數據驅動決策，是數據發揮其價值的基本形式。所謂的數據化管理、數字化轉型第一步就是一切用數據說話。在這一過程中，數據可視化類的產品的核心目標就是以產品化的形式，降低數據使用者數據獲取的成本，提升數據分析、助力決策的效率，讓人人都可接觸數據，人人都是數據分析師成為可能。對於數據產品經理從業者來說，數據可視化是一項必備的基礎技能，也是相對更容易入行的一個方向。當你拿到一個數據可視化產品的需求時，該如何着手去做呢，這裡有一套通用的邏輯，可以幫助你更快速的上手構建一個可視化產品。
一、可視化需求靈魂三問
1.給誰看
作為產品經理，在承接需求的第一問就是用戶是誰。企業內的數據可視化平台主要是面向企業的管理層以及不同條線的業務同學，不同的角色對數據的訴求以及分析的場景差異比較大。例如，企業經營「駕駛艙」（這個名字已經被用濫了），主要用戶是公司的管理層，在數據內容要求上，要能夠全面反映業務經營健康度，指標覆蓋公司流量、營收、成本、用戶、服務等各個方面，老闆比較忙，一般不會自己做過多的交互式的分析，產品設計時，就需要提供更多的分析結論、業務建議的能力，並且可以具備從上到下的跟蹤執行能力，這樣老闆才會更依賴你的產品第一時間發現業務問題。否則，還不如直接去問各個條線的負責人，或讓他們定期匯報好了。再比如，產品條線的人，則聚焦於關注用戶是怎麼樣使用產品的，遇到了哪些痛點，操作路徑以及轉化率如何，怎樣提升等問題。
2.看什麼
目標用戶確定後，就需要了解用戶的工作場景了。數據產品比業務懂數據，比數據懂業務，這個環節主要是體現產品經理的需求挖掘和分析能力了，是直接跟進業務需求進行1:1變現，還是說能以數據專業視角，給業務更多專業的建議，做合理的需求過濾，這是能否成為更靠譜的PM的先決因素之一。看什麼，是要解決呈現哪些數據指標的問題。舉個栗子，客服部門的用戶，考核的核心KPI是服務的一次性解決率，即用戶打電話進來能夠最短時間給到用戶最滿意的解決方案，解決用戶問題，化解矛盾，給用戶留下好的印象，不僅可以節省二次投訴的人工成本，也可以提升用戶體驗，持續活躍或留存。僅關注這一個北極星指標是不夠的，還需要對二級、三級等指標進行相關的分析監控，例如每天的諮詢量、投訴訂單占比等。確定要呈現哪些指標時，可以基於業務的訴求，以及PM對業務的理解，形成指標池，再利用OSM模型、UJM模型等指標體系建設方法論，梳理指標之間的關係，構建能夠全面、準確衡量業務狀況的「好的指標體系」。
3.怎麼看
可視化產品的目標是解決用戶用數據、分析決策的效率問題，那你想讓用戶怎麼去看數據呢，這就PM體現數據分析能力了。數據分析是為了支撐決策，當發現數據異常問題時，用戶的下一步動作是什麼？業務營收環比下降50%，然後呢？通常有兩個分析方向，第一個是關聯指標的分析，可以借用財務領域的杜邦分析方法，拆解指標，例如：營收=GMV-成本，GMV=訂單數*單均價，訂單數=UV*訂單轉化率，最終定位影響的關鍵指標。第二個是維度拆解方法，即要確定目標指標支持的分析維度是什麼，營收下降，是哪個產品線、哪個渠道，甚至是哪個具體的產品出了問題。
總結下來，在數據可視化分析需求處理環節，核心要素就是明確你的用戶是誰，在做什麼事情，關注哪些指標，指標體系如何，分析的思路是什麼。其次，就是指標的統計口徑，探查數據有沒有的事情了。
二、好的數據可視化產品設計的通用邏輯
好的數據可視化產品需要具備三個核心的能力，即：數據是什麼，數據怎麼樣，應該如何做。
1.是什麼
在需求分析階段，確定了需要呈現的數據指標，在做具體的可視化頁面設計時，根據指標的優先級順序、分析的數據維度以及需要呈現的指標數據關係，通過最恰當的可視化展現形式呈現出來，通過可視化圖表將數據信息傳遞給用戶。
2.怎麼樣
數據怎麼樣體現的是將枯燥的數據轉化成可以輔助決策的信息，比如，如果你的數據產品每天告訴老闆，今天DAU1000W，營收10億，老闆只能是「哦，知道了」。老闆期待的是，你可以直截了當地告訴他，業務表現到底是正常還是不正常。也就是，數據產品上，要能夠提供衡量指標好壞的評價標準，常用的是對比的方式。
和時間對比，不同時期的對比，與昨天（環比），與去年（同比），與上個月、上周等
和競對對比，市場份額情況，行業大盤、競對指標值參考等
和目標對比，KPI完成度，指標當前數值與既定目標的對比，看離目標還有多遠
業務突破：
是否實現了歷史突破，達到新的里程碑？
預警值:和預測或者設定的預警值對比，是否在可控範圍內
3.如何做
知道了數據怎麼樣了，指標評價顯示業務異常，下一步就是「為什麼「或者」怎麼做「了，數據驅動的決策最終落腳點就是業務該怎麼辦。如營收同比下降了50%，數據產品設計時，需要提供可以快速定位出是什麼原因導致下降的分析能力，例如相關指標對比分析，或者多維度下鑽聯動分析。現在也有一些BI工具推出利用基尼係數，生成波動歸因分析報告，一鍵定位指標波動的關鍵影響維度，以及Top維度枚舉值。數據可視化產品的最高層次，就是直截了當的告訴用戶，業務有問題，你應該去怎麼怎麼做。
三、可視化頁面布局
1.瀑布流模式：Dashboard布局
優點：
信息平鋪展示，無需過多交互操作，可快速獲取需要數據信息
承載的信息量更多、可視化方式更豐富，每個圖表都可以是一個分析主題
對圖表共有維度要求不高，一般以日期為共有維度，作為全局篩選
缺點：
圖表數量平鋪過多時，重點不突出，難以聚焦
交互能力偏弱，用數據的人思路會受限於做圖表的人
頁面圖表數量過多時，對前端加載性能影響大，頁面耗時長
2.指標化管理模式：交互式分析布局
優點：
頁面簡潔，重點突出，通過維度選擇和tab切換獲取更多的數據，避免一個頁面過多圖表難以聚焦
分析思路清晰，從匯總到維度細分，有需要時逐層拆分
方便權限管控，指標化管理可以從維度、指標控制權限
缺點：
默認展示信息量有限，分析過程依賴交互選擇，信息隱藏的較深
指標化管理適合核心KPI數量不多的情況（10個以內），且指標維度要統一，不同指標維度不同時，交互要做一定調整，即日期作為共有維度，其他篩選條件只能隨着指標tab切換位於指標卡下方。
以指標tab聯動，指標之間對比分析比較困難
可視化效果比較炫酷，可以增加很多動畫效果
信息聚焦，呈現關鍵信息
定製化程度高，開發成本高
一屏呈現信息有限，且一般不適合交互分析
留言列表