收益：
- 能够解释良好仪表板的原则（目标受众、指标层次结构、正确的图表选择）
- 能够在人工智能支持下制作面板草稿、图形选择和叙述文本并提供数据
- 能够识别并纠正误导性可视化、缺失上下文和不必要的复杂性中的错误
Dashboard（英文仪表板）是一个可视化界面，以可快速读取的方式在单个屏幕上汇总作业的状态。良好的仪表板可以让经理询问“事情进展如何？”在喝早晨咖啡的 30 秒内。它提供了问题的答案。糟糕的仪表板会堆积数十种图形、颜色和数字；没有人看。黑板的质量不在于其图形美感，而在于快速对正确的问题给出正确的答案。对于 MIS 专家来说，仪表板设计是数据转化为决策的最后一步；一种糟糕的可视化可能会毁掉迄今为止所做的所有良好工作。
良好的仪表板设计从三个基本问题开始。谁会看？ CEO和运营团队的需求是不同的：CEO想要总结和趋势，运营团队想要细节和现状。它起到什么决定作用？董事会的设立并不是为了“看起来不错”，而是为了支持决策。哪些指标至关重要？并不是所有可以测量的东西都放在板上；仅选择少数影响决策的指标。在不回答这三个问题的情况下选择图表就是本末倒置。
指标层次结构和选择正确的图表
好的仪表板遵循层次结构：顶部是几个最关键的摘要指标（KPI 卡），下面是趋势，底部是详细信息。眼睛首先看到大局，然后再深入。将所有内容显示为相同大小意味着不强调任何内容。
图形的选择取决于要传达的信息。随时间变化的趋势折线图；用于跨类别比较的条形图；蛋糕或单个堆叠的酒吧作为整体的一部分（如果部分很少）；散点图适用于两个变量的关系。错误的图表破坏了信息：用饼图显示时间趋势是不可读的。人工智能快速建议哪个图表适合数据集并概述仪表板结构；但最终的选择是基于你想要传达的信息的人类决定。
提示：“这张图应该让你说出哪一句话？”问。一张图形应该传达一个清晰的信息。如果您无法说出该句子，则该图要么是多余的，要么是错误的类型。
避免误导性的可视化
可视化可能会无意（或有意）产生误导。最常见的陷阱：截断轴（当 y 轴不是从零开始时，微小的差异看起来很大）；缺少上下文（其中数字与目标/上一个时期相关，或者没有意义）；过多的色彩和装饰（三维效果、阴影使阅读变得困难）；太多的指标（分散注意力，丢失重要的东西）。人工智能在生成仪表板叙述和图形建议时可能会陷入这些陷阱； MIS 专家将输出解释为“这是视觉上的误导吗？”用他的眼睛检查。诚实的可视化是一个道德问题：如果数据准确但演示具有误导性，那么结果就是谎言。
三个迷你案例：从数字来看
情况 1 — 虚线轴的错觉。在销售仪表板上，y 轴从 90 开始；当营业额从 92 增加到 95 时，图表几乎增加了两倍。实际增幅为3%。管理层准备分配额外的预算，认为这是“巨大的增长”。当轴从头开始初始化时，可以看到实际的小幅增加，并且决策得到纠正。
案例 2——太多指标的盲目性。在一个运营仪表板中，一个屏幕上显示 28 个指标；该团队已经几个月没有寻找了。 MIS 专家确定了影响决策的 5 个指标，并将它们放在顶部，并将其余的移至第二个选项卡。该板的每日使用量增加了 3 倍。更少的指标比更多的指标效果更好。
案例 3 — AI 错误的图表推荐。在一个营销团队中，AI 用饼图建议了 12 个月的流量趋势；一旦每月都有一片，这种趋势就完全消失了。当专家将其转化为折线图时，季节性下降就变得清晰起来。如果盲目接受AI提案，就会错过关键趋势。
弱提示/强提示
弱提示：
为此销售数据设计一个仪表板。
强力提示：
您的角色：您是数据可视化专家。根据以下数据和目标受众提出仪表板结构。背景：- 目标受众：区域销售经理。- 决策：向哪个区域分配额外资源。规则：- 在顶部提出最多 4 个 KPI 卡（每个都有基于目标的上下文）。- 对于每个图表：类型、它传达的单一消息、为什么是该类型。- 考虑潜在的误导性选择（虚线轴、太多指标）。- 指标层次结构（摘要）→ 趋势 → 详细信息）适用。数据字段：区域、月份、营业额、目标、客户数量。
强有力的提示从一开始就明确了目标受众、决策、指标限制和欺骗控制；输出变得可审计。
四个可复制模板
1）董事会结构草案：
为以下数据和受众建议仪表板结构：KPI 卡位于顶部，趋势位于中间，详细信息位于底部。每个部分的指标是什么以及原因。受众：[角色] 数据：[字段]
2）图表类型选择：
为下面的每个分析问题建议最合适的图表类型和基本原理；将不适当的类型陈述为“为什么不使用它”。问题：[例如“随着时间的推移，营业额发生了怎样的变化？”，...]
3）欺骗控制：
检查下面的仪表板描述是否存在误导性的可视化：轴损坏、上下文缺失、过度修饰、指标过多。对每项发现提出更正建议。描述：[文字]
4）KPI卡叙述：
为以下指标编写 KPI 卡文本：值、相对于目标的状态、较上一期间的变化、一句话评论。添加不基于数据的声明。指标：[名称，值]
比较图：消息和图形
留言/问题
合适的图形
应避免
随时间变化的趋势
线
蛋糕
类别比较
杆
3D蛋糕
整体的部分（几个）
蛋糕/堆叠酒吧
多片蛋糕
两个变量的关系
分散
杆
单一临界数
关键绩效指标卡
复杂图表
常见错误
- 设计时不考虑目标受众。向首席执行官提供详细信息和运营摘要会使仪表板毫无用处。
- 使用切割轴。 y 轴不从零开始会使微小的差异看起来很大；这是误导性的。
- 使用指标填充仪表板。凡事适度，就会隐藏重要的事情；少即是多。
- 显示没有上下文的数字。如果没有目标、上一时期或基准，单纯的数字毫无意义。
- 盲目接受AI的图表推荐。该模型可能会建议不适当的图形；我通过询问“它是否传达了信息？”来评估每条建议。测试一下说一下。
注意：即使仪表板准确地显示数据，它的演示也可能会产生误导。诚实的可视化是一种道德责任。当“技术上正确但给人留下错误印象”的图形产生错误的决定时，责任就在于设计师。
总之
仪表板是一种可视化界面，以快速阅读的格式总结业务状态，其质量不在于美观，而在于快速回答正确的问题。好的设计始于目标受众、所服务的决策和关键指标的问题；它遵循度量层次结构和适合消息的图形选择。避免轴断裂、上下文缺失和指标过多等谬误是道德上的当务之急。人工智能加速仪表板结构、图表推荐和KPI叙述的创建；但每项提案是否准确、诚实地传达了信息？它必须由人类控制。
应用任务
设计呼叫中心的运营仪表板。 (1) 写下目标受众和董事会将服务的决策。 (2) 制作仪表板结构，并具有强大的提示功能，最多推荐 4 个 KPI 卡和 3 个图形。 (3) 显示并纠正模型建议的至少一张图表传达了错误的信息。 (4) 进行欺骗检查（轴损坏、指标过多）并发现至少 2 个问题。 (5) 根据目标和经过时间为 KPI 卡编写上下文文本。
清单
- [ ] 我澄清了目标受众和所服务的决定。
- [ ] 我应用了指标层次结构（摘要→趋势→详细信息）。
- [ ] 每个图形都传达一个明确的信息。
- [ ] 我适当地初始化了 y 轴（通常是从头开始）。
- [ ] 我提出了每个问题的目标/上一时期的背景。
- [ ] 我检查了人工智能的图形建议以确保消息的准确性。