江苏龙网

  1. 首页 > 资讯 > 科技 > >

人人都是产品经理|数据分析产品从可视化到智能化：快速分析订单量为什么下降了( 三 )


1）便于迭代 ， 实现结构化和可扩展；
2）易于理解 ， 符合人的认知习惯 。
今天着重为大家分享要考虑的两个原则 。
原则一：便于迭代 ， 实现结构化和可扩展
业务时刻在变 ， 分析方法也需要紧跟业务去迭代 ， 但产品开发的成本又很高 ， 所以能否实现结构化的产品设计 ， 支持分析方法论的快速迭代和扩展 ， 是产品设计需要考虑的第一因素 。
这里列举一个简单的产品框架：

人人都是产品经理|数据分析产品从可视化到智能化：快速分析订单量为什么下降了
本文插图

产品框架与抽象化的分析方法紧密映射 ， 由「波动和异常判断结论区」+「多维下钻分析区」+「归因分析区」三部分组成 。 前两部分的问题结合紧密 ， 建议放到一个页面中进行布局 ， 让用户可以快速get到「我的业绩怎么样」「波动如何」「是否是正常波动」「哪些城市、哪些类型的波动和影响最大」 。
归因分析的部分单独一个页面布局 ， 因为归因分析的逻辑一般比较复杂 ， 可视化展现的形式也很多样 ， 所以要有足够大的空间进行产品设计 ， 与用户进行交互 。
原则二：易于理解 ， 符合人的认知习惯
这一点有两个方面：
一是要结论先行 ， 进行结构化表达 ， 这一点在上面结构化设计中也有体现 ， 即先让用户看到整体结论 ， 再看到细分影响 ， 最后看原因和解决方案切入点；
二是措辞上要把数据化的描述变成业务逻辑的描述 ， 比如用置信区间来判定波动是否异常 ， 不能写「昨天的数值落在置信区间外 ， 属于异常数值」 ， 而要直接写「昨天的订单量周同比 +7.62% ， 属于异常上涨 ， 请关注」 ， 这一点在指数化等复杂判断方法中需要尤为注意 。
结语
数据分析产品从数据可视化到分析智能化 ， 对于回答「订单量为什么下降了」这类问题 ， 其核心是分析方法的抽象化 ， 对于数据产品经理而言 ， 不一定要完全自研方法论+产品设计 ， 更好的选择是跟资深业务同学、数据分析师、算法工程师一起合作 ， 产品经理更多地负责定义用户问题、定义产品目标和思路 ， 以及提出产品结构化要求等 。
本文由 @Probes 原创发布于人人都是产品经理 。 未经许可 ， 禁止转载
【人人都是产品经理|数据分析产品从可视化到智能化：快速分析订单量为什么下降了】题图来自Unsplash ， 基于CC0协议


推荐阅读


上一篇：苹果|苹果发布iPadOS 14：彻底重建搜索引擎、加入手写笔记辨识

下一篇：人人都是产品经理|数据分析成果落地难？你需要注意这五个问题