Skip to content

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
MultiQCNGS 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。