Aufgabe Nr. 3: Das spezialisierte Werkzeug
Das Dashboard ist ein spezifisches Werkzeug, das für einen bestimmten Zweck und für nichts anderes verwendet wird
Einsatzhäufigkeit im Alltag
Ausgehend von Aufgabe Nr. 2 gibt es eine Reihe von spezifischen Dashboards, die nur selten benutzt werden und für einen sehr engen Zweck bestimmt sind.
Ein Beispiel hierfür wäre ein Dashboard, das für die (einmalige) Analyse einer ganz bestimmten Art von Betrugsmuster verwendet wird. Ein solches Dashboard würde die meisten Tage ignoriert werden, bis ein Vorfall gemeldet wird und wir die vergangene Analyse in Form eines Dashboards zur Überprüfung hervorholen müssen.
Ein Beispiel aus der Praxis ist vielleicht eine Brandmeldezentrale (seltene Anforderung). Sie bieten Zugang zu verschiedenen Funktionen im Zusammenhang mit der Brandbekämpfung (Berichte darüber, welche Brandmeldeanlagen ausgelöst wurden, wo sich das Feuer möglicherweise befindet, Kontrolle über verschiedene Systeme usw.) und werden nur von einer kleinen Gruppe hochqualifizierter Personen und nur wenige Male im Jahr benutzt (meist bei regelmäßigen Inspektionen, Tests und im tatsächlichen Notfall).
In der übrigen Zeit werden diese Dashboards von allen ignoriert.
Für beide oben genannten Szenarien kann man die Dashboarderstellung als Fehlschlag einstufen, wenn man die Einsatzhäufigkeit mit der Nützlichkeit gleichsetzt. Doch in den wenigen Fällen, in denen sie existieren, sind sie sehr nützlich. Manchmal sind sie sehr raffiniert und gut gewartet (wie die Brandmeldezentralen), manchmal sind sie rudimentär skizzenhaft.
Das Problem dieser selten genutzten spezialisieren Dashboards ist, dass sie in der Anforderungshäufigkeit überschätzt wurden. Für den Dashboardersteller ist es dann häufig versenkte Zeit und Ressourcen. Für den Nutzer des Dashboards ergibt sich aus der Seltenheit der Anforderung das Problem, sich im Falle des Falles an dieses Dashboard zu erinnern.
Alternativen zu verwaisten Dashboards
Warnmeldungen für alle!
Ein häufiger Versuch, einen Teil der Arbeit, die Dashboards leisten, zu ersetzen, besteht darin, von einem „Pull“-Framework, bei dem die Mitarbeiter den Datenfluss selbst initiieren müssen (wozu sie nicht motiviert sind), zu einem „Push“-Framework überzugehen, bei dem die Mitarbeiter benachrichtigt werden, wenn sie einer Kennzahl Aufmerksamkeit schenken müssen.
Die meisten dieser Lösungen fallen unter verschiedene Formen der „Alarmierung“ und „Anomalieerkennung„. Im Bereich Machine Learning ist dies derzeit ein aktiver Forschungsbereich, vor allem, weil wir all diese Dashboards haben, die wir loswerden müssen.
Das Push-System
Das größte Problem bei solchen Push-Systemen ist, dass es sich um ein extrem schwieriges Problem handelt und richtige Entscheidungen nicht immer von der Datenlage mitgetragen werden. Man benötigt ein System, das sich historische Werte ansieht und bewertet ob der nächste eingehende Wert anormal genug ist, um einen Menschen für die Klärung zu alarmieren.
Es gibt viele Methoden, um dies zu erreichen, aber allgemeine Algorithmen können nicht die kontextabhängigen Nuancen erfassen, die Menschen verwenden. Mein Auto hat einen Spurhalteassistenten, der piepst, wenn ich kurz davor bin, die Spur zu verlassen, und das funktioniert im Allgemeinen gut. Aber auf bestimmten, sehr schmalen Straßen piept er auch ständig, und er geht auf jeden Fall los, wenn ich die Spur wechsle/ausfahre, ohne den Blinker zu setzen. Er kann einfach nicht wissen, was ich vorhabe, und warnt mich daher zu stark. Als Reaktion darauf habe ich gelernt zu wissen, wann ich es einfach ignorieren muss.
Mit der Zeit und den Fortschritten der KI/ML werden wir diese Technik sicher noch verbessern. Ich habe noch nicht gesehen, was der aktuelle Stand der Technik für dieses Problem leisten kann. Aber solange ich nicht in der Lage bin, diese hochmoderne Technik für meine zufällige Dashboard-Metrik rechtzeitig für mein nächstes Meeting zum Laufen zu bringen, habe ich keine Energie, sie zu lernen.
Machen Sie jeden mit Daten vertraut
Die ganze „Selbstbedienungs“-Dashboard-Sache neigt dazu, aus sehr menschlichen Gründen zu scheitern. Die Nutzer, die die Daten erhalten, sind häufig nicht wirklich in der Lage, sich selbst zu bedienen. Auch wenn dies wie ein hoffnungsloses Problem erscheinen mag, ist es tatsächlich möglich, große Teile einer Organisation so zu schulen, dass sie die Fähigkeiten (und die Umgebung) besitzen, die für die Selbstbedienung und die Teilnahme an der Analyse erforderlich sind. Es erfordert nur eine Menge Arbeit, Organisation und die Bereitschaft aller Beteiligten, sich zu schulen und zu lernen. Doch es ist machbar.
Wenn Sie Zugang zu einem datenkundigen Team haben, können Sie die Schleusen für die Selbstbedienung sogar noch weiter öffnen und den Mitarbeitern Zugang zu APIs und Analysedatensätzen geben, mit denen sie spielen können. Theoretisch ist dies das, was bestimmte BI-Tools wie Tableau, PowerBI, Qlik, Looker oder Jedox bieten, vorausgesetzt, Sie haben Zugang zu Menschen, die diese Tools nutzen können.
Weniger zufällige Versuche und mehr spezialisierte Tools
Ich halte sehr viel von spezialisierten Ansichten, denn die Dinge entwickeln sich in der Regel besser, wenn wir Artefakte absichtlich und nicht durch blinden Zufall schaffen. Das bedeutet, dass wir (und damit meine ich mich selbst) uns viel besser darüber im Klaren sein müssen, dass ich ein Dashboard-Tool entwickle, bei dem der einzige wirkliche Nutzer mein zukünftiges Ich sein wird, wenn jemand mit einer ähnlichen Frage zurückkommt.
Wenn ich mir das von vornherein versinnbildliche, wirkt es sich das darauf aus wie ich das Dashboard benenne und speichere, sowie auf die Art der Funktionen und Erklärungen, die ich aufnehmen werde. Am Anfang wird es roh und grob sein, mit den spezifischen Anforderungen wird es dann komplementär und intuitiv.
Aufgaben und Lösungen durch Dashboards
Ich bezweifle, dass ich es geschafft habe, alle möglichen Aufgaben aufzuzählen, die von Dashboards im Laufe der Jahre verlangt wurden. Aber es scheint so zu sein, dass wir, wenn wir aufschlüsseln, was wir eigentlich erreichen wollen, nicht viele Dashboards übrig bleiben.
- Für spezielle Aufgaben gibt es spezielle Lösungen,
- ganzheitliche Sichten wahren den Überblick.
Weitere Teile der Serie:
Aufgabe Nr. 1: Situationsbewusstsein
Aufgabe Nr.2 : Zugang und flexible Erkundung von Daten