Статья

Какие данные нужны для дашборда и почему их качество важно до визуализации

На дашборде написано: 12 846 заказов.

Число выглядит точным. Рядом — динамика за месяц и сравнение с прошлым периодом.

Кажется, что перед нами факт.

Но что именно система считает заказом? Все ли источники уже обновились? Относится ли эта цифра к тому же моменту времени, что показатели рядом?

Точность числа и точность понимания — не одно и то же.

И это становится важным ещё до того, как данные превращаются в графики.

Цифра появляется раньше дашборда

Дашборд не наблюдает бизнес напрямую.

Он не видит человека, который перешёл по рекламе. Не видит оформленный заказ, поступившие деньги или возврат товара.

Он получает записи о том, что произошло.

Человек увидел объявление — система сохранила показ.

Перешёл на сайт — появился визит.

Оформил заказ — возникла новая запись.

Оплатил его — ещё одна.

Позже вернул товар — появилась следующая.

Между событием и цифрой на экране всегда находится система, которая должна это событие заметить, определить и сохранить.

Поэтому дашборд работает не с самим событием, а с тем, что система сумела о нём сохранить.

Но даже зафиксированные события ещё не обязательно объясняют происходящее целиком.

Когда данных много, а картины всё ещё нет

Рекламная система знает показы и переходы.

CRM — обращения и сделки.

Платёжная система — оплаты.

Учёт — возвраты.

Каждый источник может исправно считать то, за что отвечает.

Можно знать стоимость рекламы и количество оплат, но не уметь уверенно связать конкретное обращение с конкретной продажей.

Между событиями просто потеряна связь.

Но бывает и глубже.

Компания может совершенно точно знать, сколько посетителей купили товар, и при этом вообще не фиксировать причины, по которым остальные ушли.

Проблема здесь не в ошибке данных.

Они просто ничего не знают об этой части происходящего.

Большой объём информации не гарантирует, что внутри него существует нужный ответ.

И даже если нужные события сохранены, остаётся следующий вопрос: одинаково ли разные системы понимают то, что называют одним словом?

Почему одна цифра получает несколько правильных значений

Предположим, CRM показывает 1 000 клиентов.

Биллинг — 870.

Продуктовая аналитика — 842.

Какое число правильное?

Сам вопрос может быть поставлен слишком рано.

Для CRM клиентом может быть человек, который зарегистрировался.

Для биллинга — тот, кто хотя бы раз заплатил.

Для продуктовой аналитики — пользователь, проявлявший активность в последние 30 дней.

Тогда перед нами не три ошибочные версии одного числа.

Перед нами разные показатели под одним названием.

Все расчёты могут быть выполнены без ошибки — и при этом сравнивать их напрямую нельзя.

Число получает смысл не только из расчёта.

Сначала определяется, что именно считается.

Причём это определение может измениться.

Если в начале года активным считался клиент с покупкой за последние 90 дней, а затем период сократили до 30, график за год всё равно будет выглядеть непрерывным.

Линия не прервётся.

Но в какой-то её точке изменится само определение показателя.

Поэтому прежде чем выбирать одно значение, иногда нужно понять, одинаковую ли вещь вообще измеряют.

И даже одинаково определённого показателя может оказаться недостаточно, если вопрос к нему изменился.

Когда точных данных всё равно недостаточно

Данные могут обновляться раз в сутки.

Для наблюдения за квартальной динамикой этого может быть достаточно.

Но если состояние бизнеса меняется каждые десять минут, те же значения уже не дают нужного представления в момент принятия решения.

С самими данными ничего не произошло.

Изменился вопрос, который к ним задают.

То же происходит с полнотой: информации может хватать для общей динамики и не хватать для ситуации, где важна небольшая часть событий.

Поэтому качество нельзя полностью отделить от того, что человек пытается понять.

Граница проходит не только между верными и ошибочными значениями.

Она проходит между тем, что данные действительно позволяют увидеть, и тем, что мы хотели бы из них заключить.

Но даже если каждый отдельный показатель подходит своей задаче, остаётся ещё один вопрос: можно ли вообще рассматривать несколько таких показателей вместе?

Ошибка может находиться между цифрами

Продажи обновились в 10:00.

Рекламные расходы — в 08:00.

CRM последний раз получила новую информацию вчера вечером.

Каждый показатель может соответствовать своему источнику.

Но если человек смотрит на них вместе в 10:15, они воспринимаются как описание одного состояния бизнеса.

Хотя такого состояния в один момент времени никогда не существовало.

Даже при одинаковой дате разные системы могут связывать результат с разными моментами процесса: рекламным обращением, оформлением заказа или фактическим поступлением денег.

Каждая цифра может быть верной — а их совместное прочтение всё равно ошибочным.

И именно здесь данные встречаются с визуализацией.

Что происходит с ошибкой после визуализации

Когда данные превращаются в дашборд, воспринимать их становится легче.

Тысячи строк могут превратиться в одну линию.

Несколько источников — в несколько показателей.

Долгая динамика — в форму, которую человек понимает за несколько секунд.

В этом и заключается сила визуализации.

Но форма не исправляет то, что произошло раньше.

Она не синхронизирует разные моменты времени.

Не превращает разные определения в одно.

Не восстанавливает то, чего в данных никогда не было.

График может сделать ошибку понятнее.

Но не менее ошибочной.

Откуда появляется доверие к цифре

Человеку, который открывает дашборд, не нужно понимать устройство всех систем, из которых пришли данные.

Если на экране написано «выручка», за этим словом должно существовать понятное значение: оформленные продажи, оплаченные заказы или деньги, которые уже фактически поступили.

Для пользователя внутренняя система может оставаться невидимой.

Но невидимость не должна означать неопределённость.

Доверие не требует знания всей технической цепочки.

Оно требует, чтобы смысл показателя можно было объяснить без догадок.

Что данные действительно позволяют утверждать

Вопрос «какие данные нужны для дашборда?» легко превратить в разговор об источниках — CRM, продажах, финансах, рекламе, таблицах и внутренних системах.

Но сам источник ничего не гарантирует: важно, дают ли его данные основание судить о той части происходящего, которую человек пытается понять.

Дашборд не восстановит то, что никогда не фиксировалось.

Не сделает сопоставимым то, что измерялось по разным правилам.

И не превратит неизвестность в знание только потому, что она получила ясную форму.

Хороший дашборд должен показывать не больше уверенности, чем позволяют сами данные.

Поэтому главный вопрос меняется.

«Что из этого действительно можно утверждать?»