Как часто вам приходилось встречать откровенно плохие презентации и дашборды? Первых, очевидно, вы припомните больше, и в том числе потому, что инструменты разработки презентаций доступны всем желающим и формально не требуют каких-либо специальных навыков.

Меня зовут Иван Успенский, я работаю с UI/UX и аналитическими решениями в «КОРУС Консалтинг» — и сегодня мы с вами поговорим о том, в чем сходства и различия слайдов и дашбордов (и как можно сделать их действительно хорошими), а еще попробуем понять: помогут ли нейросети в их подготовке.

Слайд в презентации ≠ дашборд

И слайд, и дашборд предназначены для представления какой-либо информации, значимой для потребителя. Для обоих вариантов используют различные способы визуализации, элементы оформления, разработанные специально для какой-то ситуации. Причём для дашборда более характерна ситуация повторяющаяся, а для слайда — единичная, но правило это отнюдь не жёсткое.

Слайд в презентации вполне может, как и дашборд, использовать внешний источник данных (подключенный файл электронных таблиц) для аналитических визуализаций. Он может также иметь интерактивные элементы и вложенности, переходы и прочее. На этом сходства между ними заканчиваются.

Дашборд лишён смысла, если на нём не представлены какие-либо данные — и чаще всего цифровые. Слайд же, теоретически, может никаких данных и не содержать, ограничиваясь картинкой или заголовком. Кроме того, чаще всего дашборд получает данные из какой-либо автоматизированной системы с установленным регламентом загрузки, а для слайда такой необходимости нет. Есть разница и в инструментарии: для создания дашборда недостаточно компьютера с установленным пакетом «офисного» ПО.

Почему и слайды, и дашборды бывают не очень

Попробуем разобраться, различны ли причины низкого качества для этих продуктов труда.

Чтобы создать качественный инструмент визуализации данных (кстати, качество — это соответствие требованиям, а не что-либо еще), необходимо:

1. Определить потребителей, для которых инструмент создается, учесть их специфические особенности и потребности.
2. Понимать цель(и) инструмента и задачи, которые с его помощью будут решать.
3. Изучить контекст применения, включая и триггер(ы) начала процесса.
4. Собрать и обработать необходимые исходные данные.
5. Оформить внешний вид и поведение продукта с учётом всего вышеизложенного, а также с использованием хороших практик, показавших свою результативность в сходных задачах.

В этом процессе могут быть и исключения — например, сложно понять, для кого вы делаете продукт, когда группа потребителей информации столь велика, что ключевые особенности её участников вычленять бессмысленно. Но в остальном ответ на эти вопросы — залог качественных данных и для дашборда, и для слайда. Часто именно этот этап подготовки пропускают и получают в итоге качество ниже среднего.

Что нужно учесть при подготовке данных

Потребности и особенности потребителей диктуют всё — от состава данных и до внешнего вида инструментов. Например: топ-менеджеру для быстрого принятия управленческого решения нужны только самые верхнеуровневые данные по определенному набору показателей, характеризующих деятельность организации. Кроме того, он привык считывать красный цвет как негативный — а в целом визуальное решение должно соответствовать утвержденному фирменному стилю.

1. Цели и задачи конкретизируют набор и компоновку информации, её поведение, возможные реакции на действия пользователя или изменения извне. Например, если пользователю нужно получить актуальную информацию, то в системе должно быть предусмотрено обновление из источника данных. Если потребуется детализация по какой-то из составляющих — в дашборде или соседних экранных формах должны быть предусмотрены детализирующий экран и способы перехода к его просмотру. Описание, содержащее необходимые потребителю вехи и промежуточные шаги можно назвать пользовательским сценарием.
2. Контекст использования инструмента — это обстоятельства, в которых он нужен пользователю и средства для работы с ним. На этом этапе важно понять — будут ли ваш слайд или дашборд изучать на экране (и каком именно экране в диапазоне от смартфона или даже умных часов — и до видеостены в ситуационном центре) или напечатают (в цвете? А на каком формате носителя?); будет ли просмотр сопровождаться чьими-либо комментариями или станет иллюстрацией к более ёмкому устному рассказу — и так далее. Значимыми могут быть очень многие вещи — соотношение сторон и разрешение экрана, возможность использования не только статических состояний визуализаций. Попробуйте представить разные сценарии — и легко увидите, что для них необходимо продумать.
3. Триггер — это точка старта; момент, когда потребители информации обратятся к вашему инструменту для начала работы с ним. Это может быть заданная точка во времени (например, 9-00 понедельника, в момент проведения совещания), состояние какого-либо индикатора в некой системе, событие или действие реального мира, не имеющее «цифрового состояния».
4. Правильный сбор и обработка необходимых данных. Это комплексная история, и здесь нужно учитывать все, что было в предыдущих пунктах, а также пользу — то, что мы показываем, должно быть нужно и своевременно.
5. Вёрстка визуального решения — т.е. компоновка информации, выбор и настройка способов визуализации — задача самая сложная. К сожалению, очень часто именно с этого, последнего — или предпоследнего — пункта мы и начинаем разработку визуализации.

И здесь подстерегают самые большие проблемы и сложности (если предшествующие этапы мы не прошли):

• Избыточность или недостаточность информации в поле зрения потребителя. Здесь, вероятно, наиболее частая ошибка — визуализировать все доступные данные по заданной теме на одном экране. Нехватка данных также явление нередкое — и происходит чаще всего именно от отсутствия сформулированных пользовательских сценариев. Как мы можем искать информацию для представления неизвестно кому и неизвестно зачем?
• Неудачный выбор способа визуализации. Здесь существует масса инструкций — например, применять Pie-диаграммы только тогда, когда есть задача дать представление о примерном соотношении долей общего значения, дробящегося не более чем на 5-6 составляющих. Или для всех визуализаций с одной единицей измерения в пределах экрана используется один масштаб по основной оси значений (а для экстремально высоких или низких значений можно использовать специальную «масштабную» область, очертив её пунктирной линией и добавив линии сопряжения с соседней диаграммой).
• Стремление «сделать красиво», в том числе и с использованием готовых паттернов, предлагаемых редактором презентаций или BI-системой, в которой мы собираем дашборд. Если у вас нет возможности привлечь дизайнера, а собственные навыки лежат в иной плоскости — лучшим решением будет минимализм. Размещайте на экране только необходимые элементы, применение которых явно диктуется целями и задачами потребителя информации. Если вам кажется, что на экране должно быть много всего — вспомните о слайдах Стива Джобса, мастерство которого в представлении информации, вроде бы, никто никогда не оспаривал.

Почему ИИ не сделает вам красивый слайд целиком

Последнее время активно набирает обороты история с нейросетями, способными, казалось бы, творить визуальные чудеса — и даже делать красивые презентации. И они действительно могут помочь — но только на последнем этапе работы, и то лишь в некоторых аспектах. Вернитесь выше. Посмотрите на описанные этапы. Попробуйте собрать из этого полный исчерпывающий запрос для нейросети. Получилось?

Для того, чтобы поставить корректную задачу «искусственному интеллекту», нам придется слишком многому его учить — и о слишком многом рассказывать по конкретному кейсу, причем — итеративно, многократно уточняя и дополняя запрос. С одной стороны, новость вроде бы невеселая: помощи ждать неоткуда. С другой — понимание и навык применения изложенной методологии показывает, что нас еще не скоро заменят на роботов. К тому же, ничто не мешает использовать AI для решения отдельных визуальных задач.

Источник: Tproger