场景|数据+产品就是数据产品？漫谈数据可视化场景( 二 )_live|新功能|tiktok

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：

文章插图
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：

文章插图
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。