Поиск важных объектов внимания и идей

Задача: Обновление дашборда статистики использования фичей сервиса ilex — с добавлением новых фичей, появившихся за последний год, и улучшением визуализации данных.
Поиск важных объектов внимания и идей

1. Деконцентрация внимания на старте:

  • Я, в роли руководителя команды разработчика, сначала провела «информационную разведку»: изучила, какие фичи были в дашборде, нашла в нашей базе знаний в Конфлюенс информацию, где владельцы фичей описывают фичи и их характеристики. Составила первичный список фичей из этой базы Конфлюенс и сравнила с перечнем фичей в дашборде. Также нашла в Конфлюенс в нашей базе данных альтернативные данные со списком фичей и их описанием, которые используют специалисты по обслуживанию клиентов в блоке Клиенты (МДО/РО)
  • Параллельно аналитик команды разработки на встречах с МДО/РО начал собирать пользовательские сценарии: кто использует данный дашборд в блоке Клиенты, в каком контексте, с какими целями.

2. Онтологическое структурирование:

  • Выделила объекты:
    • *Фича:описание
    • *Сценарий МДО использования дашборда::описание
    • *Сценарий РО использования дашборда:: описание
      • Дашборд НМВ:физ. объект

3. Поиск идей для визуализации:

  • Проанализировала, какие визуальные элементы уже есть в дашборде (диаграммы, таблицы, фильтры, цветовые схемы, логика размещения элементов) и какие вызывают когнитивную нагрузку (усилия, которые пользователь дашборда тратит, чтобы воспринять и интерпретировать информацию).
  • Познакомилась в интернете с примерами из других сервисов: использование использовал идеи heatmap (тепловой карты), timeline (временной шкалы), grouped bar charts (группированные столбчатые диаграммы).

Как это применимо к дашборду: Можно показать, когда были добавлены новые фичи в сервис ilex, можно сгруппировать фичи по типу, можно отобразить, какие фичи чаще используются пользователями сервиса ilex, а какие остаются «холодными».

4. Валидация через пользовательский фокус:

  • Провела опрос МДО/РО:

какие фичи они считают важными для включения их в дашборд, какие данные в дашборде помогают им принимать решения, требуются ли пояснения к отдельным элементам дашборда.

:sparkles: Итог

В результате я с командой разработки планирую:

  • Обновить таблицу дашборда, добавив фичи, релиз которых произошёл после создания дашборда.
  • Перестроить визуализацию: добавить нужные интерактивные элементы, по возможности, использовать группировку фичей по типам, ввести фильтры по дате и др. на основе собранных сценариев от пользователей дашборда (МДО/РО блока Клиенты).
  • Создать онтологическую карту фичей, которую будет использовать аналитик команды разработки как основу для дальнейших обновлений дашборда.

Людмила, спасибо за пост!
Отлично, видно, что вы вдумчиво поработали с материалом руководства и постарались его применить! (Онтологическая) карта фичей – звучит интересно, может помочь сократить время подготовки к разработке новых фичей/Full Kitting, а также само время разработки/потоковое время.

Только ооочень аккуратно с типами! Фичу можно рассматривать как физический объект, но в очень специальном контексте. Опишите, пожалуйста, в каком.
Название фичи можно рассматривать как физический объект? Как по нему постучать?

Спасибо большое за обратную связь!

Вы правы — при описании фичей как физического объекта важно уточнять контекст. В своей онтологической модели я рассматривала фичу как физический объект в рамках цифровой системы, где она обладает следующими признаками:

  • Имеет реализованную форму — например, как элемент интерфейса или модуль кода, с которым можно «взаимодействовать»;
  • Может быть запущена или протестирована — то есть присутствует в системе не только концептуально, но и фактически;
  • Оставляет технический след — лог активности, обращения в базу данных и другие наблюдаемые эффекты.
  • Таким образом, физичность фичи здесь — это не материальность в классическом смысле, а локализуемость и наблюдаемость её реализации
    Но в рамках моей задачи я согласна, что фича здесь является описанием. в качестве описания в дашборде выступает метрика по количеству запросов пользователей с использованием фичи.