کارمندان را بررسی کنیم و بدانیم کدام گروه سنی اکثریت نیروی انسانی را تشکیل می دهند یا کدام رنج حقوقی بیشترین فراوانی را در شرکت دارد . گاهی می خواهیم نمود های غیرعادی و نقاط پرت را بررسی کنیم و از وجود آنها مطلع شویم و بسیار مواقعی که نیاز به یک شمای کلی از داده های خود به منظور تصمیم گیری داریم ولی نمی توانیم به راحتی و در زمان کم به آن دسترسی داشته باشیم. 



هیستوگرام : 

نموداری که موضوع بحث است نموداری بسیار کارآمد و مناسب در حوزه ارائه داده ها و هوش تجاری است که به دلیل شباهت زیاد به نمودار میله ای ، فراموش شده است . هیستوگرام نوعی ارائه گرافیکی توزیع ( پراکندگی ) داده های عددی است . این نمودار اولین بار در سال 1891 توسط کارل پیرسون معرفی شد و نام آن را از مخفف "historical diagram  " به معنی  "نمودار تاریخی " ساخت . 



تجربه نشان داده است که حتی بسیاری از افرادی که تجربه مصورسازی داده ها دارند، هنگام درک و یا خواندن هیستوگرام به مشکل بر می خورند . هیستوگرام گرافیست که از لحاظ ظاهری شبیه به نمودار میله ایست و گاهی با آن اشتباه گرفته می شود . البته که هر دو این نمودار می توانند تعداد داده ها را برای کاربر شمرده و به صورت گرافیکی به او نشان دهند ، اما یک نمودار میله ای تعداد واقعی داده ها در دسته بندی های متفاوت ابعاد گوناگون داده نشان میدهد  (طول میله نشان دهنده تعداد داده در آن دسته از بعد مورد نظر است)،  این در حالی است که هیستوگرام همان داده دسته بندی شده را در طبقه های متفاوت نشان می دهد .
در اصل بهتر است نتیجه گیری کنیم که هر نمودار اساسا نوع متغیرهای متفاوتی را به نمایش می گذارند . با تمام این توضیحات همیشه در نظر داشته باشید که فضاهای خالی بین میله های نمودار در نمودار میله ای معنی خاصی ندارند ، این در حالی است که اگر فضایی خالی بین میله ها در هیستوگرام ایجاد شود معنی می دهد و نشان دهنده ی خالی بودن آن طبقه از داده هاست . 


طبقه (bin) به چه معنی است ؟
وقتی که یک هیستوگرام می سازید در واقع در حال ساختن یک نمودار میله ای هستید که نشان میدهد  چه تعداد داده در آن بازه که طبقه نامیده می شود ، قرار دارند . معمولا تعداد این طبقات 5 تا 20 می باشد . قانون از پیش تعیین شده ای برای این اعداد وجود ندارد ، صرفا یک قانون سر انگشتی است به این منظور که کمتر از 5 طبقه هیستوگرام بدون پیام و بیشتر از 20 طبقه دارای پیچیدگی زیادی هنگام خواندن خواهد بود . البته لازم به ذکر است که در مواردی خاص هنگامی که داده ها دارای طبقه بندی خاص و از پیش تعیین شده مد نظر سازمان یا افراد بخصوص است ، هیستوگرام با توجه به خواسته و نیاز آنها با همان طبقه های از پیش تعیین شده کشیده می شود . به عنوان مثال گروه سنی در جوامع متفاوت ، متفاوت نام گذاری می شود . در هر جامعه ای به اقتضای فرهنگ ها و تعاریف اجتماعی گروه های سنی مثل جوان ، نوجوان و ... را در رنج سنی های متفاوت مشخص می کنند . 


همانطور که پیشتر هم اشاره کردیم یکی از اهداف اصلی استفاده از هیستوگرام ارائه گرافیکی توزیع داده هاست . در دنیای تغییرات ،سایه ها و مملو از پیوستگی ،معیارهای متوسط همیشه کافی نخواهند بود و گاهی باعث گمراهی می شوند .گاهی لازم است که شکل پراکندگی و توزیع داده به صورت کلی نمایش داده شود . سه ویژگی کلیدی از مصورسازی توزیع داده ها عبارتند از :
- گستره داده : مقادیر بیشینه و کمینه و همچنین فاصله بین آنها
- مرکزیت : طبقه ای از داده بیشترین فراوانی دارد ( معمولا اتفاق می افتد )
- شکل : شمای کلی داده در یک نگاه
موارد ذکر شده در تصمیم در مورد نوع توزیع داده ها و همچنین تصمیم گیری اساسی با توجه به داده های موجود بسیار تعیین کننده هستند . 
در بررسی یک هیستوگرام و به صورت کلی بررسی توزیع داده به موارد زیر دقت نمایید و در صورت مشاهده بررسی بیشتر انجام دهید :
نقطه اوج( peak  )  
فاصله های خالی
نقاط تمرکزی 
نقاط پرت 


نمودار جعبه ای - هنگامی که میانگین دروغ می گوید !

یکی از علل استفاده از روش های  مصورسازی اطلاعات برای آنالیز داده ها دستیابی و درک سریع اطلاعات و الگوهای موجود مثل شناسایی الگوی فروش محصولات و ترجیحات مصرف کنندگان با توجه به ویژگی های مختلف از جمله ویژگی های جغرافیایی است.با افزایش رویکرد های ممکن برای مصورسازی اطلاعات ، سوالات در خصوص اینکه کدام روش چه زمانی و در جواب چه پرسشی  باید استفاده شود، افزایش می یابند.  در این بحث به معرفی نمودار جعبه ای ، نحوه خواندن آن ، همچنین یک مورد استفاده آن پرداخته شده است. نموداری که بسیاری برای ارائه داده های خود استفاده نمی کنند به این دلیل که باور دارند نمودار جعبه ای تخصصی است .  ولی حقیقت این است که نمودار جعبه ای یکی از ساده ترین نمودارها و جزء آن دسته از روش های مصورسازی است که به شما این امکان را می دهد تا در کمترین زمان با یک نگاه نکات بسیار مفیدی از داده ها استخراج کنید . 



نمودار جعبه ای بعد از هیستوگرام یکی از ابزارهای مفید و کار آمد برای درک توزیع و پراکندگی داده هاست که در موارد مختلف به صورت وسیع به کار می آید و همانطور که بررسی شد برخلاف تصور برخی افراد ، تفسیر و درک اطلاعات آن آنالیز را دچار هیچ چالشی نمی کند . 
نمودار جعبه ای دارای دو بخش جعبه و میله های بیرون آمده است . داده ها در این نمودار به 4 قسمت تقسیم می شوند : 


 قسمت اول داده ها یا عددی که ¼ مقادیر از آن عدد کوچکترند که به آن مینیمم موثر می گویند و به بیانی دیگر  نقطه ای است که 25% داده ها مقداری کمتر از این مینیمم موثر را دارا هستند،
قسمت دوم یا عددی که ½ مقادیر از آن عدد کوچکترند که به آن میانه می گویند و به بیانی دیگر نقطه ای است که نصف داده ها مقادیری کمتر از آن دارند . و در کنار آن ( خط نقطه چین ) میانگین که مقدار متوسط داده های مورد بررسی را ارائه می دهد . 
قسمت سوم یا عدد یا مقداری که ¾ مقادیر از آن عدد کوچکترند که به آن ماکزیمم موثر می گویند و به بیانی دیگر نقطه ای است که 25% داده ها مقداری بیشتر از این ماکزیمم موثر را دارند . 
و قسمت چهارم داده ها که شامل 25درصدهای بالایی و پایینی می باشد و با قسمت بیشترین مقدار و کمترین مقدار داده  میله ها را تشکیل می دهند . 
بعد از رسم نمودار جعبه ای شما به واقع جعبه ای را مشاهده می کنید که دو میله از آن بیرون آمده است ، نقطه ای که انتهای میله ی بالایی جعبه است نقطه مقدار ماکزیمم ( بیشینه ) و نقطه ای که انتهای میله ی پایینی جعبه قرار دارد مقدار مینیمم ( کمینه ) داده ها است  . 

برای مثال وضعیتی را در نظر بگیرید که مدیر یک شرکت کانادایی با دامنه فعالیت بین المللی قصد دارد میزان فروش محصولات خود را در طول زمان در کانادا بررسی کند . 
برای او مهم است که کمترین و بیشترین هزینه ای که مشتری برای کالاهای او پرداخت کرده چقدر بوده است ؟
میزان خرید مشتری به صورت معمول چقدر است ؟ 
آیا اکثریت هزینه ی زیادی را برای کالاهای او صرف می کنند ؟
تجمع مشتریان برای کالاهای با هزینه کمتر است ؟ 
آیا تغییر پذیری در هزینه ی صرف شده توسط مشتری زیاد است ؟ 

 برای پاسخ به اینگونه سوالات از نمودار جعبه ای استفاده می شود . 



همانطور که می بینید میزان هزینه ای که مشتریان برای کالاهای این شرکت در کانادا پرداخت می کنند بین 1000 دلار تا 6061 دلار تغییر می کند . معمولا و به طور میانگین هزینه ای که برای کالاهای این شرکت اختصاص داده می شود برابر 3174.12 دلار است ولی مشهود است که حداقل نصف مشتریان کمتر از 2650 دلار خرید می کنند . و 25% از مشتریان حتی کمتر از 2295 دلار خرید می کنند . میزان خرید مشتریان این شرکت در کانادا تغییرپذیری چشمگیری را بیرون بازه ی 2295 تا 4528 نشان نمی دهد . 
حال به دلیل نیازهای اطلاعاتی مدیر لازم می داند که این موارد را در مورد مشتریان در خارج از کشور مادر و با تقسیم-بندی بازار به زنان و مردان نیز بررسی کند . 


همانطور که مشاهده می شود بیشترین و کمترین هزینه صرف شده برای خرید کالاهای این شرکت حساس به جنسیت نیست و بین زنان و مردان اختلاف چندانی وجود ندارد . ولی اختلاف میزان خرید مشتری در کشورهای مختلف مشهود است . مثلا در فرانسه میزان خرید بین 1120 دلار و 13266دلار قرار دارد که همانطور که مشخص است از تقریبا 5000 دلار تا 13266 دلار تغییرپذیری بسیاری وجود دارد . این در حالی است که نصف افراد تقریبا 2000 دلار برای خرید کالاهای این شرکت هزینه می کنند . 
هنگامی که قصد داریم ارزش یکسانی را در مجموعه های مختلف  به مقایسه بگذاریم نمودار جعبه ای گزینه ی خوبی از لحاظ بررسی بیشینه ها کمینه ها و دیگر اطلاعات آنالیزی مفید که پیشتر بیان شد است . این نمودار از قضاوت اشتباه در مورد داده ها با استناد به پارامترهای مرکزی مثل میانه و میانگین ، با در اختیار گذاشتن هر دو و ایجاد امکان مقایسه ، جلوگیری میکند . به همین صورت توجه را به سوی مسئله پراکندگی و تغییرپذیری داده ها جلب میکند . با اینکه درک مقوله ی تغییرپذیری به نظر دشوارتر از پارامترهای مرکزی است ، ولی مسئله ای واقعی است که با نمودار جعبه ای آسان تر دیده می شود . 

مشکل بزرگ داده‌های بزرگ: چکار کنیم تا در دنیای واقعی‌ کاربرد داشته باشند




داستانهای موفق زیادی از داده‌های بزرگ وجود ندارد که بتواند این حجم استفاده را توجیه کند. در اینجا با استفاده از تجربه کارشناسان، به نکاتی‌ که شرکتها نیاز به تجدید نظر دارند، اشاره می‌کنیم.
شبهه و تردید درباره ارزش داده بزرگ زیاد است. عبارتی که به شعار پذیرفته شده دنیای بازاریابی در بسیاری از ابزار و فناوری تبدیل شده است، شروع به خراب شدن در زیر فشار انتظارات غیر واقعی، کرده است.
اینکه به اصطلاح کارشناسان می‌گویند که یک انقلاب اطلاعاتی در حال تغییر طبیعت محل کار و خود کارها هست، کمک خاصی‌ نمیکند. پروژه‌های داده‌های بزرگ می توانند یک تغییر بزرگ در فرایند کلی‌ کسب و کارها ایجاد کنند. با این‎حال شواهد گسترش عظیم رهبری دانش محور در دنیای امروز هنوز کم است، به جای آن‌ به نظر می‌رسد که سازمانهای بزرگ در حال غرق شدن در دریای اطلاعات می باشند. 
پس چگونه سازمان‎ها میتوانند از هوش به یک بینش و دانش صحیح برسند و مدیران فناوری اطلاعات چگونه میتوانند بقیه افراد درگیر در کسب و کار را تشویق به خرید پروژه‌های با داده بزرگ نمایند.
تعریف نقش رهبر IT در عصر اطلاعات و داده‌ها
اندرو مارکس، مدیر سابق فناوری اطلاعات شرکت نفتی‌ Tullow ،در طول زندگی‌ حرفه‌ای خود، طیف گسترده‌ای از طرح‌های هوش تجاری را دیده است. او معتقد است که بسیاری از پروژه‌ها بر نوعی از تجزیه تحلیل تکیه میکنند که در بهترین حالت، ساده است. او می‌گوید حتی در جهانی‌ از داده‌های بزرگ، واقعا مثال‎های کافی‌ از شرکت‎هایی که مالکیت داده را هم گرفته باشند، وجود ندارد.
او معتقد است که رهبران IT میتوانند نقش بسیار مهمی‌ در شناسایی و ارائه ابزارهای مربوط به داده‌های بزرگ، بازی‌ کنند. او همچنین معتقد است که در حال حاضر، تأکید بیش از حدی بر روی مدیران فناوری اطلاعات میشود، به خصوص در رابطه با ساخت بخش عظیمی‌ از دانش. مارکس می‌گوید، ایجاد بینش درست از هوش تجاری، باید یک تلاش مشترک باشد.
او می‌گوید، فناوری به این خاطر وجود دارد که بتواند کارهای خاص و شگفت‎انگیز با داده‌ها انجام دهد، به خصوص در رابطه با گردهم آوردن اطلاعات از مناطق به نظر نامربوط تجارت. افراد منابع انسانی‌ و مالی‌، از IT انتظار دارند که از ابزار داده‌های بزرگ، برای تجزیه تحلیل اطلاعات استفاده کنند. آنها همواره مدیر فناوری اطلاعات و تیم‌ او را دنبال میکنند. بسیاری از مدیران هنوز هم فکر می کنند که این مسئولیت مدیر فناوری اطلاعات است.
با این‌حال مشکل اینجاست که مدیران فناوری اطلاعات مجهز یا موظف به دستکاری داده‌ها نیستند. هم زمان، کسب و کار نیز لزوماً مهارت اینکه معین کند که چه نوع بینشی از داده‌ها می‌خواهد را ندارد. چیزی که شما از دست می‌دهید، یک مهارت است، چرا که بسیاری از مدیران IT نمی خواهند، یا نمی‌تواند، که فقط روی دانش داده‌ها بر اساس یک برنامه روزانه تمرکز کنند.
مارکس می‌گوید، کسب وکار باید برای بررسی‌ اینکه چه نوع بینشی نه‌ ایجاد تفاوت در خروجی های شرکت کمک می‌کند، وقت بگذرد. مدیران فناوری اطلاعات و مدیران باید بر روی اهداف هسته‌ای کسب و کار تمرکز کنند. او می‌گوید در مناطقی که می تواند یک مزیت رقابتی ایجاد کند یا آن‌ مهارتها را گسترش دهد، تمرکز کنید.
مارک فولشام، به عنوان یک مدیر IT دیگر در گروه فناوری اطلاعات بیمه‌ Esure، معتقد است که ارزش داده‌های بزرگ، از یک رویکرد یکپارچه می‎آید. او می‌گوید ابزار تجزیه تحلیل میتواند به کسب و کار او کمک کند تا بفهمد مشتریان چگونه از کانال‎های آنلاین استفاده میکنند، مانند آمار استفاده از وب. این دانش زمانی‌ میتواند ارزشمند باشد که دیگر مدیران کسب و کار، مثل کسانی‌ که در بخش بازاریابی هستند، از آن‌ برای ایجاد یک بینش عمیق‎تر در تجربه مشتری مداری، استفاده کنند.
مارک می‌گوید، اگر تیم‌ بازاریابی می‌خواهد بداند که دقیقا چه زمانی‌ مشتری مارا ترک کرده است، نیاز به یک فناوری درست دارد، و اینجاست که تیم‌ IT میتواند به آنها کمک کند. کارکنان بازاریابی میتوانند به مساله از دیدگاه تجربه مشتری مداری نگاه کنند و مجموعه IT میتواند از دیدگاه عملکرد وارد شود و یک ابزار شناسایی خوب برای کمک به تعریف بینش تجارت ایجاد کند.
 بهترین تمرین برای غلبه بر مقاومت کارکنان
آدام جرارد، مدیر فناوری Yodel می‌گوید، رهبران IT که به دنبال به دست آوردن بینش واقعی‌ از داده‌های بزرگ میباشند، باید به صورت دوجانبه حمله کنند، هم از بالا به پائین و هم از پائین به بالا. جرارد می‌گوید، از دیدگاه هیئت مدیره، بسیار مهم است که مدیر فناوری اطلاعات، چگونه می تواند با سرعت، پروژه را از ابتدا تا رسیدن به نتایج بسازد. او می‌گوید، دریافت یک نسخه واحد از واقعیت، ایجاد یک مخزن واحد از اطلاعات برای کل کسب و کار است.
جرارد می‌گوید، این نمای واحد، از دیدگاه پائین به بالا، فروش راحت‎تری می‌سازد. شما باید با مردم همراه شوید، ابزار را به آنها نشان دهید و انواع مزیت‎هایی که از این فناوری به دست می‎آو‌رند را، برایشان توضیح دهید.
لزوما هر پروژه داده بزرگ، بازپرداخت فوری فراهم نمیکند، بنابراین شما مجبور هستید که با ابتکار عمل کار کنید. اگر بتوانید به مردم در سراسر کسب و کار، نشان دهید که چگونه اطلاعات در زمان واقعی‌ میتواند باعث پیشرفت روزانه تجارت آنها شود، فروختن پروژه داده بزرگ بسیار آسان‌تر میشود.
جیم اننگ، مسئول داده و تحلیل گاز بریتانیا، یکی‌ دیگر از مدیرانی است که برای اثبات ارزش اطلاعات، تلاش کرده است. این شرکت یک واحد متخصص است که برای بررسی‌ استفاده از داده‌های بزرگ و تکنولوژی هوشمند، راه اندازی شده است. او می‌گوید، ما یک پلت فرم ایجاد کردیم، که داده‌ها را از سراسر محصولات ما به دست می‌آ‌ورد و به ما اجازه می دهد تا از آن اطلاعات برای بینش مشتریان ارزشمند خود و بهبود محصولات، استفاده کنیم. او می‌گوید این شرکت تیمی بر پایه چهار شایستگی ساخته است: تجزیه تحلیل (استخراج داده‌ها)، دانش داده (توسعه الگوریتم برای ارائه به مشتریان)، مهندسی‌ داده (اجرا و مدیریت خطوط داده‎ای) و‌ عملیات داده (حصول اطمینان از قابل اعتماد و در دسترس بودن سیستم).
او می‌گوید، این تأکید می‌کند که داده بزرگ چقدر برای ما به عنوان یک سازمان، مهم است. ما واقعا به دنبال جایگزین کردن آنچه افراد میتوانند انجام دهند، با ماشین‎های هوشمند نیستیم. کار خوب با داده‌های بزرگ، نیازمند ترکیبی‌ از قدرت ابزار و مغز انسان است.
او اضافه می‌کند این بسیار دشوار است که تا زمانی‌ که تجارت شروع به تولید نتایج نکرده است، بشود روی داده‌ها ارزش پولی گذاشت. او معتقد است که شرکت آنها بسیار خوش شانس بوده که از طرف بالا پشتیبانی‌ میشود. او همچنین میداند که دیگر مدیران IT اینقدر خوش شانس نیستند، به خصوص اینکه همیشه حساسیت اطراف داده‌های بزرگ بسیار بالاست.
همچنین اننگ می‌گوید، صحبت کردن با افراد ارشد در سازمان که با ارزش بالقوه داده‌ها مواجه بوده اند، بسیار روحیه بخش است. آنها فعالانه و در سراسر کسب و کار، به دنبال راه‎های برای بهبود آنچه که ما با دانش و مهندسی‌ داده برای مشتریان انجام می دهیم، هستند.

منبع

ZDNET

چگونه مدیران مالی‌ از ابزار مصور سازی بهره میبرند

ظاهر مساله. راه و روشی‌ که داده‌ها ارائه می شوند بر ظرفیت و توانایی ما برای فهم آنها تاثیر می گذارد و بر میزان سرعت و راحتی‌ تولید اطلاعات موثر در تصمیم گیری‌‌های ما اثر می گذارد.
این به متخصصان مالی‌ کمک می کنند تا بیشترین منفعت را در حوزه‌های زیر ببرند:
•    در سرمایه گذاری در نرم افزارهایشان
•    در نقش آنها به عنوان کاربران داده مالی‌
•    به عنوان ارائه دهندگان داده‌های مالی‌ به دیگر قسمتهای کسب و کار
•    به عنوان دارندگان منبع مالی‌ برای بودجه و سرمایه گذاری در IT

چرا باید مصورسازی داده برای من مهم باشد؟
David McCandless، نویسنده و طراح اطلاعات می‌گوید: “با مصورسازی اطلاعات، ما آن‌ را به یک چشم انداز تبدیل می‌کنیم که چشم میتواند ببیند، یک جور نقشهٔ اطلاعاتی. وقتی‌ که شما در اطلاعات گم شده اید، نقشه میتواند مفید باشد." به عبارت ساده، مصورسازی داده، یک راه بهتر برای نمایش اطلاعاتی است که شما و دیگران جمع آوری کرده اید. به جای نگاه کردن به یک لیست طولانی از اعداد و ارقام، این روش معنی بصری به اطلاعات میافزاید. این میتواند با برجسته کردن برخی‌ مناطق بر روی نقشه، ایجاد نمودارهای شهودی، یا از طریق نمایش روند رشد روی گراف‌ها باشد.
برای سازمان شما، ،مصورسازی داده میتواند اطلاعاتی را که برای فروش، عملیات تولید و بخش‌های دیگر نیاز دارید، فراهم کند. مدیران فروش میتوانند از ابزار مصورسازی برای تسهیل  نظارت بر تغییرات شاخص‌های کلیدی عملکرد تیم‌ خود استفاده کنند. مصور سازی میتواند به سرعت مشاهده عملیات و بهبود تنگناها کمک کند در حالیکه تولید میتواند از آن‌ برای اندازه گیری و مشاهده نواقص و واریانس محصولات استفاده کند.
در اصل، مصورسازی داده‎ها، یک بینش واقعی‌ از اطلاعات پیچیده ارائه میدهد که هم عملی‌ و هم جذاب است. به عنوان مثال، جنرال الکتریک، کل یک وبسایت را برای نمایش داده‌های حاصل از تحقیقات و مطالعات خود اختصاص داده بود. این نوع نمایش پیشرفت و تعاملی، حجم انبوهی از داده‌ها را به شکلی‌ که نه تنها زیبا و جذاب، بلکه بسیار آموزنده نیز بود به ناظران خارجی‌ ارائه میداد. در حالی‌ که جنرال الکتریک به احتمال زیاد با استفاده از طراحان داخلی‌ خود، آن‌ را تولید کرده بود، اما خبر خوب اینکه طیف گسترده‌ای از محصولات وجود دارد که تجزیه تحلیل مشابه این را با قیمت مقرون به صرفه انجام میدهد و به کارکنان امکان دسترسی‌ به توابع قدرتمند داده‌ای میدهند. برای فعالان حوزه مالی‌ احتمالات وسیعی وجود دارد که یک سر آن ابزار مصورسازی و در انتهای دیگر آن‌، ابزار زیباسازی محصولات وجود دارد. در این میان، ابزار مصور سازی به شکل نرم افزارهایی برای تجزیه تحلیل داده، اطلاعات کسب و کار و مدیریت عملکرد وجود دارد. مثل Tagetik
نرم افزارهای CPM چه منفعتی برای مدیران مالی‌ دارد؟
برای زنده ماندن در سرزمین به سرعت در حال تغییر کسب و کارهای امروزی، شرکتها باید مهارت‌های استثنایی را در برنامه ریزی مالی برای آینده استفاده کنند. اما عدم اطمینان از ثبات اقتصادی، پیش بینی‎های دقیق را سخت تر از همیشه می‌کند.
از لحاظ تاریخی‌، استفاده از تحلیل‌ها و سیستم‌های BI و CPM برای پیدا کردن اطلاعات مورد نیاز، بستگی به مشارکت IT داشته است اما برخی‌ از فروشندگان نرم افزار در حال ارائه محصولاتی هستند که کاربر با یک منوی سلف سرویس میتواند به ابزار مصورسازی دسترسی‌ داشته باشد. تحقیقات گروه Aberdeen نشان میدهد که جایی‌ که ابزار بصری تعاملی به کارمندان اجازه کاوش و دست کاری داده‌ها را میدهد، آن دسته از کارکنان بهتر میتوانند بر اساس واقعیت کسب و کار تصمیم گیری کنند و استفاده از نرم افزار در سراسر کسب و کار موثرتر خواهد بود. شاید وقت آن‌ رسیده است که متخصصان حوزه مالی‌ انتظار بیشتری از فروشندگان نرم افزار و م��صولات آنها داشته باشند. سیستم‌های پیشرفت حسابداری و ابزار تحلیلی که امروزه در دسترس هستند به مدیران مالی‌ اجازه میدهد تا اطلاعات پیچیده مالی‌ را به سرعت دریافت کنند، در حالی‌ که موقعیت آنها برای کمک به مدیران  درک بهتری از داده‌ها به آنها میدهد و روند دستیابی به اهداف شرکت را سرعت می‌بخشد.
برنامه ریزی، بودجه بندی و پیش بینی‌ با یک نرم‌افزار درست CPM میتواند موفق باشد.
ابزار قدرتمند BI میتواند به تمرکز زدایی سازمان، بهینه سازی گردش کار و دسترسی‌ مدیران مالی‌ به داده‌ها و تحلیل‎ها در زمان واقعی‌ کمک کند. استفاده از سیستم‌های بر پایه کلود (ابری)، میتواند باعث کاهش یا از بین بردن نیاز برای سرمایه گذاری در سخت افزار و متخصصان فنی برای حفظ، تعمیرات و ارتقأ سیستم‌ها شود. در انتهای روز، شرکتها نیاز به یک مدیریت مالی قدرتمند دارند تا به دقت بودجه را برنامه ریزی و پیش بینی‌ کند.
مدیران مالی‌ نیاز دارند که بتوانند به بینش درستی‌ در سراسر فرآیند کسب و کار برسند تا بتوانند راهی‌ برای ارائه پاسخ به سوالات پیچیده پیدا کنند نه اینکه به راحتی‌ از گزارش‌های استاندارد استفاده کنند، چون این روش در کسب و کار امروزه موفق نخواهد بود.
داده‌های من زیبا به نظر می‎رسند، حالا چه؟
صرف‎نظر از اینکه داده‌های شما چقدر زیبا و واضح است، بزرگترین چیزی که در رابطه با مصورسازی داده باید به خاطر داشته باشید این است که این کاملا بستگی به شما دارد که با دیدی که به دست آورده اید، می‌خواهید چکار کنید.
فقط به اطلاعات نگاه نکنید، هرچند که خیلی‌ زیبا باشد.
در مورد آن‌ فکر کنید و اقدام لازم را انجام دهید.
و سپس، همهٔ این مراحل را دوباره و دوباره تکرار کنید.
تنها از طریق یک فرایند تکرار شونده میتوانید به ارزش واقعی‌ آن‌ پی‌ ببرید. و اگر این به خوبی توسط تیمی که پشت کسب و کار شما قرار دارد انجام شود، شما میتوانید به بینش لازم برای بهبود عملیات و به دست آوردن یک مزیت رقابتی برسید.

منبع

SmartDataCollective


6 خصوصیت کلیدی یک داشبورد مدیریتی خوب

6 خصوصیت کلیدی یک داشبورد مدیریتی خوب
منبع تصویر: Stephen Few

داشبورد نمایش تصویری اطلاعات است

اطلاعاتی که در داشبورد هستند به صورت بصری ارائه می شوند و معمولا ترکیبی از متن و گرافیک هستند. ولی بیشتر آن را گرافیک (مجموعه ای از انواع گراف ها و نقشه ها) تشکیل می دهد. داشبوردها دارای غنای گرافیکی بالایی هستند. نه به خاطر اینکه گرافیک زیبا و سرگرم کننده است. بلکه ارائه گرافیکی اطلاعات اگر درست انجام شده باشد، می تواند بسیار موثرتر و جامع تر از متن تنها با مخاطب ارتباط برقرار کند. چطور می توانیم به بهترین نحو اطلاعات را ارائه کنیم تا چشم مخاطب به سرعت و مغز او به راحتی و به دقت مهمترین اطلاعات داشبورد را جذب کند؟

داشبورد باید اطلاعاتی را نمایش دهد که برای رسیدن به اهداف مشخص مورد نیاز است

حتی برای رسیدن به یک هدف، نیازمند دسترسی به اطلاعاتی هستیم که شاید مستقیما با هم در ارتباط نباشند و معمولا از منابع مختلف جمع آوری شده اند. این اطلاعات لزوما یک داده خاص نیست. ممکن است انواع اطلاعاتی باشد که یک نفر برای انجام کار خود یا رسیدن به آن هدف مشخص نیاز دارد. همچنین الزاما اطلاعاتی نیست که برای مدیران ارشد سازمان باشد. بلکه می تواند برای هرکسی در سازمان که هدفی را دنبال می کند مورد نیاز وافع شود. اطلاعات می تواند (که البته در اکثر موارد همینطور است) مجموعه ای از شاخص های کلیدی عملکرد باشد. ولی ممکن است در مواردی اطلاعات صرفا وقایعی باشد که برای انجام کار مخاطب مورد نیاز است.

داشبورد باید در یک صفحه کامپیوتر جای بگیرد

همه اطلاعات باید در یک صفحه جا بگیرند، کاملا جلوی چشم بیننده؛ تا بتواند تمام آن را همزمان مشاهده کند. اگر قرار باشد بیننده صفحه را حرکت دهد ( Scroll کند) تا همه اطلاعات را ببیند، پس ما داشبورد نداریم. اگر مخاطب مجبور است بین صفحات مختلف در رفت و برگشت باشد تا همه اطلاعات مربوط به هم را ببیند، پس ما دارای چند داشبورد هستیم نه یک داشبورد. هدف داشتن مهمترین اطلاعات به صورت آماده و بدون زحمت برای مخاطب است تا بتواند به سرعت به آنچه می خواهد دست پیدا کند.

آیا اطلاعات حتما باید در مرورگر وب ارائه شود؟ مرورگرهای وب شاید بهترین واسط برای نمایش داشبوردهای مدیریتی باشند؛ ولی تنها واسط قابل قبول نیستند و حتی ممکن است 10 سال دیگر بهترین واسط نیز نباشند.

آیا اطلاعات باید به صورت لحظه ای (Real-Time) به روز شوند؟ فقط در صورتی این حالت لازم است که هدف مورد نظر ما نیازمند داده های لحظه ای باشد. مثلا اگرکسی در حال مانیتور کردن ترافیک هوایی با استفاده از داشبورد است، باید بلافاصله از اتفاقات افتاده باخبر شود. ولی اگر کسی راجع به شدت یا افت فروش محصولات تصمیمات استراتژیک می گیرد، یک کپی از اطلاعات شب گذشته یا دورتر نیز قابل استفاده است.

داشبوردهای مدیریتی برای نظارت به اطلاعات، با یک نگاه استفاده می شوند

با اینکه تقریبا هر نوع اطلاعاتی می تواند بر روی یک داشبورد قرار بگیرد، همه این اطلاعات دارای یک خصوصیت مشترک بین همه این اطلاعات وجود دارد. آنها خلاصه کلی از داده ها را نمایش می دهند. چرا که مخاطب داشبورد نمی تواند به سرعت تمام جزئیات را نظارت کند. داشبورد مدیریتی باید به سرعت نقاطی را برجسته (Highlight) کند که نیاز به توجه دارند یا باید کاری بر اساس آن انجام داد. ولی نیازی نیست همه جزئیات آن نقاط در داشبورد نمایش داده شود. بلکه باید بستری فراهم شود تا مخاطب به سادگی بتواند به جزئیات دسترسی پیدا کند.


موارد فوق ضروریات داشبوردهای مدیریتی هستند. حال به برخی خصوصیات که داشبوردها را موثرتر می کنند اشاره می کنیم:

داشبوردها اطلاعات را توسط چارت ها (گراف ها)ی کوچک، مختصر، صریح و ساده ارائه می کنند

داشبوردها به ابزارهایی نیاز دارند که پیام خود را با شفافیت تمام و بدون اینکه فضای زیادی را اشغال کنند به مخاطب برسانند؛ تا مجموعه چارت ها در فضای کم موجود در یک صفحه، جای بگیرند. اگر چیزی شبیه به گیج سوخت، چراغ راهنما یا دماسنج این نیازها را به بهترین نحو مرتفع می کند، بهتر است از آن استفاده کنیم. ولی اگر چارت دیگری دهتر پاسخگوی شرایط فوق است، می بایست از آن استفاده نماییم. اصرار روی صفحه زیبا شبیه به داشبورد خودرو، در شرایطی که چارت های دیگر بازدهی بهتری دارند، تاثیر معکوس روی مخاطب می گذارد.

قربانی کردن یک ارتباط موثر بین داشبورد و مخاطب به خاطر استفاده از یک تصویر زیبا یک اشتباه رایج در شرکت های نرم افزاری است.

یک اصطلاح در طراحی به نام (Skeuomorph) وجود دارد که به معنی استفاده از اشیاء قدیمی و شناخته شده برای مردم در زمینه های دیگر است. مثلا استفاده از چراغ راهنما با سه رنگ سبز، زرد و قرمز برای نمایش KPI ها. متاسفانه اکثر داشبوردهای موجود دارای یک گالری کامل از این اشیاء هستند. صرفه نظر از این واقعیت، این نوع طراحی همیشه هم بد نیست. هست زمان هایی که استفاده از اشیاء شناخته شده بر آیتم های جدید غلبه می کند.

یکی از دلایل مطرح شده برای اینکه داشبوردهای مدیریتی را شبیه به داشبورد خودرو طراحی می کنند، ساده کردن داشبورد برای بیننده آن است. این کاملا درست است که با شناختی تقریبا همه ما از نحوه خواندن داشبورد خودرو داریم، به سادگی می توانیم گیج ها و دماسنج های داشبورد مدیریتی را نیز درک کنیم. ولی این در حالتی قابل قبول است که با گرفتن چارت های جدید قوی تر و پربارتر، زمان طولانی (روزها یا ساعت ها) از مخاطب می گرفت. که در اکثر موارد چنین نیست. در حقیقت ابزارهای متنوعی وجود دارند که اطلاعات را بسیار بهتر از یک گیج سوخت یا موارد مشابه ارائه می کنند و بیننده در کمتر از یک دقیقه یاد می گیرد که چطور آن را بخواند. چند ثانیه برای یادگیری هزینه ناچیزی است برای جایگزین کردن یک چارت بهتر، کوچکتر و پربارتر.

داشبورد مدیریتی باید سفارشی طراحی شود

محتوای داشبورد باید به طور خاص برای یک فرد، یک گروه، یک سازمان یا یک هدف طراحی شده باشد. در غیر این صورت به هدف اصلی خود نخواهد رسید.

جمع بندی

داشبورد مدیریتی یک نوع نمایش است. یک روش ارائه اطلاعات است. نه یک نوع خاص اطلاعات یا یا تکنولوژی یا نرم افزار. اگر این تفاوت را در ذهن خود نگه داریم، می توانیم تمرکز خود را روی مسائل واقعا مهم حفظ کنیم.

منابع و مراجع:

طراحی داشبوردهای مدیریتی (ویرایش دوم) نوشته استفان فیو