व्यवसाय बुद्धिमत्ता डॅशबोर्ड: स्मार्ट डिझाइन नियम

तंत्रज्ञान-आधारित संस्था सतत डेटा तयार करत आहेत: अनुप्रयोग मेट्रिक्स, ग्राहक प्रतिबद्धता, आर्थिक स्टेटमेन्ट, उत्पादन वापर, समर्थन तिकिटे, विकास प्रक्रिया, नोंदी आणि पायाभूत सुविधा कार्यप्रदर्शन मेट्रिक्स हे सर्व माहितीचे स्रोत आहेत ज्याचा उपयोग संबंधित संघांद्वारे केला जाऊ शकतो. तथापि, मुद्दा अधिक डेटा गोळा करण्याचा नाही; त्याऐवजी, लोकांसाठी समजण्यायोग्य आणि कृती करण्यायोग्य असलेल्या उपयुक्त माहितीमध्ये डेटाचे भाषांतर करण्यात ते निहित आहे.

येथे, व्यवसाय बुद्धिमत्ता (BI) डॅशबोर्डची भूमिका स्पष्ट होते. BI डॅशबोर्ड काही विशिष्ट मेट्रिक्स, ट्रेंड आणि इतर संकेतकांची कल्पना करण्यात मदत करतो जेणेकरुन तांत्रिक आणि व्यवसाय दोन्ही संघांना कच्च्या डेटामधून अर्थ लावता येण्याजोग्या आणि कृती करण्यायोग्य अशा गोष्टींमध्ये संक्रमण करण्यात मदत होईल. मायक्रोसॉफ्टच्या मते, व्यवसाय बुद्धिमत्तेमध्ये डेटा संकलन आणि परिवर्तन, ट्रेंड आणि विसंगतींसाठी डेटाचे विश्लेषण, परिणामांचे व्हिज्युअलायझेशन आणि या अंतर्दृष्टींवर आधारित निर्णय घेणे समाविष्ट आहे.

तथापि, तंत्रज्ञान संघांसाठी, प्रभावी BI डॅशबोर्डमध्ये फक्त विविध तक्ते आणि व्हिज्युअल नसतात; त्याची परिणामकारकता किती योग्य माहिती, संदर्भ आणि कृती प्रदान केली आहे यावरून मोजली जाते.

रॉ डेटापासून निर्णय-तयार माहितीपर्यंत

प्रक्रिया न केलेला डेटा सामान्यतः कोणताही व्यवसाय किंवा अभियांत्रिकी समस्या स्वतःहून सोडवत नाही. डेटाबेसमध्ये लाखो व्यवहार असू शकतात, अनुप्रयोगात हजारो इव्हेंट असू शकतात आणि निरीक्षण साधन शेकडो किंवा हजारो मेट्रिक्स रेकॉर्ड करू शकतात. डेटा एकत्रित करणे, फिल्टर करणे, तुलना करणे आणि व्हिज्युअलाइझ न करता कोणतेही महत्त्वपूर्ण ट्रेंड शोधणे आव्हानात्मक असेल.

काही समस्या BI प्रणालींद्वारे संबोधित केल्या जातात, जे विविध स्त्रोतांकडून डेटा एकत्र आणण्यात मदत करतात. मायक्रोसॉफ्टच्या मते, बीआय सोल्यूशन्स सामान्यत: विविध स्त्रोतांकडून डेटा एकत्रित करण्यासाठी आणि विश्लेषणापूर्वी त्याचे मॉडेलिंग करण्यासाठी ईटीएल (अर्क, ट्रान्सफॉर्म आणि लोड) ची प्रक्रिया लागू करतात. प्राप्त परिणाम संप्रेषणाची पद्धत म्हणून व्हिज्युअलायझेशनचा वापर केला जाईल.

डेटाची उपलब्धता ही निर्णयाची तयारी नाही

डेटाची उपलब्धता आणि निर्णयाची तयारी यामधील महत्त्वाचा फरक आहे. मेट्रिकमध्ये प्रवेश असण्याचा अर्थ असा नाही की टीमला मेट्रिकचा अर्थ काय आहे किंवा पुढे काय घडले पाहिजे हे समजते.

अधिकृत प्रतिमेवर आधारित प्रातिनिधिक प्रतिमा | बातम्या

उदाहरणार्थ, उत्पादन डॅशबोर्ड पाहणाऱ्या तंत्रज्ञान कार्यकारीाकडे ग्राहक, महसूल, सिस्टम उपलब्धता, समर्थन क्रियाकलाप आणि उत्पादन वापरामध्ये दृश्यमानता असेल. अभियांत्रिकी कार्यसंघासाठी, विलंबता, रहदारी, त्रुटी आणि संसाधन संपृक्तता माहितीसह अधिक ऑपरेशनल डॅशबोर्ड आवश्यक आहे. म्हणूनच, संबंधित प्रेक्षकांनी घेतलेल्या निर्णयांवर आधारित समान डेटा वेगळ्या पद्धतीने दर्शविला जाणे आवश्यक आहे. Google चे साइट विश्वसनीयता अभियांत्रिकी मार्गदर्शन स्पष्टपणे वेगवेगळ्या प्रेक्षकांसाठी भिन्न डॅशबोर्ड दृश्ये तयार करण्याची शिफारस करते आणि डॅशबोर्डने त्यांच्या वापरकर्त्यांसाठी सर्वात महत्त्वाची माहिती उघड करावी यावर जोर देते.

संदर्भ मेट्रिक्सला अर्थपूर्ण बनवते

संदर्भ नसलेली संख्या समजणे कठीण असू शकते. डॅशबोर्ड ॲप्लिकेशन लेटन्सीमध्ये वाढ दर्शवतो असे म्हणू या. हे जाणून घेण्यास अनुमती देते की काहीतरी घडले आहे; तथापि, यात काही गंभीर आहे की नाही, वापरकर्त्यांवर याचा परिणाम झाला आहे की नाही, या समस्येची कारणे आणि आणखी काय तपासले पाहिजे हे स्पष्ट करत नाही.

म्हणूनच डॅशबोर्डमधील संदर्भ आवश्यक आहे. संदर्भाचे संभाव्य प्रकार ऐतिहासिक तुलना, लक्ष्य, थ्रेशोल्ड, विभाजन, वेळेची श्रेणी, इतर मेट्रिक्स किंवा अन्वेषण असू शकतात.

हेच तत्व व्यावसायिक बुद्धिमत्तेला लागू होते. मागील कालावधी, लक्ष्य, ग्राहक वाढ किंवा अन्य संबंधित व्यवसाय परिमाण यांच्याशी तुलना केल्यास कमाईचा आकडा अधिक माहितीपूर्ण बनतो. जेव्हा कार्यसंघ ग्राहक विभाग, भूगोल, उत्पादन आवृत्ती किंवा कालावधीनुसार त्याचे परीक्षण करू शकतात तेव्हा उत्पादन-वापर मेट्रिक अधिक उपयुक्त बनते. संदर्भ स्टॅटिक रिपोर्टिंग पृष्ठभागावरून डॅशबोर्डचे विश्लेषणात्मक साधनात रूपांतर करतो.

डॅशबोर्डने प्रश्नांची उत्तरे दिली पाहिजेत

डॅशबोर्ड डिझाइन करताना झालेल्या चुकांपैकी एक म्हणजे निर्णय घेण्यापूर्वी उपलब्ध डेटाचा वापर करणे आवश्यक आहे.

प्रश्नांपासून सुरुवात करणे हा अधिक प्रभावी दृष्टीकोन आहे. आम्हाला कोणती माहिती हवी आहे? कोणते मेट्रिक्स सिद्ध करतात की आमचे ध्येय गाठले आहे? काय लक्षणीय फरक करू शकते? हा फरक काय आहे हे शोधण्यासाठी आम्हाला कोणती माहिती आवश्यक आहे?

Google च्या डॅशबोर्ड मॉनिटरिंगवरील मार्गदर्शकानुसार, डॅशबोर्डने सेवेबद्दलच्या सोप्या प्रश्नांची उत्तरे दिली पाहिजेत आणि सेवा पातळीच्या महत्त्वाच्या निर्देशकांवर जोर दिला पाहिजे. मार्गदर्शक असेही सांगते की संघाला मशीन प्रकार, सर्व्हर आवृत्ती किंवा विनंती प्रकारानुसार त्यांचे मेट्रिक्स रोल अप आणि कट करावे लागतील.

डेटासेंटर प्रॉक्सी
प्रातिनिधिक प्रतिमा: बातम्या

तंत्रज्ञान संस्थेसाठी, प्रश्नांचा समावेश असू शकतो:

  • उत्पादन त्याची विश्वासार्हता उद्दिष्टे पूर्ण करत आहे का?
  • ग्राहकांना वाढीव विलंब किंवा त्रुटी येत आहेत का?
  • पायाभूत सुविधांच्या क्षमतेपेक्षा मागणी वेगाने वाढत आहे का?
  • कोणते उत्पादन क्षेत्र वापरात बदल घडवून आणत आहेत?
  • ऑपरेशनल समस्या व्यवसायाच्या कामगिरीवर परिणाम करतात का?
  • कोणत्या ट्रेंडसाठी तपास किंवा हस्तक्षेप आवश्यक आहे?

संघानुसार अचूक प्रश्न वेगवेगळे असतात. उत्पादन संस्था, वित्त संघ, अभियांत्रिकी गट आणि कार्यकारी नेतृत्व कार्यसंघ यांचे एकसारखे डॅशबोर्ड असणे आवश्यक नाही.

डेटा गुणवत्ता एक पाया आहे

याचा थेट परिणाम BI डॅशबोर्डवर होतो. जर दोन प्रणाली समान व्यवसाय मेट्रिक वेगळ्या पद्धतीने परिभाषित करतात, तर वापरकर्त्यांना परस्परविरोधी परिणाम दिसू शकतात. डेटा अपूर्ण किंवा विलंबित असल्यास, डॅशबोर्ड वरवर पाहता अचूक उत्तर देऊ शकतो जे वर्तमान परिस्थितीचे अचूक प्रतिनिधित्व करत नाही. NIST नुसार, डेटा गुणवत्तेचे घटक आहेत जसे की अचूकता, पूर्णता, अखंडता, सातत्य आणि समयबद्धता. NIST पुढे सांगते की डेटा गुणवत्तेचा डेटा ज्या उद्देशांसाठी वापरायचा आहे त्याच्या योग्यतेवर परिणाम होतो.

याचा थेट परिणाम BI डॅशबोर्डवरही होतो. जर दोन प्रणाली एकाच व्यवसाय मेट्रिकसाठी भिन्न व्याख्या वापरत असतील, तर वापरकर्त्यांना विसंगत परिणाम मिळतील. डेटाची कमतरता किंवा डेटा प्राप्त करण्यास विलंब झाल्यास, डॅशबोर्ड अचूक परिणाम दर्शवेल जे वास्तविकता दर्शवत नाहीत.

अशा प्रकारे, डॅशबोर्ड डिझाइनमध्ये डेटा व्याख्या, डेटा स्रोत, डेटा ट्रान्सफॉर्मेशन, डेटा रिफ्रेश रेट आणि डेटा गव्हर्नन्सचा विचार करणे आवश्यक आहे. विशिष्ट मेट्रिक म्हणजे काय आणि कधी कधी त्याचा स्रोत देखील समजून घेण्यास वापरकर्ते सक्षम असले पाहिजेत. हे विशेषतः आयटी वातावरणात संबंधित आहे, जेथे डेटा एकाधिक प्रणालींमधून येतो. उत्पादन विश्लेषण, वित्त मेट्रिक्स, ग्राहक माहिती आणि ऑपरेशन्स टेलीमेट्री यांचा समावेश असलेल्या डॅशबोर्डमध्ये कोणत्याही अर्थाने स्पष्ट व्याख्या आणि योग्य नियंत्रणे असणे आवश्यक आहे.

अंतर्दृष्टी पासून कृती पर्यंत

निर्णय-केंद्रित डॅशबोर्डचा अंतिम उद्देश त्याच्या स्वत: च्या फायद्यासाठी व्हिज्युअलायझेशन नाही. हे लोकांना लक्ष देण्याची गरज असलेल्या परिस्थिती ओळखण्यात आणि योग्य प्रतिसाद देण्यासाठी मदत करते.

हा फरक विशेषतः तांत्रिक ऑपरेशन्समध्ये दिसून येतो. Google SRE चे वर्णन प्रणाली आरोग्यामध्ये दृश्यमानता प्राप्त करणे, समस्या तपासणे, माहिती दृश्यमानपणे प्रदर्शित करणे आणि दीर्घकालीन ट्रेंड ओळखण्याचे एक साधन आहे. हे देखील यावर जोर देते की ॲलर्ट फक्त आवाज निर्माण करण्यापेक्षा कृती करण्यायोग्य असले पाहिजेत.

डॅशबोर्ड आणि ॲलर्ट, तथापि, संबंधित परंतु वेगळी भूमिका बजावतात. डॅशबोर्ड सतत परिस्थितीजन्य जागरूकता देऊ शकतो आणि तपासणी करण्यास मदत करू शकतो, तर ॲलर्ट एखाद्याला परिस्थितीवर प्रतिक्रिया देण्याची आवश्यकता सूचित करते. Google च्या शिफारशी सल्ला देतात की अलर्टने लक्षणांचे वर्णन केले पाहिजे आणि वापरकर्त्यावर परिणाम केला पाहिजे आणि कारवाई करण्यायोग्य असावी. एक अकार्यक्षम इशारा अनावश्यक आवाज निर्माण करतो. BI संघांसाठी, मुख्य कल्पना अशी आहे की माहिती निर्णयांशी जोडली गेली पाहिजे. जेव्हा डॅशबोर्ड वापरकर्त्याच्या लक्षात एक मोठा बदल आणतो आणि वापरकर्ता तपास करण्यास सक्षम असतो आणि दुसऱ्या सिस्टममध्ये खोदत नाही.

तपशीलाची योग्य पातळी

अधिक माहिती ही आपोआप चांगली माहिती नसते. Google चे निरीक्षण मार्गदर्शन चेतावणी देते की मॉनिटरिंग सिस्टीम अत्याधिक क्लिष्ट होऊ शकतात आणि मॉनिटरिंग आणि अलर्टिंग सिस्टमच्या डिझाइनमध्ये साधेपणाची शिफारस करतात. हेच तत्व BI डॅशबोर्डना लागू होते. डझनभर चार्ट असलेल्या डॅशबोर्डमध्ये तांत्रिकदृष्ट्या टीमला हवे असलेले सर्वकाही असू शकते, परंतु ते सर्वात महत्त्वाचे सिग्नल ओळखणे कठीण करू शकते.

विविध डॅशबोर्ड वापरकर्त्यांना सेवा देण्यासाठी स्तर वापरा

एक उत्तम प्रकारे डिझाइन केलेले डॅशबोर्ड फ्रेमवर्क लेयर्सद्वारे माहिती वेगळे करण्यास सक्षम आहे. पहिला स्तर गंभीर माहिती आणि स्थिती प्रदान करतो. इतर स्तर ट्रेंड, विभाजन आणि तुलना देऊ शकतात, तर अधिक विश्लेषणात्मक स्तर अनपेक्षित परिणाम तपासण्यात मदत करतात.

हे विविध प्रकारच्या प्रेक्षकांना संबोधित करण्यात देखील मदत करते. एक्झिक्युटिव्हना कार्यप्रदर्शन दर्शविणारी एक सरलीकृत आवृत्ती आवश्यक असू शकते, तर अभियंत्याला अधिक जटिल आणि तपशीलवार कामगिरी उपायांची आवश्यकता असू शकते. Google त्याच्या ग्राहकांच्या गरजेनुसार डॅशबोर्ड डिझाइन करण्याचा सल्ला देते.

सर्व कार्यसंघांमध्ये सामायिक केलेले दृश्य

चांगल्या डॅशबोर्डच्या अधिक सार्वत्रिक फायद्यांपैकी एक म्हणजे ते विविध फंक्शन्समध्ये सामान्य संदर्भ बिंदू म्हणून कार्य करू शकतात.

तंत्रज्ञानाशी संबंधित निवडी अनेकदा विभागांमध्ये केल्या जातात. पायाभूत सुविधा विभागातील समस्या ग्राहकांच्या अनुभवावर परिणाम करू शकतात, विशिष्ट उत्पादनाच्या वापरात वाढ झाल्यामुळे क्षमतेच्या नियोजनावर परिणाम होऊ शकतो आणि कंपनीच्या उद्दिष्टांचा अभियांत्रिकी गुंतवणूकीवर परिणाम होऊ शकतो. एक डॅशबोर्ड प्राधान्यक्रम किंवा व्याख्या बद्दल कोणतेही विवाद सोडवू शकत नसला तरी, तो किमान एक सामान्य मापन फ्रेमवर्क देऊ शकतो जिथून प्रारंभ करावा.

साइट विश्वसनीयता अभियांत्रिकीवरील Google च्या दस्तऐवजीकरणानुसार, एक डॅशबोर्ड प्रणाली असणे जी विविध मॉनिटरिंग साधनांमधून डेटा दर्शवू शकते. हे इतर फील्डवर देखील लागू केले जाऊ शकते.

डेटा गुणवत्ता तपासणी
अधिकृत प्रतिमेवर आधारित प्रातिनिधिक प्रतिमा | बातम्या

निर्णयांभोवती डॅशबोर्ड डिझाइन करणे

तथापि, टेक टीम्ससाठी, उपयुक्त BI डॅशबोर्ड एकतर डेटाने भरलेला, व्हिज्युअलायझेशनच्या बाबतीत सर्वात प्रगत किंवा मेट्रिक विविधता असणे आवश्यक नाही. लक्ष्यित प्रेक्षकांच्या गंभीर प्रश्नांची प्रभावीपणे आणि अचूक उत्तरे देण्यासाठी डॅशबोर्ड उपयुक्त असावा.

त्यासाठी, काही पूर्व-आवश्यकता आवश्यक आहेत: अचूक आणि विश्वासार्ह डेटा, सु-परिभाषित मेट्रिक्स, पुरेसे व्हिज्युअलायझेशन, संदर्भित माहिती, विशिष्ट प्रेक्षकांसाठी तयार केलेली दृश्ये आणि कृती करण्यासाठी वापरली जाऊ शकणारी अंतर्दृष्टी. NIST डेटा गुणवत्ता मार्गदर्शक तत्त्वे डेटाची अचूकता, पूर्णता, सातत्य आणि समयोचिततेचे महत्त्व पुष्टी करतात, तर Google SRE तत्त्वे दाखवतात की डॅशबोर्ड दृश्यमानता, तपासणी, ट्रेंड विश्लेषण आणि ऑपरेशनल प्रतिसादात कसे योगदान देऊ शकतात.

त्यामुळे जेव्हा डॅशबोर्डना रिपोर्टिंग स्क्रीन म्हणून न पाहता निर्णय घेण्याच्या प्रणालीचा भाग म्हणून हाताळले जाते तेव्हा व्यवसाय बुद्धिमत्ता सर्वोत्तम कार्य करते.

प्रगती सरळ आहे: कच्चा डेटा मोजमाप प्रदान करतो; विश्लेषण नमुने ओळखते; व्हिज्युअलायझेशन त्या नमुन्यांना प्रवेशयोग्य बनवते; संदर्भ त्यांना अर्थपूर्ण बनवते; आणि कृती परिणामात अंतर्दृष्टी बदलते. वाढत्या डेटा-समृद्ध वातावरणात कार्यरत तंत्रज्ञान संघांसाठी, ती प्रगती हा डॅशबोर्डचा खरा उद्देश आहे.

(स्त्रोत)

Comments are closed.