数据可视化产品价值度、易用性提升技巧（一）

当你负责一个产品，不管是从0-1的无中生有，还是站在前人的肩膀上对现有产品进行迭代，都需要有一个好坏的判断标准，这样才能让这个产品走的更远。同样，对于一个数据决策分析类的产品或者利用Tableau等BI工具搭建了一个Dashboard页面，你知道该怎么判断它到底做的是好还是坏呢？只有了解这些，才能够更好地规划和设计一个数据决策分析产品。

一、四大核心能力

数据分析类产品的定位是通过将数据可视化、信息化，为数据化管理提供重要抓手。其关键是要建立四大核心能力。要判断一个BI可视化产品的好坏时，主要从这四个方面看，当前还欠缺哪些能力。

1. 知现状

这是满足基本数据“生理需求”的最低层次需求，也就是说，至少要先能够把业务过程数据化，可以基于这个数据产品获取到所需要的数据，哪怕用最原始邮件excel数据附件，或者前端的表格数据下载。如果数据产品停留在这个阶段，其存在感和价值度就非常低，因为业务自己还需要花大量的时间二次加工和分析，他们会觉得，自己的工作更耗时，至于从哪里取的数，没那么重要。

2. 定问题

除了作为降低数据获取成本的媒介之外，还需要能够帮助用户发现和定位问题。比如DAU指标今天看100W，明天打开看到是120W，虽然每天看到了不同的描述性数字，但并不知道到底有没有问题，不是每个业务都有那么强的数据敏感度。

所以，用户希望的是，你这个数据产品可以直接告诉他数据有没有问题，而不是要他自己根据经验判断（有些新人没经验）。在问题发现方面，主要是要建立一些参考对比的标准，例如，和历史同期比（同比、环比），和目标KPI对比，与行业对比等。

3. 究原因

发现问题后，还需具备挖掘原因的能力，比如昨天DAU指标同比下降50%，超出了正常的阈值范围，那么到底是哪里出了问题，是某一地区因为疫情影响，还是某个产品发布新功能除了Bug。还是某一流量渠道消耗花完没钱投放了？需要提供直观的原因解释，或者至少要构建支持用户交互式多维分析的能力，可以让业务人员自己由果索因。

4. 促行动

数据分析产品的目标是为了改善决策，赋能决策，所以需要为业务行动改善提供指导建议。如果只是看一眼数据，就没有然后了，那么就没有起到数据赋能的作用。例如，DAU指标下降，通过分析发现主要是纯新流量下滑，拉新能力不足。建议在XX、XX等用户留存质量高的渠道，增加投放预算。

二、六项基本原则

在做数据可视化产品设计时，需要遵循以下基本原则，才能更好实现四大能力。

1. 目标明确

不同用户群体关注的指标和维度有所差别，对于管理层会对营收、成本、业绩增长潜力、用户规模等角度全面了解公司经营健康状况，指标宏观且覆盖全面，而对于运营部门，主要背用户相关KPI，所以在做报表产品设计时，要充分考虑目标用户和数据化管理目标。

2. 思路清晰

你希望用户沿着什么分析思路使用你这个产品。数据产品经理的能力维度之一是数据分析能力。它和数据分析师岗位的边界在于，要把常用的分析思路抽象融合到产品流程当中，让更多原来不懂数据分析的人，可以借助产品而“人人都会数据分析”。那么你的分析思路是什么呢？聚焦于业务流程的指标体系，指标之间的逻辑关系是什么，订单量或转化率下降，主要是哪个指标影响，在哪个维度的表现更为突出？

3. 主次分明

围绕核心KPI，指标呈现是否主次分明，是毫无关系的指标堆砌，还是分级分类重点突出？核心内容高优首屏展现，次优内容通过指标选择或tab切换方式，引导用户按需深入分析。避免所有内容平铺造成内容过载，重点失焦。

4. 信息丰富

数据产品需要具备将数据信息化、知识化的能力。单纯的数据不是信息，只有结合业务场景加工处理后可以直接为用户提供决策帮助的才是信息。比如订单量同比下降50%，还是数据，而增加：仅近七天同比逐步增大，疫情恢复逐步好转。就是一个信息。

5. 简单易用

数字化转型的目标之一是实现数据的民主化，就是人人都可用数据，数据和产品的使用门槛要足够的低，所以在设计对应的产品时，基于分析思路，提供一线店员、销售都可使用的产品流程，从而才能够实现自上而下的数据化管理。

6. 及时主动

除了被动地等待用户来访问产品查看和分析数据外，还可以通过数据订阅推送、指标波动预警等功能，及时主动为用户提供数据决策能力，增强用户对数据的依赖度。

三、常见问题

以下列举数据可视化产品常见的问题，后续文章会详细整理数据可视化产品设计常见坑点，这样你在分析评价别人的产品才能提出更具建设性的建议。也作为自己设计产品时的自查表。敬请期待。