Verilerin UX'i

Veri oluşturmak kolaydır. Güvenilir ve geniş çapta erişilebilir olmasını sağlamak zordur.

Kod yazamadıkça verilere genellikle erişilemez. Teknik olmayan rollerdeki kişiler, karar vermek, fikir geliştirmek veya başarıyı ölçmek için her gün verilere güvenirler. Araçlar ve sistemler akılda tutularak oluşturulmadığında, güven ve anlayışlarını kaybederler. Yönlerini kaybederler ve karar vermek için başka yöntemlere güvenirler.

SQL, Python veya R yazabiliyor olsanız bile, ihtiyacınız olan tüm erişime sahip olmayabilirsiniz. Başka birinin tanımını veya raporunu anlamayabilirsiniz.

Bu şekilde olmak zorunda değil. Empatik, sezgisel sistemler oluşturabiliriz Ekipteki herkes verileri anlama yetkisine sahip olduğunda, daha bilinçli kararlar verebilir ve kendi başarılarını ölçebilir. bilgi paylaşımı için. Biraz insan merkezli düşünceyle ekipler, çalışmalarını neden, neyi ve nasıl ölçeceklerine dair ortak bir anlayış geliştirebilir. Ekipteki herkes verileri anlama yetkisine sahip olduğunda, daha bilinçli kararlar verebilir ve kendi başarılarını ölçebilir.

Karışıklık Boşluğu

Büyük ve küçük birçok şirkette çalıştım. Ve tüm bu organizasyonlardaki zamanımda, veriler ve insanlar arasında bir kopukluk gözlemledim. Bir hikaye ile açıklayayım.

Francesca'yla tanışın. Francesca bir Ürün Müdürüdür. Veri Analisti olan meslektaşı Enzo'dan yardım istemeye gider.

ref Francesca: "Hey Enzo, kayıt oranındaki bu kaymaya neyin sebep olduğunu anlamama yardım eder misin?"

hakem Enzo: “Sana yardım etmeyi çok isterim Francesca. Ama şu anda bazı tahmine dayalı modeller üzerinde çalışıyorum, bu yüzden henüz buna öncelik veremem ama onu listeme ekleyeceğim!”

Ve tam orada - bir boşluk var. Francesca ihtiyaç duyduğu içgörüleri hemen elde edemiyor. Ve Enzo'nun çalışmasının ürün ekibinin çalışmasıyla net bir ilişkisi yoktur, bu da çalışmasının nasıl eyleme geçirilebilir hale getirileceği belirsiz olabileceği anlamına gelir.

Bir kuruluştaki daha iyi verilere ulaşmak isteyen diğer birçok paydaşı bu karışıma ekleyin. Veri ekiplerinin herkes için her şey olamayacağı düşünüldüğünde, her departman farklı araçları kavramaya başlar. Şirket, bağlantısız, güvenilmez bir bilgi yığını ile sonuçlanır. Ve ödenmesi gereken bir sürü üçüncü şahıs faturası. Eğlence!

Zamanla, bu son derece yönetilemez hale gelir. Şirketinize katılan herkes beraberinde yeni araçlar getirir. Önemli kararlar belgelenmez. Verilerin okunması ve yorumlanması, yetenekli veri kullanıcıları için bile daha zor hale gelir. Veri bol, ancak içgörü elde etmek zor.

Veri kullanma deneyimi bozulur ve acı verir.

Karışıklık Boşluğunu Kapatmak İçin Stratejiler

Arayı nasıl kapatırsınız? İlk olarak, kapatılacak bir boşluk olduğunu kabul ediyorsunuz. İkinci olarak, verileri güvenilir ve erişilebilir kılmak için ne yapılması gerektiği konusunda bir dizi insanla görüşmeleri kolaylaştırırsınız. Kulağa çok kolay geliyor, değil mi?

Ama iyi haberler var! ( İyi haber ne, Lex? ) Sorduğuna çok sevindim!

İyi haber şu ki, herhangi bir yerden başlayabilir, sistemin herhangi bir parçasını çözebilirsiniz ve ekip arkadaşlarınızın veri deneyimini iyileştirmeye yardımcı olacaksınız.

Aşağıda, şirketinizdeki karışıklık boşluğunu kapatmak için kullanabileceğiniz üç özel stratejiyi özetledim. Birini seçin ve boşlukları kapatmaya başlayın!

Strateji 1 — Roller

Veri söz konusu olduğunda kimin neye sahip olduğunu tanımlayın

Bu stratejiyi örneklemek için, Pazarlama'dan Wayne'i ziyaret edelim ve çalışmalarında verileri nasıl kullandığını görelim.

Pazarlamadan Wayne şöyle düşünüyor…

ref “Hmmm, acaba kaç kişi mobil cihazlardan başlayıp sonra bilgisayarına geçiyor?”

Ancak Wayne yalnızca Google Analytics'in nasıl kullanılacağını bilir. Orada bunu görmenin mümkün olup olmadığını bile bilmiyor. Ayrıca veri ekibinin daha önemli projelerle gerçekten meşgul olduğunu da biliyor. Bunun yerine, sadece vazgeçiyor. Bir varsayımda bulunmaya ve gününe devam etmeye karar verir.

Bu durumda, Wayne verileri kullanmak ister. Nereye bakacağını bile biliyor ama yardım için kime gitmesi gerektiği onun için net değil. Veri ekibini rahatsız etmemeye şartlandırılmış. İhtiyacı olan desteği alacak yetkiye sahip değil.

Wayne'e yardımcı olacak basit bir şey net mülkiyettir. Her şey değil Veri içeren her şey, büyük bir kurumsal şirkette bile, bir kişiye veya ekibe ait değildir. içeren veriler, büyük bir kurumsal şirkette bile bir kişi veya ekibe aittir. Sorumluluğu yıkmak, herkesin kimin neye sahip olduğunu anlamasına yardımcı olabilir ve yükü daha fazla kişiye yaymaya yardımcı olabilir.

1. Adım: Sahiplik Gereken Şeyleri Tanımlayın

Şirketinizde veri içeren her şeyin bir listesini başlatın. Bu çok zor bir görevse, ekibinizle veya projenizle başlayın. Örneğin, tüm araçları listeleyin. Tüm veri kaynaklarını listeleyin. Başlangıç ​​noktası olarak kullanabileceğiniz kısa bir listeyi de aşağıya ekledim.

2. Adım: Kimin Neye Sahip Olduğunu Tanımlayın

Kimin neye sahip olduğu açık olabilir, ancak daha büyük olasılıkla, net olmadığı bazı alanları belirleyeceksiniz. Örneğin, kullanıcılar hakkında hangi bilgilerin izlendiğinden sorumlu herhangi bir kişi var mı? Google Analytics yöneticisi kimdir? İlk etapta Google Analytics'i kim seçti ve onu farklı bir araca geçirmek için kime gidiyorsunuz?

Sahipleri belirlemek için konuşmanız gerekir. Konuşmaların zor olduğunu biliyorum, bu yüzden onlara yaklaşmanın bazı yolları:

1. Cevapları olabilecek kişilerden birini tutun
2. Dahili bir anket gönderin
3. Bir atölye çalışması veya küçük grup oturumları düzenleyin
4. Veri sahipliği için bir organizasyon şeması oluşturun ve geri bildirim için paylaşın
5. sadece kendin karar ver*
   sadece siz sorumluysanız çalışır

Yine, şirket büyüklüğüne bağlı olarak, bu anıtsal bir görev olabilir. Durum buysa, sizin veya ekibiniz için ne zorsa onunla başlayın. Bunun kime ait olduğunu veya en azından soruları kimin yanıtlayabileceğini öğrenerek Wayne'in Google Analytics'te çıkmasına yardımcı olun. Wayne, senin için buradayız dostum.

Sahipleri tanımlarken ilerlemenizi paylaştığınızdan emin olun. Tanımlanmış ancak paylaşılmayan sahiplik pek bir işe yaramaz.

Strateji 2 — Sistemler

Sezgisel araçlar ve adlandırma

Verilerin bir yerde var olması yeterli değildir. Anlaşılması gerekiyor. Ve verilerin bir yerde var olması yeterli değildir. Anlaşılması gerekiyor. herkes tarafından anlaşılmalıdır. Ne kadar az belirsizlik, o kadar iyi. Ürün Müdürü arkadaşımız Sophia, bu duyguyu çok iyi biliyor. Ekibinin çalışmalarının MRR üzerindeki etkisini anlamaya çalışıyor. İş zekası aracında kayıtlı bir gösterge panosuna döner.

Kaynak: Baremetrics

Güzel, iyi görünüyor.

Bir dakika ne? Bu Sophia için çılgınca düşük görünüyor. Ayda 6.000 dolar faturaları ödemeyecek. Bu veriler nereden geliyor? Ve tüm bu renkler ne anlama geliyor?

Sophia bu verilere güvenemez. İhtiyacı olan cevapları nasıl alacak?!

Sophia ve ekibi, verileri görüntülemek ve verilerle etkileşim kurmak için daha sezgisel araçlar seçebilir.

Veri bir iletişim şeklidir. Veri sistemlerimiz kullanıcılarıyla iletişim kuruyor. Ve iletişim kurma şeklini geliştirebiliriz.

1. Adım: Erişilebilir araçları seçin

Ekibiniz için araçlar seçerken iş arkadaşlarınızın beceri düzeyini göz önünde bulundurun. Herkes SQL yazıyor mu? SQL'i herkes heceleyebilir mi?

Şu araçları arayın:

1. Kolay anlaşılır görselleştirmelere sahip olun
2. Esnekler (verilere farklı şekillerde bakabilir misiniz?)
3. Teknik olmayan iş arkadaşlarının verileri keşfetmesine izin verin
4. İşbirliğini teşvik edin (bir şey hakkında yorum yapabilir misiniz? Bir veri projesinde birden fazla kişi çalışabilir mi?)
5. Birden çok veri kaynağı arasındaki noktaları birleştirmenize izin verin

İşte Amplitude'den yukarıdakilere bir örnek. Araçları, olayları çeşitli şekillerde hesaplamanıza ve nasıl görselleştirildiklerini değiştirmenize olanak tanır. Ayrıca net bir renk anahtarına sahiptir ve etiketleri daha kolay anlaşılacak şekilde düzenlemenize olanak tanır. Her grafiği oluşturmak için bir veri uygulayıcısına güvenmez.

Kaynak: Amplitude'ün Demo Projesi

Hangi araçların popüler olduğunu anlamak için Segment'in entegrasyon kataloğuna da bakmanızı tavsiye ederim.

UX of Data çalışma sayfasını indirin

2. Adım: Açık ve benzersiz adlar kullanın

Bir veri noktasının ne anlama geldiği konusunda kafa karışıklığı olmaması için, nesneleri insanların anlayabileceği şekilde adlandırın.

Sade bir dil kullanırsanız, bir şirket genelinde tanımları tutarlı tutmak daha kolaydır. Bir ekip, birisi bir açılış sayfası düğmesini tıkladığında "kaydolma" işleminin gerçekleştiğini düşünürse ve başka bir ekip, veritabanında "kullanıcı tarafından oluşturulan" ifadesini izliyorsa, bağlantınız kesilir. Kafa karıştırıcı bilgilerden alınan kötü kararlar.

İşte Airbnb'den bir örnek. Başarıyı izlemek için ihtiyacım olan birkaç bilgiyi isimlendirdim. İsimler, bir kullanıcının eylemlerini yüksek sesle açıklama şeklimi taklit ediyor. İş arkadaşlarım için yarasadan daha sezgisel olacak. Bu ürün görselleştirmelerini veri belgelerinize gerçekten eklerseniz bonus puanlar.

ref Örneğin şunu söyleyebilirim:
Müşteri, Salvatore bir deneyim aradı
Ardından, kaç müşterinin deneyim aradığını bilmek isteyebilirim.

Örnek ölçüm tanımı:

Ekibiniz kendi veri kurallarını tanımlamalıdır, ancak veriler ne kadar insan okursa, insanların anlaması o kadar kolay olur.

3. Adım: Verilerle birlikte önemli tanımları belgeleyin

Bir şeyleri kafa karıştırıcı bir şekilde adlandırmakta ısrar ediyorsanız veya karışıklığı gidermenin bir yolu yoksa, tanımı tam orada raporlara koyun. Verilerin nasıl okunacağını sahte bir kanıt haline getirin.

En sevdiğim sezgisel araç olan Amplitude'e geri dönelim. Araçlarında, her bir veri öğesinin ne anlama geldiğini tanımlayabilirsiniz. Ve bir terimin üzerine geldiğinizde, tam oradaki tanımı grafikte gösterir. Parlak!

Kaynak: Amplitude'ün Demo Projesi

Aracınızda bu yeteneğe sahip değilseniz, bunu rapor adına veya sorgunuzun koduna bir yorum olarak eklemek için elinizden gelenin en iyisini yapın. Veya en kötü durumda, başka bir yerde belgeleyin ve ekibinizle paylaşın.

Hikayemizin kahramanına dönelim: Ürün Müdürü Sofia. Sezgisel araçlar ve adlandırma kuralları uygulamak için gösterdiğiniz tüm sıkı çalışma sayesinde, doğru MRR görselleştirmesini bulmayı başardı. Sen git git sen! Sofya'ya git!

Strateji 3 — Yetenekler

Ekibinizin seviyesini yükseltmek

Veri sahiplerini ne kadar iyi tanımladığınızdan ve sezgisel oluşturmak için çalıştığınızdan bağımsız olarak Veri okuryazarlığını genişletmeye her zaman ihtiyaç olacaktır. sistemleri, veri okuryazarlığını genişletmek için her zaman bir ihtiyaç olacaktır. Veri zor. Herkes ekibinize farklı bakış açılarından ve farklı deneyim seviyeleriyle geliyor. Ekibinizin verileri anlamasına ve bunlara göre hareket etmesine yardımcı olmak herkesin yararınadır. Şirketinizin bilinçli kararlar almasına yardımcı olur ve karışıklık veya yanlış okunan bilgiler nedeniyle yangınları söndürmenize yardımcı olur.

ref Gevşek mesaj 04:15
@channel Uh, gelir %50 düşmüş gibi görünüyor!? Bunu gören var mı?

Hayır, teşekkürler!

Pekala, bundan kaçınmak için ekibinizin seviyesini yükseltmeye nasıl yardımcı olursunuz? Tasarım ekibindeki dostumuz Gerald'a danışalım.

Gerald, “Ben sadece sayısal bir insan değilim. Veri alamıyorum!”

Hey Gerald, çalışmalarının etkisini görmek istemiyor musun? Kullanıcılarınız ve müşterileriniz hakkında daha fazla bilgi edinmek ve tasarımlarınız için değerli girdiler elde etmek istemez misiniz?! Şirketi bir tekne dolusu para yapmak için zam istemiyor musun?! Tabii ki! Sadece nasıl olduğunu bilmiyorsun.

Gerald için şanslı, bize sahip - insan merkezli bir ekip. Gerald'ın verilerle olduğu yerde buluşabilir ve onu işinde nasıl kullanabileceği konusunda hız kazanmasına yardımcı olabiliriz.

Adım 1: Ne öğreteceğinizi tanımlayın

Şirketinizde en çok hangi becerilere ihtiyaç duyulduğunu belirleyin. Sistemler, araçlar ve adlandırma ile çözülemeyen boşlukları belirleyin. İnsan hatası riski olabilecek her şeyi arayın.

Düşünmek:

1. İnsanların verileri etkin bir şekilde kullanmak için hangi teknik becerilere ihtiyacı olabilir?
2. Veri altyapınız veya raporlamanız hakkında benzersiz olan her şey
3. Herkesin nasıl yapılacağını bildiğinden emin olmak istediğiniz yüksek değerli herhangi bir şey (örneğin, veri araçlarınızda çeyrek dönem için OKR'lere nasıl bakacağınız)
4. Roller ve sahiplik nasıl iletilir?
5. İnsanlar nasıl destek istemeli

Ardından, en büyük ihtiyaca göre ne öğreteceğiniz listenize öncelik verin.

Adım 2: Nasıl öğretileceğini tanımlayın

Bazı şirketler dahili bir "veri okulu" resmileştirir. Şirketiniz böyle bir şeye yatırım yapabiliyorsa, yıldız! Kulağa süper havalı geliyor!

Değilse, anlama için en iyi olanı görmek için farklı formatlar deneyebilirsiniz.

Seçenekler şunları içerir:

1. Alıştırma atölyeleri veya eğitimleri
2. Devam eden atölye çalışmaları veya eğitimler
3. Video oluşturma
4. Web'den içerik toplama (veya DataCamp gibi bir şey kullanma)
5. Blog yazıları yazmak
6. Öğle yemeği konuşmaları yapmak veya bir dizi öğle yemeği konuşmasına ev sahipliği yapmak
7. İlgili eğitimleri paylaşmak için mevcut ekip toplantılarına katılma
8. Bir Slack kanalı başlatın (beni @ etme)
9. Ek açıklamalarla çevrimiçi not defterlerini paylaşın
10. Ofis saatlerini bekle

Tüm bu harika seçeneklerle birlikte, tasarım departmanına geri dönen arkadaşımız Gerald gerçekten bir numara insanı olmaya başlıyor! O, yaptığı işin etkisini görebildiği için çıldırmış durumda ve siz de daha bilinçli kararlar verdiği için çıldırmış durumdasınız! Hepsinden iyisi, bu yetenekleri etrafındakilerle paylaşmaya yardımcı olabilir. Ayrıca, gözleri artık ermiyor! Her yerde bir galibiyet.

Birlikte—karışıklık boşluğunu doldurabiliriz.

Daha net roller , sezgisel sistemler ve paylaşılan yeteneklerle , Daha net roller, sezgisel sistemler ve paylaşılan yeteneklerle veriler, kurumsal bir süper güç haline gelir. veriler, yalnızca bir ekibin işi değil, organizasyonel bir süper güç haline gelir. Ekip arkadaşlarımıza kime gideceklerini, bilgileri nasıl okuyacaklarını ve verileri işlerine nasıl dahil edeceklerini anlamalarını sağlayabiliriz.

Bunu başardığımızda, şirketlerimizde verilerin rolü için daha fazla takdir oluşturuyoruz. Kafa karıştıran verilerle meydana gelen çöpleri azaltırız. Daha bilinçli kararlar alıyoruz. Çalışmamızın başarısını güvenle ölçebiliriz.

UX of Data çalışma sayfasını indirin

Orijinal olarak Lex Roman tarafından Medium'da yayınlanan makale.