Design thinking para la mejora de la visualización (modulo 6) - guillermopetcho/Coursera-Certificate----Data-Analytics-Google GitHub Wiki

El design thinking para la visualización de datos implica cinco fases:

Empatizar: Pensar en las emociones y necesidades del público objetivo de la visualización de datos.

Definir: Averiguar exactamente lo que su público necesita de los Datos

Idear: Generar ideas para la visualización de datos

Crear prototipos: Poner en común las visualizaciones para probarlas y recibir comentarios

Probar: Mostrar los prototipos de visualización a la gente antes de que los vean las partes interesadas

A medida que los cuadros de mando interactivos se hacen más populares para la visualización de datos, se ha ido dando más importancia a la eficacia y a la facilidad de uso. En esta lectura, aprenderá cómo el design thinking puede mejorar un cuadro de mando interactivo. Como analista junior, no se espera que cree un cuadro de mando interactivo por su cuenta, pero puede utilizar el pensamiento de diseño para sugerir formas en que los desarrolladores pueden mejorar las visualizaciones de datos y los cuadros de mando. Un ejemplo: cuadro de mandos de banca en línea

Supongamos que es usted analista en un banco que acaba de lanzar un nuevo cuadro de mando en su aplicación de banca en línea. Esta sección describe cómo podría explorar este cuadro de mandos como lo haría un nuevo usuario, considerar las necesidades de un usuario y aportar ideas para mejorar la visualización de datos en el cuadro de mandos. El cuadro de mandos de la aplicación bancaria tiene los siguientes elementos de visualización de datos:

El gasto mensual se muestra como un gráfico de donuts que refleja diferentes categorías como los servicios públicos, la vivienda, el transporte, la educación y los comestibles.

Cuando los clientes establecen un presupuesto para una categoría, el Gráfico de anillos muestra las porciones rellenadas y no rellenadas en la misma vista.

Los Clientes también pueden fijar un límite de gasto global, y el panel asignará automáticamente las cantidades presupuestadas (zonas sin rellenar del gráfico de donuts) a cada categoría basándose en las tendencias de gasto anteriores.

Empatice

En primer lugar, empatice poniéndose en la piel de un cliente que tiene una cuenta corriente en el banco.

¿Tienen sentido los colores y las etiquetas en la visualización?

¿Es fácil establecer o cambiar un Presupuesto?

Cuando hace clic en una categoría de gasto en el Gráfico de anillos, ¿se muestran las transacciones de la categoría?

¿Cuál es el objetivo principal de la Visualización de datos? Si ha respondido que se trata de ayudar a los clientes a no salirse del presupuesto o a ahorrar dinero, ¡tiene razón! Ahorrar dinero era una de las principales necesidades de los clientes para el panel. Defina

Ahora, imagine que está ayudando a los diseñadores de cuadros de mando a definir otras cosas que los clientes podrían querer conseguir además de ahorrar dinero.

¿Qué otras visualizaciones de datos podrían ser necesarias?

Seguimiento de los ingresos (además de los gastos).

Seguimiento de otros gastos que no encajan claramente en las categorías establecidas (esto se denomina a veces gasto discrecional).

Liquidar deudas.

¿Se le ocurre algo más? Idear

A continuación, idee características adicionales para el cuadro de mandos y compártalas con el Equipo de desarrollo del software.

¿Qué nuevas visualizaciones de datos ayudarían a los clientes?

¿Recomendaría gráficos de barras o de líneas además del gráfico de donuts estándar?

¿Recomendaría permitir a los usuarios crear sus propias categorías (personalizadas)?

¿Se le ocurre alguna otra cosa? Prototipo

Por último, los desarrolladores pueden crear un prototipo de la próxima versión del cuadro de mandos con visualizaciones de datos nuevas y mejoradas. Pruebe

Los desarrolladores pueden cerrar el ciclo haciendo que usted (y otros) prueben el prototipo antes de enviarlo a las partes interesadas para su revisión y aprobación. Puntos clave

Este ejemplo de design thinking demostró lo importante que es

Comprender las necesidades de los usuarios.

Generar nuevas ideas para las visualizaciones de datos.

Realizar mejoras incrementales en las visualizaciones de datos a lo largo del tiempo.

Puede consultar los siguientes artículos para obtener más información sobre el design thinking:

[Tres aspectos críticos del design thinking para las soluciones de Big data](https://dataconomy.com/2019/05/three-critical-aspects-of-design-thinking-for-big-data-solutions/)

Datos y design thinking: ¿Por qué utilizar datos en el proceso de diseño?