数据+产品就是数据产品?漫谈数据可视化场景

CrazyPM产品经理社区  阅读数  33  2021-07-31 22:47:44

编辑导语:在数据可视化产品中,场景也是一个重要的考虑因素。那么,如何做好数据可视化场景设计?本篇文章里,作者对数据可视化产品的场景做了探讨,结合数据和案例,阐述了可视化场景设计的思考维度,一起来看一下。

数据+产品就是数据产品?漫谈数据可视化场景

许久没有更新了,今天接着梁宁系列课程的思考,这节课梁宁讲的是“场景”的内容,在文章开头我们还是先学习一下这节课的名词解释:

“场”是时间和空间的概念,一个场就是时间加空间。“景”就是情景和互动。当用户停留在这个空间的时间里,要有情景和互动让用户的情绪触发,这就是场景。

只有能触发用户情绪的场景才是真正的流量入口。

如果从C端的产品来看,会联想到许多生活中耳熟能详的场景,比如深夜肚子饿了可能会打开美团点外卖,地铁上班时可能会打开喜马拉雅听有声书……

那B端产品就不需要考虑场景吗?虽然之前我们说过B端产品讲求效率,但还未针对场景好好分析一番。恰好近期在做数据可视化产品时,又有了一些心得体会,今天我们就来聊聊数据可视化产品的场景(关于数据可视化的基础内容可以看一下我之前的文章《数据可视化如何实现?》)。

一、基于数据场景的设计

时效性,是数据产品的重要指标之一。在可视化产品中主要有两大类数据时效。

一类是T+1周期的离线数据,即在今日最晚只能查询到截至昨日的数据,一般是通过调度机制每天凌晨或上班时间前将截至昨日的数据跑好,然后再抽取已经跑好的离线数据进行可视化展示。

另一类是实时数据,即通过定时(如分钟级)刷新数据,用户可以能够看到实时或准实时的数据。

所以基于上述两类数据属性,在做可视化产品时就会出现两种不同类型的看板:离线数据看板实时数据看板

抛开数据的时效性,单纯制作数据看板,会有一套标准的方法论。不管制作“实时”还是“离线”看板都可以去按照这种方式(如下图,后面将通过完整的一篇说明):

数据+产品就是数据产品?漫谈数据可视化场景

可是考虑到场景,单从指标选择上就会有很大的不同。

以某社区团购公司营销域分析的看板制作流程为例,我们在与业务方沟通时,除了基于营销活动的“销售额”、“下单用户数”、“客单价”、“促销金额”等指标外,业务方还希望有“待配送”等相关的指标,目的是如果活动火爆,积压的单量过多可以及时的减量/停止活动,从而减少店仓配送的压力。

在制作实时看板时,一开始我用了“履约超时率”(=待配送单量/仓端订单量,不同企业的口径可能不一样)这个指标,再跟业务方沟通后他们也表示了赞同。

可是回头我又在想:只有数值因变动而变化快的指标放在实时看板中才有价值,而“履约超时率”作为一个比率指标,在实时看板中可能变化的很缓慢,但带来的结果可能已经很严重了。

假设履约准时率从 50000/1000000 到 60000/1010000,虽然在比率上只有5%到5.9%的变化,可是已经相差了10000单。对于业务方来说10000的变化远比0.9%的变化更具有震撼性,而且微弱的变化可能已经滞后了严重后果的反馈。

所以,后来我还是把“履约超时率”换成了“待配送单量”。

写到这里就不难看出,在制作实时看板时,选择“数值”指标会比“比率”指标更有价值

如果我们不做实时看板呢?

那么“待配送单量”在T+1周期的数据中就没有这么大的意义了,并且考虑到指标的关联性,我们也会把“待配送单量”放入到履约/店仓配的业务板块下,而不会把不同业务域下的指标杂糅在一起。我们在引出第二条规则,在制作离线看板时,指标的业务关联性要更强

二、基于可视化场景的设计

这一章节我们讲的是“可视化”的场景设计。

在公司内业务方向分析师提出的数据需求,主要以两大类呈现:一类是临时性查看的取数需求,一般分析师会提供一张包含明细数据的CSV文件。另一类是需要长期观察、分析的需求,一般分析师、数仓等同学配合完成可视化看板。

而业务在查看数据看板的场景主要分为两个过程,一个是查找(一般业务会有很多张数据看板),一个是分析(发现异常指标后,找到问题点)。

我们今天抛开基于可视化系统级设计的查找过程(后面文章详细说明),单说说分析的过程。

假设我们通过业务访谈确认了数据看板需要哪些指标和维度,如果遇到一个指标出现异常(增加/减少),数据产品们就需要思考通过怎样的设计才能让业务同学定位到原因。

定位问题的基本分析方法主要有趋势分析、对比分析、交叉分析、下钻分析等。

趋势分析主要采取时序图,横轴为时间维度纵轴为指标的折线图。而做交叉分析时,需要将不同的指标/维度同时展示,如支持单维度、双指标分析的双轴图,或者支持更多指标关系分布的气泡图……写到这里,我们可以了解到不同的分析场景有不同的图表选型

但数据可视化的产品设计远远不止这些,更多的是基于基础图表的功能补强。

比如我们需要给业务方设计了一张有近20个指标、超过40个维度枚举值的营销域数据看板,如果平铺展开,那我们需要几十张图表,这时候我们就得思考如何精简布局?

(因为每个业务方都有多张数据看板,且每个数据看板都有多张图表,我们需要考虑到他们的查找、观看等状态下的体验。)

我们分两条线路思考,如果我们需要在同一个维度对多个指标进行交叉分析时,就要创建多个维度相同、指标不同的图表。

那我们按照数学的角度思考,合并同类项维度,将指标作为变量是不是就可以解决痛点了呢?

在可视化看板中,变量就代表着参数,可以用筛选器去替代,所以我们可以改造图表增加一个指标筛选的功能,形如下图效果:

数据+产品就是数据产品?漫谈数据可视化场景

接着另一条线路,如果在上述改造图表的基础之上需要对不同的维度进行分析呢?你是不是想到了和上面同样的方法,做一个维度的筛选器?

讲道理这样也没有毛病,可是就忽视了一个可视化的另外一个场景,规范统一业务的分析方式(思路)。

这里我引一位产品前辈说过的一句话“数据产品的最终目标是沉淀数据资产”,他没有详细解释这句话,而我通过对过往经历的思考,发现大部分公司的数据产品只专注于沉淀数据、工具这些有形的资产,而忽视分析思维等这种无形资产的沉淀

自由有时候也代表着盲目。如果我们将维度放在筛选器里任意选择,只会让业务同学在使用上杂乱无章。

所以这时候我们需要拉上数仓、业务同学,将相关的维度创建层级关系(注:指标没有层级关系,是一种数学关系)。

以电商场景为例,我们可以把“大区、省份、城市、门店”创建为区域层级,把“商行、课组、大类、种类、小类、商品”创建为商品层级……

当然,我想提到“层级”大家已经想到了下钻功能了,所以这时候我们就可以把图表改造为如下效果:

数据+产品就是数据产品?漫谈数据可视化场景

关于数据可视化的场景设计,今天就说到这里。如果你有其他的观点或场景欢迎在下方留言讨论,关于其他数据产品的内容,有机会我会在未来陆续整理出来。

#专栏作家#

兮兮,微信公众号:孤身旅人(ID:gushenlvren),CRAZYPM产品经理社区专栏作家。关注人工智能、toB产品、大文娱等领域。

本文原创发布于CRAZYPM产品经理社区。未经许可,禁止转载。

题图来自 Unsplash,基于 CC0 协议

 

赞助商推荐:数极客是新一代用户行为分析与数据智能平台,支持用户数据分析运营数据分析留存分析路径分析漏斗分析用户画像SEM数据分析等16种分析模型的数据分析产品,支持网站统计网站分析APP统计APP分析等分析工具,以及会员营销系统A/B测试工具等数据智能应用,支持SAAS和私有化部署,提升用户留存和转化率,实现数据驱动增长!

 

【独家稿件及免责声明】本站原创文章如需转载请联系我们,未经书面许可禁止转载,本站转载文章著作权归原作者所有,如有侵权请通过邮箱editor@kaifou.com联系我们。

增长工具