同时在线|思考：数据分析与数据后台设计( 七 )_arpu|游戏

文章插图
阿里云支出的示例图中展示的是某个月各项服务的支出，talkingdata渠道分析展示的是某时间段内各个渠道的新增用户、收入、留存等指标。在分析的目标重要性优于时间时，此时数据的分析角度优先时当前的目标其次才是时间。
就阿里云支出例子而言，此时关注当月各项服务的支出，是优于各项服务在各月的支出；talkingdata的这个例子中，关注渠道用户质量优于各个渠道每天的用户数据。
这个以表格为主的设计，是为了满足非常具体的分析需求而产生的。在上一部分中谈到了图加表的设计思路，这时提供了非常综合的数据信息，多出现在以时间优先的数据中。而当时间不再是第一关注重点时，此时直接体现数据方面，图则是辅助，表格成为了重点。
像上面两个例子一样，这种情况非常具体，出现在观察数据的重点在于某个具体的问题，表格中不再是聚焦时间加指标的列表，而是关注分析目标加指标的列表，此时多以表格的方式直接展示数据，就算有可视化的图，也不再是常见的趋势图或者柱状图，而是饼状图或者直方图，用来展示当前分析目标中各个因素的组成以及组成数值的多少，这样偏重分析结果的图反倒不重要。
这里体现了两种不同的数据分析思路，前一点中谈到的后台设计思路多以基于时间维度来分析，而这一点中则是反过来，基于具体的分析目标之后才是时间维度，所以最后在数据的呈现上前者是时间序列的表格，后者时间成为了数据的一个属性，表格是目标的组成因素。
两种分析思路决定了后台不同的设计。反过来后台不同的设计对于使用的分析者而言带来的功能效果也不一样，前者突出通过时间来对比分析，后者弱化时间，突出对比同一个目标下的不同因素。
3）分析
分析数据的环节是数据分析整个过程中最重要的过程，这个过程脱离了后台带给分析者的内容，依赖于分析者自身的思考。从后台设计的来说，除了前文谈到的思路之后，针对分析这个环节只需要考虑做好数据导出功能，可满足分析者方便的自行组合整理数据即可。
洋洋洒洒数千字下来，最后做几句总结。

分析应该脱离于后台的束缚，以问题为核心进行思考；
如果是用数据验证猜想，在使用数据分析方法的同时注意数据足够多、指标足够丰富；
如果是通过数据发现问题，在对比、观察的同时注意无特殊情况下的异常起伏；
如果是使用数据得出一些结论，小心先入为主的限制，尽量从数据的变化中总结行为，根据行为阐述结论，尽可能减少主观的影响。

以上是笔者自己数据分析的一些经验之谈，比较抽象，但是笔者希望的是更带给更多人启发而不是问题的答案。如果笔者的经验之谈能真的为你带来有用的启发，不胜荣幸；如果这通篇毫无实操性可言，多是通识性的内容让你无所收获，那么请你莫吝惜言语，给予二三建议，笔者不胜感激。
本文由 @问梦孤独原创发布于人人都是产品经理。未经许可，禁止转载
题图来自 Unsplash，基于 CC0 协议