
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
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28