數據大屏產品方法論
數據大屏這一形態現在已經十分常見,那么,數據大屏相應的設計策略是怎樣的?這篇文章里,作者從設計步驟、核心功能等方面做了一定梳理和分析,一起來看一下吧。
一、產品背景
1. 數據可視化
- 抽象數據具象表達,可視、可交流、可互動。
- 高效表達數據內在信息及規律,促進數據信息的應用。
2. 數據大屏
- 以大屏為展示主體,營銷氛圍,關鍵信息大屏共享,方便交流與決策。
- 數據展示、數據分析、監控預警三大類。
3. 服務對象
- 高層決策。
- 宣傳公司。
二、設計步驟
1. 設計原則
1)設計服務需求
- 基于業務需求設計。
- 聚焦解決的問題或達成的目標。
2)先總覽后細節
- 大屏信息有焦點、有主次,核心數據先展示。
- 細節數據可隱藏,用戶喚起查看。
3)故事敘述原則
考慮故事敘述,通過數據聯系、趨勢變化呈現完整故事。
4)易讀性原則
數據結構簡明。
5)用戶交互體驗原則
具備良好交互性,支持實時監控、數據查詢和多維度分析。
2. 設計步驟
1)業務背景調研
- 業務需求:了解具體業務需求,大屏使用者,用途。
- 業務現狀:了解業務現狀,思考業務需求。
- 業務發展:了解業務發展方向,做好前瞻性設計。
業務背景調研結果:產出清晰的業務流程圖及各環節關鍵指標。
2)業務指標制定
- 確定北極星指標:指明業務方向,當前產品階段戰略層的指標。
- 關鍵指標&其他指標:按照北極星指標結合業務需求衍生出關鍵指標,指標逐步拓展納入,根據業務需求擬定各個指標優先級(主次輔)。
- 確認指標分析維度:根據各指標特征和業務需求,確認分析維度、分類占比、分布情況等。
- 提供計算指標的計算公式。
- 指標服務于業務實際。
業務指標定制結果:制作指標定義表
指標類型:
- 維度指標:日期等。
- 原子指標:不可再拆分的指標。
- 復合指標:通過維度指標或原子指標計算后的結果指標。
指標體系定義:
帶有業務特征、運營效果、未來方向、衍生價值的描述。
例如對注冊用戶數指標:
- 業務特征描述:目前活躍用戶,每天啟動產品的注冊用戶數量。
- 運營效果描述:整體來看,上月活躍保持7.3%的增長。
- 未來方向描述:渠道團隊拉新獲得新增注冊用戶,占每月活躍用戶的40%,沿此方向推進。
- 衍生價值描述:DAU提升對整體收入貢獻大。
指標體系特征:
- 原子性指標:最基礎不可拆分指標,如交易額。
- 修飾詞:描述某種場景下的指標,如分銷渠道交易額。
- 時間段:限定數據的時間范圍,如本周。
- 派生指標:1+2+3(原子+修飾+時間),如上周分銷渠道的交易額。
指標體系搭建的核心原則:
- 根本性:核心數據理解到位和準確。
- 可理解性:指標要配上業務解釋性,明確指標含義。
- 結構性:能夠充分對業務進行解讀(新增用戶指標需配套各渠道、轉化率及新增用戶價值等指標)。
指標建立步驟:
① 理清業務階段和方向(各階段核心業務內容)
- 業務前期:蓄客、造勢
- 業務中期:促成交、促轉化
- 業務后期:去庫存,做規劃
② 確定核心指標:先確定北極星指標(核心戰略指標),再根據業務確定各階段指標,指標服務于業務。
③ 指標核心的維度拆解:拆解指標計算公式,對公示內的維度指標進行計算。
④ 指標宣貫、存檔、落地:指標搭建后進行存檔、宣貫、落地、反饋及修復。
北極星指標:
為業務指明方向的指標,當前產品階段戰略層指標。
北極星指標唯一存在,北極星伴隨指標可以有多個。
從產品階段選擇:
- 誕生期:規模類指標,如注冊用戶數。
- 發展期:質量類指標,如活躍用戶數。
- 衰退期:新增方向上的指標:如某功能使用人數。
從產品客群選擇:
- 新增用戶:關注新用戶停留時長、流失率等增長類指標。
- 老用戶:關注停留時長、打開次數等活躍類指標。
- 已付費用戶:關注復購率、客單價等營收類指標。
3. 數據溯源和加工
數據溯源:確定指標后對數據源頭進行追蹤。
ETL:數據源接入后對數據進行加工,包含數據清洗和維度建模,必要時制作E-R圖。
ETL:數據抽?。‥xtract)、轉換(Transform)、加載(Load)的簡寫,它是數據從源端經過抽取、清洗、轉換之后加載到目標端的過程。
E-R圖,也稱為實體關系圖(Entity-Relationship Diagram),是一種用來描述實體、屬性和關系的模型。在數據庫設計中,E-R圖是概念結構設計的一種工具,它提供了表示實體型、屬性和聯系的方法,用來描述現實世界的概念模型。在E-R圖中,常用矩形來表示現實中客觀存在且相互區別的實體,用橢圓來表示實體具有的某一特征,用菱形來表示實體和實體間一對一、一對多和多對多的關系。
數據獲?。韩@取結構化、干凈的數據。
數據加工:根據制定的業務指標結合數據理解業務含義,得到業務指標并確認是否有誤。
數據加工結果:數據探查表、數據接入表。
E-R圖推薦工具:https://dbdiagram.io/home
4. UI設計
- 定義設計風格:了解行業常用主流風格,科技感、商務感等。
- 設計頁面布局:確定尺寸,劃分頁面布局,主次分明,合理利用顯示單元,避免關鍵指標分割。
- 選取可視化圖表類型:篩選最能體現設計意圖的圖表,追求易理解、可實現。
圖表參考網站:
from data to viz:
https://www.data-to-viz.com/#portfolio
echarts:
https://echarts.apache.org/examples/zh/index.html
整體風格:
- Flat UI:簡潔明快,扁平化,讓用戶能夠快速獲取數據信息。
- HUD:科技感,將數據以三維立體的方式呈現給用戶。通常采用黑色或深色背景,以突出數據信息的可視化效果。
- FUI:多維數據可視化,通常采用鮮艷明亮的顏色,以吸引用戶的注意力。
- 3D:立體感強,采用三維建模技術,通常采用仿真效果,讓用戶有更強的沉浸感和交互感。
頁面布局:
大屏類型:
- 標準大屏:分辨率1920*1080,比例16:9
- 超大屏:比例16:9 ,面積更大,標準屏拼接或延展而來
- 異形屏:比例不是16:9
- 布局類型:常規布局、左右布局、上下布局、繁星布局、均等布局、故事布局
可視化設計:設計風格與圖表類型符合業務。
樣圖溝通確認:低保真??高保真。
UI參考網站:
- 包圖網:https://ibaotu.com/
- 花瓣網:https://huaban.com/
5. 數據可視化
數據可視化工具:帆軟、Power BI、Tableau等,自研DMP(Data Management Platform,數據管理平臺)。
三、核心功能
1. 數據展示
提供多維度的數據展示,包括數據的實時更新、歷史數據的可視化呈現等。通過圖形、圖表、圖像和其他可視化元素,將數據以直觀、清晰的方式呈現給用戶。
- 數據的實時性
- 數據的準確性
- 數據的篩選和過濾
- 數據的圖表化
- 數據的色彩搭配
- 數據的布局
- 數據的異常檢測
2. 交互操作
支持通過觸摸屏、鼠標等進行交互,用戶可以通過交互操作來控制數據大屏的顯示內容、布局、樣式等,實現個性化定制。
- 操作簡單直觀
- 減少誤操作
- 提供反饋信息
- 支持多種交互方式
- 動態交互
- 保護用戶隱私
- 考慮多終端適配
3. 數據分析
集成各種數據分析工具和算法,能夠對展示數據進行深入的分析和挖掘。例如,用戶可以通過數據大屏進行數據的過濾、篩選、比較、排序等操作,以便更好地理解數據。
- 數據挖掘與理解
- 多維度分析
- 實時監測與互動
- 輔助決策支持
- 信息安全與隱私保護
4. 數據預警
數據大屏可以設置數據預警功能,當數據達到預設閾值時,會自動觸發預警提示(字體顏色、字號變化,API推送移動端提醒),以便用戶及時發現并處理問題。
- 預警設置
- 實時監控
- 動態閾值調整
- 異常檢測
- 預警管理
- 歷史數據分析
5. 集成其他系統
數據大屏可以與企業的其他信息系統進行集成,如ERP、CRM、OA等,實現數據的共享和協同。支持不同系統之間的數據相互流通,提高企業整體的數據利用率。
- 在數據源上集成接入其他系統數據,實現數據集成
- 將數據大屏嵌入到第三方業務系統中
- 將第三方系統iframe嵌入到大屏系統
- API攜帶參數跳轉實現集成
- 企業微信、飛書、釘釘等三方軟件的接口調用
- RPA機器人的使用
本文由 @OTO 原創發布于人人都是產品經理。未經許可,禁止轉載
題圖來自Unsplash,基于CC0協議
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
好文
好文