认识达内从这里开始

我们在进行数据统计分析的过程中，除了需要一些列表对比功能以外，一些数据分析图和走势图也是一种直观的表现方式。今天，我们就一起来了解一下，当我们在进行这些走势分析图的设计过程中，都需要注意哪些问题，希望通过对本文的阅读，能够让大家以后在进行相关的设计时提高工作效率。下面我们就开始今天的主要内容吧。

1.因人而异，细分场景

产品的核心就是解决问题，解决某些用户在某些场景下的某个问题。对于不同行业，不同业务，不同职位的人们来讲，关注的内容自然不一样。在设计一个数据产品或页面时，我们需要围绕着用户和场景来做设计。

1.1划分用户

划分用户，一般会从业务线或岗位入手。不同业务线间，关注的核心指标自然不同，比如转转下面各种业务部门，即使大家都关注大盘数据，但每天更关心的，还是自己的业务细节指标。

岗位也是同理，管理层重在把握全局，而执行层重在每个细节的执行效果，关注的数据层级和指标也会有所差异。

所有设计仪表盘的第一件事情，就是明确自己的用户，然后根据不同的用户群体设计仪表盘，及确定开发的优先级。

1.2划分场景

划分场景，主要的场景有包括但不局限以下情况：实时监控场景，指定主题分析场景，移动查询场景，周日会汇报场景和大屏显示场景等。

从实时监控场景来讲，Dashboard会被分为实时和历史两种，两种略有差异。实时侧重于监控，历史侧重于了解和分析。这两种没有明显的分界，实时需要历史的信息作为对比，来判断当前的数据是否正常。而历史也需要准实时的信息来更快地了解当前的情况。这两种形态的Dashboard对于数据产品来讲都必不可少。

移动场景考虑到屏幕等硬件条件的限制，则侧重于通知和展示，不深入到分析部分。到具体产品设计上，则是通过M页或者APP等方式实现，提供最核心的数据查看和智能挖掘，不做过多的查询功能和复杂的交互。同时，基于现有大部分人通过手机进行沟通，那么页面或数据的分析也变得重要。

2.少胜于多，分清主次

根据「提纲挈领，引导分析」的原则，仪表盘的界面上优先展示的指标应该是用户最关心的，且因为每个用户时间精力有限，在数量上要极度精简。在挑选指标时，要遵循一下原则：

从用户的需求出发

精准，精确反映当前业务情况

核心指标不超过7个

确定核心指标间的联系及优先级

同时，这几个业务从几个侧面整体衡量了网站的用户数量及质量，既能监测网站访问用户数的情况，同时通过跳出率等指标来分析访问用户的质量，可监测爬虫或及时识别伪造用户。

对于非通用性产品，如企业内部的数据产品，这个环节的关键就落在了确定核心指标头上。

3.深入分析，落地行动

分析无非「对比，细分，溯源」，从这个角度讲，仪表盘的设计需要让用户能够在「提纲挈领」之余，也要能提供给用户分析思路。当发现数据异常时，能够沿着思路自主得到答案，或者分析方向。

3.1对比

没有对比就没有分析，从各种指标的对比中才能看出指标的偏离。对比可分为三大维度：

时间维度：同比，环比

空间维度：地区对比，团队对比，商品/服务/渠道对比

设计维度：目标值，业界值，极限值等与实际值的对比

这里顺便提下对于红绿色含义的认知差别。有些国内的数据产品会以为在中国股市中，红涨绿跌，并且在中国传统文化中红色代表喜庆，所以在数据产品中红色应该也代表数据变好。其实数据可视化的原则是，高效地向用户传递数据信息。而用户天然对红色的内容会比较敏感，红色应该用来传递更重要的信息。数据下跌比数据上涨要重要得多，因此数据产品在指标的显示上，应该仍遵循红坏绿好的原则。

3.2细分

细分是对核心指标进行多维度的划分，分为单维度细分，多维度细分，流程细分及TonN细分等等。

流程细分一般是指的从漏斗的角度去拆解指标的上下游。举例来说，当我们关注的指标是支付订单数时，我们就需要去拆分从列表页，详情页，下单页到支付页的每个流程的数据及转化。

TopN细分则是注重看中某个维度下占比前列的维度值的变化，来直接反映某些指标值的变化。

3.3溯源

其实，溯源作为一个对于数据异变根本原因的追查过程，很难融合在以简洁为原则的Dashboard中，不过Amplitude通过隐藏选项并且通过和内在其他功能的融合，很好地解决了这个问题。

事实上，对比，细分和溯源不是严格区分出来的三个流程，而是互相融合在一起的。在不断地在异常的维度上进行对比和细分时，才能得到可以付诸行动的结果。

3.4行动

在设计仪表盘时，要反复地问自己“SoWhat”。从设定用户场景，到确定指标和优先级，再经历对比细分溯源三个分析流程，最后要做的，就提供给用户决策和行动的建议和方向。

这里有点个人的技巧：先假定几个异常的场景，然后通过设计出来的仪表盘，演练拆解场景中出现的问题。如果能够在若干个场景中都顺利走通，那就证明你整个设计能够支持用户做出决策和行动，已经马克森斯了。

再往上一层，就是能够直接给出业务建议的层次了。这个一方面需要对业务的极度熟悉，另一方面可能还需要数据挖掘和机器学习的内容。举个GoogleAnalytics的移动版为例，在这个版本的Dashboard里，已经有这种智能化的提醒了。

好了，关于走势分析图的设计分析方法今天就分享到这里了，下期我们就具体通过案例来分析一下数据分析还可以有哪些方法和技巧。