Jak vylepšit vizuál dashboardů v Tableau? 5 triků od Emila. | Mňamka #358
Znáte ten pocit, kdy se po veškeré náročné práci s přípravou dat a tvorbou metrik konečně dostanete k vizualizaci dat, ale přijdete na to, že ta pravá sranda teprve přichází? Vizualizace máte vytvořené, ale dashboard stále vypadá dost prázdně, čistá stránka s číslicemi, grafy a sliderem na filter.
Pokud k vizualizaci využíváte Tableau, tak právě pro Vás tu máme několik triků, jak se tohoto problému zbavit. Pouze pomocí nativních funkcí Tableau během chvíle z vizualizací uděláte mnohem více uživatelsky příjemný a přehledný nástroj.
Barva pozadí - Prvním nejzákladnějším krokem je volba barvy pozadí, nenechte se zmást čistou a elegantní bílou, většina reportů v ní spíše zanikne a ztratí tak svou jasnou zprávu pro uživatele. Místo toho radíme použít například světle šedou, díky které se jednotlivé reporty oddělí a mnohem více se zviditelní.
Barva reportů - S barvou reportů je to zase naopak, zvolte takovou barvu, díky které jednotlivé reporty více vyniknou na celém dashboardu. Dashboard díky dobrému zvolení barvy reportů vypadá mnohem více uceleně a uspořádaně a jednotlivé reporty na něm následně nejsou jen jako létající čísla na barevném pozadí.
Nastavení Outer a Inner Paddingu - Pro každý report na dashboardu je za nás nutnost nastavení Outer a Inner Paddingu, díky kterému je možné vytvořit pro jednotlivé reporty vlastní okraje. To celé pomůže k tomu, aby reporty nebyly nalepené přímo na sebe a byly jasně oddělené. Díky tomu uživatel jasně vidí, jak jsou reporty oddělené a nebude mít otázky typu: "Je tato osa u grafu opravdu pro graf, na který koukám?" Doporučené hodnoty jsou Outer Padding (8), Inner Padding (15).
Vložení horizontal/vertical objektů mezi reporty - Je dalším bodem, díky kterému dáte reportům jasnou visibilitu a hezkým způsobem nastavíte oddělení jednotlivých reportů.
Vložení filtrů a legend do horizontal/vertical objektů - Do těchto objektů, díky kterým můžeme oddělovat jednotlivé reporty, je za nás i skvělým tipem vložit filtr. Pomocí objektů je totiž možné filtry oddělit od reportů a zároveň do nich naskládat hned několik filtrů a nenechat je volně poletovat po dashboardu, na závěr celý blok s filtry můžete barevně oddělit například rámečkem, díky kterému bude jasně vidět, že se již nejedná o report, ale blok pro filtrování dashboardu.
Pro ukázku je zde tento dashboard, na kterém jasně vidíte, co pouze těchto pět triků dokáže s vizualizací udělat.
Obr.: Ukázka úpravy dashboardu
Zapomněl jsem na něco? Chcete se na něco zeptat? Napište mi.
Emil
Ikony v reportu: Zaujměte na první pohled a zjednodušte navigaci | Mňamka #543
Vizuální zkratky, které promění datovou džungli v přehlednou mapu. Zjistěte, jak s pomocí ikon zjednodušit navigaci, zvýraznit klíčové informace a proměnit suchá data v poutavý příběh. Naučte se vybírat vhodné ikony, pracovat s nimi efektivně a odhalte, proč je jejich správné použití klíčové pro srozumitelnost a úspěch vašich reportů.
Jak předvídat chování zákazníků: Churn, životní hodnota a další klíčové ukazatele | Mňamka #542
Porozumění chování zákazníků a jeho predikce jsou dnes klíčové pro firmy, které chtějí budovat loajalitu, zlepšit cílení kampaní a efektivně řídit své marketingové investice. Jak předpovědět, kdy zákazník odejde, jakou má pro firmu hodnotu nebo kdy s největší pravděpodobností znovu nakoupí? V článku se podíváme na klíčové koncepty, jako je predikce odchodu zákazníků (churn), výpočet jejich životní hodnoty (Lifetime Value), odhad pravděpodobnosti další interakce či modelování sklonu k nákupu. Získané poznatky mohou pomoci vytvářet efektivnější marketingové strategie a lepší zákaznickou zkušenost.
MS Fabric: Pojďte si s námi vytvořit první pipeline - 2.část | Mňamka #541
Otevřeli jste poprvé MS Fabric a vůbec se nerorientujete? Už máte zadání a nevíte kam dřív? V tom případě jste tady správně, protože vás provedeme prvními krůčky, jak si dotáhnout do Fabricu první data, zpracovat je a nastavit celý proces v jednoduché pipeline. Ukažte ostatním, jak se to dělá! V tomto článku si představíme konkrétně kroky jako kopírování dat, dataflow, notebooky a zprovoznění pipeline.
