最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
开启左侧

产品之路--如何做好数据产品设计

[复制链接]
发表于 2019-7-28 20:20:10 | 显示全部楼层 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
本帖最后由 168主编 于 2019-7-28 20:21 编辑

      在数据时代,数据产品经理作为产品经理的一个分类将会越发变得举足轻重,那么,何为数据产品,数据产品的设计步骤及原则是什么,数据产品的能力模型有哪些,网上虽有很多相关介绍,但接下来,本文将结合自身经验、相关学习对我所理解的数据产品进行一个比较系统的复盘。
1.webp.jpg

图片来源于网络


一、数据产品介绍1.1 定义数据产品是通过发挥数据价值去辅助用户更优做决策(甚至行动)的一种产品形式。
1.2 分类按展示形态可以分为:
1.基础信息展示,常规的数据展示产品,比如企业信息类产品,天眼查、企查查等
2.BI仪表盘,通过可视化的图表将结构化的数据,用友好、容易理解、具有某种逻辑的方式展示数据背后的信息、规律和价值
3.分析类,比如用户行为分析、渠道分析、销售分析类产品,对某一类的数据进行建模分析的工具产品
4.算法模型类,比如个性化推荐、搜索排序、风控模型、用户画像等形式的产品
按商业形态可以分为:
1.对内数据产品,BI,算法模型等
2.对外数据商业产品,帆软、神策数据、友盟、百度统计、GA、BDP等
3.公开的数据产品,比如百度指数,阿里指数等
二、数据产品设计步骤         笔者主要从事TOB产品,目前负责公司内部BI、大屏可视化、用户行为分析等相关产品,虽是不同的产品,但本质上其实是对数据的可视化展示和分析,以下主要以数据可视化为例介绍数据产品的设计流程。
2.1 需求调研需求来源大体分为三类,领导、业务及自产需求。
1)领导需求主要通过企业运营、经营数据的有效整合,从宏观层面进行数据可视化,辅助商业决策;
2)业务需求主要通过渠道数据、用户数据、用户行为数据、订单数据、商品数据等进行相关产品设计,为市场投放、精准运营和产品设计提供支撑;
3)自产需求主要是根据所负责的产品或业务抽象出的产品需求,例如通过用户访谈和调研、竞品分析等方式来完善所负责的产品
2.2 数据评估        根据需求,与数据分析师、数据工程师对数据进行以下几点评估:
1)数据是否存在,数据产品要对公司的数据比较了解,知道哪些数据有,哪些数据没,如果数据不存在,需要提供数据采集的解决方案,比如要分析某个产品的访问和使用数据时,如果这个产品没有埋点,那相关数据是没有的,因此需要先进行日志数据的采集才能进行下一步。
2)确定数据源,如果数据存在,需要理清数据源来自哪里,明确数据库、数据表名、数据字段、数据更新频率,以更好评估数据是否满足需求
3)确定数据提供方式,数据提供的方式主要有,数据同步、数据文件上传、人工录入等方式。
2.3 指标设计1)指标设计
        面向对象定义关键指标,往大了说,一个企业的最终目标不外乎是实现用户价值、企业价值、员工价值、社会价值的统一,在此基础上往下层层细分出相关的数据指标进行说明,同时,公司不同发展阶段所关注的指标也不一样,要根据具体的情况建议合适的指标
        面向场景和业务,需结合不同的业务和场景进行指标设计,在指标设计过程中,需要与相关的业务团队深入沟通和调研,明确他们最关心的指标
        自上而下,逐层拆分,不重不漏,在MECE原则进行数据指标的建立
2)维度设计
        指标需要通过维度进行展示和挖掘,没有维度,指标就没有意义;比如提到活跃用户数,如果不加时间维度,很难看出不同时间下的活跃情况,这样的指标就没有参考意义,常用的维度有时间、地区、行业、用户属性、版本、渠道等
2.4.原型设计        定义好指标和维度后,就是原型设计,可以根据现成的图表组件,比如echarts、G2等进行设计,同时,可以构建适合自己的组件库,以便后续使用,在展现数据时,需要遵循一定的数据展示逻辑,参考第三部分:数据可视化设计建议。
2.5.排期开发及上线        接下来就是基本的产品开发流程了,依次是召开产品评审、项目排期、数据开发、前后端开发、测试和上线,其中,数据开发是比较重要的一环,作为数据产品,着重介绍大概的流程:
        如果是爬取数据,需要对数据进行爬取、整合、清理、入库、开发API接口供后端调用;如果是第三数据接口,需要将数据接入到数据库中,以供后端调用;如果数据已经存在数据库中,可以直接调用;以目前我们公司hadoop+hive的大数据平台架构为例,产品所需的数据主要存放在此,首先是数据分析师根据指标和维度进行数据逻辑的SQL梳理,然后是数据开发工程师根据SQL进行加工脚本的开发形成Hive结果表,再定时将数据写入后端的业务表中供产品开发使用。
2.6.数据核验        数据产品对数据的准确性和一致性十分看重,数据准确性通常由数据分析师对产品展示数据和逻辑是否一致,并邀请产品所对应的业务方进行验收,数据一致性通过保证数据源统一和数据统计口径一致,除此之外,还会邀请业务关键人参与产品验收,以确保数据无误。
2.7.权限控制        由于内部的数据产品涉及到公司内部的敏感数据,所以需要严格控制好产品的访问权限和数据权限,且权限尽量要细化到最小单位
2.8.上线推广:上线通知、培训、反馈优化       产品上线后,要邮件通知产品相关方,并组织产品培训,同时建立有效的反馈机制,及时发现产品问题,进行优化迭代,可以通过内部的wiki社区、产品用户群等方式进行用户问题的反馈和及时跟进。
三、数据可视化设计建议3.1 数据展示逻辑1)先总后分,先全局描述数据的整体情况,再带着指标细化下去看明细
2)时间逻辑,比如实时数据、历史数据等,需要根据时间维度进行数据展示
3)空间逻辑,主要是基于地理位置的展示逻辑,例如要查看不同地区的产品销售情况就需要基于空间进行数据展示。
4)用户角色逻辑,不同的用户角色,所呈现的数据是不一样的,例如某个数据产品的用户有总经理、部门经理和业务人员三类角色,总经理想看到的是各个部门全局的汇总数据,部门经理想看到是所管辖部门的数据和情况,业务人员想看到的是所负责业务的数据指标,在数据展示时,需要考虑到不同的用户展示不同的内容。
5)业务流程逻辑,从业务流程上监测不同节点的数据指标也是其中的展示逻辑之一,可以横向层层递进对业务进行剖析
6)对比分析,与业务紧密相关的数据展示本身没有意义,只有通过数据产品把数据对比凸显出来才有意义,例如同比、环比、时间趋势对比、定基比等。
3.2 图表类型选择常用的图表类型如下表所示,产品设计时可以使用单个图表,也可以使用多个图表。

2.webp.jpg

数据图表样例


三、数据可视化设计原则        不论从安全需求到实现自我价值的马斯洛五层需求,还是从可用到好用的用户体验度量,数据可视化也同样可以总结得出以下5点建议:
1)准确性:数据产品的精髓在数据,因此数据的准确性决定了产品是否可用、可信任;
2)取舍性:可视化本来是解决数据杂乱、量大问题,需要将最有用的信息传达给用户,因此要懂得取舍,将多余的展示去掉,力求经典;
3)易读性:图表的学习成本、理解成本、操作成本、清洗与否等都影响了图表的易读性,如果花费很长的时间去研究这个图想表达的含义,那将得不偿失;
4)情感性:好的图表一定是能够读懂用户的感情,知道用户的诉求;
5)愉悦性:所谓爱美之心,人皆有之,如同形容一个内外兼修的人一样,美好的事物总是让人产生愉悦,因此,好的可视化产品是一个界面美观得体,且能用好用的。
四、数据产品的能力模型1)产品基础能力:包括市场调研、竞品分析、需求分析、产品设计、项目管理和推进等产品基本能力
2)数据技术理解能力:首先需要清楚数据流:从产生、采集、加工处理、储存、建模和展示流程,这样才能对数据理解透彻;其次是数据技术理解能力:包括数据采集、数据同步、数据服务、数据挖掘等相关技术,推荐《阿里巴巴的大数据之路》一书,看了之后对数据技术的相关链条有一个基础理解
3)数据分析能力:产品是用来服务用户的,解决用户问题的,数据产品更是要通过数据来分析痛点,提供解决方案,因此数据分析天生就有数据产品解决能力的基因。
4)商业理解能力:数据的最大价值就是让企业的决策和行为更精准,只有在充分理解企业的商业模式、战略以及不同阶段的诉求基础上,数据指标的设计、数据分析和数据可视化才更聚焦、更有指导性。
5)数据可视化能力,这是数据产品需要具备的能力。
6)人文能力:这里所包含的人文能力较广,比如人性、文学、国学、哲学、同理心、用户研究等都算是人文能力的范畴,如果把科技比作骨架,那人文就是情感,骨架能支撑身体的运转,情感能让身体活跃起来,更具有情感化,数据产品就是要让数据本身活跃起来。
五、数据、科技与人文       乔布斯的科技与人文让苹果开创了智能时代,并让用户体验发生了质的飞越,同样,在周鸿祎的自传里,他也提到过科技与人文结合的重要性;在数据时代,数据慢慢变得跟石油、电力等基础设置或物料同等重要,让数据赋能到产品设计中,将会让产品的智能化、体验化发生更大的变化。
      数据产品之路还有很远的路要走,作为数据产品经理,还需不断学习、经历和升级认知

作者:蔡永超
链接:https://www.jianshu.com/p/97465ad9804c

楼主热帖
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-3-28 19:43

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表