IBCS-rapportering for visualisering av forretningsdata i LuckyTemplates

I dag vil vi ha en rask introduksjon til IBCS, som står for International Business Communication Standards. Dette er de høyeste standardene for visualisering av forretningsdata. I denne opplæringen lærer du hvordan du lager klare og konsistente rapporter i LuckyTemplates ved å følge IBCS-rapporteringen. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.

I dag samler vi inn og lagrer mye forretningsdata, men mens vi gjør det, møter vi utfordringen med å presentere den, forstå den og ta de riktige beslutningene raskere. Ved å følge IBCS-rapporteringen vil du oppnå klarhet og konsistens på tvers av hele organisasjonen.

La oss snakke om informasjonsdesign og inspirasjonen bak IBCS. Tanken er å ha konsistent datarepresentasjon. Det er konsistens på andre områder som kart, trafikkskilt, musikalske mønstre osv. fordi de alle har standard design og representasjoner. Men hva med i næringslivet? Det er ingen konsistens og ingen klarhet og ingen avtalte mønstre i virksomhetsrapportering.

Vi har forskjellige salgsdashboards og økonomiske rapporter, forskjellige KPI-dashboards, forskjellige programvaresystemer, datarepresentasjon, legende-ideer osv. Vi har forskjellige måter å presentere dataene på. Og løsningen for dette er et akseptert og veletablert mønster, som er IBCS-rapporteringsstandardene.

IBCS legger vekt på hvordan man skal representere meldinger og titler, hvordan man viser tid og struktur, hvordan man representerer forskjellige tidsperioder, hvilke diagrammer som skal brukes i hvilket tilfelle, hvordan man merker effektivt, og hvor man plasserer disse etikettene.

Når vi har å gjøre med å gjenkjenne mønstrene, ønsker vi å beholde den konsistente representasjonen. Hvis vi viser faktiske data, prognosedata, planlagte data eller tidligere periodedata, vil vi umiddelbart kunne gjenkjenne dem gjennom mønstergjenkjenninger. Dette er et av nøkkelelementene i disse standardene.

I resultatrapportering er det veldig viktig å fremheve variansen. Som du vet, foregår det meste av handlingen der. Skalering er også avgjørende for å vurdere visualisering av forretningsdata. Hvis du ikke skalerer konsekvent over hele dashbordet, kan du raskt få et skjevt syn på ytelsen din. Til slutt ønsker du å kunne fremheve de viktigste delene av dashbordene dine, de største endringene og avvikene, og så videre.

Innholdsfortegnelse

• Implementering av IBCS-rapporteringsstandardene i LuckyTemplates
• Konklusjon

Implementering av IBCS-rapporteringsstandardene i LuckyTemplates

La oss først se på et eksempel på en rapport som ikke lever opp til standardene. Dette er et typisk salgsdashbord utført i.

Vi har her noen tidsrepresentasjoner og noen slicere på toppen. Så har vi salgstallene. Vi kan se at vi har 1,9 millioner i omsetning. Vi er lønnsomme og vi har noen kvanta her. Vi har oppdelingene etter forskjellige stater, tidsrammer og noen underkategorier også.

Ethvert dashbord bør imidlertid svare på enkle spørsmål, for eksempel: Er salgsresultatene mine gode eller dårlige? Hvor bra eller dårlig er det? Hvorfor er det slik, og hva skal vi gjøre med det?

Og hvis vi prøver å svare på disse spørsmålene ved å bruke dette dashbordet, ser vi raskt at vi har noen hindringer. Ja, vi ser at vi er lønnsomme, men hva om våre profittmål for denne tidsperioden var for eksempel 300 000, eller om salget skulle være 20 % høyere? Vi får rett og slett ikke denne informasjonen fra et dashbord som dette.

Hvis vi ikke kan avgjøre om salgsresultatene våre er gode eller dårlige, hvordan kan vi da vite hvor bra eller dårlig den er? Å prøve å forstå disse salgstallene ved forskjellige sammenbrudd, for eksempel å bruke et smultringdiagram eller et trekart eller en strukturell akse kombinert med linjediagrammene kan være veldig forvirrende og gir ikke den nødvendige informasjonen for å forstå hvorfor vi oppnådde disse tallene.

En ting som er ganske vanlig er å bruke donordiagrammene. De er ideelle når du sammenligner maksimalt tre elementer. En bedre visualiseringstype ville være bare en enkel kolonne eller stolpediagram fordi du enkelt kan sammenligne forskjellene i høyder eller lengder.

Trekartvisualiseringen kan ta en stor del av dashbordet. Bortsett fra volumet, gir det oss ikke mye informasjon. Dessuten vil jeg her peke på bruken av farger. Fargene i rapporten din er ikke bare for visuell appell, men de bør representere noe vesentlig.

Dessuten kan det virkelig være forvirrende å blande akser med tid og struktur. Vanligvis representerer vi tid på en horisontal måte, og vi forstår at den går fra venstre til høyre. Men hvis du blander det med strukturelle elementer (som dette kombinasjonsdiagrammet nederst), spesielt når du kombinerer det med linjediagrammer, kan det raskt gi deg en feil ide om hva som faktisk skjer. Korrelasjonen her angitt med linjen er feil.

La oss nå se på et lignende sett med data, men gjort riktig i dette tilfellet. I denne rapporten nedenfor vil du umiddelbart se at spørsmålene våre kan besvares.

Vi har KPI på toppen som forteller oss nøyaktig hvor god eller dårlig salgsresultatet vårt er. Vi kan se at vi ligger 1,1 millioner under planen. Vi vet at det er dårlig fordi vi bruker en konsekvent representasjon av fargene og meningen bak fargene er standardisert. Vi kan raskt forstå og få oppmerksomheten vår fokusert på hvor de faktiske avvikene skjer, hva som skjer og hva vi trenger å forstå fra dashbordet.

Vi kan fort se at fra januar til august er det noen opp og ned trender, men det er mer rød farge enn grønn. Vi kan også se i tabellvisuelt at nedbrytningen er skalert. Det gjør det enkelt for oss å se avvikene i forhold til størrelsen. Vi kan forstå hvorfor vi har underprestasjoner.

Her er et annet eksempel på en handlingsbar rapport som bruker IBCS-rapporteringsstandardene. Denne rapporten er et veldig godt eksempel på å prøve å forstå og sammenligne ulike kategorier.

Som du kan se, bruker denne rapporten små multipler-funksjonaliteten. Alle disse diagrammene er satt på konsekvente skalaer, og vi kan visuelt sammenligne høydene til en kolonne med en annen. Dette gir oss muligheten til raskt, bare fra et blikk, å forstå virkningen av våre forskjellige kategorier fordi alt er konsekvent skalert.

Konklusjon

I dagens veiledning har du lært viktigheten av å implementere IBCS-rapporteringsstandardene i . Implementering av IBCS gjør dataene og rapportene dine mye enklere å forstå.

Du vil kunne se sammenbruddene tydelig, dataene er sortert ut, og farger og mønstre er standardiserte. Avvikene er også klare fordi alt er skalert riktig. Å bruke Small Multiples-visualisering i stedet for trekartene og spaghettidiagrammene er en mye mer effektiv måte å vise dataene dine på.

Jeg håper du finner dette nyttig. Hvis du er interessert i IBCS-rapporteringen, se hele videoen nedenfor og sjekk ut de relaterte lenkene nedenfor.

Jubel!

LuckyTemplates-teamet