ડૅશબોર્ડ કેવી રીતે બનાવવું: ડેટા સ્ત્રોત, KPI, ચાર્ટ અને ઍક્સેસ

ડૅશબોર્ડ બનાવવા માટે, તે કયા પ્રશ્નોના જવાબ આપે અને તેને કોણ વાંચશે તેનાથી શરૂ કરો, થોડા મેટ્રિક ચોકસાઈથી વ્યાખ્યાયિત કરો, તે મેટ્રિક જે ડેટામાંથી આવે તે જોડો, અને દરેક માટે સરળ ચાર્ટ પસંદ કરો. પછી નક્કી કરો કે કોણ કયા આંકડા જોઈ શકે. AI એપ બિલ્ડર મિનિટોમાં પોલિશ્ડ ડૅશબોર્ડ બનાવી શકે છે; મુશ્કેલ ભાગ, અને જે નક્કી કરે કે કોઈ તેના પર ભરોસો કરશે કે નહીં, તે છે ડેટા અને વ્યાખ્યાઓ સાચા મેળવવા.

ચાર્ટથી નહીં, પ્રશ્નોથી શરૂ કરો

જે ડૅશબોર્ડ બધું બતાવવાનો પ્રયત્ન કરે તે એક વાર ખોલાય છે. ચાર્ટ વિશે વિચારતા પહેલા, જવાબ આપો:

• તે કોના માટે છે? સ્થાપક, સેલ્સ ટીમ, ઓપરેશન્સ, રોકાણકારો, તમારા ગ્રાહકો?
• તે કયા નિર્ણયોને ટેકો આપે છે? "શું આપણને બીજા સપોર્ટ વ્યક્તિની જરૂર છે?" એ પ્રશ્ન ડૅશબોર્ડ જવાબ આપી શકે છે. "અમારો ડેટા બતાવો" નહીં.
• તેઓ કેટલી વાર જોશે? દૈનિક ઓપરેશન ડૅશબોર્ડને તાજા ડેટા અને ચેતવણીઓ જોઈએ; માસિક બોર્ડ વ્યૂને નહીં.

ત્રણથી પાંચ પ્રશ્નો લખો. દરેક એક કે બે મેટ્રિક બને છે.

દરેક મેટ્રિકની ચોક્કસ વ્યાખ્યા કરો

મોટા ભાગની ડૅશબોર્ડ ચર્ચાઓ ખરેખર વ્યાખ્યાઓની ચર્ચા હોય છે. દરેક આંકડા માટે ટૂંકી વ્યાખ્યા લખો:

આ વ્યાખ્યાઓ તમારા પ્રોમ્પ્ટમાં પેસ્ટ કરો. નહીંતર AI એક વાજબી લાગતી ગણતરી પસંદ કરશે જે કદાચ તમારો વ્યવસાય કેવી રીતે ગણે છે તે સાથે મેળ ખાશે નહીં.

ડેટા ક્યાંથી આવે છે

બે સિદ્ધાંતો દરેક જગ્યાએ લાગુ પડે છે:

1. કી સર્વર પર રાખો. API કી અને ડેટાબેઝ પાસવર્ડ એપના એન્વાયર્નમેન્ટ વેરિએબલમાં જોઈએ, બ્રાઉઝર કોડમાં ક્યારેય નહીં.
2. તાજગીનો નિર્ણય કરો. દરેક પેજ લોડ પર ઘણી APIs ખેંચવી ધીમી છે અને રેટ લિમિટ સુધી પહોંચી શકે છે. મોટા ભાગના બિઝનેસ ડૅશબોર્ડ માટે, તમારા પોતાના ડેટાબેઝમાં દર કલાકે કે રાતોરાત સિંક, પેજ પર "છેલ્લે અપડેટ" સમય સાથે, સરળ અને વધુ વિશ્વસનીય છે.

API તમારા માટે નવી હોય તો API શું છે અને ડેટાબેઝ શું છે મૂળભૂત બાબતો સમજાવે છે.

યોગ્ય ચાર્ટ પસંદ કરો

• બદલાવ સાથે એક સંખ્યા ("$42k, ગયા મહિનાની સરખામણીએ 8% વધુ") — KPI કાર્ડ. મોટા ભાગના ડૅશબોર્ડ પર સૌથી ઉપયોગી તત્ત્વ.
• સમય પ્રમાણે ટ્રેન્ડ — લાઇન ચાર્ટ. બાર ફક્ત થોડા સમયગાળા માટે વાપરો.
• કૅટેગરીની સરખામણી — આડો બાર ચાર્ટ, મૂલ્ય પ્રમાણે સૉર્ટ.
• કુલનો ભાગ — સ્ટૅક્ડ બાર. પાઇ ચાર્ટ ફક્ત બે-ત્રણ ટુકડા માટે કામ કરે.
• વિગત અને અપવાદો — સૉર્ટ, સર્ચ અને ફિલ્ટર સાથેની ટેબલ. ઘણી વાર કોઈ પણ ચાર્ટ કરતાં વધુ ઉપયોગી.

રંગો સુસંગત રાખો: "આ સમયગાળો" માટે એક રંગ, "સરખામણી" માટે ઝાંખો રંગ, અને લાલ ફક્ત ધ્યાન માંગતી વસ્તુઓ માટે.

કોણ શું જુએ

બનાવતા પહેલા ઍક્સેસ નક્કી કરો:

• આંતરિક, બધા બધું જુએ — સૌથી સરળ. જો તે બિઝનેસ ડેટા ધરાવે તો પણ લૉગિન જોઈએ.
• ભૂમિકા-આધારિત — સેલ્સ સેલ્સના આંકડા જુએ, ફાઇનાન્સ માર્જિન જુએ, મેનેજરો પોતાની ટીમ જુએ.
• ગ્રાહક-મુખી — દરેક ગ્રાહક ફક્ત પોતાનો ડેટા જુએ. દરેક ક્વેરીએ સર્વર પર ગ્રાહકના ખાતા દ્વારા ફિલ્ટર કરવું જોઈએ. બે જુદા ગ્રાહક તરીકે લૉગ ઇન કરીને તેની ચકાસણી કરો.

લૉગિન વગર જાહેર URL પર આવક કે ગ્રાહક ડેટા ધરાવતું ડૅશબોર્ડ એ ડેટા લીક છે જે શોધાવાની રાહ જુએ છે.

એક પ્રથમ પ્રોમ્પ્ટ જે કામ કરે છે

10 લોકોની B2B સૉફ્ટવેર કંપની માટે એક સેલ્સ ડૅશબોર્ડ બનાવો. પ્રેક્ષકો: સ્થાપકો અને સેલ્સ લીડ, દર સોમવારે તપાસે. ઓવરવ્યૂ પેજ: આ મહિનાનો નવો MRR, કુલ MRR, આ મહિને નવા ગ્રાહકો, આ મહિને ચર્ન થયેલા ગ્રાહકો અને પાઇપલાઇન મૂલ્ય માટે KPI કાર્ડ, દરેક સાથે ગયા મહિના સામે ફેરફાર; છેલ્લા 12 મહિનાના MRR નો લાઇન ચાર્ટ; સ્ત્રોત પ્રમાણે નવી ડીલનો બાર ચાર્ટ. Deals પેજ: સર્ચ અને સૉર્ટ થઈ શકે તેવી ટેબલ (કંપની, માલિક, મૂલ્ય, સ્ટેજ, બંધ થવાની તારીખ) અને માલિક તથા સ્ટેજ પ્રમાણે ફિલ્ટર. મેટ્રિક વ્યાખ્યાઓ: MRR એ સક્રિય માસિક સબ્સ્ક્રિપ્શન રકમોનો સરવાળો છે, વાર્ષિક પ્લાન 12 વડે ભાગીને; ચર્ન એવા ગ્રાહકોને ગણે છે જેમનું સબ્સ્ક્રિપ્શન આ મહિને સમાપ્ત થયું. અત્યારે ડેટાબેઝમાં વાસ્તવિક નમૂના ડેટાથી શરૂ કરો — પછી આપણે Stripe જોડીશું. "છેલ્લે અપડેટ" સમય બતાવો. લૉગિન જરૂરી. સ્વચ્છ સાઇડબાર લેઆઉટ.

તે પ્રેક્ષકોનું નામ આપે છે, દરેક મેટ્રિક તેની વ્યાખ્યા સાથે, ચાર્ટ અને ડેટા યોજના — અને નમૂના ડેટાથી શરૂ કરે છે, જેથી તમે વાસ્તવિક સ્ત્રોતો જોડતા પહેલા ડિઝાઇન પર સહમત થઈ શકો.

બિલ્ડ સ્ટેપ્સ

1. નમૂના ડેટા સાથે લેઆઉટ. ડેટા નકલી અને બદલવામાં સસ્તો હોય ત્યારે મેટ્રિક અને ચાર્ટ પર સહમત થાઓ.
2. એક વાસ્તવિક સ્ત્રોત જોડો. દરેક આંકડો જાતે સ્ત્રોત સિસ્ટમ સામે તપાસો. જો MRR Stripe જે બતાવે તેનાથી અલગ હોય, તો આગળ વધતા પહેલા કારણ શોધો.
3. બીજા સ્ત્રોત ઉમેરો, એક સમયે એક, દરેકને તપાસીને.
4. શેડ્યૂલ્ડ રિફ્રેશ અથવા પેજ લોડ પર ક્વેરી, "છેલ્લે અપડેટ" લેબલ સાથે.
5. ફિલ્ટર — પહેલા તારીખ શ્રેણી, પછી લોકો માંગે તે એક-બે બીજા.
6. લૉગિન અને ભૂમિકાઓ.
7. ખાલી અને ભૂલ સ્થિતિ — સ્ત્રોત બંધ હોય કે ફિલ્ટર કંઈ ન આપે ત્યારે પેજ શું બતાવે.
8. પ્રેક્ષકો સાથે શેર કરો, પછી એક મહિના પછી જે કોઈ જોતું નથી તે દૂર કરો.

તેને ઝડપી બનાવો

ધીમું ડૅશબોર્ડ ઓછું તપાસાય છે. જે ગણવું મોંઘું હોય તેના કુલ પહેલેથી ગણો (દરેક ઓર્ડર સ્કૅન કરવાને બદલે દૈનિક સારાંશ ટેબલ), મોટી ટેબલને પેજિનેટ કરો, અને ચાર્ટ પૂરા થાય તે પહેલા મુખ્ય કાર્ડ લોડ કરો જેથી પેજ ચાર્ટ પહેલા પણ ઉપયોગી હોય. જો કોઈ આંકડો ગણતાં લાંબો સમય લાગે, તો દરેક મુલાકાતે ફરી ગણવાને બદલે તે છેલ્લે ક્યારે ગણાયો તે બતાવો.

સામાન્ય ભૂલો

• ઘણા બધા ચાર્ટ. જો બધું હાઇલાઇટ હોય, તો કંઈ હાઇલાઇટ નથી.
• અવ્યાખ્યાયિત મેટ્રિક. એક જ ડૅશબોર્ડ વાંચનારા બે લોકો એક જ નિષ્કર્ષ પર પહોંચવા જોઈએ.
• સ્ત્રોત સામે આંકડા ક્યારેય ન તપાસવા. એક ખોટો આંકડો અને લોકો આખા ડૅશબોર્ડ પર ભરોસો કરવાનું બંધ કરે છે.
• દરેક પેજ લોડ પર દરેક API ક્વેરી કરવી. ધીમું, નાજુક અને ક્યારેક મોંઘું.
• તારીખનો સંદર્ભ ન હોવો. હંમેશા સમયગાળો અને સરખામણી બતાવો.
• ફ્રન્ટએન્ડમાં સિક્રેટ. બ્રાઉઝરમાં દેખાતી API કી પેજ ખોલનાર કોઈ પણ કૉપી કરી શકે.

ક્યારે BI ટૂલ વધુ સારું છે

જો તમારો ડેટા પહેલેથી ડેટાબેઝ કે વેરહાઉસમાં હોય અને મુખ્ય વપરાશકર્તાઓ વિશ્લેષકો હોય જેઓ તેને શોધવા, કાપવા અને પોતાના ચાર્ટ બનાવવા માંગે, તો Looker Studio, Power BI, Metabase અને બીજા જેવું BI ટૂલ તેમને કસ્ટમ બિલ્ડ કરતાં વધુ સારી સેવા આપશે. ઘણા SaaS ટૂલ્સમાં સારા બિલ્ટ-ઇન રિપોર્ટ પણ છે; ફરી બનાવતા પહેલા તે તપાસો. કસ્ટમ ડૅશબોર્ડ ત્યારે જીતે છે જ્યારે તે ગ્રાહકો કે બિન-વિશ્લેષકો માટે હોય, એવું લૉજિક કે પરવાનગીઓ જોઈએ જે BI ટૂલ વ્યક્ત ન કરી શકે, તમારા વ્યવસાય માટે વિશિષ્ટ રીતે સ્ત્રોતો જોડે, અથવા તમે પહેલેથી ચલાવો છો તે પ્રોડક્ટની અંદર હોય.

જો કામ આંકડા જોવા કરતાં રેકોર્ડ બદલવાનું હોય, તો તેના બદલે એડમિન પેનલ કે આંતરિક ટૂલ જોઈએ — જુઓ આંતરિક ટૂલ કેવી રીતે બનાવવું. અને જો તમારા આંકડા આજે સ્પ્રેડશીટમાં છે, તો સ્પ્રેડશીટને એપમાં કેવી રીતે ફેરવવી આગળ વાંચવા માટે સારું છે.

Mythex સાથે બનાવવું

Mythex પર તમે ડૅશબોર્ડનું વર્ણન કરો છો અને એજન્ટ લાઇવ પ્રિવ્યૂમાં પેજ અને ચાર્ટ બનાવે છે, વાસ્તવિક નમૂના ડેટાથી શરૂ કરીને અને આંકડા સાચવવાની જરૂર પડે ત્યારે સમર્પિત Postgres ડેટાબેઝ પર જાય છે. ડૉક્સની ડૅશબોર્ડ યુઝ કેસમાં સ્ટાર્ટર પ્રોમ્પ્ટ છે. જો તમારો ડેટા Google Sheets જેવા ટૂલમાં હોય, તો Connectors મારફતે ખાતું જોડી શકો છો અને એજન્ટને તે વાંચીને તેમાંથી ડૅશબોર્ડ બનાવવા કહી શકો છો.

એપ માટે બિલ્ટ-ઇન વેરહાઉસ કનેક્ટર નથી — BigQuery, Snowflake, Stripe અને સમાન માટે એપ તેમની APIs ને તમારી કી સાથે કૉલ કરે છે, જે પ્રોજેક્ટ સિક્રેટ તરીકે સાચવેલી હોય. ડૅશબોર્ડ જોનારા લોકો માટે લૉગિન અને ભૂમિકાઓ તમે બનાવેલી એપનો જ ભાગ છે. પ્રોમ્પ્ટ પરથી શરૂ કરવા માટે, ડૅશબોર્ડ ટેમ્પ્લેટ બ્રાઉઝ કરો, જેમ કે મેટ્રિક્સ ડૅશબોર્ડ.

પ્રશ્નો