Data Visualisering: Forståelse af brugeradoption - dummies

Det er dit vigtigste mål at få en høj bruger adopteringshastighed til din datavisualisering (data viz for short). Selv om dette kan synes indlysende, er brugergodkendelsen (UA) en eftertanke i mange organisationer. Det er det, som alle fokuserer på efter løsningen udbredes til brugere.

Brugeradoption (UA) defineres som måling af, hvor meget af den tilsigtede målgruppe bruger den leverede løsning (i dette tilfælde datavisualisering). Dette begreb bliver dog lidt skummet, men når du dykker ind i, hvad der faktisk måles. Skal du måle, hvor mange gange dataene ses, eller den gennemsnitlige tidsperiode, som dataene ses for? Måske må du måle, hvor mange gange dataene bruges til at udføre forsøgsaktiviteter.

Hemmeligheden ved at måle UA er, at UA er en kombination af mange elementer. I forretningsdataverdenen er UA ikke kun et mål for brug, men også en måling af værditilvæksten til en bruger.

Når du begynder at analysere UA-satser, skal du forstå følgende fem beregninger:

• Frekvens i brug: Brugsfrekvens måler det antal gange en individuel bruger bruger dine data, f.eks. For at få et præcist tal, vil du gøre dette mål gennemsnitligt baseret på den samlede brugsfrekvens.

• Interval af brugsfrekvens: Dette måler, når dine data faktisk bliver brugt som i tid, dag, kvartal, år og så videre. For eksempel kan du se på data, som er blevet brugt mellem januar 2013 og december 2013. Interval af brugsfrekvens involverer, hvor ofte de data, der vises, opdateres, men det skal måle, når brugerne får adgang til dataene, og måske når de finder mest værdi.

• Anvendelsesfrekvens: Denne metriske er en af ​​de vigtigste at overveje. Det fortæller dig, hvilke dele af dataene brugerne besøger mest. Det fortæller dig også, hvilke områder der skal forbedres eller fjernes fra fremtidige opdateringer. Endelig giver det et klart fokus på, hvad der er mest værdifulde for brugeren. Når du ser hvad der bruges og hvad der ignoreres, får du en klar ide om, hvad der virkelig er nyttigt for seerne.

• Anvendelsesform: Måling af, hvordan en data er faktisk brugt, kan være lidt vanskelig, men det er kritisk for værktøjets langsigtede adoption og succes. Hvis du har opbygget en data, der har mulighed for boring, og ingen nogensinde klikker for at gå til flere detaljer, giver den pågældende funktion (eller brugsform) ikke meget værdi for brugeren.

  Desværre mangler mange af dataene viz værktøjer eller systemer på markedet evnen til at spore UA-metrics.Du vil muligvis foretage månedlige eller kvartalsvise afstemninger eller undersøgelser af dine brugere for at få indsigt i hvordan, hvornår og for hvilket formål dataene anvendes. At lave din egen undersøgelse er den eneste sure-fire måde at sikre, at du løbende kan forbedre dine data, så det bliver brugt af publikum.

  Hvis du opdager, at brugerne ofte eksporterer de rå data i en visualisering, er det en klar indikation af, at brugerne ikke har tillid til dataene selv og bruger dataene som intet mere end et eksportværktøj. Denne foranstaltning i forbindelse med hyppigheden af ​​brugsmetric fortæller dig meget om den faktiske værdi eller manglen deraf, at brugerne kommer fra dataene viz.

• Antallet af brugere i forhold til målgruppens størrelse: Denne måling er måske det mest populære mål for brugeradoption og bedst målt i procent. Du udlede det ved at tage det samlede antal af den tilsigtede målgruppe og antallet af brugere, der rent faktisk bruger dataene, og udtrykker dette tal som en procentdel. Antag, at du opbygger et data om en salgsorganisation på 500 personer. Hvis 50 af disse personer har adgang til dataene regelmæssigt, har du en 10 procent UA-sats.