京公网安备 11010802034615号
经营许可证编号:京B2-20210330
您是否已经创建了一个 Tableau 仪表板扩展?
太棒了!
但是您是通过什么与用户进行交互的?它容易使用吗?它美观且有效吗?
本文将告诉您如何让仪表板扩展为用户提供友好的体验!如果您刚刚开始构建仪表板扩展,可查看下方链接学习更多相关知识。
来源 | Tableau社区
通过您的仪表板扩展提供出色的用户体验
在您的仪表板扩展运行后,确保它有很好的可用性是非常重要的一点。这将增加您仪表板扩展的价值,并让人们一次又一次地使用它。
您可以将以下注意事项作为一个清单:
1
拥有简单的控件和用户界面模式(UI)。
您仪表板扩展中的内容应该清楚地向用户表明如何与其进行交互。例如,对话不应该包含不相关或不必要的信息。您添加的任何额外信息都可能会给用户带来困惑。
确保您的设计易于学习和使用非常重要。这就是UI模式派上用场的地方,因为它们来自UI设计中的最佳实践,它们是常见问题的可重用解决方案。
2
提供适当的反馈和错误消息。
您的仪表板扩展应始终保证用户能及时了解实际情况。例如,如果您的仪表板扩展所在的区域正在加载,并且它花费了比平时更长的时间,我们可以使用一个活动指标帮助用户了解正在发生的事情。
否则,用户可能想知道系统是否正在执行任何操作或是否存在错误。如果出现错误,我们应用简单的语言表达消息并描述问题,并提供如何修复错误的建议。
3
确保仪表板扩展布局的响应性。
确保仪表板扩展的容器内容和控件以正确的大小显示。用户可以手动调整容器的大小,因此请确保使用常见的响应式 Web 设计实践,例如断点和基于百分比的宽度。
阅读更多有关布局指南的信息,以确保您的样式与图库中的其他扩展保持一致。
4
用最少的设计使您的扩展更美观。
有目的和清晰地使用颜色是很重要的。请最低限度地使用它,仅突出显示仪表板扩展中的功能。使用有效的颜色将向用户传达重要的内容。
您可以查看 Tableau 的标准颜色系统,以用于您的仪表板扩展。
至于字体和排版,这里应该有一个明确的内容层次结构,通过使用不同的字体大小,颜色和间距来区分。通过这种方式,我们可以引导用户首先去查看或点击哪些内容。
您可以使用 Tableau 的样式指南使您的仪表板扩展看起来像 Tableau,但是您可能希望将仪表板扩展进行标记以将其区分。这里是有关如何有效标记仪表板扩展的指南。
5
链接到帮助和文档。
对于设置或使用更复杂的仪表板扩展,为用户提供获取额外的帮助是一个加分项。另外,它还可以为用户提供了解您或您公司的更多信息。
6
最后,在共享之前进行一些可用性测试。
对不熟悉您仪表板扩展的人进行一些快速测试。观察他们如何使用您的仪表板扩展以及他们是否遇到任何问题。但也要注意这个人与某些东西的交互方式是否与您预期的方式不同,并注意他被困在哪里。这可以在很短的时间内揭示您仪表板扩展的可用性。
设计很重要,但这经常被开发人员遗漏。花时间设计将使您能够建立真正优秀的用户体验,并让客户爱上您的仪表板扩展。现在有了以上这些指导方针,希望给您一些有用的提示!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19