Chcete být Data-driven?

Tak buďte Data-informed & Data-inspired

případové studie

Základy designu reportů s důrazem na (pivot) tabulky

Vyvíjíte-li reporty v některém z reportingových nástrojů a usilujete při tom o profesionální dojem, pak byste měli souběžně s analýzou a přípravou dat myslet i na design.

V tomto článku se budeme zabývat best practices v oblasti designu tabulek v Power BI, které zajistí, že používání našich reportů bude pro uživatele intuitivní a uživatelsky přívětivé. Pokud totiž vyvíjíme reporty v nějakém vizualizačním nástroji (např. Power BI, QlikSense, Spotfire apod.) a usilujeme při tom o profesionální dojem, pak bychom měli souběžně s analýzou a přípravou dat myslet i na design. Jasný a srozumitelný design a šikovný story-telling jsou totiž elementy, které nám pomohou z našich reportů vytěžit maximum. V tomto díle se zaměříme primárně na tabulky, přičemž dalším typům vizuálů bude věnován samostatný článek.

Doporučení při návrhu tabulek

Přes všechny možnosti moderních reportingových nástrojů jsou tabulky dodnes jedním z nejčastěji požadovaných typů vizuálu. Jejich design je proto velmi důležitý. Z naší zkušenosti víme, že velká část uživatelů je stále ještě navyklá tomu, jak byly tabulky designovány v MS Excel. Práce v tomto nástroji už svými zabudovanými funkcemi přímo vybízí k tomu, ignorovat zásady efektivního designu informací. Například v Power BI máme v rámci formátovacího panelu a jeho předvoleb (Style presets) podobně nevhodnou nabídku předdefinovaných formátů. V tomto nástroji je ale snazší se od tohoto přístupu oprostit a využít pokročilé možnosti formátování tak, abychom dali vyniknout číslům a informacím z nich plynoucích.

Ukázka tabulky navržené v rozporu s best practices v oblasti designu informací

Ukázka tabulky navržené v souladu s best practices v oblasti designu informací

Struktura

Jako první je vhodné zvážit, jestli se vzhledem k povaze našich dat přikloníme spíše k horizontální nebo vertikální orientaci. Máme-li data sledovaná v nějakém časovém horizontu, volíme obvykle horizontální uspořádání, protože analyzovat informace v čase za pomocí horizontální časové osy je podobné jako v liniovém grafu. Někdy pak může být vhodnější zvolit dvou či více úrovňovou řádkovou hierarchii, v jiných případech naopak můžeme chtít tabulku tzv. zploštit přidáním dvou či více sloupců. Zploštění totiž může čtenáři usnadnit porovnávání dat na úrovni řádků jakožto hlavních logických celků.

 

Ukázka různých variant uspořádání v tabulkách a jejich vlivu na čitelnost a dohledatelnost informací

Horizontální strukturu si můžeme dovolit u nominálních (kategorických) dat s menším počtem kvantitativních informací. Nominální kategorie si představme jako logicky vymezené a ohraničené celky, které mezi sebou nemají žádné vztahy (například produkty, různé divize společnosti, týmy apod.).

Ukázka možného uspořádání tabulky v případě nominálních kategorií

V případě ordinálních, neboli pořadových, a intervalových kategorií lze stanovit pořadí, ve kterém lze kategorie vyhodnocovat. Příkladem ordinálních kategorií mohou být na sebe navazující vzdělávací kurzy. Příkladem intervalové kategorie mohou být například společnosti rozdělené dle velikosti. V závislosti na počtu prvků ordinální či intervalové kategorie lze pro kategorická data zvolit jak horizontální, tak i vertikální orientaci. Pokud je cílem zobrazit pořadí kategorií dle hodnot, pak je organizujeme vertikálně.

Ukázka možného uspořádání tabulky v případě ordinálních kategorií se sestupným řazením dle celkového součtu

Máme-li pro každou kategorii kvantitativní hodnotu pro plán a skutečnost, které chceme porovnávat, pak je opět vhodnější vertikální zobrazení kategorií, zatímco hodnoty pro plán a skutečnost umístíme do sloupců. Stejně tak u intervalových a hierarchických kategorií bude převažovat vertikální orientace tabulky. Ta je zároveň z ryze praktických důvodů nejvhodnějším uspořádáním, pokud jsou analyzované kategorie definovány delším popiskem, který by v záhlaví sloupců zbytečně zabíral místo.

Ukázka optimálního uspořádání v případě porovnávání plánovaných a skutečných hodnot na úrovni řádků

V neposlední řadě je zapotřebí zmínit hierarchie. Máme-li totiž data organizovaná do hierarchických kategorií, pak volíme vertikální orientaci.

Ukázka optimálního uspořádání v případě hierarchických kategorií

S velkou pečlivostí vybírejme popisky hodnot ve sloupcích, obzvlášť pokud používáme námi vytvořené metriky. Mysleme při tom v první řadě na koncové uživatele reportů a na byznysovou srozumitelnost. Budeme-li používat jakékoliv zkratky, veďme si jejich evidenci, abychom je ve zcela stejném znění mohli použít i v dalších reportech. Přestože se to může zdát jako samozřejmost, ne vždy se setkáváme s uvedením jednotek, ve kterých jsou data zobrazována. Toto je klíčové, přičemž tento typ informace může být uveden v označení/titulku tabulky nebo v záhlaví příslušného sloupce.

Forma

Z hlediska formátu doporučujeme používat výhradně bezpatkový font jedné velikosti, a to jak pro hlavičky, tak i hodnoty uvnitř tabulky. Řádkové popisky kategorií zarovnáváme doleva, stejně jako veškeré textové informace uvnitř tabulek samotných, zatímco číselné hodnoty zarovnáváme vždy doprava. Díky tomu zlepšíme čitelnost dat a umožníme uživatelům srovnávání řádů čísel v rámci řádků. Ze stejného důvodu dbáme i na používání oddělovače tisíců.

Vyvarujme se zbytečných ohraničení buněk v tabulkách. V případě potřeby můžeme použít buď tzv. bílé místo jako formu oddělení logických celků (ať už řádků nebo větších bloků), jemnou vodící linku oddělující řádky nebo střídavé podbarvení řádků (případně sloupců). Nepoužívejme podbarvení záhlaví sloupců, je to nadbytečný vizuální prvek. Pokud si s nadčasovou bílou barvou nevystačíme, držme se v odstínech šedé a maximálně jedné další barvy. Paleta odstínů se nám při designu reportu hodí, protože díky sytějším můžeme zdůraznit informace, ke kterým chceme uživatele přitáhnout hned na první pohled a méně syté tóny volíme pro méně důležité informace. Příkladem mohou být plánované hodnoty nebo hodnoty reprezentující minulé období. Pokud v nějakém ohledu od tohoto minimalismu upustíme, může se nám stát, že odvedeme pozornost uživatele od dat k vizuálním prvkům. Tato doporučení velmi hezky shrnuje článek M. Ströma.

Ukázka různých variant barevného designu a jejich vlivu na čitelnost a dohledatelnost informací

Zdůraznění

Ukázali jsme si několik best practices při designu dat v tabulkách. Legenda v oblasti designu Stephen Few říká, že nejdůležitějším krokem je položit si otázku: „Která z těchto čísel jsou ta důležitá?“1 Jakmile tato čísla identifikujeme, ať už se jedná o hodnoty v určitém sloupci, řádku nebo na souřadnici, měli bychom je vhodným způsobem vizuálně odlišit. Na výběr zde máme z celé řady technik. Měli bychom ale zvolit spíše cestu minimalismu před aplikací plošného formátování přes podbarvení hodnoty nebo ikony. Je dobré si uvědomit, že někdy stačí například méně podstatné informace zobrazit šedou barvou a podstatnější černou, což samo o sobě nasměruje naši pozornost tím správným směrem. Odstíny červené barvy nepoužívejme v reportech nadarmo, ale šetřeme si je na situace, které by měly vyvolat nějakou akci. Díky implementaci puntíků se nám nemůže stát, že bychom zhoršili čitelnost písma, což hrozí například při použití barevného podbarvení pozadí buňky.

Ukázka různých variant označení výkyvů a jejich vlivu na čitelnost a dohledatelnost informací

Pokud nám jde o zobrazení nějakého trendu, pak je možné, že při zobrazení detailních dat v tabulce potrvá uživateli příliš dlouho trend v rámci dané kategorie identifikovat. V takovém případě je vhodné přidat ke kvantitativně zobrazeným informacím v tabulce tzv. sparkline (linku ukazující trend). Zde buďme opatrní, máme-li nespojité časové řady. Aby se nám sparkline vykreslila správně a nedocházelo ke zkreslení, je zapotřebí si vynutit, aby v chybějících měsících byla linka přerušená.

Ukázka použití sparkline u číselných dat pro zobrazení trendu, minima a maxima bez nutnosti zobrazení všech dat v tabulce

V tabulkových formátech dále potřebujeme většinou zdůraznit součty. Zde je vhodné použít tučné písmo, které v jinak prosté tabulce zapůsobí přesně tím správným dojmem – upoutá naši pozornost. Pravděpodobně narazíte i na uživatele, kteří budou preferovat barevné podbarvení součtových sloupců a řádků anebo kombinaci tučného písma a podbarvení. Oba přístupy jsou z hlediska designu v pořádku. Volba přístupu by měla záviset na celkové struktuře tabulky a četnosti součtových řádků například v důsledku hierarchického uspořádání. Pokud by totiž byla hierarchie příliš rozvětvená, mohla by podbarvená pole při rozbalování působit příliš rušivě. Zároveň můžeme součtový řádek umístit hned pod hlavičku, aby si uživatel (u větších objemů dat) ušetřil scrollování.

Ukázka různých umístění souhrnných řádků ve vizuálu a jejich vlivu na dohledatelnost informací

V neposlední řadě nezapomeňme před finalizací našeho vizuálu nastavit řazení hodnot tak, aby byla uživateli předána požadovaná informace v co nejkratším čase. Například v Power BI dochází k defaultnímu řazení u textových hodnot podle abecedy (u číselných hodnot od nejmenších k nejvyšším). Z toho důvodu si nezapomeňme u každého vizuálu toto nastavení upravit v souladu s potřebami našich uživatelů. Vizuál vývoje firemních nákladů po měsících budeme pravděpodobněji řadit od nejvyšší odchylky od plánovaného hodnoty po nejnižší, vizuál zobrazující podíl z prodejů určitého sortimentu na celkovém zisku pravděpodobně stejně tak, zatímco vizuál s vývojem marketingových ukazatelů z Google Analytics budeme nejspíše řadit dle relevance pro našeho zadavatele. Proto se vždy ptejme, jakou optikou se bude zadavatel na report dívat.

Závěr

V tomto článku jsme se snažili vyjmenovat několik doporučení, nad kterými je při designu informací a tvorbě tabulek dobré přemýšlet. Je téměř vždy vhodné nesáhnout po prvním (známém) řešení, které se nám nabízí a řešení více promyslet. Naším cílem by mělo být postavit uživatele se svými potřebami na první místo. Uživatel chce otevřít report a co nejrychleji se v datech zorientovat. Nechce složitě dohledávat, co která tabulka obsahuje, co který sloupec/řádek zobrazuje, v jakých jednotkách, a nechce ani scrollovat špatně nadesignovanou tabulkou, aby se dostal k informacím, které potřebuje. Budeme-li se držet uvedených zásad dobré praxe, měli bychom našim uživatelům tento proces co nejvíce usnadnit. Zajímá-li vás tato problematika více do hloubky, doporučujeme navštívit naše školení Design informací.

Autor: Linda Slováková

Mohlo by vás zajímat

Přináší data mesh revoluci v Business Intelligence? Podívejte se na všechna pro a proti tohoto konceptu správy dat postaveném na decentralizované datové…

5 min
Číst
Číst další

Chcete nás kontaktovat?

Drop files here or
Max. file size: 2 MB.