ਡੈਸ਼ਬੋਰਡ ਕਿਵੇਂ ਬਣਾਉਣਾ ਹੈ: ਡਾਟਾ ਸਰੋਤ, KPI, ਚਾਰਟ ਅਤੇ ਪਹੁੰਚ
ਡੈਸ਼ਬੋਰਡ ਬਣਾਉਣ ਲਈ ਸ਼ੁਰੂਆਤ ਉਹਨਾਂ ਸਵਾਲਾਂ ਤੋਂ ਕਰੋ ਜਿਨ੍ਹਾਂ ਦੇ ਜਵਾਬ ਇਸਨੇ ਦੇਣੇ ਹਨ ਅਤੇ ਉਹਨਾਂ ਲੋਕਾਂ ਤੋਂ ਜੋ ਇਸਨੂੰ ਪੜ੍ਹਣਗੇ, ਮੈਟ੍ਰਿਕਾਂ ਦਾ ਛੋਟਾ ਸੈੱਟ ਸਹੀ ਪਰਿਭਾਸ਼ਾ ਨਾਲ ਤੈਅ ਕਰੋ, ਉਹ ਡਾਟਾ ਜੋੜੋ ਜਿੱਥੋਂ ਇਹ ਮੈਟ੍ਰਿਕ ਆਉਂਦੇ ਹਨ, ਅਤੇ ਹਰ ਇੱਕ ਲਈ ਸਧਾਰਨ ਚਾਰਟ ਚੁਣੋ। ਫਿਰ ਤੈਅ ਕਰੋ ਕਿ ਕੌਣ ਕਿਹੜੇ ਨੰਬਰ ਵੇਖ ਸਕਦਾ ਹੈ। ਇੱਕ AI ਐਪ ਬਿਲਡਰ ਮਿੰਟਾਂ ਵਿੱਚ ਸੁਥਰਾ ਡੈਸ਼ਬੋਰਡ ਬਣਾ ਸਕਦਾ ਹੈ; ਔਖਾ ਹਿੱਸਾ, ਅਤੇ ਜੋ ਤੈਅ ਕਰਦਾ ਹੈ ਕਿ ਕੋਈ ਇਸ 'ਤੇ ਭਰੋਸਾ ਕਰੇਗਾ ਜਾਂ ਨਹੀਂ, ਉਹ ਹੈ ਡਾਟਾ ਅਤੇ ਪਰਿਭਾਸ਼ਾਵਾਂ ਨੂੰ ਸਹੀ ਕਰਨਾ।
ਪਹਿਲਾਂ ਸਵਾਲ, ਚਾਰਟ ਨਹੀਂ
ਜਿਹੜਾ ਡੈਸ਼ਬੋਰਡ ਸਭ ਕੁਝ ਵਿਖਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ, ਉਹ ਇੱਕ ਵਾਰ ਖੋਲ੍ਹਿਆ ਜਾਂਦਾ ਹੈ। ਚਾਰਟਾਂ ਬਾਰੇ ਸੋਚਣ ਤੋਂ ਪਹਿਲਾਂ ਜਵਾਬ ਦਿਓ:
- ਇਹ ਕਿਸ ਲਈ ਹੈ? ਬਾਨੀ, ਸੇਲਜ਼ ਟੀਮ, ਓਪਰੇਸ਼ਨ, ਨਿਵੇਸ਼ਕ, ਤੁਹਾਡੇ ਗਾਹਕ?
- ਇਹ ਕਿਹੜੇ ਫੈਸਲਿਆਂ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ? "ਕੀ ਸਾਨੂੰ ਇੱਕ ਹੋਰ ਸਪੋਰਟ ਵਿਅਕਤੀ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ?" ਇੱਕ ਅਜਿਹਾ ਸਵਾਲ ਹੈ ਜਿਸਦਾ ਜਵਾਬ ਡੈਸ਼ਬੋਰਡ ਦੇ ਸਕਦਾ ਹੈ। "ਸਾਨੂੰ ਸਾਡਾ ਡਾਟਾ ਵਿਖਾਓ" ਨਹੀਂ।
- ਉਹ ਕਿੰਨੀ ਵਾਰ ਵੇਖਣਗੇ? ਰੋਜ਼ਾਨਾ ਓਪਰੇਸ਼ਨ ਡੈਸ਼ਬੋਰਡਾਂ ਨੂੰ ਤਾਜ਼ਾ ਡਾਟਾ ਅਤੇ ਅਲਰਟ ਚਾਹੀਦੇ ਹਨ; ਮਹੀਨਾਵਾਰ ਬੋਰਡ ਵਿਊ ਨੂੰ ਨਹੀਂ।
ਤਿੰਨ ਤੋਂ ਪੰਜ ਸਵਾਲ ਲਿਖੋ। ਹਰ ਇੱਕ ਇੱਕ ਜਾਂ ਦੋ ਮੈਟ੍ਰਿਕਾਂ ਬਣਦਾ ਹੈ।
ਹਰ ਮੈਟ੍ਰਿਕ ਨੂੰ ਸਹੀ ਤੌਰ 'ਤੇ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ
ਜ਼ਿਆਦਾਤਰ ਡੈਸ਼ਬੋਰਡ ਬਹਿਸਾਂ ਅਸਲ ਵਿੱਚ ਪਰਿਭਾਸ਼ਾ ਦੀਆਂ ਬਹਿਸਾਂ ਹੁੰਦੀਆਂ ਹਨ। ਹਰ ਨੰਬਰ ਲਈ ਛੋਟੀ ਪਰਿਭਾਸ਼ਾ ਲਿਖੋ:
| ਮੈਟ੍ਰਿਕ | ਧੁੰਦਲਾ | ਸਹੀ |
|---|---|---|
| ਮਾਲੀਆ | "ਜੋ ਪੈਸਾ ਅਸੀਂ ਕਮਾਇਆ" | ਅਦਾ ਕੀਤੇ ਇਨਵੌਇਸਾਂ ਦੇ ਕੁੱਲ ਜੋੜ, ਟੈਕਸ ਬਿਨਾਂ, ਇਨਵੌਇਸ ਮਿਤੀ ਅਨੁਸਾਰ, USD ਵਿੱਚ |
| ਸਰਗਰਮ ਵਰਤੋਂਕਾਰ | "ਵਰਤਣ ਵਾਲੇ ਲੋਕ" | ਪਿਛਲੇ 30 ਦਿਨਾਂ ਵਿੱਚ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਲੌਗਇਨ ਵਾਲੇ ਵੱਖਰੇ ਵਰਤੋਂਕਾਰ |
| ਚਰਨ (churn) | "ਛੱਡ ਗਏ ਲੋਕ" | ਮਹੀਨੇ ਦੀ ਸ਼ੁਰੂਆਤ 'ਤੇ ਅਦਾਇਗੀ ਕਰਨ ਵਾਲੇ ਗਾਹਕ ਜੋ ਉਸ ਮਹੀਨੇ ਦੌਰਾਨ ਰੱਦ ਕਰ ਗਏ, ਸ਼ੁਰੂਆਤੀ ਗਾਹਕਾਂ ਨਾਲ ਭਾਗ ਕੀਤੇ |
| ਜਵਾਬ ਸਮਾਂ | "ਸਪੋਰਟ ਕਿੰਨਾ ਤੇਜ਼ ਹੈ" | ਟਿਕਟ ਬਣਨ ਤੋਂ ਪਹਿਲੇ ਮਨੁੱਖੀ ਜਵਾਬ ਤੱਕ ਦੇ ਘੰਟੇ ਦੀ ਮਿਡੀਅਨ, ਸਿਰਫ਼ ਕਾਰੋਬਾਰੀ ਦਿਨ |
ਇਹ ਪਰਿਭਾਸ਼ਾਵਾਂ ਆਪਣੇ ਪ੍ਰੋਂਪਟ ਵਿੱਚ ਪਾਓ। ਨਹੀਂ ਤਾਂ AI ਇੱਕ ਵਾਜਬ ਲੱਗਦਾ ਹਿਸਾਬ ਚੁਣ ਲਵੇਗਾ ਜੋ ਤੁਹਾਡਾ ਕਾਰੋਬਾਰ ਗਿਣਤੀ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨਾਲ ਮੇਲ ਨਾ ਖਾਵੇ।
ਡਾਟਾ ਕਿੱਥੋਂ ਆਉਂਦਾ ਹੈ
| ਸਰੋਤ | ਡੈਸ਼ਬੋਰਡ ਇਸਨੂੰ ਕਿਵੇਂ ਪੜ੍ਹਦਾ ਹੈ | ਧਿਆਨ ਰੱਖੋ |
|---|---|---|
| ਤੁਹਾਡੀ ਐਪ ਦਾ ਆਪਣਾ ਡਾਟਾਬੇਸ | ਸਿੱਧੀਆਂ ਕੁਐਰੀਆਂ | ਭਾਰੀ ਕੁਐਰੀਆਂ ਮੁੱਖ ਐਪ ਨੂੰ ਹੌਲੀ ਕਰ ਸਕਦੀਆਂ ਹਨ; ਲੋੜ ਹੋਵੇ ਤਾਂ ਸਾਰ ਟੇਬਲ ਜੋੜੋ |
| ਸਪ੍ਰੈੱਡਸ਼ੀਟ | CSV ਵਜੋਂ ਇੰਪੋਰਟ, ਜਾਂ API ਰਾਹੀਂ ਪੜ੍ਹਨਾ | ਹੱਥੀਂ ਸੋਧਾਂ ਫਾਰਮੈਟ ਤੋੜਦੀਆਂ ਹਨ; ਜੋੜ ਵਾਲੀਆਂ ਕਤਾਰਾਂ ਅਤੇ ਮਿਲਾਏ ਸੈੱਲ |
| SaaS ਟੂਲ (Stripe, HubSpot, Shopify, Google Analytics) | ਤੁਹਾਡੀ API ਕੁੰਜੀ ਨਾਲ ਉਨ੍ਹਾਂ ਦੀਆਂ APIs | ਰੇਟ ਲਿਮਿਟ, ਪੇਜੀਨੇਸ਼ਨ, ਅਤੇ ਹਰ ਟੂਲ ਦਾ ਮੈਟ੍ਰਿਕ ਆਪਣੇ ਢੰਗ ਨਾਲ ਪਰਿਭਾਸ਼ਤ ਕਰਨਾ |
| ਡਾਟਾ ਵੇਅਰਹਾਊਸ (BigQuery, Snowflake, Postgres) | ਸਰਵਰ-ਸਾਈਡ ਕਨੈਕਸ਼ਨ ਰਾਹੀਂ SQL | ਕ੍ਰੈਡੈਂਸ਼ੀਅਲ ਅਤੇ ਕੁਐਰੀ ਦੀ ਲਾਗਤ |
ਦੋ ਸਿਧਾਂਤ ਹਰ ਥਾਂ ਲਾਗੂ ਹੁੰਦੇ ਹਨ:
- ਕੁੰਜੀਆਂ ਸਰਵਰ 'ਤੇ ਰੱਖੋ। API ਕੁੰਜੀਆਂ ਅਤੇ ਡਾਟਾਬੇਸ ਪਾਸਵਰਡ ਐਪ ਦੇ ਐਨਵਾਇਰਨਮੈਂਟ ਵੇਰੀਏਬਲਾਂ ਵਿੱਚ ਰਹਿਣੇ ਚਾਹੀਦੇ ਹਨ, ਬ੍ਰਾਊਜ਼ਰ ਕੋਡ ਵਿੱਚ ਕਦੇ ਨਹੀਂ।
- ਤਾਜ਼ਗੀ ਦਾ ਫੈਸਲਾ ਕਰੋ। ਹਰ ਪੰਨਾ ਲੋਡ ਹੋਣ 'ਤੇ ਕਈ APIs ਤੋਂ ਡਾਟਾ ਖਿੱਚਣਾ ਹੌਲੀ ਹੈ ਅਤੇ ਰੇਟ ਲਿਮਿਟ ਤੱਕ ਪਹੁੰਚ ਸਕਦਾ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਕਾਰੋਬਾਰੀ ਡੈਸ਼ਬੋਰਡਾਂ ਲਈ, ਹਰ ਘੰਟੇ ਜਾਂ ਰਾਤ ਨੂੰ ਆਪਣੇ ਡਾਟਾਬੇਸ ਵਿੱਚ ਸਿੰਕ, ਅਤੇ ਪੰਨੇ 'ਤੇ "ਆਖਰੀ ਅੱਪਡੇਟ" ਸਮਾਂ, ਸਰਲ ਅਤੇ ਭਰੋਸੇਯੋਗ ਹੈ।
ਜੇ APIs ਤੁਹਾਡੇ ਲਈ ਨਵੀਆਂ ਹਨ, ਤਾਂ API ਕੀ ਹੁੰਦੀ ਹੈ ਅਤੇ ਡਾਟਾਬੇਸ ਕੀ ਹੁੰਦਾ ਹੈ ਬੁਨਿਆਦੀ ਗੱਲਾਂ ਸਮਝਾਉਂਦੇ ਹਨ।
ਸਹੀ ਚਾਰਟ ਚੁਣੋ
- ਬਦਲਾਅ ਵਾਲਾ ਇੱਕ ਨੰਬਰ ("$42k, ਪਿਛਲੇ ਮਹੀਨੇ ਨਾਲੋਂ 8% ਵਧਿਆ") — ਇੱਕ KPI ਕਾਰਡ। ਜ਼ਿਆਦਾਤਰ ਡੈਸ਼ਬੋਰਡਾਂ 'ਤੇ ਇਹ ਸਭ ਤੋਂ ਲਾਭਦਾਇਕ ਤੱਤ ਹੈ।
- ਸਮੇਂ ਨਾਲ ਰੁਝਾਨ — ਲਾਈਨ ਚਾਰਟ। ਬਾਰ ਸਿਰਫ਼ ਥੋੜ੍ਹੇ ਸਮੇਂ ਲਈ ਵਰਤੋ।
- ਸ਼੍ਰੇਣੀਆਂ ਦੀ ਤੁਲਨਾ — ਖਿਤਿਜੀ ਬਾਰ ਚਾਰਟ, ਮੁੱਲ ਅਨੁਸਾਰ ਛਾਂਟਿਆ।
- ਕਿਸੇ ਪੂਰੇ ਦਾ ਹਿੱਸਾ — ਸਟੈਕਡ ਬਾਰ। ਪਾਈ ਚਾਰਟ ਸਿਰਫ਼ ਦੋ-ਤਿੰਨ ਟੁਕੜਿਆਂ ਲਈ ਕੰਮ ਕਰਦਾ ਹੈ।
- ਵੇਰਵਾ ਅਤੇ ਅਪਵਾਦ — ਕ੍ਰਮਬੱਧ, ਖੋਜ ਅਤੇ ਫਿਲਟਰ ਵਾਲੀ ਟੇਬਲ। ਅਕਸਰ ਕਿਸੇ ਵੀ ਚਾਰਟ ਨਾਲੋਂ ਵੱਧ ਲਾਭਦਾਇਕ।
ਰੰਗ ਇਕਸਾਰ ਰੱਖੋ: "ਇਹ ਸਮਾਂ" ਲਈ ਇੱਕ ਰੰਗ, "ਤੁਲਨਾ" ਲਈ ਇੱਕ ਹਲਕਾ ਰੰਗ, ਅਤੇ ਲਾਲ ਸਿਰਫ਼ ਉਨ੍ਹਾਂ ਗੱਲਾਂ ਲਈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਧਿਆਨ ਚਾਹੀਦਾ ਹੈ।
ਕੌਣ ਕੀ ਵੇਖੇ
ਬਣਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਪਹੁੰਚ ਤੈਅ ਕਰੋ:
- ਅੰਦਰੂਨੀ, ਹਰ ਕੋਈ ਸਭ ਕੁਝ ਵੇਖੇ — ਸਭ ਤੋਂ ਸਧਾਰਨ। ਕਾਰੋਬਾਰੀ ਡਾਟਾ ਹੋਵੇ ਤਾਂ ਫਿਰ ਵੀ ਲੌਗਇਨ ਚਾਹੀਦਾ ਹੈ।
- ਭੂਮਿਕਾ ਅਧਾਰਿਤ — ਸੇਲਜ਼ ਸੇਲਜ਼ ਦੇ ਨੰਬਰ ਵੇਖੇ, ਵਿੱਤ ਮਾਰਜਿਨ ਵੇਖੇ, ਮੈਨੇਜਰ ਆਪਣੀ ਟੀਮ ਵੇਖਣ।
- ਗਾਹਕਾਂ ਵੱਲ ਦਿਖਣ ਵਾਲਾ — ਹਰ ਗਾਹਕ ਸਿਰਫ਼ ਆਪਣਾ ਡਾਟਾ ਵੇਖੇ। ਹਰ ਕੁਐਰੀ ਨੂੰ ਸਰਵਰ 'ਤੇ ਗਾਹਕ ਦੇ ਖਾਤੇ ਨਾਲ ਫਿਲਟਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਦੋ ਵੱਖ-ਵੱਖ ਗਾਹਕਾਂ ਵਜੋਂ ਲੌਗਇਨ ਕਰਕੇ ਜਾਂਚੋ।
ਜੇ ਕਿਸੇ ਜਨਤਕ URL 'ਤੇ ਬਿਨਾਂ ਲੌਗਇਨ ਦੇ ਮਾਲੀਆ ਜਾਂ ਗਾਹਕ ਡਾਟਾ ਹੋਵੇ, ਤਾਂ ਇਹ ਉਹ ਡਾਟਾ ਲੀਕ ਹੈ ਜੋ ਲੱਭੇ ਜਾਣ ਦੀ ਉਡੀਕ ਕਰ ਰਿਹਾ ਹੈ।
ਇੱਕ ਪਹਿਲਾ ਪ੍ਰੋਂਪਟ ਜੋ ਕੰਮ ਕਰਦਾ ਹੈ
ਇੱਕ 10 ਜਣਿਆਂ ਦੀ B2B ਸੌਫਟਵੇਅਰ ਕੰਪਨੀ ਲਈ ਸੇਲਜ਼ ਡੈਸ਼ਬੋਰਡ ਬਣਾਓ। ਦਰਸ਼ਕ: ਬਾਨੀ ਅਤੇ ਸੇਲਜ਼ ਲੀਡ, ਜੋ ਹਰ ਸੋਮਵਾਰ ਇਸਨੂੰ ਵੇਖਦੇ ਹਨ। ਓਵਰਵਿਊ ਪੰਨਾ: ਇਸ ਮਹੀਨੇ ਦਾ ਨਵਾਂ MRR, ਕੁੱਲ MRR, ਇਸ ਮਹੀਨੇ ਦੇ ਨਵੇਂ ਗਾਹਕ, ਇਸ ਮਹੀਨੇ ਚਰਨ ਹੋਏ ਗਾਹਕ ਅਤੇ ਪਾਈਪਲਾਈਨ ਮੁੱਲ ਲਈ KPI ਕਾਰਡ, ਹਰ ਇੱਕ ਪਿਛਲੇ ਮਹੀਨੇ ਨਾਲ ਤੁਲਨਾ ਸਮੇਤ; ਪਿਛਲੇ 12 ਮਹੀਨਿਆਂ ਦੇ MRR ਦਾ ਲਾਈਨ ਚਾਰਟ; ਸਰੋਤ ਅਨੁਸਾਰ ਨਵੀਆਂ ਡੀਲਾਂ ਦਾ ਬਾਰ ਚਾਰਟ। Deals ਪੰਨਾ: ਖੋਜਣਯੋਗ, ਛਾਂਟਣਯੋਗ ਟੇਬਲ (ਕੰਪਨੀ, ਮਾਲਕ, ਮੁੱਲ, ਪੜਾਅ, ਬੰਦ ਮਿਤੀ) ਅਤੇ ਮਾਲਕ ਤੇ ਪੜਾਅ ਅਨੁਸਾਰ ਫਿਲਟਰ। ਮੈਟ੍ਰਿਕ ਪਰਿਭਾਸ਼ਾਵਾਂ: MRR ਸਰਗਰਮ ਮਾਸਿਕ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਰਕਮਾਂ ਦਾ ਜੋੜ ਹੈ, ਸਾਲਾਨਾ ਪਲਾਨ 12 ਨਾਲ ਭਾਗ ਕੀਤੇ ਹੋਏ; ਚਰਨ ਉਹ ਗਾਹਕ ਗਿਣਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਦੀ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਇਸ ਮਹੀਨੇ ਖਤਮ ਹੋਈ। ਹੁਣ ਲਈ ਡਾਟਾਬੇਸ ਵਿੱਚ ਅਸਲ-ਜਿਹਾ ਨਮੂਨਾ ਡਾਟਾ ਵਰਤੋ, Stripe ਨੂੰ ਬਾਅਦ ਵਿੱਚ ਜੋੜਾਂਗੇ। "ਆਖਰੀ ਅੱਪਡੇਟ" ਸਮਾਂ ਵਿਖਾਓ। ਲੌਗਇਨ ਜ਼ਰੂਰੀ। ਸਾਫ਼ ਸਾਈਡਬਾਰ ਲੇਆਉਟ।
ਬਣਾਉਣ ਦੇ ਕਦਮ
- ਨਮੂਨਾ ਡਾਟੇ ਨਾਲ ਲੇਆਉਟ। ਮੈਟ੍ਰਿਕ ਅਤੇ ਚਾਰਟਾਂ 'ਤੇ ਸਹਿਮਤ ਹੋਵੋ ਜਦੋਂ ਡਾਟਾ ਨਕਲੀ ਅਤੇ ਬਦਲਣਾ ਸਸਤਾ ਹੈ।
- ਇੱਕ ਅਸਲ ਸਰੋਤ ਜੋੜੋ। ਹਰ ਨੰਬਰ ਨੂੰ ਹੱਥੀਂ ਸਰੋਤ ਸਿਸਟਮ ਨਾਲ ਮਿਲਾਓ। ਜੇ MRR Stripe ਵਿੱਚ ਵੇਖੇ ਨਾਲੋਂ ਵੱਖਰਾ ਹੈ, ਤਾਂ ਅੱਗੇ ਵਧਣ ਤੋਂ ਪਹਿਲਾਂ ਕਾਰਨ ਲੱਭੋ।
- ਹੋਰ ਸਰੋਤ ਜੋੜੋ, ਇੱਕ-ਇੱਕ ਕਰਕੇ, ਹਰ ਇੱਕ ਦੀ ਜਾਂਚ ਨਾਲ।
- ਸਮਾਂ-ਸਾਰਣੀ ਅਨੁਸਾਰ ਰਿਫ੍ਰੈਸ਼ ਜਾਂ ਲੋਡ 'ਤੇ ਕੁਐਰੀਆਂ, "ਆਖਰੀ ਅੱਪਡੇਟ" ਲੇਬਲ ਨਾਲ।
- ਫਿਲਟਰ — ਪਹਿਲਾਂ ਮਿਤੀ ਰੇਂਜ, ਫਿਰ ਇੱਕ-ਦੋ ਹੋਰ ਜੋ ਲੋਕ ਮੰਗਦੇ ਹਨ।
- ਲੌਗਇਨ ਅਤੇ ਭੂਮਿਕਾਵਾਂ।
- ਖਾਲੀ ਅਤੇ ਗਲਤੀ ਵਾਲੀਆਂ ਹਾਲਤਾਂ — ਜਦੋਂ ਕੋਈ ਸਰੋਤ ਬੰਦ ਹੋਵੇ ਜਾਂ ਫਿਲਟਰ ਕੁਝ ਨਾ ਲੱਭੇ ਤਾਂ ਪੰਨਾ ਕੀ ਵਿਖਾਵੇ।
- ਦਰਸ਼ਕਾਂ ਨਾਲ ਸਾਂਝਾ ਕਰੋ, ਫਿਰ ਉਹ ਹਟਾਓ ਜਿਸਨੂੰ ਇੱਕ ਮਹੀਨੇ ਬਾਅਦ ਕੋਈ ਨਹੀਂ ਵੇਖਦਾ।
ਤੇਜ਼ ਬਣਾਉਣਾ
ਹੌਲੀ ਡੈਸ਼ਬੋਰਡ ਘੱਟ ਵੇਖਿਆ ਜਾਂਦਾ ਹੈ। ਮਹਿੰਗੇ ਜੋੜਾਂ ਨੂੰ ਪਹਿਲਾਂ ਹੀ ਗਿਣੋ (ਹਰ ਆਰਡਰ ਸਕੈਨ ਕਰਨ ਦੀ ਥਾਂ ਰੋਜ਼ਾਨਾ ਸਾਰ ਟੇਬਲ), ਵੱਡੀਆਂ ਟੇਬਲਾਂ ਨੂੰ ਪੰਨਿਆਂ ਵਿੱਚ ਵੰਡੋ, ਅਤੇ ਮੁੱਖ ਕਾਰਡ ਪਹਿਲਾਂ ਲੋਡ ਕਰੋ ਤਾਂ ਜੋ ਚਾਰਟ ਪੂਰੇ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਵੀ ਪੰਨਾ ਕੰਮ ਦਾ ਹੋਵੇ। ਜੇ ਕੋਈ ਨੰਬਰ ਹਿਸਾਬ ਕਰਨ ਵਿੱਚ ਲੰਮਾ ਸਮਾਂ ਲਵੇ, ਤਾਂ ਹਰ ਵਾਰ ਦੁਬਾਰਾ ਗਿਣਨ ਦੀ ਥਾਂ ਵਿਖਾਓ ਕਿ ਉਹ ਆਖਰੀ ਵਾਰ ਕਦੋਂ ਗਿਣਿਆ ਗਿਆ ਸੀ।
ਆਮ ਗਲਤੀਆਂ
- ਬਹੁਤ ਸਾਰੇ ਚਾਰਟ। ਜੇ ਸਭ ਕੁਝ ਉਭਾਰਿਆ ਹੈ, ਤਾਂ ਕੁਝ ਵੀ ਉਭਰਦਾ ਨਹੀਂ।
- ਅਪਰਿਭਾਸ਼ਤ ਮੈਟ੍ਰਿਕ। ਇੱਕੋ ਡੈਸ਼ਬੋਰਡ ਪੜ੍ਹਨ ਵਾਲੇ ਦੋ ਲੋਕ ਇੱਕੋ ਸਿੱਟੇ 'ਤੇ ਪਹੁੰਚਣੇ ਚਾਹੀਦੇ ਹਨ।
- ਸਰੋਤ ਨਾਲ ਨੰਬਰ ਨਾ ਮਿਲਾਉਣਾ। ਇੱਕ ਗਲਤ ਅੰਕੜਾ ਅਤੇ ਲੋਕ ਪੂਰੇ ਡੈਸ਼ਬੋਰਡ 'ਤੇ ਭਰੋਸਾ ਛੱਡ ਦਿੰਦੇ ਹਨ।
- ਹਰ ਪੰਨਾ ਲੋਡ 'ਤੇ ਹਰ API ਨੂੰ ਕੁਐਰੀ ਕਰਨਾ। ਹੌਲੀ, ਨਾਜ਼ੁਕ ਅਤੇ ਕਈ ਵਾਰ ਮਹਿੰਗਾ।
- ਤਾਰੀਖ ਦਾ ਸੰਦਰਭ ਨਾ ਹੋਣਾ। ਹਮੇਸ਼ਾ ਮਿਆਦ ਅਤੇ ਤੁਲਨਾ ਵਿਖਾਓ।
- ਫਰੰਟਐਂਡ ਵਿੱਚ ਸੀਕ੍ਰੇਟ। ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਵਿਖਦੀ API ਕੁੰਜੀ ਪੰਨਾ ਖੋਲ੍ਹਣ ਵਾਲਾ ਕੋਈ ਵੀ ਨਕਲ ਕਰ ਸਕਦਾ ਹੈ।
ਕਦੋਂ BI ਟੂਲ ਬਿਹਤਰ ਹੈ
ਜੇ ਤੁਹਾਡਾ ਡਾਟਾ ਪਹਿਲਾਂ ਹੀ ਡਾਟਾਬੇਸ ਜਾਂ ਵੇਅਰਹਾਊਸ ਵਿੱਚ ਹੈ ਅਤੇ ਮੁੱਖ ਵਰਤੋਂਕਾਰ ਵਿਸ਼ਲੇਸ਼ਕ ਹਨ ਜੋ ਇਸਨੂੰ ਖੰਗਾਲਣਾ, ਕੱਟਣਾ ਅਤੇ ਆਪਣੇ ਚਾਰਟ ਬਣਾਉਣਾ ਚਾਹੁੰਦੇ ਹਨ, ਤਾਂ Looker Studio, Power BI, Metabase ਅਤੇ ਹੋਰ BI ਟੂਲ ਉਨ੍ਹਾਂ ਲਈ ਕਸਟਮ ਬਣਾਉਣ ਨਾਲੋਂ ਬਿਹਤਰ ਹਨ। ਕਈ SaaS ਟੂਲਾਂ ਵਿੱਚ ਵਧੀਆ ਬਿਲਟ-ਇਨ ਰਿਪੋਰਟਾਂ ਵੀ ਹੁੰਦੀਆਂ ਹਨ; ਦੁਬਾਰਾ ਬਣਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਉਨ੍ਹਾਂ ਨੂੰ ਵੇਖੋ। ਕਸਟਮ ਡੈਸ਼ਬੋਰਡ ਉਦੋਂ ਜਿੱਤਦਾ ਹੈ ਜਦੋਂ ਇਹ ਗਾਹਕਾਂ ਜਾਂ ਗੈਰ-ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਲਈ ਹੋਵੇ, ਅਜਿਹੀ ਲਾਜਿਕ ਜਾਂ ਇਜਾਜ਼ਤਾਂ ਚਾਹੀਦੀਆਂ ਹੋਣ ਜੋ BI ਟੂਲ ਪ੍ਰਗਟ ਨਹੀਂ ਕਰ ਸਕਦਾ, ਅਜਿਹੇ ਸਰੋਤਾਂ ਨੂੰ ਮਿਲਾਉਂਦਾ ਹੋਵੇ ਜੋ ਤੁਹਾਡੇ ਕਾਰੋਬਾਰ ਲਈ ਖਾਸ ਹਨ, ਜਾਂ ਕਿਸੇ ਉਤਪਾਦ ਦੇ ਅੰਦਰ ਹੋਵੇ ਜੋ ਤੁਸੀਂ ਪਹਿਲਾਂ ਹੀ ਚਲਾਉਂਦੇ ਹੋ।
ਜੇ ਕੰਮ ਨੰਬਰ ਵੇਖਣ ਦੀ ਥਾਂ ਰਿਕਾਰਡ ਬਦਲਣ ਦਾ ਹੈ, ਤਾਂ ਇਸਦੀ ਥਾਂ ਐਡਮਿਨ ਪੈਨਲ ਜਾਂ ਅੰਦਰੂਨੀ ਟੂਲ ਚਾਹੀਦਾ ਹੈ; ਵੇਖੋ ਅੰਦਰੂਨੀ ਟੂਲ ਕਿਵੇਂ ਬਣਾਉਣਾ ਹੈ। ਅਤੇ ਜੇ ਤੁਹਾਡੇ ਨੰਬਰ ਅੱਜ ਸਪ੍ਰੈੱਡਸ਼ੀਟ ਵਿੱਚ ਹਨ, ਤਾਂ ਸਪ੍ਰੈੱਡਸ਼ੀਟ ਨੂੰ ਐਪ ਵਿੱਚ ਕਿਵੇਂ ਬਦਲਣਾ ਹੈ ਅਗਲਾ ਚੰਗਾ ਪੜ੍ਹਨ ਹੈ।
Mythex ਨਾਲ ਬਣਾਉਣਾ
Mythex 'ਤੇ ਤੁਸੀਂ ਡੈਸ਼ਬੋਰਡ ਨੂੰ ਚੈਟ ਵਿੱਚ ਦੱਸਦੇ ਹੋ ਅਤੇ ਏਜੰਟ ਲਾਈਵ ਪ੍ਰੀਵਿਊ ਵਿੱਚ ਪੰਨੇ ਅਤੇ ਚਾਰਟ ਬਣਾਉਂਦਾ ਹੈ, ਅਸਲ-ਜਿਹੇ ਨਮੂਨਾ ਡਾਟੇ ਨਾਲ ਸ਼ੁਰੂ ਕਰਕੇ। ਜਦੋਂ ਨੰਬਰਾਂ ਨੂੰ ਸੰਭਾਲਣ ਦੀ ਲੋੜ ਪਵੇ, ਤਾਂ ਇੱਕ ਸਮਰਪਿਤ Postgres ਡਾਟਾਬੇਸ 'ਤੇ ਚਲੇ ਜਾਂਦਾ ਹੈ। ਡੌਕਸ ਦਾ ਡੈਸ਼ਬੋਰਡ ਵਰਤੋਂ-ਕੇਸ ਸ਼ੁਰੂਆਤੀ ਪ੍ਰੋਂਪਟ ਦਿੰਦਾ ਹੈ। ਜੇ ਤੁਹਾਡਾ ਡਾਟਾ Google Sheets ਵਰਗੇ ਟੂਲ ਵਿੱਚ ਹੈ, ਤਾਂ ਤੁਸੀਂ Connectors ਰਾਹੀਂ ਖਾਤਾ ਜੋੜ ਸਕਦੇ ਹੋ ਅਤੇ ਏਜੰਟ ਨੂੰ ਉਸ ਤੋਂ ਡੈਸ਼ਬੋਰਡ ਬਣਾਉਣ ਲਈ ਕਹਿ ਸਕਦੇ ਹੋ।
ਐਪ ਲਈ ਬਿਲਟ-ਇਨ ਵੇਅਰਹਾਊਸ ਕਨੈਕਟਰ ਨਹੀਂ ਹਨ; BigQuery, Snowflake, Stripe ਅਤੇ ਹੋਰਾਂ ਲਈ ਐਪ ਉਨ੍ਹਾਂ ਦੀਆਂ APIs ਨੂੰ ਕਾਲ ਕਰਦੀ ਹੈ, ਉਹਨਾਂ ਕੁੰਜੀਆਂ ਨਾਲ ਜੋ ਤੁਸੀਂ ਪ੍ਰੋਜੈਕਟ ਸੀਕ੍ਰੇਟ ਵਜੋਂ ਸਟੋਰ ਕਰਦੇ ਹੋ। ਡੈਸ਼ਬੋਰਡ ਵੇਖਣ ਵਾਲੇ ਲੋਕਾਂ ਲਈ ਲੌਗਇਨ ਅਤੇ ਭੂਮਿਕਾਵਾਂ ਉਸ ਐਪ ਦਾ ਹਿੱਸਾ ਹਨ ਜੋ ਤੁਸੀਂ ਬਣਾਉਂਦੇ ਹੋ। ਪ੍ਰੋਂਪਟ ਤੋਂ ਸ਼ੁਰੂ ਕਰਨ ਲਈ, ਡੈਸ਼ਬੋਰਡ ਟੈਮਪਲੇਟ ਵੇਖੋ, ਜਿਵੇਂ ਮੈਟ੍ਰਿਕ ਡੈਸ਼ਬੋਰਡ।
ਸਵਾਲ
ਡੈਸ਼ਬੋਰਡ ਕਿਵੇਂ ਬਣਾਵਾਂ?
ਤੈਅ ਕਰੋ ਕਿ ਡੈਸ਼ਬੋਰਡ ਕਿਸ ਲਈ ਹੈ ਅਤੇ ਇਸਨੂੰ ਕਿਹੜੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣੇ ਹਨ, ਕੁਝ ਮੈਟ੍ਰਿਕ ਸਹੀ ਪਰਿਭਾਸ਼ਾਵਾਂ ਨਾਲ ਚੁਣੋ, ਡਾਟਾ ਸਰੋਤ ਜੋੜੋ, ਫਿਰ ਹਰ ਮੈਟ੍ਰਿਕ ਲਈ ਚਾਰਟ ਚੁਣੋ। ਇਹ ਪਤਾ ਹੋਣ 'ਤੇ AI ਐਪ ਬਿਲਡਰ ਪੰਨੇ ਅਤੇ ਚਾਰਟ ਬਣਾ ਸਕਦਾ ਹੈ।
ਡੈਸ਼ਬੋਰਡ ਵਿੱਚ ਕਿੰਨੇ KPI ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ?
ਇੰਨੇ ਕਿ ਕੋਈ ਇੱਕ ਨਜ਼ਰ ਵਿੱਚ ਸਮਝ ਲਵੇ, ਅਕਸਰ ਮੁੱਖ ਦ੍ਰਿਸ਼ 'ਤੇ ਪੰਜ ਤੋਂ ਸੱਤ। ਵੇਰਵਾ ਵੱਖਰੇ ਪੰਨਿਆਂ 'ਤੇ ਰੱਖੋ, ਜੋ ਲੋਕ ਉਦੋਂ ਖੋਲ੍ਹਣ ਜਦੋਂ ਕੋਈ ਮੁੱਖ ਨੰਬਰ ਗਲਤ ਲੱਗੇ।
ਕੀ ਮੈਂ ਕਸਟਮ ਡੈਸ਼ਬੋਰਡ ਬਣਾਵਾਂ ਜਾਂ BI ਟੂਲ ਵਰਤਾਂ?
ਜਦੋਂ ਤੁਹਾਡਾ ਡਾਟਾ ਪਹਿਲਾਂ ਹੀ ਕਿਸੇ ਸਮਰਥਿਤ ਡਾਟਾਬੇਸ ਜਾਂ ਵੇਅਰਹਾਊਸ ਵਿੱਚ ਹੋਵੇ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਕ ਉਸਨੂੰ ਖੰਗਾਲਣਗੇ, ਤਾਂ Looker Studio, Power BI ਜਾਂ Metabase ਵਰਗਾ BI ਟੂਲ ਵਰਤੋ। ਕਸਟਮ ਡੈਸ਼ਬੋਰਡ ਉਦੋਂ ਬਣਾਓ ਜਦੋਂ ਇਹ ਗਾਹਕਾਂ ਜਾਂ ਗੈਰ-ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਲਈ ਹੋਵੇ, ਤੁਹਾਡੀ ਆਪਣੀ ਲਾਜਿਕ ਜਾਂ ਇਜਾਜ਼ਤਾਂ ਚਾਹੀਦੀਆਂ ਹੋਣ, ਜਾਂ ਕਿਸੇ ਪਹਿਲਾਂ ਤੋਂ ਚੱਲਦੀ ਐਪ ਦੇ ਅੰਦਰ ਹੋਵੇ।
ਕੀ ਡੈਸ਼ਬੋਰਡ ਲਾਈਵ ਡਾਟਾ ਵਿਖਾ ਸਕਦਾ ਹੈ?
ਹਾਂ, ਜੇ ਇਹ ਪੰਨਾ ਲੋਡ ਹੋਣ ਜਾਂ ਕਿਸੇ ਰਿਫ੍ਰੈਸ਼ ਅੰਤਰਾਲ 'ਤੇ ਡਾਟਾਬੇਸ ਜਾਂ API ਤੋਂ ਪੜ੍ਹਦਾ ਹੈ। ਬਹੁਤ ਸਾਰੇ ਕਾਰੋਬਾਰੀ ਡੈਸ਼ਬੋਰਡਾਂ ਲਈ ਹਰ ਘੰਟੇ ਜਾਂ ਹਰ ਦਿਨ ਰਿਫ੍ਰੈਸ਼ ਹੋਇਆ ਡਾਟਾ ਕਾਫ਼ੀ ਹੈ, ਅਤੇ ਇਹ ਚਲਾਉਣ ਵਿੱਚ ਸੌਖਾ ਅਤੇ ਸਸਤਾ ਹੈ।