外觀
Data Science › Data Communication › Dashboard 設計
Dashboard 設計 (Dashboard Design)
單張圖的重點是「看懂」,dashboard 的重點是讓決策者在同一個畫面完成判斷:它同時處理監控、比較與導覽,所以比單張圖更需要一致性與資訊層級。好的 dashboard 讓使用者快速回答明確的問題,例如:這週的關鍵指標有沒有異常?哪個區域或產品線拖累了整體?接下來該追哪個 drill-down?
設計前先定義
| 項目 | 問題 | 影響 |
|---|---|---|
| 讀者 (audience) | 主管、分析師、營運、客戶、實驗室? | 細節程度、術語 |
| 決策 (decision) | 看完要做什麼? | 哪些 KPI 放最上面 |
| 頻率 (cadence) | 每天看、每週看、即時監控? | 資料更新頻率、比較基準(昨日、上週、去年同期) |
| 裝置 | 桌機、投影、手機? | 版面密度、字級 |
先想 dashboard 要支持的決策,再決定每張圖怎麼畫,比先畫圖再拼版面有效。
版面層級
text
┌───────────────────────────────────────────┐
│ KPI 卡片 + 警示(與目標 / 上期比較) │ ← 第一眼:現在正常嗎?
├───────────────────────┬───────────────────┤
│ 趨勢(折線) │ 分群比較(長條) │ ← 哪裡出問題?
├───────────────────────┴───────────────────┤
│ 明細表、篩選條件、補充資訊 │ ← 往下追
└───────────────────────────────────────────┘視線通常從左上往右下移動,最重要的資訊放左上;篩選器放在一致的位置(頂端或左側),不要比內容搶眼。
原則
| 原則 | 做法 |
|---|---|
| 視覺層級清楚 | 重要資訊大且先看到 |
| KPI 一定有比較基準 | 目標值、上期、去年同期、預測值;單一數字沒有意義 |
| 顏色有語意 | 紅色只用在警示或異常;其他用中性色 |
| 刻度與格式一致 | 同類指標用相同單位、小數位數、軸範圍 |
| 每張圖服務同一個問題脈絡 | 與決策無關的圖拿掉 |
| 互動要設計 | 篩選與連動的範圍明確,不是全部預設打開 |
| 漸進揭露 | 先摘要,需要時才看細節(drill-down、tooltip、明細頁) |
常見錯誤
| 錯誤 | 後果 |
|---|---|
| 同一頁太多圖、沒有閱讀順序 | 讀者找不到重點 |
| 每張圖都漂亮,但彼此沒有敘事連結 | 像圖表倉庫,不像決策工具 |
| KPI 沒有比較基準 | 不知道數字是好是壞 |
| 顏色太多 | 重點不明,色覺差異的讀者無法分辨 |
| 投影或手機上字太小、圖太密 | 實際使用時看不清 |
| 資料更新時間沒標示 | 讀者不知道看的是不是最新資料 |
實驗室與研究情境
研究團隊的 dashboard 多半是監控型:定序 run 的 QC 指標(產出量、Q30 比例、重複率)、樣本處理進度、cohort 收案進度。原則相同:每個指標配上門檻線或歷史範圍,讓異常 run 一眼可見;異常時能 drill-down 到單一 run 或樣本。
| 工具 | 適合 |
|---|---|
| Power BI、Tableau | 給非程式使用者、需要權限控管與排程更新,見 BI 工具 |
| Shiny、Dash、Streamlit | 研究團隊自建、需要客製分析或與 R / Python 套件整合 |
| Quarto dashboard | 靜態、可重現、定期重新產生 |
| MultiQC | NGS QC 報告的標準工具 |
單張圖的設計與顏色選擇見 圖表設計原則。