dashboard-designer

仪表板设计

概述

此技能提供了一套结构化的仪表板设计方法，涵盖从确定合适的 KPI 和受众，到信息架构、视觉层级、颜色编码和工具选择。设计精良的仪表板能在恰当的时间向合适的人呈现恰当的信息。此技能结合数据可视化原则与 UX 思维，打造能够推动决策而非仅仅展示数据的仪表板。

适用场景

• 你正在构建新的仪表板，需要决定展示哪些内容以及如何布局
• 现有仪表板内容杂乱、无人关注，或让用户感到困惑
• 你需要在 BI 工具（Tableau、Power BI、Looker、Grafana）之间做出选择
• 你希望在构建技术实现之前设计 KPI 框架
• 你正在向高管受众展示数据，需要构建叙事结构

不适用场景

• 编写为仪表板提供数据的 SQL 查询（使用 sql-analyst skill）
• 使用 Python/JavaScript 编写图表代码（使用 chart-builder skill）
• 创建静态报告或幻灯片（使用演示文稿技能）
• 设计底层数据模型或数据仓库（使用数据工程技能）

快速参考

设计原则	规则
视觉层级	最重要的 KPI 放在左上方；详情放在右下方
留白	占仪表板区域的 15–20%；避免认知过载
颜色编码	最多使用 4–5 种颜色；用红色/绿色表示状态，灰色表示背景信息
图表密度	每个屏幕最多显示 6–8 个图表；优先选择更少、更大的图表
KPI 数量	高管：3–5 个 KPI。运营：8–12 个。分析师：不限
文本	标题应表达洞察（“收入增长 12%”），而非仅作标签（“收入”）
刷新频率	运营用实时数据，管理用每日数据，战略用每周/每月数据
交互性	筛选器放在顶部；点击即可向下钻取；默认显示最常用视图
移动设备	在移动设备上将图表纵向排列；最多显示 3 个核心 KPI
无障碍性	使用适合色盲人群的调色板；对比度至少达到 4.5:1

说明

第 1 步：明确受众和用途

设计之前，请先回答以下问题：

1. 谁会使用此仪表板？ 高管、团队经理、分析师、工程师、客户？
2. 它将为哪项决策提供依据？（“我们是否应该增加西部地区的营销支出？”）
3. 他们多久会查看一次？ 实时（运营）、每日、每周、每月？
4. 他们可以采取什么行动？ 如果无法采取行动 → 重新考虑仪表板是否是合适的形式。

仪表板类型：

类型	受众	刷新频率	KPI 数量	示例
战略型	C 级高管、副总裁	每周/每月	3–5	公司健康状况记分卡
运营型	团队负责人、经理	每日	8–15	销售管道仪表板
分析型	数据分析师	按需	不限	群组分析探索器
实时监控型	工程师、支持人员	实时	10–20	系统运行时间和错误率

第 2 步：选择合适的 KPI

KPI 必须满足以下条件：

• 可操作：查看者可以根据所见采取行动并改变指标
• 及时：数据可按仪表板的刷新频率获取
• 可比较：有目标、基准或前一时期的数据可供比较
• 定义明确：所有利益相关者对其定义达成一致，且定义清晰唯一

KPI 选择流程：

1. 列出受众关心的 20 项指标
2. 筛选出受众能够采取行动的指标（剔除虚荣指标）
3. 将剩余指标分为 3–5 个主题（例如：收入、客户、运营、质量）
4. 为每个主题选择 1–3 项主要指标
5. 为每项指标定义计算方式、数据源和负责人

KPI 层级：

• 第 1 级（核心指标）：在顶部以较大字号显示 3–5 个 KPI（总收入、MAU、NPS）
• 第 2 级（辅助指标）：使用 6–10 个图表提供背景信息（按地区、按产品、趋势）
• 第 3 级（详情）：用于调查分析的表格或下钻视图

第 3 步：信息架构（布局模式）

F 型布局（最常见）：用户从左上角 → 右上角 → 沿左侧向下浏览。

┌─────────────────────────────────────────────────────┐
│  KPI 1        KPI 2        KPI 3        KPI 4       │  ← Headline KPIs
├───────────────────────┬─────────────────────────────┤
│                       │                             │
│  Primary chart        │  Secondary chart            │  ← Primary context
│  (e.g. revenue trend) │  (e.g. by region)           │
│                       │                             │
├───────────────────────┴─────────────────────────────┤
│  Detail chart 1    │  Detail chart 2  │  Table      │  ← Supporting detail
└────────────────────┴──────────────────┴─────────────┘

Z 型布局（高管仪表板）：元素较少，采用高层次的叙事流程。

网格布局（运营仪表板）：大小相同的图块按行排列。

第 4 步：视觉层次原则

1. 大小：越大越重要。让最关键的 KPI 卡片成为最大的元素。
2. 位置：左上角最受关注。将核心指标放在那里。
3. 颜色：主要数据使用醒目的颜色（蓝色、橙色）；所有上下文信息使用灰色。
4. 字体排印：指标值使用大号字体（24–32pt），标签使用小号字体（10–12pt），标题使用中号字体（14–16pt）。
5. 留白：空白并非浪费，它能引导视线并减轻视觉疲劳。

第 5 步：颜色编码系统

建立一致的颜色语言：

• 🟢 绿色：良好、进度正常、高于目标
• 🔴 红色：不佳、警报、低于目标
• 🟡 黄色/橙色：需谨慎、接近阈值
• 🔵 蓝色：主要数据、中性信息
• ⬜ 灰色：次要数据、上一时段数据、上下文信息

色盲友好型替代配色：

• 使用：#0077BB（蓝色）、#EE7733（橙色）、#009988（青绿色）、#CC3311（红色）
• 避免：纯红色与纯绿色同时使用，且没有纹理或标签来区分

第 6 步：BI 工具选择指南

工具	最适用于	优势	局限
Tableau	企业级 BI、复杂可视化	可视化功能强大、社区活跃、支持拖放操作	价格昂贵、学习曲线陡峭
Power BI	以 Microsoft 为核心的组织、自助式 BI	与 Excel/Azure 深度集成、价格实惠	布局灵活性较低、DAX 较复杂
Looker	由数据团队驱动、工程占比较高的组织	LookML 建模、受治理的指标、Git 集成	需要数据工程师、价格昂贵
Grafana	实时监控、工程指标	实时数据、告警、开源	不适用于业务用户、图表类型有限
Metabase	小型团队、以 SQL 为先的分析	开源、可轻松将 SQL 转为仪表板	高级功能有限
Google Data Studio (Looker Studio)	Google Workspace 用户、快速共享	免费、易于共享、与 Google Sheets 集成	数据转换能力有限、可视化基础
Retool	带操作功能的运营仪表板	CRUD 操作、内部工具	需要开发者进行设置

快速选择：

• 小型团队的初创公司 → Metabase 或 Looker Studio
• 使用现有 Microsoft 技术栈的企业 → Power BI
• 构建受治理指标层的数据团队 → Looker
• 工程监控 → Grafana
• 追求一流可视化且预算充足 → Tableau

第 7 步：仪表板质量检查清单

发布前，请确认：

• 每张图表都有说明洞察的标题（而不只是指标名称）
• 每项 KPI 都有对比值（相对于目标或上一时段）
• 全程使用一致的颜色编码
• 日期范围标注清晰，且可由用户控制
• 筛选器位于顶部，默认显示最常用的视图
• 所有数字均采用适当的精度格式（收入：$1.2M，而非 $1,234,567.89）
• 页脚中显示数据源和刷新日期
• 已测试移动端布局（如适用）

示例

示例 1：设计销售业绩仪表板

输入：“我需要为我们的销售副总裁设计一个每周查看的仪表板。我们关注营收、销售管道健康状况和团队业绩。”

**受众分析：**销售副总裁——高管级别——每周查看——就团队资源配置和工作重点做出战略决策。

KPI 选择（第 1 级——核心指标）：

1. 签约额（ARR）——本周新签约营收与目标的对比
2. 销售管道覆盖率——销售管道金额 / 配额（目标：覆盖率达到 3 倍）
3. 赢单率——已赢单交易的百分比（目标：25%）
4. 风险交易——已过预期成交日期的未完成交易

布局设计：

┌────────────────────────────────────────────────────────────────┐
│ FILTER: [Week ▼]  [Region ▼]  [Rep ▼]          Data as of Mon │
├──────────────┬──────────────┬──────────────┬──────────────────┤
│ Bookings     │ Pipeline     │ Win Rate     │ Deals at Risk    │
│ $1.2M        │ 3.4× quota   │ 28%          │ 12 deals         │
│ ▲ 15% vs LW  │ ✅ on track  │ ▲ 3pt vs LW  │ 🔴 $340K at risk │
├──────────────┴──────────────┴──────────────┴──────────────────┤
│ Bookings Trend (12 weeks) ← primary chart, 60% width          │
│                                                                │
├─────────────────────────────┬──────────────────────────────────┤
│ Revenue by Rep (bar chart)  │ Pipeline Stage Funnel            │
├─────────────────────────────┴──────────────────────────────────┤
│ Deal Table: Name | Stage | Value | Expected Close | Days Late  │
└────────────────────────────────────────────────────────────────┘

颜色逻辑：

• 绿色：指标高于目标
• 红色：指标低于目标或标记为“有风险”的项目
• 蓝色：趋势线（主要数据）
• 灰色：上一周期对比线

**工具推荐：**Salesforce Einstein Analytics（如果使用 Salesforce CRM）或配备 Salesforce 连接器的 Tableau。对于规模较小的团队，可使用 HubSpot 内置报表功能，或连接到 CRM 数据库的 Metabase。

---

示例 2：设计工程指标仪表板

输入：“工程团队希望通过仪表板跟踪系统健康状况、部署频率和事件响应情况。”

**受众：**工程团队负责人、值班工程师——每日使用并实时查看。

KPI 选择（DORA 指标框架）：

1. 部署频率——每周部署次数（目标：每日部署）
2. 变更前置时间——PR 合并至生产环境的时间（目标：< 1 天）
3. 变更失败率——导致事件的部署占比（目标：< 5%）
4. MTTR（平均恢复时间）——事件平均持续时间（目标：< 1 小时）

辅助图表：

• 按服务划分的错误率（过去 24 小时折线图）
• 按端点划分的 P95 API 延迟（热力图）
• 显示严重程度和 SLA 状态的未解决事件表
• 最近部署记录

**工具推荐：**Grafana（可直接连接 Prometheus、DataDog 或 CloudWatch；内置告警；实时刷新）。

**颜色编码：**红色 = 违反 SLA，黄色 = 性能下降，绿色 = 状态正常，灰色 = 无数据。

最佳实践

• 围绕问题设计，而不是围绕数据设计——从“这能帮助做出什么决策？”开始，而不是“我有哪些数据？”
• 一个仪表板对应一个受众——不要试图用同一个视图同时满足高管和分析师的需求
• KPI 需要目标值：没有基准的数字毫无意义
• “告警”色（红色）如果使用过多就会失去效果；只在确实存在问题时使用
• 展示趋势，而不只是快照——没有历史记录的当前值缺少背景信息
• 尽可能直接在图表上标注数据，而不是让用户查阅图例
• 先构建桌面版，再构建移动版，不要把移动版当作事后补充

常见错误

• KPI 过多：20 个以上的指标会造成分析瘫痪，而非带来洞察
• 虚荣指标：页面浏览量、社交媒体关注者、注册用户总数（无法指导行动）
• 缺少对比背景：展示 120 万美元营收，却没有目标或上一周期数据
• 日期筛选条件不一致：一个图表显示“过去 30 天”，另一个却显示“本月”
• 饼图的分段超过 5 个时仍继续使用——应改用排序条形图
• 对需要静下心来仔细查看的仪表板设置自动刷新——这会增加认知负担
• 忽略移动端：超过 40% 的仪表板浏览发生在平板电脑或手机上

提示与技巧

• 进行“5 秒测试”：向某人展示仪表板 5 秒，然后问“最重要的信息是什么？”——如果对方答不上来，说明层级不够清晰
• 将灰色作为所有次要数据的默认颜色；只用颜色突出重要信息
• 始终注明“上次更新时间”，让用户知道数据是否已过时
• 仪表板标题应直接回答其所针对的问题：使用“销售业绩——1 月 15 日当周”，而不是“销售仪表板”
• 对于高管仪表板，先编写一份“仪表板叙述”文档，再开始构建——高管通常需要的是简报，而不是供他们自行探索的工具

Related Skills

• chart-builder
• sql-analyst
• data-analyst
• business-analyst