Visualisation des données: Comprendre l'adoption par l'utilisateur - Mannequins

Obtenir un taux élevé d'adoption par les utilisateurs pour votre visualisation de données (c'est-à-dire le viz) est votre objectif le plus important. Bien que cela puisse sembler évident, l'adoption par l'utilisateur (UA) est une réflexion après coup dans de nombreuses organisations. C'est la chose que tout le monde se concentre sur après la solution est déployée pour les utilisateurs.

L'adoption par l'utilisateur (UA) est définie comme la mesure de la proportion de l'audience visée qui utilise la solution fournie (dans ce cas, la visualisation des données). Ce concept devient un peu trouble, cependant, quand vous vous plongerez dans ce qui devrait être mesuré. Devriez-vous mesurer combien de fois les données sont visualisées ou la durée moyenne d'affichage des données? Peut-être devriez-vous mesurer combien de fois les données sont utilisées pour mener des activités exploratoires.

Le secret de la mesure de l'UA est que l'UA est une combinaison de plusieurs éléments. Dans le monde des données métiers, l'UA n'est pas seulement une mesure de l'utilisation, mais également une mesure de la valeur ajoutée à un utilisateur.

Lorsque vous commencez à analyser les taux d'UA, vous devez comprendre les cinq mesures suivantes:

• Fréquence d'utilisation: La fréquence d'utilisation mesure le nombre de fois qu'un utilisateur utilise vos données. Pour obtenir un nombre précis, vous voulez que cette statistique soit une moyenne basée sur la fréquence d'utilisation globale.

• Intervalle de fréquence d'utilisation: Ce paramètre est utilisé lorsque vos données sont réellement utilisées, comme l'heure du jour, le mois, le trimestre, l'année, etc. Par exemple, vous pouvez consulter les données utilisées entre janvier 2013 et décembre 2013. L'intervalle de fréquence d'utilisation indique la fréquence à laquelle les données affichées sont mises à jour, mais elle doit mesurer le moment auquel les utilisateurs accèdent aux données. valeur.

• Zone de fréquence d'utilisation: Cette métrique est l'une des plus importantes à considérer. Il vous indique les sections des données les plus visitées par les utilisateurs. Il vous indique également quelles zones doivent être améliorées ou supprimées des futures mises à jour. Enfin, il met clairement l'accent sur ce qui est le plus précieux pour l'utilisateur. Quand vous voyez ce qui est utilisé et ce qui est ignoré, vous avez une idée claire de ce qui est vraiment utile aux téléspectateurs.

• Type d'utilisation: Il peut être un peu compliqué de mesurer la manière dont les données sont réellement utilisées, mais elles sont essentielles à l'adoption et au succès à long terme de l'outil. Si vous avez créé un outil de visualisation de données doté de fonctions de zoom avant et que personne ne clique pour accéder à plus de détails, cette fonctionnalité particulière (ou type d'utilisation) n'offre pas beaucoup de valeur à l'utilisateur.

  Malheureusement, un grand nombre d'outils ou de systèmes de données sur le marché n'ont pas la capacité de suivre les mesures d'UA.Vous pouvez effectuer des sondages ou sondages mensuels ou trimestriels auprès de vos utilisateurs afin de mieux comprendre comment, quand et dans quel but les données sont utilisées. Faire votre propre enquête est le seul moyen sûr de vous assurer que vous pouvez apporter des améliorations continues à vos données afin qu'elles soient continuellement utilisées par votre public.

  Si vous constatez que les utilisateurs exportent fréquemment les données brutes dans une visualisation, cela indique clairement que les utilisateurs ne font pas confiance aux données elles-mêmes et utilisent les données viz uniquement comme un outil d'exportation. Cette mesure en conjonction avec la fréquence d'utilisation métrique vous en dit beaucoup sur la valeur réelle, ou l'absence de celle-ci, que les utilisateurs obtiennent à partir du data viz.

• Nombre total d'utilisateurs comparé à la taille d'audience ciblée: Cette mesure est peut-être la mesure la plus populaire d'adoption par les utilisateurs et elle se mesure au mieux en pourcentage. Vous le dérivez en prenant le nombre total de l'audience prévue et le nombre d'utilisateurs qui utilisent réellement le data viz et en exprimant ce chiffre en pourcentage. Supposons que vous construisiez un data viz pour une organisation commerciale de 500 personnes. Si 50 de ces personnes accèdent régulièrement aux données, vous avez un taux d'UC de 10%.