Spotify 最近解释了他们的仪表板质量框架（Dashboard Quality Framework），这是一种标准化做法，用于确保整个组织仪表板准确性和一致性。由仪表板质量框架支持的内部仪表板门户（Dashboard Portal）使用户能够轻松地搜索整个组织中的现有仪表板。
Spotify 的高级数据科学家 Skyler Johnson 介绍了 Dashboard 质量框架。Johnson 提到，创建有效的仪表板需要专业技能。Johnson 承认，在分布式工作中维护质量标准是具有挑战性的，他表示，这一举措的主要目标是应对与仪表板创建和可访问性相关的挑战。
通过集成来自多个工具的内容，Dashboard 门户使用户无需考虑仪表板应该放于何处。此外，嵌入式仪表板还配备了额外的上下文，如所有权、刷新日期、使用统计数据和底层查询，从而提供了对数据更深入的理解。
在 Spotify，Tableau 和 Looker Studio 都能够让每位 Spotify 员工选择最符合他们需求的解决方案，从而创造量身定制的有效可视化体验。Looker Studio 具有快速、用户友好的可视化功能，而 Tableau 则提供了复杂仪表板所需的深度和复杂性。
Dashboard 质量框架由两部分组成：生命体征，一种基于 API 和日志数据的仪表板运行状况自动检查，以及 “Spicy Design”仪表板检查表，一种对数据可视化和设计最佳实践的手动评估。仪表板根据其在这些评估中的表现获得质量标签（低、高或金色）。
为了帮助 Tableau 用户，Spotify 开发了一项用于创建和管理 Tableau 摘要的服务。该服务利用 SQL 调度工具，可以在谷歌 BigQuery 中调度和执行批处理数据工作流。它还生成和发布了 Tableau.hyper 文件，用于 Tableau Cloud 上的仪表板。这些工作流在满足依赖关系时执行 BigQuery SQL，并提供了一些优势，其中包括更快的处理速度、更大的数据加载能力，以及基于.yaml 的 SQL 存储使编辑更容易。
来源：通过大规模的高质量仪表板解锁洞察力
此外，Spotify 还为仪表板所有者提供了有关其仪表板的详细分析。这些洞察包括活跃用户数、每周留存率、用户统计数据（按组织或工作类别划分）以及通过电子邮件轻松与用户沟通的能力等指标。这使所有者能够对其仪表板做出明智的决策，例如向新的受众推广仪表板或弃用未被充分利用的仪表板。
我们在 HackerNews 上发现了一个有关 Tableau 的有趣讨论。数据可视化社区积极参与了这场辩论，一位前 Tableau 冠军强调，不断上涨的许可成本是广泛采用的障碍。只有一个可召回的数据可视化实例能直接影响决策，尽管仪表板本身得到了积极的反馈，但使用率仍然很低。
在另一个讨论 PowerBI 作为 Tableau 替代品的帖子 中，一位 HN 用户详细阐述了为什么他们认为 PowerBI 更优越。
总之，Dashboard 门户是一个内部网站，提供了 Spotify 所有已发布仪表板的可搜索目录，包括 Tableau 和 Looker Studio。
此外，Johnson 还提到，Spotify 在仪表板创建和管理方面的稳健方法表明了其对数据民主化和知情决策的承诺。这些复杂的工具和框架确保每个仪表板都既具有视觉吸引力，又具有可操作见解的强大来源。
作者介绍
Aditya Kulkarni 是一名技术专家，他曾与不同的组织合作，共同实践敏捷。作为一名狂热的读者，他总是对关注最新、最伟大的技术感兴趣！
查看原文链接：
https://www.infoq.com/news/2024/09/spotify-dashboards-framework/
