Best practices voor het ontwerpen van dashboards

Nu het datavolume wereldwijd razendsnel toeneemt, wordt het steeds complexer om die informatie te identificeren, te verwerken en te visualiseren in een vorm die gemakkelijk te begrijpen en te delen is, zodat je ernaar kunt handelen. Daar komen dashboards om de hoek kijken.

Dashboards zijn een essentieel onderdeel van het analytics-proces, omdat ze een compacte, hapklare weergave van informatie bieden voor verschillende stakeholders. Het uiteindelijke doel van een dashboard is om gebruikers te helpen optimale beslissingen te nemen en deze almaar groeiende berg data in hun voordeel te gebruiken.

Dit artikel geeft inzicht in de kunst en wetenschap achter het ontwerpen van hoogwaardige dashboards — en biedt een overzicht van tools die je vandaag al kunt gebruiken om dashboards te bouwen en uit te rollen. 

Wat zijn de verschillende soorten dashboards?

Het kiezen van het juiste dashboard is cruciaal om impactvolle datainsights te leveren. Maar met het toenemende volume en de complexiteit van data, plus de verscheidenheid aan doelgroepen die data via dashboards willen consumeren, is het logisch dat je overweldigd raakt bij het ontwerpen ervan. Als je een dashboard bouwt, is het essentieel om te begrijpen welke categorie dashboard het best past bij jouw specifieke publiek. De meest voorkomende typen zijn:

1. Operationele dashboards

Operationele dashboards monitoren realtime data, volgen de end-to-end prestaties van uiteenlopende bedrijfsprocessen en communiceren inzichten via heldere datavisualisaties. Deze dashboards zijn bedoeld voor dagelijks gebruik in workflows en bieden tijdgevoelige inzichten en waarschuwingen over realtime ontwikkelingen. Operationele dashboards worden continu bijgewerkt om besluitvorming in één oogopslag te ondersteunen. De primaire doelgroep zijn managers en operationele teams. Voorbeelden:

• Marketingdashboards—Websiteprestatiestatistieken zoals bouncepercentage, customer lifetime value, gemiddelde sessieduur, enz.
• Softwareontwikkeling—Analytics rond systeemcrashes, uptime-monitoring, monitoring van cloudservicekosten, enz. 

2. Strategische dashboards

Strategische dashboards worden vooral gebruikt door C-levels, directeuren of eigenaren om langetermijn-OKR’s en KPI’s van het bedrijf te monitoren. Ze geven high-level updates over de prestaties van de organisatie of een afdeling als geheel. Deze dashboards worden minder vaak bijgewerkt dan operationele dashboards die bedoeld zijn om dagelijks bekeken te worden. Strategische dashboards zijn complex om te maken, omdat ze organisatiebrede metrics moeten bijhouden die uit uiteenlopende databronnen komen. Voorbeelden zijn

• Organisatiebreed—In één oogopslag omzet en bedrijfs-OKR’s volgen.
• Afdelingsbreed—De marketingfunnel volgen van acquisitie tot aankoop.

3. Analytische dashboards

Zoals de naam aangeeft, worden deze dashboards gebruikt om grote hoeveelheden complexe data te analyseren en te verkennen. Moderne dashboardtools bieden features zoals doorklikmogelijkheden (drill-down), uitgebreide filters en de capaciteit om grote hoeveelheden data te verwerken. Met analytische dashboards ga je verder dan alleen naar metrics kijken: je onderzoekt de drijvende krachten en dynamiek achter de data zelf.

De primaire doelgroep voor analytische dashboards is technischer ingesteld en loopt uiteen van data scientists en analisten tot managers die dieper in inzichten willen duiken. Voorbeelden van analytische dashboards zijn:

• Financiën—Dashboards voor financiële prestaties met de mogelijkheid om omzet uit te splitsen naar kanalen, producten, assets en meer
• Marketing—Google Analytics-dashboards met high-level metrics en de mogelijkheid om in te zoomen op kanalen, verwijzingen, verkeersbronnen en meer

Hoe maak je geweldige dashboards

Het hoofddoel van een dashboard is complexiteit verminderen en helderheid bieden. Een goed dashboard vereenvoudigt complexe informatie met duidelijke en strakke datavisualisaties. Dit zijn enkele best practices om inzichten effectief te communiceren met je publiek:

Verplaats je in je publiek

Als je een impactvol dashboard wilt maken, moet je je grondig inleven in de doelgroep die het gaat gebruiken.  Dat betekent dat je goed begrijpt wat hun vakgebied is en hoe technisch onderlegd ze zijn. Denk bovendien goed na over welke inzichten voor hen het belangrijkst zijn bij het ontwerpen. Een marketinganalist zal bijvoorbeeld veel meer waarde hechten aan dashboards over specifieke marketingcampagnes. Marketingleiders kijken eerder naar een dashboard dat de volledige marketingfunnel in beeld brengt. Dit is waarschijnlijk een van de belangrijkste stappen, omdat het de adoptie van je dashboards zal bepalen. 

Ruim de ruis op

Dashboards kunnen rommelig worden. Het is vooral verleidelijk om elk type grafiek, diagram en tabel te tonen dat je hebt. Om onleesbare, overvolle dashboards te voorkomen, vraag je jezelf af of wat je opneemt relevant is voor het publiek en verwijder je zoveel mogelijk overbodige elementen. Besef bovendien dat dashboards bouwen een iteratief proces is. Houd dus de feedback van je publiek in gedachten terwijl je je dashboards verder uitwerkt. 

Gebruik de rasterindeling

Overweeg een rasterindeling wanneer je je dashboard ontwerpt. Volgens Andy Cotgreave, Technical Evangelist bij Tableau en coauteur van de Big Book of Dashboards, zijn mensen van nature geneigd om van links naar rechts en van boven naar beneden te kijken. Een raster helpt je publiek om dashboards zelfstandig en intuïtief te navigeren. In de praktijk betekent dit dat je begint met high-level metrics linksboven en vervolgens verder inzoomt naarmate je naar beneden en naar rechts op het raster gaat. 

Let op je lettertypen

Hoe verleidelijk het ook is om verschillende lettertypen en groottes te gebruiken, houd je in het algemeen aan één lettertype met niet meer dan drie groottes. Volg de typografische hiërarchie: maak koppen groter dan lopende tekst en gebruik vet om belangrijke elementen en koppen te benadrukken. Variatie in corpsgrootte en effecten is ook een goed middel om de aandacht op specifieke onderdelen te vestigen, maar gebruik het met mate.  

Gebruik kleuren doordacht 

Kleur is zonder meer een van de meest in het oog springende aspecten van elke visualisatie of elk dashboard. Denk daarom goed na over het kleurenschema van je visualisaties. Zorg voor een consistente kleurenpalet in je visualisaties en gebruik kleur systematisch om groepen, belangrijkheidsniveaus en verschillende lagen in de informatiestructuur te onderscheiden.    

Snel laden is winst

Laadtijd is alles in digitale producten, en dashboards zijn daarop geen uitzondering. Hoe informatief en fraai je dashboard ook is, het zal nauwelijks worden omarmd als het traag laadt. Lange laadtijden kunnen ontstaan door grote datavolumes, transformaties die binnen het dashboard plaatsvinden, veel filters en zeer complexe visualisaties die tijd kosten om te renderen. Een goede manier om laadtijden te minimaliseren is door rommel te verminderen en ervoor te zorgen dat complexe datatransformaties als views in databases worden opgeslagen.  

Test de bruikbaarheid van je dashboard 

Een van de belangrijkste elementen bij het ontwerpen van een dashboard is testen. Zodra je een prototype hebt gebouwd, moet je in de schoenen van je publiek gaan staan en nadenken over hoe zij je dashboard ervaren en gebruiken. Observeer het gedrag en kijk hoe je je dashboard efficiënter en effectiever kunt maken. Voor een succesvol project is testen cruciaal. Je leert hoe je dashboards worden ontvangen, waardoor je op basis van die feedback iteraties kunt doorvoeren. 

Itereer en werk samen 

Het is helemaal niet erg als je dashboard niet in één keer perfect is. Dashboards maken is een lang en grondig proces en je moet jezelf de tijd geven. Om je beste werk te leveren, heb je tijd nodig om afstand te nemen en met een frisse blik te kijken. De beste dashboards ondergaan veel iteraties, en het constante proces om ze elke dag een beetje beter te maken kost tijd — dat is helemaal prima. 

Tools om geweldige dashboards te maken

Met dashboarding kun je heel gemakkelijk beginnen en er zijn talloze tools die je kunt gebruiken. Maar met zoveel opties raak je al snel verlamd door de keuze. In deze sectie bespreken we de meest gebruikte tools waarmee data-professionals vandaag dashboards kunnen maken. Let bij het kiezen van tools voor het bouwen van dashboards op de volgende features: 

• Databron-connectors: Hoe makkelijk is het om een tool te koppelen aan verschillende databronnen?
• Samenwerkingsfuncties: Biedt een tool functies zoals reageren, bewerken, delen en hosten?
• Renderingssnelheid: Hoe snel wordt een dashboard gerenderd en geladen?
• Gebruiksgemak: Is programmeerkennis nodig, of is het een drag-and-dropinterface met een lage instapdrempel?
• Kosten: Is het een open-sourceframework of is een betaalde licentie nodig? 

Hier is een lijst met rijk uitgeruste tools om te beginnen met het bouwen van geweldige dashboards en datavisualisaties:

1. Power BI

Microsoft’s Power BI is een van de populairste business intelligence-tools.  Het is voor data-professionals en business users vaak de standaardkeuze dankzij de eenvoudige interface en het brede scala aan features. Het heeft een verfijnde drag-and-dropinterface in combinatie met een grote lijst met databron-connectors om vanaf het begin productieklare dashboards te bouwen. Power BI maakt samenwerken met teamleden erg eenvoudig, zodat je naadloos kunt bouwen, bewerken en delen — de ervaring is vergelijkbaar met andere Microsoft-producten zoals SharePoint. 

BELANGRIJKSTE FEATURES 

• Intuïtieve gebruikersinterface: De interface van Power BI is erg intuïtief, zeker voor wie gewend is aan het Microsoft-ecosysteem.
• Lage kosten: Scherp geprijsd in vergelijking met andere volwaardige BI-oplossingen
• Azure-integratie: Integreert uitstekend met Azure-cloudservices zoals Azure Data Factory, Azure Synapse en andere dataconnectoren
• AutoML-features: Power BI integreert eenvoudig automatische ML vanuit Azure Machine Learning om modellen te bouwen.

Voorbeelden van Power BI-dashboards

• Handel in Europa
• Elektriciteitsverbruik in de Verenigde Staten

2. Tableau

Tableau is een van de meest uitgebreide business intelligence-tools die er zijn. Opgericht in 2003 in Mountain View, Californië, is het uitgegroeid tot een van de de facto BI-tools voor moderne analisten. Het biedt een drag-and-dropinterface waarmee ook niet-programmeurs eenvoudig dashboards kunnen maken. Tableau ondersteunt de meeste databron-connectors, dus data ophalen uit verschillende bronnen is geen probleem. Je kunt samenwerken aan projecten en dashboards delen en hosten via Tableau Server. Renderingssnelheden zijn te optimaliseren met de juiste planning, ondersteuning voor in-memory opslag en data extracts. Tableau raadt deze performance-tips aan om razendsnelle rendering te bereiken. 

Tableau heeft ook een zeer sterke en actieve community, gesteund door duizenden gebruikers en gratis toegang tot Tableau Public. De prijs voor de professionele versie van Tableau Desktop zit aan de hogere kant vergeleken met andere BI-tools. 

BELANGRIJKSTE FEATURES

• Snelle rendering: Dankzij in-memory opslag en data extracts is Tableau zeer geschikt voor grote datasets
• Community: Een superactieve community voor inspiratie en troubleshooting
• Verfijnd product: Tableau wordt sinds 2003 continu doorontwikkeld, waardoor de gebruikservaring erg soepel en stabiel is.
• Aanpasbaarheid: Features zoals meerdere visualisaties, lettertypen, kleur- en formaatopties, rijen, kolommen, rasters, schermformaten en meer maken zeer aanpasbare dashboards mogelijk
• Databron-connectors: Je kunt een grote variëteit aan data, opgeslagen op verschillende plekken, koppelen via ingebouwde Tableau-dataconnectoren

Voorbeelden van Tableau-dashboards

• Aardbevingen in de tijd
• HR-dashboard

3. Python’s Dash-pakket

Dash is een open-sourcelibrary van de makers van Plotly. Je bouwt er interactieve Python-dashboards mee zonder HTML, CSS en JavaScript te hoeven leren. Het is gratis te installeren en te gebruiken. In plaats van een drag-and-drop-GUI hanteert Dash een code-firstbenadering voor het bouwen van grafieken en dashboards. Het richt zich op een technischer publiek zoals data-analisten, data scientists, ML-engineers, Python-developers en data-engineers. Voor koppelingen met verschillende databronnen kun je vertrouwen op bestaande Python-packages, maar die moet je via code configureren, wat extra werk is.

Omdat deze oplossing op Python is gebaseerd, heb je veel flexibiliteit om zeer aanpasbare dashboards te bouwen. Voor wie niet vertrouwd is met Python en de bijbehorende packages is er echter een steile leercurve. Omdat je veel zelf beheert, kan het visualiseren van grote datasets soms traag worden. Bovendien is een dashboard publiceren dat met Dash is gebouwd niet zo simpel als op een knop drukken — je moet het verpakken en deployen op cloudservices zoals AWS, Heroku, GCP, etc. 

BELANGRIJKSTE FEATURES

• Python-based: Omdat het Python-based is, heeft Dash een steilere leercurve dan drag-and-droptools — maar dat is ook een groot pluspunt, omdat het veel flexibiliteit biedt
• Versiebeheer: Omdat het code-first is, kun je verschillende iteraties van Dash-dashboards opslaan en beheren met tools zoals Git
• Open source: Dit is een open-sourcepakket, dus gratis te gebruiken.
• Aanpasbaar: Staat bovenaan qua aanpasbaarheid, wat duidelijk blijkt uit hun dashboardgalerie 

Voorbeelden van Dash-dashboards

• New York Uber Rides
• Support Vector Machine (SVM) Explorer

4. Python’s Streamlit-pakket

Streamlit is een ander volledig open-source Python-pakket dat meer gericht is op het bouwen en deployen van data-apps met veel machine learning. Het is echter ook een uitstekende dashboardtool. Dit visualisatiepakket is ontworpen voor data scientists en heeft voor een Python-gebruiker een vrij lage leercurve. Streamlit heeft vooraf gedefinieerde methoden voor het bouwen van eenvoudige visualisaties. Als je basisbewerkingen met pandas kent, is deze library vrij eenvoudig om mee te starten. Het biedt features zoals background refresh, datacaching om de frontend te versnellen en een schermopnamefunctie om te delen.

BELANGRIJKSTE FEATURES

• Python-based: Net als Dash biedt het veel flexibiliteit
• Lage leercurve: Een Streamlit-dashboard bouwen lijkt op het werken met pandas in Jupyter, dus de leercurve is laag voor elke Python-gebruiker.  
• Versiebeheer: Omdat het code-first is, kun je verschillende iteraties van Streamlit-dashboards opslaan en beheren met tools zoals Git
• Open source: Streamlit is gratis te gebruiken 

Voorbeelden van Streamlit-dashboards

• COVID-19-data en -rapportage
• Monte Carlo om Pi te schatten

5. R’s Shiny-pakket

Wellicht een van R’s killer apps: Shiny is een van de beste codegebaseerde dashboardtools. Met Shiny kunnen gebruikers volwaardige webapps in R ontwikkelen zonder kennis van HTML, CSS of JavaScript. Sinds de release in 2012 heeft Shiny een decennium aan iteraties en verbeteringen achter de rug, wat het een uiterst stabiele en rijk uitgeruste open-sourcedashboardtool maakt. Net als andere codegebaseerde tools in dit artikel biedt het veel flexibiliteit en aanpasbaarheid en werkt het uitstekend samen met andere R-packages. 

BELANGRIJKSTE FEATURES: 

• R-based: Net als andere codetools in deze lijst biedt het veel flexibiliteit
• Versiebeheer: Omdat het code-first is, kun je verschillende iteraties van Streamlit-dashboards opslaan en beheren met tools zoals Git
• Open source: Dit is een open-sourcepakket, dus gratis te gebruiken.
• Aanpasbaar: Staat bovenaan qua aanpasbaarheid, wat duidelijk blijkt uit hun dashboardgalerie 

Voorbeelden van Shiny-dashboards:

• Bloedbanken in India lokaliseren
• Geanimeerd metroverkeer in NYC

Overtreed de regels

Er is geen betere manier om data te communiceren dan met een dashboard met user-centered design en hoogwaardige datavisualisaties. Elk dashboard verschilt qua doelen, vereisten en beperkingen. Er is echter één gemeenschappelijke factor die het succes bepaalt: een actief, iteratief proces. Onthoud dat geen enkel dashboard in één keer perfect is. Constante feedback en verbeteringen zijn de enige manier om je dashboard efficiënter en intuïtiever te maken.

Bovendien hoeft een dashboard niet puur utilitair te zijn. De afweging tussen esthetiek en functionaliteit is vaak een valse tweedeling. Voel je dus vrij om niet rigide aan richtlijnen vast te houden en heb plezier met je dashboards en visualisaties, zolang je je publiek en de manier waarop zij met je creaties omgaan maar in gedachten houdt. 

Voor meer bronnen over datavisualisatie, dashboarding en data storytelling — bekijk de volgende artikelen: 

• [BLOG] Top 10 boeken over datavisualisatie
• [PODCAST] De data storytelling-vaardigheden die datateams nodig hebben
• [BLOG] Zeven trucs voor betere data storytelling: deel 1
• [BLOG] Zeven trucs voor betere data storytelling: deel 2