Problém nikdy nebyl v tom nápadu.
Problém byl v nástrojích.

Některé grafy jsou skvělé tím, že jsou přesné. Jiné tím, že jsou okamžitě pochopitelné.

Kometový graf zvládá obojí.

Princip je jednoduchý: vezmete dvě hodnoty v čase. „Ocas“ ukazuje, kde něco začalo, „hlava“ ukazuje, kde to skončilo. Směr ukazuje, co se změnilo. Délka ukazuje, o kolik. A celý tvar pomáhá tomu, že změnu člověk skoro fyzicky vidí.

Nemusíte dlouze vysvětlovat, co se v grafu děje.

Lidé hned vidí, které komety letí dopředu, které se vracejí zpátky, a hlavně si rychle všimnou těch, které se chovají jinak než ostatní.

A přesně proto se mi tenhle typ grafu vždycky líbil.

Poprvé jsem se do kometových grafů zamilovala na workshopu Steva Wexlera. Připadaly mi elegantní, kompaktní a velmi snadno čitelné. Řešily přitom úplně běžnou business otázku:

Co se změnilo mezi tehdy a teď?

A pak jsem je v praxi skoro nikdy nepoužila.

Ne proto, že by nebyly užitečné.

Ale proto, že jsem je neuměla jednoduše vytvořit.

A to je na datové vizualizaci trochu zvláštní. Některé skvělé nápady na grafy se do běžného business reportingu vůbec nedostanou jen proto, že nejsou jako výchozí možnost v Excelu, Power BI nebo v nástroji, který zrovna tým používá.

Takže často používáme grafy, které se snadno vytvářejí. Ne nutně ty, kterým se nejsnáze rozumí.

Když chceme porovnat dva okamžiky v čase, možností máme spoustu: slope chart, bullet graph, šipkový graf, seskupené nebo překrývající se pruhy…

Nic z toho není špatně.

Ale kometový graf má něco navíc. Díky němu změna působí jako pohyb.

Ocas ukazuje minulost.
Hlava ukazuje současnost.
Směr ukazuje příběh.

V příkladu výše graf porovnává průměrnou cenu za jednotku mezi lety 2021 a 2026 napříč několika produktovými řadami.

A to nejzajímavější nejsou jednotlivá čísla. Zajímavý je vzorec.

Většina produktových řad se pohybuje jedním směrem. Eco-friendly řada jde opačně. A právě proto ji člověk okamžitě vidí jako výjimku.

Nemusíte pročítat tabulku ani porovnávat dvojice sloupců. Oko si prostě všimne jedné „komety“, která letí proti ostatním.

V tom je síla toho grafu: neukazuje jen čísla. Pomáhá vidět anomálie, výjimky a věci, které stojí za další otázku.

To je v businessu hodně užitečné, protože často nepotřebujeme jako první vědět přesnou hodnotu na dvě desetinná místa. Potřebujeme rychle pochopit:

Co se změnilo?
Kde je něco jinak?
A kam se máme podívat dál?

Kometový graf může dobře fungovat třeba pro změny cen napříč produktovými řadami, vývoj marže podle kategorií, růst zákazníků podle segmentů, posuny tržního podílu v regionech, produktivitu prodeje před a po nějakém programu, skladové dny podle business jednotek, změny nákladů podle dodavatelů, vývoj NPS podle zákaznických skupin nebo třeba metriky udržitelnosti v čase.

Společný princip je vždycky stejný: máte dva porovnatelné body v čase, více kategorií a potřebujete rychle vidět směr i velikost změny.

Tam kometové grafy opravdu dávají smysl.

Samozřejmě nejsou ideální vždycky. Pokud potřebujete ukázat mnoho období mezi začátkem a koncem, použila bych raději čárový graf. Pokud je hlavní sdělení přesná odchylka, přidala bych popisky nebo použila graf odchylek. A pokud máte moc kategorií, i kometový graf se může rychle stát nepřehledným.

Ale když jde o srovnání „tehdy versus teď“ — a zvlášť když chcete ukázat položky, které se hýbou jinak než zbytek — kometové grafy se hledají těžko lepší.

A dnes je mnohem menší problém je vytvořit.

Nemusím čekat, až někdo přidá dokonalý nativní vizuál do Power BI. Nemusím ručně skládat tvary a obcházet limity nástroje. Můžu požádat AI, aby mi takový graf postavila.

Postup je překvapivě jednoduchý:

Otevřít canvas.
Použít D3.js.
Vykreslit interaktivní minimalistický kometový graf na bílém pozadí.
Vzít data z CSV.

A pak ho postupně ladit, podobně jako bych ho ladila s designérem.

Podívejte se na video a uvidíte sami.

Pro business uživatele je tohle velký posun.

V reportovacích týmech je spousta chytrých lidí, kteří mají dobrý cit pro data i vizualizaci. Jen jsou často omezení tím, co jim nabízí menu výchozích grafů. AI jim dává možnost rychle prototypovat vlastní vizuály, aniž by se museli stát vývojáři.

To samozřejmě neznamená, že každý report má být galerie exotických grafů.

Nejde o to používat jiné grafy jen proto, aby to bylo jiné.

Jde o to vybrat graf, který sedí na danou otázku.

A když je otázka „co se změnilo mezi tehdy a teď?“, kometové grafy si podle mě zaslouží mnohem víc pozornosti.

Článek Skvělý graf, který jsem nikdy nepoužila. Než přišla AI. se nejdříve objevil na Olga Rudakova.

V takové chvíli běžný pruhový graf často nestačí.

Jednoduchý pruhový graf ukáže aktuální hodnotu podle kategorií. Skupinový pruhový graf zvládne porovnat dvě období. Ale jakmile k tomu přidáte ještě cíl nebo rozpočet, graf začne být rychle přeplněný.

A právě tady dává smysl horizontální bullet graf.

Horizontální bullet graf umí v jednom kompaktním zobrazení ukázat tři věci:

• aktuální výkon
• předchozí nebo srovnávací období
• cílovou hodnotu

Pro business reporting je to velmi praktické. Typický příklad je skutečnost vs. minulý rok vs. rozpočet. Hodí se pro tržby podle produktových řad, výkon týmů, výsledky podle regionů, KPI podle oddělení, ceny podle kategorií nebo jakoukoli situaci, kde nechcete vidět jen samotné číslo, ale i kontext.

Tedy nejen „co se stalo“, ale také „jak si stojíme proti minulosti“ a „jestli jsme blízko cíli“.

V tomto příkladu graf porovnává průměrnou cenu za jednotku napříč několika produktovými kategoriemi. Světlý pruh ukazuje hodnotu za rok 2021. Tmavší pruh ukazuje hodnotu za rok 2026. Černá značka ukazuje cílovou hodnotu.

Hlavní sdělení je vidět téměř okamžitě: většina kategorií oproti roku 2021 vzrostla, zatímco Eco-Friendly Lines klesly. Díky barevnému odlišení tahle jedna kategorie z grafu hned vystoupí.

A přesně to má dobrý graf dělat. Nemá čtenáře nutit luštit čísla. Má mu rychle ukázat, kam se dívat.

Jenže vytvořit horizontální bullet graf v Excelu není úplně přímočaré.

Zjednodušenou verzi, kde ukážete aktuální a srovnávací období, vytvořit jde. I ta může být užitečná. Ale jakmile chcete přidat cílové hodnoty, začne to být dost ruční práce.

V tu chvíli už v Excelu graf vlastně ani nevytváříte. Spíš ho kreslíte.

A tady může velmi dobře pomoct AI.

Jeden dobře napsaný prompt dokáže ze stejných dat vytvořit plnohodnotný, čistý a interaktivní horizontální bullet graf.

To je úplně jiný způsob práce.

Místo otázky „Jak mám Excel donutit, aby tohle vykreslil?“ řešíte spíš otázku „Jak přesně popsat graf, který potřebuji?“

A u méně běžných typů grafů je to podle mě mnohem lepší problém.

Neznamená to, že Excel přestává dávat smysl. Na přípravu dat, kontrolu výpočtů a běžné business grafy je pořád skvělý. Ale u speciálních vizualizací, hlavně těch, které potřebují přesné vrstvení nebo trochu nestandardní design, vás AI často dostane k výsledku mnohem rychleji.

Praktické doporučení je jednoduché:

Použijte Excel, když daný typ grafu v Excelu přirozeně funguje.

Použijte AI, když je myšlenka grafu jednoduchá, ale jeho technické vytvoření je zbytečně pracné.

Horizontální bullet graf je přesně tenhle případ.

Odkazy na videa:

Co lze vytvořit v Excelu — pouze aktuální a srovnávací období: tady

Jak vytvořit plnohodnotný horizontální bullet graf pomocí AI: tady

Článek Graf, který je v Excelu pracný, ale s AI hotový na jeden prompt se nejdříve objevil na Olga Rudakova.

Na první pohled dává smysl: pro každý měsíc ukážeme skutečnost, minulý rok a rozpočet pěkně vedle sebe. Hotovo.

Jenže stejný problém se objevuje u spousty dalších byznysových metrik. Aktuální výkon porovnáváme s předchozím obdobím a zároveň s cílem, plánem nebo benchmarkem. A najednou máme v grafu víc sloupců, než je zdrávo.

U 12 měsíců a 3 datových řad už publikum kouká na 36 sloupců. Graf sice data ukazuje, ale na ty nejdůležitější otázky neodpovídá zrovna rychle:

Jsme nad rozpočtem, nebo pod ním?
Jsme na tom lépe, nebo hůř než loni?
Které měsíce si zaslouží naši pozornost?

A právě tady je vertikální bullet graph mnohem silnější.

Místo toho, aby se ke všem hodnotám choval stejně, každé z nich dá jasnou roli:

• skutečné tržby jsou hlavní sloupec,
• minulý rok je světlá reference v pozadí,
• rozpočet je malá značka cíle.

Tohle odpovídá i byznysové logice. Skutečnost je výsledek. Minulý rok je kontext. Rozpočet je cíl.

A díky tomu se graf čte mnohem rychleji.

U každého měsíce okamžitě vidíme, jestli jsou skutečné tržby nad rozpočtem, nebo pod ním. A zároveň vidíme, jestli jsme výš, nebo níž než loni. Porovnání se odehrává uvnitř jednoho kompaktního prvku, ne mezi několika sloupci vedle sebe.

Další výhoda je práce s barvou.

V klasickém skupinovém sloupcovém grafu barvy většinou jen odlišují jednotlivé řady: skutečnost, minulý rok, rozpočet. V bullet graphu jsou tyto role jasné už z konstrukce grafu. Barvu tedy můžeme použít užitečněji: ke zvýraznění toho, co je opravdu důležité.

V tomto příkladu není hlavní příběh v tom, že každý měsíc dopadl nějak. Hlavní příběh je v tom, že listopadové promo akce pravděpodobně přesunuly část poptávky dopředu, zatímco vánoční tržby zaostaly za očekáváním.

Vertikální bullet graph tento příběh krásně podpoří. Listopad můžeme zvýraznit zeleně, prosinec červeně a zbytek nechat neutrální. Čtenář vidí vzorec dřív, než začne luštit jednotlivá čísla.

Rozpočet navíc dává větší smysl jako značka než jako další sloupec. Rozpočet není výsledek. Je to cíl. Malá linka to komunikuje mnohem lépe než další sloupec vedle ostatních.

Podobné je to s minulým rokem. Ten není hlavní sdělení, ale kontext. Světlý sloupec v pozadí mu dá dost prostoru, ale nenechá ho zbytečně soupeřit o pozornost se skutečným výsledkem.

Tenhle přístup se hodí i v mnoha dalších situacích:

• výnosy vs. forecast a minulý rok,
• náklady vs. rozpočet a předchozí období,
• počet zaměstnanců vs. plán a minulé čtvrtletí,
• marže vs. cíl a klouzavý průměr,
• zásoby vs. požadovaná úroveň zásob a minulý týden,
• zákaznická spokojenost vs. benchmark a výsledky předchozího průzkumu.

Dashboardy nemají nekonečně mnoho místa.

Každý graf si v nich musí své místo zasloužit. Musí být dostatečně kompaktní, aby šetřil prostor na obrazovce, ale zároveň dost přesný a intuitivní, aby se dal rychle pochopit.

A přesně v tom vertikální bullet graph funguje skvěle.

Spojí skutečný výsledek, historický kontext a cíl do jednoho malého vizuálního prvku. Snižuje vizuální šum, drží přesnost porovnání a pomáhá rychleji pochopit hlavní sdělení.

Proto je bullet graph jeden z grafů, které ve svých dashboardech používám nejčastěji. Není to jen čistší alternativa ke skupinovým sloupcům. Často mnohem lépe odpovídá tomu, jak dashboardy opravdu čteme: rychle, opakovaně a často pod tlakem.

A pokud nevíte, jak takový graf vytvořit v Excelu, tady je návod, jak na to.

Článek Lepší graf pro skutečnost, rozpočet a minulý rok se nejdříve objevil na Olga Rudakova.

Obujete si boty, zapnete hodinky a řeknete si: dneska nejde o rychlost. Dneska poběžím pomalu. Budu se držet ve druhé tepové zóně. Lehce. V klidu. Budu budovat vytrvalost.

Jenže za pár minut hodinky pípnou.

Moc rychle.

Zpomalíte.

Chvíli je všechno v pořádku. Pak se zamyslíte. Nohy samy trochu přidají. Možná vás někdo předběhne. Možná vás strhne písnička ve sluchátkách. Možná se ozve ego a potichu našeptá: Vždyť můžeš běžet rychleji.

A hodinky pípnou znovu.

Moc rychle.

Tři druhy běhu, tři druhy úsilí

V tréninku většinou střídám tři typy běhu.

První je pomalý běh. Cílem je zůstat ve druhé zóně, kde si tělo buduje aerobní základ. Nevypadá to nijak působivě. Člověk nemá pocit velkého výkonu. Ale právě tady se staví základ vytrvalosti.

Druhý je intervalový trénink: chvíli rychle, potom chůze nebo volné vyklusání, a tak pořád dokola. Tady je námaha jasná. Víte, kdy makáte. Víte, kdy odpočíváte.

Třetí je delší běh v poctivém tempu, který mi pomáhá připravit se na půlmaraton. Není to sprint, ale vyžaduje soustředění, sílu a schopnost držet tempo delší dobu.

Čekala bych, že z těchto tří bude pomalý běh ten nejjednodušší.

Ale není.

Ne proto, že by nejvíc bolel. Intervaly bolí víc. Dlouhý běh zase vezme víc času a sil. Pomalý běh je těžký jinak. Vyžaduje neustálou sebekontrolu. Musíte pořád odolávat pokušení zrychlit.

A čím víc nad tím přemýšlím, tím víc mi připadá, že v práci je to úplně stejné.

I práce má svoje tepové zóny

Také v práci fungujeme v různých režimech.

Je tu práce v zóně 5: deadliny, urgentní dodávky, prezentace na poslední chvíli, krizový režim, finální tlak před něčím důležitým. Někdy je to potřeba. A někdy to má dokonce zvláštní energii. Adrenalin. Soustředění. Jasný cíl.

Jenže v páté zóně se nedá žít pořád.

Pak je tu práce v zóně 2.

To je práce, při které si budujeme zásobu budoucích příležitostí. Připravujeme věci dřív, než začnou hořet. Přemýšlíme. Třídíme priority. Zlepšujeme kvalitu. Stavíme systémy. Vedeme rozhovory včas. Děláme dobrá rozhodnutí dřív, než budeme donuceni dělat rychlá.

Práce v zóně 2 není tak vidět.

Nikdo vám obvykle nezatleská za to, že jste předešli chaosu. Nikdo neřekne: „Skvělá práce, že jsi na to myslela včas, ještě než z toho byl problém.“ Přitom právě tahle méně nápadná práce často rozhoduje o tom, jak dobré budou dlouhodobé výsledky.

Pokušení zrychlit

Nejtěžší na pomalém běhu je, že tělo chce pořád běžet rychleji.

A nejtěžší na dobré práci je, že hlava dělá totéž.

Chceme odpovědět ještě na jeden e-mail. Dokončit ještě jeden úkol. Říct ano ještě jedné žádosti. Odškrtnout ještě jednu položku ze seznamu.

Pro zaměstnance může zpomalení působit jako nedostatek výkonu.
Pro podnikatele může zpomalení působit skoro nebezpečně — jako by každá pauza znamenala ztracenou příležitost.

Rychlost působí produktivně.

Zaneprázdněnost působí zodpovědně.

Urgence působí důležitě.

Jenže rychlost umí klamat. Můžeme se hýbat rychle, ale ne správným směrem. Můžeme odškrtávat úkoly, a přitom se vyhýbat hlubší práci, která by skutečně zlepšila výsledek.

V běhu platí, že když z každého tréninku udělám rychlý běh, možná se budu chvíli cítit silná. Ale časem přijde únava, horší regenerace, stagnace nebo zranění.

V práci se děje něco podobného. Když se každý den změní ve sprint, začne klesat kvalita. Mizí prioritizace. Reagujeme místo toho, abychom přemýšleli. Dodáváme, ale nebudujeme.

Pomalé neznamená slabé

Pomalý běh není líný běh.

Je to disciplinovaný běh.

Je to běh, který má větší cíl než dnešní tempo.

A práce v zóně 2 není líná práce. Není to nedostatek ambice. Je to práce, která buduje kapacitu, kvalitu a dlouhodobé výsledky.

Pomalý běh mi pořád připomíná jednu věc: ne každý pokrok vypadá jako rychlost.

Někdy se skutečný trénink děje právě ve chvíli, kdy odoláme nutkání přidat.

A možná to v práci platí stejně.

Někdy je to nejproduktivnější, co můžeme udělat: zpomalit natolik, abychom mohli přemýšlet, vybírat, připravovat se a budovat něco, co vydrží.

Článek Práce v zóně 2: Proč je pomalejší tempo často těžší se nejdříve objevil na Olga Rudakova.

A zvláštní je, že právě to mě naučilo, jak by se podle mě měla učit datová vizualizace.

Můj první cizí jazyk byla angličtina. Učila jsem se ji klasicky: gramatická pravidla, cvičení, doplňování, biflování, opravy. Nakonec to fungovalo. Ale bylo to pomalé, dost pracné a upřímně i docela nudné.

Můj druhý cizí jazyk byla čeština. A tu jsem se učila úplně jinak — tím, že jsem v ní prostě žila. Poslouchala jsem, pozorovala, odhadovala, zkoušela, dělala chyby, upravovala se a mluvila dál. Bylo to přirozenější. Rychlejší. A výsledek byl nakonec lepší.

A časem mi došlo, že úplně stejně funguje i tvorba business grafů.

Spousta lidí se snaží naučit grafy tak, jako jsem se já kdysi učila angličtinu: učí se nazpaměť různé přehledy typů grafů, studují složité rozhodovací stromy a hledají „správný“ graf pro každou situaci.

Jasně, trochu to pomoct může.
Ale z mojí zkušenosti to není nejlepší cesta k opravdové jistotě.

Protože grafy nejsou jen technický nástroj.
Jsou to jazyk. I proto mluvíme o datové komunikaci.

A jazyk se nenaučíte tím, že si zapamatujete všechna pravidla.
Jazyk se naučíte tím, že jím mluvíte.

Datová vizualizace jako jazyk

Když se děti učí mluvit, nezačínají perfektní gramatikou. Učí se metodou pokus–omyl. Napodobují. Zjednodušují. Říkají legrační věci. Tvoří „špatné“ věty, které jsou ve skutečnosti známkou toho, že se posouvají.

A s grafy je to stejné.

Sebejistotu při tvorbě grafů nezískáte tím, že budete čekat, až budete znát všechna pravidla. Získáte ji tím, že budete grafy dělat znovu a znovu. Že budete zkoušet různé varianty. Všímat si, co funguje a co ne. Porovnávat. Dělat malé i větší chyby. A řešit jeden reálný komunikační problém za druhým.

Po čase se přestanete ptát:

„Jaký graf bych podle pouček měla použít?“

A začnete se ptát:

„Co tím vlastně chci říct?“
„Čeho si má publikum všimnout jako prvního?“
„Co to udělá srozumitelnější?“

A to je přesně ten moment, kdy se posunete od znalosti grafů k tomu, že je opravdu umíte používat.

Proč jsem založila Chart Anatomy

Přesně proto jsem tenhle newsletter začala psát.

Pravidel pro grafy je na internetu spousta.
Na porovnání používejte sloupce.
Na trendy čáry.
Vyhýbejte se koláčům.
Začínejte osu na nule.
Odstraňte vizuální balast.

Něco z toho je užitečné. Něco je až moc zjednodušené. A ve většině případů to prostě nestačí.

Protože to, co lidé v byznysu opravdu potřebují, není další obří schéma na výběr správného grafu.

Potřebují praxi.

Praxi v tom:

• Jak se dívat.
• Jak vybírat.
• Jak zjednodušovat.

Jak upravit graf tak, aby jasně sděloval jednu hlavní věc.

A přesně o tom bude Chart Anatomy.

Ne o abstraktní teorii grafů.
Ne o zahlcujících frameworkách.
Ne o nekonečných seznamech, co dělat a nedělat.

Místo toho nabídne krátké a praktické tipy, jak dělat srozumitelnější a přesvědčivější business grafy, vždy po jednom prvku. Jen na konkrétních příkladech.

Moje rada, pokud chcete být v business grafech lepší

Přistupujte ke grafům jako k učení jazyka.

Nečekejte, až budete mít pocit, že jste připravení.
Začněte „mluvit“.

• Dělejte grafy často.
• Zkoušejte různé verze.
• Iterujte.
• Všímejte si, co je jasné a co mate.
• Učte se z dobrých příkladů.
• Sbírejte zpětnou vazbu od kolegů.

A dovolte si nebýt dokonalí.

Nedokonalý graf, který postupně vylepšujete, má větší hodnotu než dokonalý graf, který nikdy nevznikne.

Co čekat dál

V každém vydání Chart Anatomy rozeberu business graf krok za krokem.
Jedno vydání, jedna praktická rada.

Mým cílem je pomoct vám dělat grafy, u kterých se lidé nemusí zbytečně namáhat.
Grafy, které jim rovnou ukážou, kam se dívat a co si z nich odnést.

Pokud chcete newsletter (v angličtině) odebírat, najdete ho na LinkedIn pod názvem Data Anatomy.

Článek Chart Anatomy: Proč začínám psát newsletter se nejdříve objevil na Olga Rudakova.

V tomto článku vysvětlím nejčastější chyby při Data Storytellingu, kterých se dopouštějí analytici, a pomohu Vám se jim vyhnout. Pojďme do toho.

🚩Chyba 1: Drilldown místo příběhu

Neřeknu vám, že drilldown není užitečný – právě naopak! Pomáhá nám najít kořeny problému a odhalit jeho příčinu. Je to jako lovit tajemství, začínáme s celkovým přehledem a postupně se ponořujeme do podrobností jednotlivých oddělení, značek nebo dokonce produktů. To je naprosto normální, že ano?

Ale tady to začíná být složité. Namísto vysvětlování toho, co jsme našli během naší cesty hledání insightů, nakonec protáhneme naše publikum celým procesem. To je velká chyba. Pamatujte, že datový příběh musí také mít všechny prvky příběhu: hrdinu, iniciační událost, konflikt a vyvrcholení. Nechme si tedy drilldown prezentace na něco méně důležitého.

🚩 Chyba 2: Příběh analytika místo příběhu dat

Všichni máme přirozené nutkání vyprávět příběhy. Je to v naší DNA. A buďme upřímní, analýza dat může být docela dobrodružství. Procházíme surovými daty, hrajeme si s hypotézami, narážíme na slepé uličky a někdy objevíme věci, které jsme si nikdy ani nepředstavovali. Vzrušující, že? Takže se přirozeně chceme podělit o naše zkušenosti.

Ale držte se na uzdě! Mezi vyprávěním vlastního příběhu analytika a vyprávěním datového příběhu o zákaznících, zaměstnancích a značkách je tenká hranice. Příběhy analytiků jsou skvělé na neformální povídání u kávovarů, kde můžete své kolegy ohromit svými analytickými schopnostmi. Když však dojde na rozhodovací schůze a zasedací místnosti, je čas nasadit si vypravěčskou čepici a stát se průvodcem, nikoli hrdinou.

🚩 Chyba 3: Dobrý příběh se špatným grafem

Klasický případ, kdy se dobrý příběh zamotal špatným grafem. Je to jako olej a voda, které se proste nesmíchají. I když je Váš příběh založen na datech a je dobře vyprávěn, vaše publikum by mělo být schopno spojit vaše slova a to co vidí na grafu. Bohužel se to ne vždy povede.

Abyste se vyhnuli této vizuální katastrofě, musíte se ujistit, že klíčové insighty a hlavní message příběhu jsou v samotném grafu křišťálově jasné. Je to všechno o použití technik storytellingu: decluttering, Gestalt principů, preattentivních atributů a dalších triků, abyste neskončili s polotovarem místo příběhu. Jinak riskujeme, že skončíme s výtvorem podobným Frankensteinovi, který se svému zamýšlenému účelu sotva podobá. Vyhneme se tomu, ano?

🚩 Chyba 4: Dobrý graf ale bez příběhu

Představte si toto: úžasný graf, který by vyhrál soutěž krásy, ale chybí mu něco zásadního – strhující příběh. Je to jako servírovat luxusní jídlo bez chuti!

Tato chyba se bohužel stává častěji než rozlití kávy v pondělí ráno. Obchodní analytici hrdě předvádějí své nádherně zpracované grafy, ale zapomínají je naplnit smysluplným příběhem. Tak omezují Data Storytelling na pouhou vizualizaci. Pěkné formátování a vytváření poutavých grafů je dobré, ale nepleťme si ho s Data Storytellingem. Vyprávění datových příběhů přesahuje jen vizuální prvky; jde odhalování insightů a vyprávění příběhu, který zaujme vaše publikum. Nenechte se tedy příliš pohltit estetikou; ujistěte se, že váš graf má poutavý příběh!

🚩 Chyba 5: Vytvoření příběhu před analýzou dat

V neposlední řadě klasický trapas spočívající v postavení vozu před koně. Pokud vytvoříte příběh, než se ponoříte do analýzy dat, šlapete do nebezpečných vod. Je to ve skutečnosti konfirmační zkresleni – zoufalé hledání důkazů, které by podpořily vaše předsudky.

Skutečný datový příběh by měl být výsledkem důkladné datové analýzy, nikoli naopak. Nechte se daty vést vás tímto dobrodružstvím a odhalíte insighty, o kterých jste ani netušili. Je čas se vymanit z pout předem vytvořených příběhů a vstoupit do ohromujícího světa příběhů založených na datech!

Pamatujte, že Data Storytelling je dovednost, jejíž zvládnutí vyžaduje čas a praxi. Nebuďte smutní, pokud jste tyto chyby již udělali. Všichni jsme tam byli! S praxí, oddaností a pokorou se brzy stanete mistrem datových příběhů. Tak hurá do toho, moji kolegové datoví nadšenci, a vytvořte příběhy, které uchvátí srdce i mysl!

Článek Pět nejčastějších chyb v Data Storytellingu se nejdříve objevil na Olga Rudakova.

Operational Explanatory: Provozní vysvětlující nástroje

Nejprve je třeba si uvědomit, že dashboardy jsou skvělé při monitorování a vysvětlování provozních (nikoliv strategických) výsledků. Většina obchodních problémů spadá do této kategorie, a to je místo, kde dashboardy září. Zóna dashboardů je obrovská a kritická pro včasné rozhodování napříč všemi obchodními funkcemi.

Dashboardy mohou odpovědět na otázky jako: Proč se naše marže snížila navzdory nárůstu tržeb? Proč naše marketingové kampaně negenerují očekávanou návratnost investic? Kolik zákazníků zrušilo své předplatné a proč?

Dobře navržené driver-based dashboardy by měly kombinovat klíčové ukazatele výkonu s jejich ovlivňujícími faktory – business drivery, které vám pomohou pochopit, proč došlo k neočekávané změně. Například obchodní faktory ovlivňující marži společnosti mohou zahrnovat změnu produktového mixu směrem k nízko maržovým produktům, objemové slevy, slevy za včasnou platbu, změny cen nákupu kvůli cenám surovin nebo energie nebo změny nákladů na dopravu a logistiku kvůli cenám paliva.

Ale pojďme být realističtí: když používáte dashboard nebo upravujete filtry a časové rámce, nevykonáváte skutečnou analýzu. Všechna analýza již byla provedena při návrhu dashboardu nebo dokonce dříve během explorační analýzy.

Operational Exploratory: Provozní analytické nástroje

Analýza provozního výkonu je ta pravá analýza. Manažeři provozu, datoví vědci a obchodní analytici hledají odpovědi na otázky jako: Jaké jsou naše klíčové faktory prodeje (sales drivery)? Jak můžeme optimalizovat náš dodavatelský řetězec, abychom snížili náklady? Jak můžeme docílit toho, aby zákazníci neodcházeli?

Zde přicházejí na řadu statistické nástroje a nástroje strojového učení – nikoli dashboardy. Data použitá v této analýze (interní i externí) by měla pocházet z datového skladu společnosti. Stejná data, která používáme k pochopení vztahů, kauzality a vlivu mezi klíčovými metrikami a business drivery, budou později užitečná i v našich dashboardech pro pravidelné monitorování, vysvětlení a kontribuční analýzu.

Strategic Explanatory: Strategické vysvětlující nástroje

Možná si říkáte: „Pokud používám dashboardy k monitorování a vysvětlování provozního výkonu, proč bych nemohl udělat totéž se strategickým výkonem?“ Krátká odpověď je, že můžete, ale pouze pro monitorování. Je nepravděpodobné, že otázky jako „Proč zákazníci volí naše konkurenty místo nás?“ nebo „Proč je míra fluktuace našich zaměstnanců vyšší než průměr odvětví?“ půjde zodpovědět pouze na základě interních dat.

Určitě byste měli sbírat nejen interní, ale i externí tržní a konkurenční data. Sledujte ukazatele jako ceny konkurentů a promoční aktivity; slouží jako klíčové vysvětlující faktory v provozních dashboardech. Nicméně musíme si přiznat: celkový objem a rozmanitost dat potřebných pro strategická vysvětlení nejsou pravděpodobně snadno dostupné. Pokud jde o strategické otázky, obchodní analytici s podporou vyššího managementu musí hledat pravděpodobné vysvětlení za hranicemi firemních dashboardů.

Strategic Exploratory: Strategické analytické nástroje

Zde se řídicí panely ocitají mimo svou hloubku a nedokážou poskytnout uspokojivé odpovědi na otázky jako: Jaké jsou nové trendy v našem odvětví? Jaký je tržní potenciál nového produktu? Co dělají naši konkurenti? K dobytí této země nejistot by měl být použit průzkum trhu, strategická analýza a pomoc poradců a konzultantů.

Závěr

I když mají dashboardy svá omezení v širším rámci analytiky, jejich nezbytná role při monitorování a vysvětlování provozního výkonu nemůže být podceňována. Dashboardy mají mnoho možností použiti v rámci monitorovaní. Nicméně nenechme je zatížit skutečnou explorační analýzou. Místo toho využijme jejich silné stránky a ponechejme úkol hloubkového průzkumu ve schopných rukou jiných analytických nástrojů.

Článek Pravda o dashboardech: Nejsou to analytické nástroje se nejdříve objevil na Olga Rudakova.

Článek Lov insightů a chytání datových příběhů se nejdříve objevil na Olga Rudakova.

Dashboardy mají potenciál efektivně komunikovat insighty a pomoct uživatelům s rozhodováním. To je podstata storytellingu s daty. V tomto článku se budeme zabývat tím proč je storytelling v dashboardech důležitý a jak ho dosáhnout.

Dashboardy jako vypravěči příběhů:

Někteří lidé věří, že pouze zkušený storyteller dokáže přeměnit informace z dashboardu na příběh a představit ho uživatelům. Ačkoli je to do jisté míry pravda, jaký smysl má dashboard, který potřebuje překladatele mezi ním a finálním uživatelem?

Dashboardy by měly být navrženy tak, aby umožňovaly přímou interakci s uživatelem. Měly by být schopny odpovědět na otázky „Proč?“ pro diagnostickou analýzu a „Co kdyby?“ pro prediktivní analýzu. Úlohou storytellera v tomto procesu není interpretovat dashboard, ale navrhnout ho tak, aby vyprávěl jasný a zajímavý příběh.

Obsah: Nezůstávejte jen u KPI – Přidejte relevantní kontext a business drivery

Při navrhování přístrojového panelu je důležité zahrnout relevantní interní a externí kontext. Neomezujte se pouze na porovnávání aktualu s rozpočtem – podívejte se na trendy, extrapolace a scénáře. Ujistěte se, že máte správné časové období pro porovnání, a jako benchmarky používejte průměry z odvětví nebo konkurenční měřítka a relativní cíle.

Do stejného dashboardu přidejte a sledujte interní a externí business drivery. Mluvte se s vašimi stakeholdery ve fázi návrhu dashboardu, nikoliv až ve fázi jeho interpretace. Tím, že do dashboardu přidáte relevantní metriky, můžete pokrýt 90% možných vysvětlení a najít odpověď na otázku „proč“ přímo uvnitř dashboardu.

Pokud potřebné relevantní údaje pro odpověď na otázku „proč“ nelze nalézt ve vašem datovém skladu, je čas tam přidat relevantní provozní, marketingové, zákaznické a konkurenční metriky. Pravděpodobně už tuto veškerou informaci sbíráte a nějaký jiný oddělení ji používá odděleně od vás. Sloučením těchto informací ve vašem driver-based dashboardu můžete vytvořit komplexnější a přesvědčivější příběh.

Forma: Vytvořte svůj příběh prostřednictvím chytrého designu

Pokud jde o návrh přístrojového panelu, místo je cenné. Pro nejlepší vnímaní příběhu chcete umístit co nejvíce informací na jednu obrazovku, a zároveň zajistit, aby byly viditelné jen části relevantní pro váš příběh. Zde je několik tipů, jak toho dosáhnout, aniž byste přehltili koncového uživatele:

• Používejte kompaktní vizuální prvky, abyste veškerý obsah dashboardu vměstnali na jednu obrazovku a příběh byl viditelný na první pohled.
• Využívejte podmíněné formátování a tolerance odchylky k zvýraznění všeho, co souvisí s příběhem, zatímco všechno irelevantní zůstane neutrálně šedé.
• Použijte “alert color“ (jednu výraznou barvu) namísto klasického červeno-zeleného schématu, pro rychlejší porozumění a zaměřeni se na to, co je relevantní.

Storytelling v dashboardech není otázkou, zda, ale jak

Takže tady to máte, dashboardy mohou a měly by vyprávět příběhy. Zaměřte se na uživatele a soustřeďte se na správný obsah a formu tak vytvoříte poutavé datové příběhy, které umožňují rozhodování. Pamatujte, že vyprávění příběhů v dashboardech není otázkou zda, ale jak. Takže dejte se do toho, posuňte své dashboardy na další úroveň a nechte je vyprávět příběh vašich dat.

Článek Nenajímejte překladatele pro své dashboardy: Naučte je vyprávět příběhy se nejdříve objevil na Olga Rudakova.

Tento krátký článek vysvětluje strategickou roli designu dashboardů a pomáhá Vám nastavit správné klíčové ukazatele výkonu (KPI) a měřítka pro Váš business.

Stáváme se tím, co měříme: důležitost výběru správných KPI

„Dashboardy jsou pro sledování metrik,“ – dalo by se namítnout. „Co to má společného se strategickým řízením?“

Srinivas Venkatram, zakladatel a generální ředitel laboratoře nápadů, nazval jednu ze svých knih: „Stáváme se tím, co měříme“. Tato moudrá slova výstižně popisují dopad dashboardů na naše podnikání.

Slyšeli jste pojem „kobří efekt“? Termín vynalezl ekonom Horst Siebert. V době Britské Indie britská vláda mela obavy z narůstajícího počtu kober v Dillí a nabídla odměnu za každou mrtvou kobru. Původně to byla úspěšná strategie – za odměnu bylo zabito velké množství hadů. Vynalézaví lidé však postupem času začali chovat kobry kvůli výdělku.

Pokud začnete sklářům platit za kilogram skla, které vyrobí, skončí s velmi tlustým sklem (tak tlustým, že přes něj skoro nevidíte). Pokud je zaplatíte za metr čtvereční, vyrobí velmi tenké (a tedy křehké) sklo.

KPI, která si vyberete k měření výkonu svého podnikání a která používáte na semaforech a kartičkách na vašich dashboardech, směrují úsilí vašich týmů a utvářejí vaše podnikání. Dobře si to rozmyslete, než něco zahrnete do svého dashboardu.

Existuje několik důvodů, proč byste se měli zbavit svých starých reportů

V mé praxi však týmy Controllingu a FP&A dvakrát nepřemýšlejí nad strukturou svých reportů. Nemáme ve zvyku je neustále revidovat a vylepšovat. Každý měsíc, každý týden, každý den připravujeme stálé stejné reporty.

Bohužel poměrně často slýchám od svých klientů: „Začneme zkopírováním našich starých reportů do našich nových BI nástrojů“. Okamžitě tak odmítají všechny výhody, které nové technologie nabízí.

Dnes máme kvalitní, kompletní data v reálném čase snadno dostupná z různých zdrojů. Vyžaduje to změnu paradigmatu. Pokud máme sklízet plody nové technologie, musíme začít přemýšlet jinak a naše manažerské reporty musí vypadat jinak.

„Nejstarší“ částí našich starých reportů jsou plány a rozpočty. Tento odkaz z 50. a 70. let přenášíme do jednadvacátého století. Řízení podle cílů (MBO) je zastaralé. Začali jsme to zpochybňovat v 90. letech, kdy se objevilo hnutí Beyond Budgeting. Ale s rychlým rozšířením nástrojů business intelligence a silným tlakem pandemie COVID-19 vidíme životaschopnou alternativu dostupnou prakticky každému podniku.

Spíše než porovnávání výkonu Vaší společnosti s pevným cílem, řekněme 5-procentním růstem tržeb, si stanovte relativní cíl + 1% růst oproti průměru v odvětví nebo oproti růstu nejvýznamnějšího konkurenta. K dispozici jsou objektivnější metriky výkonu než plány a rozpočty. Proč zůstávat u starých?

V tomto bodě jsme zjistili, že nejen samotné KPI, ale i benchmarky, se kterými je porovnáváme, jsou strategicky důležité. Tím ale nekončíme.

Drilldown není všelék: hledejte význam za čísly

Jsem si jistá, že každý z vás slyšel podobný dialog mezi manažerem a vaším kolegou finančním kontrolorem nebo finančním business partnerem.

– Náše tržby v tento měsíci klesají.
– Proč?
– Protože prodej čerstvých potravin je dole.
– A proč je to tak?
– Pokles je drivovan především mléčnými výrobky.
– Proč se tohle děje?
– Protože máslo a jogurty výrazně poklesly.
– To já nevím

Může být frustrující slyšet „nevím“, ale jsou na vině skutečně kontroloři? Ve většině společností, pro které jsem pracovala, dashboardy a reporty nepředstavují nic jiného než systémy breakdownů a drilldownů. Finanční analytici jsou velmi dobří v zjišťování nejmenších detailů, ale rozumí skutečně business driverům?

Jednou z obrovských výhod moderních technologií a nástrojů business inteligence je schopnost integrovat data z více zdrojů. V jednom reportu můžete mít provozní a finanční data z různých interních systémů a externích zdrojů.

Místo pouhého rozsekáváni tržeb napříč všemi možnými dimenzemi můžete na jednom místě sbírat data o dostupnosti produktů, data o délkách front, data o cenách, data o reklamní aktivitě konkurentů. S tím, co mají k dispozici, vám vaši kontroloři odpoví nejen popisem problému (které kategorie klesají), ale také vysvětlením důvodů poklesu (50% sleva na konkurenční máslo a zpoždění dodávky jogurtů od významného dodavatele do našeho skladu).

Na závěr

• Berte design dashboardů vážně. Získejte dovednosti, které k tomu potřebujete, nebo si přizvěte odborníky.
• Využijte přechod na nástroje Business Inteligence jako příležitost k úplnému resetování finančního a provozního reportingu.
• Pečlivě vybírejte KPI pro své dashboardy, mají větší strategickou hodnotu, než se zdá.
• Zvolte objektivní relativní měřítka (např. průměry z Vašeho odvětví) spíše než pevná subjektivní měřítka (např. rozpočet).
• Posuňte se k integrovanému provoznímu a finančnímu reportingu. Zakomponujte důležité provozní metriky do vašich finančních reportů.
• Pomozte svým kontrolorům jít dál než k pouhému sledovaní finančních metrik, ale k porozumění celkovému businessu.

Věřím, že po těchto krocích vytvoříte dashboardy, které nejen odhalují problémy, ale také je pomáhají řešit. Dashboard není jen monitorovací nástroj. Pokud ho takovým nevytvoříme.

Článek byl poprvé publikován na portálu FP&A Trends

Článek Proč jsou dashboardy strategickým nástrojem v FP&A se nejdříve objevil na Olga Rudakova.