L'UX des données

La génération de données est facile. Il est difficile de s'assurer qu'il est fiable et largement accessible.

Les données ne sont souvent pas accessibles à moins que vous ne sachiez écrire du code. Les personnes occupant des rôles non techniques s'appuient chaque jour sur les données pour prendre des décisions, développer des idées ou mesurer le succès. Lorsque les outils et les systèmes ne sont pas créés en pensant à eux, ils perdent confiance et compréhension. Ils perdent leurs repères et finissent par s'appuyer sur d'autres méthodes pour prendre des décisions.

Même lorsque vous pouvez écrire SQL, Python ou R, vous n'aurez peut-être pas tous les accès dont vous avez besoin. Vous ne comprenez peut-être pas la définition ou le rapport de quelqu'un d'autre.

Il n'a pas à être de cette façon. Nous pouvons créer des systèmes empathiques et intuitifs Lorsque tous les membres de l'équipe sont habilités à comprendre les données, ils peuvent prendre des décisions plus éclairées et mesurer leur propre succès. pour le partage d'informations. Avec un peu de réflexion centrée sur l'humain, les équipes peuvent développer une compréhension commune du pourquoi, du quoi et de la manière de mesurer leur travail. Lorsque tous les membres de l'équipe sont habilités à comprendre les données, ils peuvent prendre des décisions plus éclairées et mesurer leur propre succès.

Le fossé de la confusion

J'ai travaillé dans de nombreux types d'entreprises, grandes et petites. Et depuis que je travaille dans toutes ces organisations, j'ai observé une déconnexion entre les données et les personnes. Laissez-moi vous expliquer avec une histoire.

Rencontrez Francesca. Francesca est chef de produit. Elle se rend chez son collègue Enzo qui est Data Analyst pour lui demander de l'aide.

ref Francesca: "Hey Enzo, pourriez-vous m'aider à comprendre ce qui a causé ce changement dans le taux d'inscription?"

ref Enzo: "J'aimerais vous aider, Francesca. Mais je travaille actuellement sur des modèles prédictifs, donc je ne peux pas encore prioriser cela, mais je vais l'ajouter à ma liste !

Et juste là, il y a un écart. Francesca n'est pas en mesure d'obtenir les informations immédiates dont elle a besoin. Et le travail d'Enzo n'a pas de relation claire avec le travail de l'équipe produit, ce qui signifie qu'il peut être difficile de savoir comment rendre son travail exploitable.

Ajoutez à cela les nombreuses autres parties prenantes d'une organisation qui souhaitent mettre la main sur de meilleures données. Étant donné que les équipes de données ne peuvent pas être tout pour tout le monde, chaque département commence à saisir différents outils. L'entreprise se retrouve avec une pile d'informations déconnectées et peu fiables. Et beaucoup de factures de tiers à payer. Amusement!

Au fil du temps, cela devient extrêmement ingérable. Chaque personne qui rejoint votre entreprise apporte avec elle de nouveaux outils. Les décisions importantes ne sont pas documentées. Les données deviennent plus difficiles à lire et à interpréter, même pour les utilisateurs de données qualifiés. Les données abondent, mais les informations sont difficiles à obtenir.

L'expérience d'utilisation des données devient brisée et douloureuse.

Stratégies pour combler le fossé de la confusion

Comment comblez-vous l'écart ? Premièrement, vous reconnaissez qu'il y a un écart à combler. Deuxièmement, vous facilitez les conversations avec un éventail de personnes sur ce qui doit se passer pour rendre les données fiables et accessibles. Cela semble si facile, non ?

Mais, il y a de bonnes nouvelles! ( Quelle est la bonne nouvelle, Lex ? ) Je suis ravie que vous ayez demandé !

La bonne nouvelle est que vous pouvez commencer n'importe où (résoudre n'importe quelle partie du système) et vous contribuerez à améliorer l'expérience des données pour vos coéquipiers.

Ci-dessous, j'ai décrit trois stratégies spécifiques que vous pouvez utiliser pour combler le fossé de la confusion dans votre entreprise. Choisissez-en un et commencez à combler les lacunes !

Stratégie 1 — Rôles

Définir qui possède quoi en matière de données

Pour illustrer cette stratégie, rendons visite à Wayne du marketing et voyons comment il utilise les données dans son travail.

Wayne de Marketing pense…

ref "Hmmm, je me demande combien de personnes commencent à s'inscrire sur mobile, puis passent à leur ordinateur ?"

Mais Wayne ne sait utiliser que Google Analytics. Il ne sait pas si c'est même possible de voir là-dedans. Il sait également que l'équipe des données est très occupée par des projets plus importants. Alors à la place, il abandonne. Il décide de faire une hypothèse et de passer à autre chose.

Dans cette situation, Wayne veut utiliser des données. Il sait même où chercher, mais il ne sait pas à qui s'adresser pour obtenir de l'aide. Il a été conditionné pour ne pas déranger l'équipe des données. Il n'a pas été habilité à obtenir le soutien dont il a besoin.

Une chose simple qui aiderait Wayne est une propriété claire. Pas tout Tout ce qui concerne les données n'appartient pas à une seule personne ou équipe, même dans une grande entreprise. impliquant des données appartient à une personne ou à une équipe, même dans une grande entreprise. La répartition des responsabilités peut aider tout le monde à comprendre qui possède quoi et cela peut aider à répartir la charge sur plus de personnes.

Étape 1 : Définir ce qui doit être pris en charge

Commencez une liste de toutes les choses qui impliquent des données dans votre entreprise. Si c'est une tâche écrasante, commencez simplement par votre équipe ou votre projet. Par exemple, listez tous les outils sortis. Listez toutes les sources de données. J'ai également inclus une brève liste ci-dessous que vous pouvez utiliser comme point de départ.

Étape 2 : Définir qui possède quoi

Il peut être évident de savoir qui possède quoi, mais plus probablement, vous identifierez certains domaines où ce n'est pas clair. Par exemple, y a-t-il une personne responsable des informations sur les utilisateurs qui sont suivies ? Qui est l'administrateur de Google Analytics ? Qui a choisi Google Analytics en premier lieu et vers qui vous tournez-vous pour passer à un autre outil ?

Pour identifier les propriétaires, vous devrez avoir des conversations. Je sais que les conversations sont difficiles, alors voici quelques façons de les aborder :

1. Tenez-vous en tête-à-tête avec des personnes qui pourraient avoir des réponses
2. Envoyez un sondage interne
3. Organiser un atelier ou des séances en petits groupes
4. Créez un organigramme pour la propriété des données et partagez-le pour obtenir des commentaires
5. Décidez vous-même *
   ne fonctionne que si vous êtes en charge

Encore une fois, selon la taille de l'entreprise, cela peut être une tâche monumentale. Si tel est le cas, commencez simplement par ce qui est pressant pour vous ou votre équipe. Aidez Wayne sur Google Analytics en découvrant qui en est propriétaire ou du moins, qui peut répondre aux questions. Wayne, nous sommes là pour toi mec.

Assurez-vous de partager vos progrès lorsque vous définissez les propriétaires. Une propriété définie mais non partagée ne sert pas à grand-chose.

Stratégie 2 — Systèmes

Outils intuitifs et nommage

Il ne suffit pas que les données existent quelque part. Il faut le comprendre. Et il ne suffit pas que les données existent quelque part. Il faut le comprendre. doit être compris par tout le monde. Moins il y a d'ambiguïté, mieux c'est. Notre amie Product Manager, Sophia, connaît bien ce sentiment. Elle a essayé de comprendre l'impact du travail de son équipe sur le MRR. Elle se tourne vers un tableau de bord enregistré dans leur outil d'informatique décisionnelle.

Source : Baremetrics

Cool, ça a l'air bien.

Attends quoi? Cela semble fou bas à Sophia. 6 000 $ par mois ne suffiront pas à payer les factures. D'où viennent ces données ? Et que signifient toutes ces couleurs ?

Sophia ne peut pas faire confiance à ces données. Comment obtiendra-t-elle les réponses dont elle a besoin ? !

Sophia et son équipe ont pu choisir des outils plus intuitifs pour afficher et interagir avec les données.

Les données sont une forme de communication. Nos systèmes de données communiquent avec ses utilisateurs. Et nous pouvons améliorer la façon dont il communique.

Étape 1 : Choisissez des outils accessibles

Lorsque vous sélectionnez des outils pour votre équipe, tenez compte du niveau de compétence de vos collègues. Est-ce que tout le monde écrit du SQL ? Tout le monde peut-il épeler SQL ?

Recherchez des outils qui :

1. Avoir des visualisations faciles à comprendre
2. Sont flexibles (pouvez-vous regarder les données de différentes manières ?)
3. Permettre aux collègues non techniques d'explorer les données
4. Promouvoir la collaboration (pouvez-vous commenter quelque chose ? plusieurs personnes peuvent-elles travailler sur un projet de données ?)
5. Vous permet de relier les points entre plusieurs sources de données

Voici un exemple de ce qui précède d'Amplitude. Leur outil vous permet de calculer des événements de plusieurs façons et vous permet de changer la façon dont ils sont visualisés. Il a également une clé de couleur claire et vous permet de modifier les étiquettes afin qu'elles soient plus faciles à comprendre. Il ne s'appuie pas sur un spécialiste des données pour créer chaque graphique.

Source : Projet de démonstration d'Amplitude

Je recommande également de consulter le catalogue d'intégration de Segment pour avoir une idée des outils populaires.

Télécharger la fiche de travail UX des données

Étape 2 : Utilisez des noms clairs et uniques

Nommez les choses d'une manière que les humains peuvent comprendre afin qu'il n'y ait pas de confusion sur la signification d'un point de données.

Si vous utilisez un langage simple, il est plus facile de maintenir la cohérence des définitions dans toute l'entreprise. Si une équipe pense que "l'inscription" se produit lorsque quelqu'un clique sur un bouton de page de destination et qu'une autre équipe suit "l'utilisateur créé" dans la base de données, alors vous avez une déconnexion. De mauvaises décisions prises à partir d'informations confuses.

Voici un exemple d'Airbnb. J'ai nommé quelques éléments d'information dont j'ai besoin pour suivre le succès. Les noms imitent la façon dont je décrirais les actions d'un utilisateur à haute voix. Ce sera plus intuitif pour mes collègues dès le départ. Points bonus si vous incluez réellement ces visualisations de produits dans votre documentation de données.

ref Par exemple, je pourrais dire :
Salvatore, le client, cherchait une expérience
Ensuite, je souhaiterais peut-être savoir combien de clients ont recherché des expériences.

Exemple de définition de mesure :

Votre équipe doit définir ses propres conventions de données, mais plus les données seront lues par des humains, plus elles seront faciles à comprendre pour les humains.

Étape 3 : Documentez les définitions importantes à côté des données

Si vous insistez pour nommer les choses d'une manière confuse ou s'il n'y a pas moyen de contourner la confusion, alors mettez la définition juste là dans les rapports. Faites-en une preuve factice comment lire les données.

Revenons à mon outil intuitif préféré, Amplitude. Dans leur outil, vous pouvez définir ce que signifie chaque élément de données. Et lorsque vous survolez un terme, la définition s'affiche directement dans le graphique. Génial!

Source : Projet de démonstration d'Amplitude

Si vous ne disposez pas de cette fonctionnalité avec votre outil, faites de votre mieux pour l'inclure dans le nom du rapport ou sous forme de commentaire dans le code de votre requête. Ou dans le pire des cas, documentez-le ailleurs et partagez-le avec votre équipe.

Revenons au héros de notre histoire : Sophia, la chef de produit. Grâce à tout votre travail acharné pour mettre en œuvre des outils intuitifs et des conventions de dénomination, elle a pu trouver la bonne visualisation MRR. Vas-y toi! Allez Sophie !

Stratégie 3 — Capacités

Améliorez votre équipe

Indépendamment de la façon dont vous définissez les propriétaires de données et travaillez pour créer des informations intuitives , il sera toujours nécessaire d'étendre la littératie des données. systèmes, il sera toujours nécessaire d'étendre la littératie des données. Les données sont difficiles. Tout le monde vient dans votre équipe avec des perspectives différentes et avec différents niveaux d'expérience. Aider votre équipe à comprendre et à agir sur les données est dans l'intérêt de tous. Cela aide votre entreprise à prendre des décisions éclairées et vous évite d'avoir à éteindre des incendies en raison d'une confusion ou d'une mauvaise lecture des informations.

réf Message mou 4h15
@channel Euh, on dirait que les revenus ont baissé de 50 % ! ? Quelqu'un at-il vu cela?

Non merci!

D'accord, alors pour éviter cela, comment aidez-vous à améliorer votre équipe ? Consultons notre copain, Gerald sur l'équipe de conception.

Gerald déclare : « Je ne suis tout simplement pas une personne qui aime les chiffres. Je ne reçois pas de données !

Hey Gerald, tu ne veux pas voir l'impact de ton travail ? Vous ne voulez pas en savoir plus sur vos utilisateurs et clients et obtenir des informations précieuses sur vos conceptions ? ! Ne voulez-vous pas une augmentation pour avoir fait de l'entreprise une cargaison d'argent ? ! Bien sûr, vous le faites! Vous ne savez tout simplement pas comment.

Heureusement pour Gerald, il nous a, une équipe centrée sur l'humain. Nous pouvons rencontrer Gerald là où il se trouve avec des données et l'aider à se mettre au courant de la façon dont il peut les utiliser dans son travail.

Étape 1 : Définir ce qu'il faut enseigner

Déterminez quelles compétences sont les plus nécessaires dans votre entreprise. Identifiez les lacunes qui ne peuvent pas être résolues avec des systèmes, des outils et des noms. Recherchez tout ce qui pourrait être à risque d'erreur humaine.

Considérer:

1. De quelles compétences techniques les gens peuvent-ils avoir besoin pour utiliser efficacement les données
2. Tout ce qui est unique dans votre infrastructure de données ou vos rapports
3. Tout ce qui est de grande valeur et que vous voulez vous assurer que tout le monde sait comment faire (par exemple, comment consulter les OKR pour le trimestre dans vos outils de données)
4. Comment communiquer les rôles et la propriété
5. Comment les gens devraient demander de l'aide

Ensuite, hiérarchisez votre liste de ce qu'il faut enseigner en fonction du besoin le plus important.

Étape 2 : Définir comment l'enseigner

Certaines entreprises formalisent une « data school » interne. Si votre entreprise est capable d'investir dans quelque chose comme ça, c'est génial ! Ça a l'air super cool !

Sinon, vous pouvez essayer différents formats pour voir ce qui fonctionne le mieux pour la compréhension.

Les options incluent :

1. Ateliers ou formations d'intégration
2. Ateliers ou formations en cours
3. Création de vidéos
4. Collecter du contenu sur le Web (ou utiliser quelque chose comme DataCamp)
5. Rédaction d'articles de blog
6. Donner des déjeuners-causeries ou organiser une série de déjeuners-causeries
7. Rejoindre les réunions d'équipe existantes pour partager des tutoriels pertinents
8. Démarrer une chaîne Slack (ne pas @ me)
9. Partager des carnets de notes en ligne avec des annotations
10. Tenir les heures de bureau

Avec toutes ces merveilleuses options, notre ami Gérald de retour au département design commence vraiment à devenir un passionné de chiffres ! Il est excité parce qu'il peut voir l'impact de son travail et vous êtes excité parce qu'il prend des décisions plus éclairées ! Mieux encore, il peut aider à partager ces capacités avec ceux qui l'entourent. De plus, ses globes oculaires ne fondent plus ! C'est une victoire totale.

Ensemble, nous pouvons combler le vide de la confusion.

Avec des rôles plus clairs , des systèmes intuitifs et des capacités partagées , Avec des rôles plus clairs, des systèmes intuitifs et des capacités partagées, les données deviennent une superpuissance organisationnelle. les données deviennent une superpuissance organisationnelle, et pas seulement le travail d'une seule équipe. Nous pouvons permettre à nos coéquipiers de comprendre à qui s'adresser, comment lire les informations et comment intégrer les données dans leur travail.

Lorsque nous y parvenons, nous valorisons davantage le rôle des données dans nos entreprises. Nous réduisons le thrash qui se produit avec les données qui prêtent à confusion. Nous prenons des décisions plus éclairées. Nous pouvons mesurer avec confiance le succès de notre travail.

Télécharger la fiche de travail UX des données

Article initialement publié sur Medium par Lex Roman.