منبع: بنیاد طراحی تعامل (IxDF) · بازنویسی آزاد: سپنتا پویا · شهریور ۱۴۰۵ · زمان مطالعه: حدود ۱۰ دقیقه

پیوستار فهم (Continuum of Understanding) چیست؟

💡 این متن «بازنویسی آزاد» است: ایده‌ها و مفاهیم مطلب اصلی با نگارش کاملاً مستقل فارسی و مثال‌های تازه بازگو شده‌اند و ترجمهٔ کلمه‌به‌کلمه نیست. بخش‌های افزودهٔ مترجم در جعبهٔ منبع مشخص شده‌اند.

بیشتر داشبوردهایی که ساخته می‌شوند دقیق‌اند، به‌روزند، و هیچ تصمیمی را عوض نمی‌کنند. دلیلش این نیست که داده‌شان غلط است؛ این است که در پلهٔ دوم از چهار پله ایستاده‌اند.

پیوستار فهم همان نردبان است، و کاربردی‌ترین چیزی که می‌دهد این است: می‌گوید هر پله به چه چیزی نیاز دارد تا پله بعدی شود.

تعریف

منبع این مدل را در بستر تصویرسازی اطلاعات معرفی می‌کند: تصویرسازی اطلاعات معمولاً در فرایند فهمیدن داده به‌کار می‌رود، و برای اینکه بدانید کجای آن فرایند به‌کار می‌آید، باید خودِ فرایند را بشناسید. پیوستار فهم نام همان فرایند است: مدلی که نظریه می‌دهد آدم‌ها چگونه از داده می‌فهمند و یاد می‌گیرند.

منبع می‌گوید این مدل را نخست نیتن شدروف پیشنهاد کرد و آن را فرایندی چهارمرحله‌ای توصیف کرد که در آن فهم شخص جابه‌جا و دگرگون می‌شود تا در نهایت به خرد برسد:

• - ۱. داده
• - ۲. اطلاعات
• - ۳. دانش
• - ۴. خرد

و گزارهٔ کلیدی‌اش این است: داده وقتی معنا می‌گیرد و به‌کار می‌آید که پردازش و به اطلاعات تبدیل شود. منبع اضافه می‌کند که یکی از راه‌های پیش‌بردن این پیوستار، استفاده از ابزارها و روش‌های تصویرسازی اطلاعات است — طراح داده را پردازش و مرتب می‌کند و آن را در بافتی ارائه می‌دهد که مخاطب بتواند از آن بینش بگیرد.

چهار پله، و چیزی که هر گذار لازم دارد

این بخش صورت‌بندی مترجم است، و همان جایی است که این مدل از یک نمودار تزئینی به یک ابزار تبدیل می‌شود. هر گذار یک هزینهٔ مشخص دارد:

• - داده ← اطلاعات، هزینه‌اش بافت است. «۱۲۴۰» داده است. «۱۲۴۰ سفارش در فروردین» اطلاعات است. چیزی که اضافه شد واحد، بازهٔ زمانی و برچسب بود. بیشتر کارِ یک نمودار خوب همین یک گذار است.
• - اطلاعات ← دانش، هزینه‌اش مقایسه و علت است. «۱۲۴۰ سفارش در فروردین، ۱۸٪ کمتر از اسفند، و افت کاملاً در سه روز تعطیل بوده» دانش است. دو چیز اضافه شد: یک مبنای مقایسه، و یک توضیح علّی که بشود ردش کرد.
• - دانش ← خرد، هزینه‌اش تجربهٔ تکرارشده است. خرد این است که بدانید کدام افت‌ها ارزش واکنش دارند و کدام‌ها نه. این پله را نمی‌شود در یک گزارش تولید کرد؛ از دیدن چند دورهٔ کامل می‌آید — و به‌همین دلیل معمولاً در سر یکی‌دو نفر است، نه در هیچ سامانه‌ای.

و نتیجهٔ عملی این تفکیک این است: هر بار که می‌خواهید گزارشی را «بهتر» کنید، اول بپرسید در کدام پله ایستاده و گذار بعدی‌اش چه می‌خواهد. افزودن یک نمودار دیگر، اگر مشکل نبودِ مبنای مقایسه باشد، هیچ کمکی نمی‌کند.

داشبوردها کجا گیر می‌کنند

این بخش هم افزودهٔ مترجم است. تقریباً همهٔ داشبوردهای محصولی در پلهٔ اطلاعات می‌ایستند: عدد را با برچسب و بازهٔ زمانی نشان می‌دهند و همان‌جا تمام می‌شوند. نتیجه‌اش این است که به پرسش «چه شد؟» جواب می‌دهند و به پرسش «خب که چه؟» نه.

و این یک نقص فنی نیست، یک نقص طراحی است. سه چیزی که یک داشبورد را یک پله بالا می‌برند، هیچ‌کدام دادهٔ تازه لازم ندارند:

• - ۱. مبنای مقایسه، کنار هر عدد. «در برابر چه؟» — دورهٔ قبل، هدف، یا همان عدد برای بخش دیگری از کاربران. عددی که مبنا ندارد، خواننده را مجبور می‌کند مبنا را از حافظه‌اش بیاورد؛ و حافظه، مبنای بدی است.
• - ۲. یک جای مشخص برای توضیح. فیلدی کنار نمودار که کسی می‌نویسد «افت سه روز تعطیل بود». همین یک خط، دانش را از سر یک نفر به سامانه منتقل می‌کند — و شش ماه بعد جلوی تفسیر غلط را می‌گیرد.
• - ۳. آستانه‌ای که از قبل تعیین شده. اگر پیش از دیدن عدد نگفته باشید چه مقداری «بد» است، هر عددی قابل توجیه است. آستانه همان چیزی است که سنجه را از تزئین جدا می‌کند.

و یک هشدار دربارهٔ خودِ مدل: این پیوستار به‌سادگی به یک سلسله‌مراتب اخلاقی تبدیل می‌شود («داده پست است، خرد شریف»). چنین خوانشی بی‌فایده است. داده نه پست است و نه ناقص؛ فقط هنوز بافت ندارد. و در بسیاری از تصمیم‌ها، رسیدن به پلهٔ دوم کافی است.

سه پرسشی که یک پله بالا می‌برند

این بخش هم افزودهٔ مترجم است، و کوتاه‌ترین شکل قابل استفادهٔ کل مدل است. سر هر عددی که به شما گزارش می‌شود، به‌ترتیب این سه را بپرسید:

• - ۱. در برابر چه؟ این پرسش شما را از داده به اطلاعات می‌برد. تا مبنا نداشته باشید، «۱۲۴۰» نه خوب است و نه بد.
• - ۲. چرا تکان خورد؟ این پرسش شما را از اطلاعات به دانش می‌برد — و توجه کنید که جواب باید ابطال‌پذیر باشد. «چون کاربران بیشتر شدند» توضیح نیست؛ «چون سه روز تعطیل بود و افت کاملاً در همان سه روز است» توضیحی است که می‌شود چکش کرد.
• - ۳. چه کاری را جور دیگری می‌کنیم؟ این پرسش تنها آزمون واقعی است. عددی که جواب این پرسش را عوض نمی‌کند، هر پله‌ای که باشد، برای شما تزئین است.

و یک قاعدهٔ ساده برای گزارش‌نویسی که از همین سه پرسش درمی‌آید: هر عدد را با مبنایش، و هر مبنا را با یک جملهٔ علّی بنویسید. گزارشی که فقط عدد دارد، کار فهمیدن را به خوانندهٔ خسته واگذار کرده — و خوانندهٔ خسته، مبنا را از حافظه‌اش می‌آورد.

در بافت فارسی: پله‌ای که پیش از پلهٔ اول است

مدل از داده شروع می‌کند و فرض می‌گیرد داده درست است. در کار ما، سه چیز پیش از پلهٔ اول اتفاق می‌افتند و کل نردبان را جابه‌جا می‌کنند:

• - از‌دست‌رفتن رویداد، تصادفی نیست. بخشی از کاربران ردیاب‌ها را می‌بندند، بخشی روی شبکه‌ای هستند که به نقطهٔ پایانی تحلیلی نمی‌رسد، و بخشی روی VPN‌اند که مکان و نشست را خراب می‌کند. مسئله این نیست که داده کم است؛ این است که کمبودش با فنی‌ترین بخش کاربران هم‌بسته است. پس هر تصمیمی که رویش سوار است، به‌سمت کاربران کم‌تجربه‌تر کج شده.
• - تقویم، پلهٔ دوم را می‌شکند. «۱۸٪ کمتر از هفتهٔ قبل» وقتی هفته دوشنبه شروع شود و تعطیل آخر هفته شنبه-یکشنبه باشد، دربارهٔ چیز دیگری حرف می‌زند. و خوشه‌های تعطیلات، بی علامت‌گذاری، شبیه ریزش فاجعه‌بار به‌نظر می‌رسند.
• - و پلهٔ سوم به یک نفر وابسته است. دانشی که می‌گوید کدام افت طبیعی است و کدام هشدار، معمولاً در سر یک نفر از تیم عملیات است. این همان چیزی است که تحلیل وظیفهٔ شناختی برای بیرون‌کشیدنش وجود دارد — و اگر ثبت نشود، با رفتن آن نفر، داشبورد به پلهٔ دوم برمی‌گردد.

پس ترتیب کار در بازار ما یک قدم عقب‌تر شروع می‌شود: اول لایهٔ سیگنال را قابل اتکا کنید (هر چیزی که تصمیمی رویش سوار است، سمت سرور)، بعد سراغ بالا‌بردن پله‌ها بروید. نردبانی که پایه‌اش روی داده‌ای کج است، هر پله‌اش کج‌تر می‌شود.

جمع‌بندی

• - پیوستار فهم مدلی است که می‌گوید آدم‌ها چگونه از داده می‌فهمند و یاد می‌گیرند؛ نخست نیتن شدروف پیشنهادش کرد و چهار مرحله دارد: داده · اطلاعات · دانش · خرد.
• - گزارهٔ کلیدی: داده وقتی معنا می‌گیرد که پردازش و به اطلاعات تبدیل شود — و تصویرسازی اطلاعات یکی از راه‌های پیش‌بردن این پیوستار است.
• - هر گذار هزینهٔ مشخصی دارد: داده ← اطلاعات، بافت می‌خواهد · اطلاعات ← دانش، مقایسه و علت می‌خواهد · دانش ← خرد، تجربهٔ تکرارشده می‌خواهد.
• - تقریباً همهٔ داشبوردها در پلهٔ اطلاعات می‌ایستند: به «چه شد» جواب می‌دهند و به «خب که چه» نه. سه چیز آن‌ها را یک پله بالا می‌برد و هیچ‌کدام دادهٔ تازه لازم ندارد: مبنای مقایسه · جای مشخص برای توضیح · آستانهٔ از‌قبل‌تعیین‌شده.
• - و این مدل یک سلسله‌مراتب اخلاقی نیست: داده پست نیست، فقط هنوز بافت ندارد — و برای بسیاری از تصمیم‌ها، پلهٔ دوم کافی است.
• - در بازار ما یک پله پیش از پلهٔ اول هست: از‌دست‌رفتن غیرتصادفی رویداد · تقویمی که مقایسه را می‌شکند · و دانشی که به یک نفر وابسته است. اول لایهٔ سیگنال، بعد بالا‌بردن پله‌ها.