A. 从0搭建用户画像系统（二）之数据看板
作者介绍
酒仙桥@道明学长
自如数据PM一只
告别野路子，带你探索数据新世界
上期我们了解了《从0搭建用户画像系统（一）之系统五大常规模块介绍》，本期将和大家分享用户画像系统中数据看板模块的一些思考。
笔者之前经历多个企业级画像系统搭建，总结起来，搭建数据看板的目的不外乎两类：秀”肌肉”和“方便看数”。分享一下笔者经历过两家公司考虑增加数据看板的案例。
第一家三方大数据公司，核心盈利模式是通过沉淀的海量用户数据为广告主提供投前洞察服务。起初是商务同学提出在进行市场推广时遇到的痛点，在客户拜访时，虽然极力地介绍公司的数据背景、数据能力，但是觉得不够直观，毕竟“所有上门推广的公司都在吹嘘自己的数据能力，动辄市场全量、行业第一，光靠嘴说效果不行，客户已经听腻了“，所以还是希望将公司“海量数据、数据秒级回传、丰富的标签维度”等特点形象化展示在客户眼前。
第二家是传统企业，公司一直在强调数字化转型和数据赋能，但是企业内部数据底层建设较为薄弱，数据分散在不同的业务组，不管是领导还是执行层，没有人公司的整体数据情况盘点得十分清楚，等到想要看整体数据时，需要给各个业务组分别提需求进行提取，周期非常长，看数据成本非常高，以至很多时候大家都在“拍脑袋”做决策。所以在规划画像系统时，大家迫切希望能有一个数据资产看板模块，能够把公司用户总量、不同类型用户量、变化趋势、数据类型等做形象展示，方便看数的同时，建立起对企业数据沉淀的整体上的认知。
数据看板展示哪些数据模块呢，下面提供几种思路：
1、 展示用户资产沉淀数据： 最基础的可以展示用户的总量及变化趋势。可进一步按一下几个角度进行细分：
按注册状态：分为非注册和非注册，相对简单常规。
按业务类型划分：可根据公司具体业务类别划分按用户行为链路：如在品牌营销中按照4A模型，将用户分为认知(Aware)、吸引(Appeal)、行为(Act)、拥护(Advocate)，或者按照AIPL模型，将用户分为认知(Awareness)、兴趣(Interest)、购买(Purchase)、忠诚(Loyalty)
按用户ID类型：如按Android_id、IMEI、IDFA、Cook_id、手机号等用户标识ID，通常广告行业应用得更多，偏向于广告投放、三方数据服务场景。
2、 展示用户标签的量级： 如主要有哪些标签分类，每个类目下有多少个子标签等
3、 展示亮点标签： 如展示核心算法类标签、对业务有较大价值贡献标签、衡量业务效果类标签等
同时这个模块还有一些点经常会被问到，需要结合情况细细琢磨：
1、 数据更新的周期，是实时还是离线？如果是离线是每周更新一次还是T+1？对于企业内部自研系统，一般优先考虑离线T+1，因为实时性越高，代表的研发和基础设施成本越高，且该页面只展示大颗粒数据，且对绝大部分系统使用者而言离线T+1数据足矣；对于数据服务企业，他们通常为中小企业提供Saas端服务，实时数据能力体系非常成熟，为了凸显这方面优势，大多数都能提供到实时的服务。
2、 数据看板模块是否支持查询历史数据？每次访问仅支持查看最新数据，还是能追溯历史每天的快照结果？该模块的定位，更多是让大家对企业数据资产建立认知，通常支持查询最新数据即可。如果确实想要看到历史的结果，可以考虑增加增长趋势图模块，支持关键数据的历史趋势数据的查询。
3、 用户标签很多，需要展示哪些标签？往往企业给用户打上的标签很多，不同业务不同角色关注的标签也都不一样，所以这部分一定要聚焦，常规的方式是，多与系统核心使用业务方进行深度探讨，挖掘出他们的核心关注点，同时按照一条核心主线或者分主题划分类别进行展示。
4、 看板的展示的标签维度是否支持自定义配置？不同的时期，随着市场环境，公司的战略、业务方向可能随时会进行调整，大家的关注点也会随之变化，如果变动较为频繁，可以考虑设置为自定义配置。
最后，想做好数据看板模块，数据产品同学还是需要对企业的数据资产情况进行分门别类地细致盘点，同时用友好的可视化图表进行呈现，方能将企业的数据能力和优势凸显出来。最后预告一下，下期@明道学长将接着给大家介绍用户画像系统的核心模块——人群管理，欢迎大家留言交流。
一个数据人的自留地是一个助力数据人成长的大家庭，帮助对数据感兴趣的伙伴们明确学习方向、精准提升技能。
B. 管理看板的内容应该有哪几方面组成
管理看板的内容应该有以下几方面组成：
（1）、质量的信息：每日、每周及每月的不合格品数值和趋势图，以及改善目标， 关键控制点的即时信息等。
（2）、成本的信息：生产能力数值、趋势图及目标，原辅料每周、每月的使用信息等。 （3）、交货期的信息：每日生产图表、机器故障数值、趋势图及目标、设备综合效率、 提案建议件数、品管圈活动等。
（4）、包括其他需要公布的信息项目。
生产看板通常由屏体、设置端（遥控或键盘）、数据采集端（光电，按键等），网络端（个人电脑或工厂网络）组成。 屏体能显示各种信息，如生产计划、实际情况、统计数据、正负差额、时间、日期、通知及欢 迎词等。
屏体内配有微型电脑及附属电路。微型电脑能接收来自遥控器和个人电脑的信息，并把它们显示在数码管或点阵显示板上。在附属电路中，设有掉电保护数据电路，在断电情况下，原显示的信息能完全被保存下来，再通电时，重新显示原断电前的信息。 通过个人电脑配合软件来更新显示内容。用电脑不仅可以更改数码管所显示的信息，还可以 更改条屏的汉字信息，通常屏体与电脑之间连有通信线，在电脑的显示器上还可以显示与实际屏体版面相符的控制平台。更新内容传输完后，电脑可脱机进行别的工作。
C. 数据看板搭建攻略
在后台中，数据面板能够直观反映出业务变化，并有助于决策层发出业务调整与决策。那么搭建数据看板的时候，要如何搭建呢？又有哪些注意要点呢？
产品背景分析
1. 什么是数据看板
数据看板一般用作后台系统的首页， 主要呈现公司当前业务相关或运营管理相关数据和图表， 方便公司内部人员实时了解公司内情，掌握业务发展情况，并能够对数据变化做出业务决策。
2. 谁在使用数据看板
数据看板是公司内所有人员都会关注的，无论是公司高层还是基层业务操作者都会关注相关的数据指标。只是不同的角色的需求不同，如下图：
不同的角色的默认看板页面是不一样的，要设计多份看板页面， 至于不同页面是否可以互通，这就要取决于公司业务数据是否属于商业机密，牵扯到RBAC权限模型的设计，这里就不多赘述了。
设计看板的前置条件——报表设计
设计看板可不是脑子一热就开始画原型了，那样得到的看板是不切合实际的，而且也不一定准确，尤其是对于数据大量且复杂的业务而言，需要先设计好报表。数据看板中有不少数据是需要后台去实时计算的，在数据量太大的情况下，筛选条件和统计项较为复杂时，图表加载速度会变慢，也会耗费大量系统资源。而如果 先设计好数据报表，在数据看板中，查看图表的速度才不会收到影响。
不要急于数据可视化的设计，需要数据报表所呈现的数据经过多次测试没有问题，再经过至少一轮的迭代优化，再着手进行可视化方案的设计。
数据报表的设计需要经过以下流程：
1. 构建分析体系
面向业务结果的分析
b端产品经理不同于c端，业务是一切产品设计的核心，必须围绕业务进行产品设计。 首先要明确分析目的，并进行业务诊断，最重要的是打通分析链路。
例如要分析利润曲线，与利润相关的数据有利润率、在架率、产品种类、报价策略、市场行情变动等
根据公司具体业务不同，明晰哪些是需要重点关注的，哪些是可以暂时搁置的，特别是要跟业务团队多沟通协调，共同商议出一个分析框架。
一般可采用 枚举法 ，列举可能干扰到核心业务数据所有因素，再一一排查。
面向生产过程的分析
公司不仅要求分析业务结果等业务强相关数据，生产过程关系到每个人的工作效率和工作成果是否达标， 生产过程同时也是对人员kpi的考核。
如对销售的拜访客户数、销售线索获取数量、签单客户数，贡献利润占比等，对客服的工单处理数量、客户评分、分钟会话数量等，该部分分析主要根据使用者的操作记录产生数据。
2. 定义观察指标
进行维度下钻
定义好分析框架后，要进一步确定观察指标， 主要是对观察维度进行拆分，逐渐细化， 只有在更精细的维度分析数据才最有可能得到准确的答案。
比如在架率又可细分为日间在架率和夜间在架率，还可继续细化为某某产品在架率，甚至可以细化到业务员王二在日间12:33误操作某交易量极大的产品，造成利润损失。这样就打通了从业务结果——生产过程的分析链条。
又比如报价策略有可细化为具体sku的报价问题，该数据又可关联到上游供应商近期内价格调整频繁，而报价策略未结合该特点导致该产品报价过高/过低。
维度细化的过程中，可能会逐渐拆分为一级指标、二级指标……n级指标， 但并非拆分中的每一个维度都要作为观察指标。 是否作为报表使用要结合公司业务特点并且和业务部门多次沟通协调达成共识。
在维度下钻的过程中确定哪些维度是需要进行统计的，哪些是不需要用到的。
统一数据口径
数据口径指的是对于数据的定义， 如果系统内部统计口径不一致，就会导致业务分析出错。 如果不对数据口径进行清晰的定义，开发人员在调用数据时可能会直接采用已有的口径，这个已有统计口径不一定符合当前数据指标的需要。
产品人员应该单独书写一份关于数据口径的定义的文档，并上传至系统内部的文档共享系统，方便业务人员随时查阅。如果系统允许，尽可能与业务部门达成共识，形成一套标准的数据口径。
定义统计频次
确定好需要统计的数据维度形成观察指标后，要对观察指标分类处理，有些指标属于关键性因素，有些指标属于次要因素。有些指标单位时间内产生的数据波动较大，统计频次可能要到分钟级。而有些指标数据波动较小，可能一天只有几次变动，统计频次可设定为小时级。
3. 设计呈现形式
一开始的呈现形式以简单、好调整为主，不必急于线上化，也不必追求酷炫的交互效果。 严格遵循mvp原则，用最小功能集合去迭代产品。
报表在设计初期必然面临指标的频繁调整，以及数据不准确，统计范围需要变更等种种问题。初期可采用系统定时通过邮件发送报表，报表的形式可以是一张简单的excel表格，这样先试用一段时间，确定要分析的数据字段、监控指标等没有问题后，再着手进行线上化的设计。
确认好线下的报表迭代优化完毕后，设计线上化的方案，一般考虑以下几个方面：
默认查询时间，统计具有延时的特点，有些数据统计必须等待订单完成才能纳入统计范围，比如默认查询时间定为t-6至t-2
排序规则，默认按照哪一项数据排序
筛选项设置，哪些数据选项需要筛选
统计项设置，哪些数据需要合并统计
其他极端情况考虑，数据极限值，最大时间范畴，取数为空时的处理等等
大致的形式如下，但在实际业务中数据远比这个复杂：
4. 复盘报表设计
报表线上化固然有其优点，方便、快捷，效率高。但是也存在一些弊端，比如不够灵活，excel表格可以方便做成各种你想要的数据透视表，而线上只能固定其中的几种。线下还可以采用任何关联要素利用vlookup进行匹配，线上则已经固化了分析指标。
因此， 产品上线一段时间后，要及时复盘功能是否好用，是否得到认可。
使用率：可通过数据埋点看该项功能的使用率，使用率不够要和业务部门沟通问题，及时迭代优化
观察是否实现最初想要得到的目的，分析链路上是否还存在障碍
用户满意度: 与业务部门沟通，看使用过程中有什么不方便的地方，效率方面是否还可以得到提升
数据看板的设计
当数据报表完善之后，那么实现数据可视化也就非常方便了，效率是b端产品的核心，设计看板也不应该花费太多时间在交互体验上。这里主要满足以下几个设计要点：
简单高效 ，优先满足查询效率，而不是酷炫的交互
信息具有 强关联性 而不是孤立的一个数据，具体就是要有环比、同比来体现变化
数据图表的刷新频次和统计频次要 符合业务的需求 ，最好能做到实时更新
选用的数据能够 体现出趋势和规律 ，对于无趋势特性的数据，直接展示数字比较好
对于不同的数据指标，不同的数据特性需要 选用合适的图表 。
数据波动、对比、排序，不同的衡量方式也应该 选择其对应的图表类型
1. 需求分析
数据报表可能有十几种报表，几十个数据指标，但这些并不是都需要呈现出来的， 选用哪些数据指标和衡量方式，需要和业务团队沟通确定。
需求是分层级的，有些需求处于核心业务的需求，有些属于经营管理层面的需求，而前者永远是公司发展的核心，因此其重要性和优先级要高于后者。
对于上图来说，部门员工的相关kpi，个人绩效属于经营管理层面的数据要求，第一期工程可以先不考虑实现，先确保实现核心业务相关的数据看板的可用性和准确性。
2. 战略看板设计
战略看板设计 主要突出简洁、唯结果论的特点，要主次分明， 并且多的展现纯数字内容而非图表，下图举例：
一般设置6个左右的数据指标，有利于专注于分析最重要的指标。
需要支持自定义配置，可根据业务发展需要灵活调整看板需要呈现的数据。
之所以采用数字形式而不使用各式各样的图表，一是为了保证第一时间掌握业务现状，二是公司中高层对业务数据非常敏感，不需要曲线来表示规律，只用看到数字就能看出业务异常。
产品经理也应该培养数据敏感性，以便于能够理解业务，做出更符合业务需求的数据产品。
3. 业务看板设计
业务看板设计主要突出 垂直细分 的特点，研究业务增长就是业务增长的图表，研究活跃用户就是活跃用户的看板，或许这其中会有写关联性，但这种关联是弱关联，如果数据看板之间含混不清，那么分析业务也会有很多阻碍。
业务看板与战略看板最大的不同点是， 注重生产过程， 所以多使用增长曲线来体现数据规律和数据变化。研究增长曲线：
销售漏斗：
上图所示仅为单一维度，实际业务场景往往是一个关键业务指标关联着其他的数据指标，图表要支持维度下钻，点击能够查看二级指标的图表信息。
要能够支持x轴平移和缩放，y轴的刻度能够根据数据大小自适应。
业务看板解决的核心问题是： 及时发现业务问题和便于分析业务异常， 视觉设计上要注重各个指标的色彩鲜明，便于察觉指标与指标间的关系。
业务看板描绘的业务不同，数据不同，需要安排在不同的页面上，业务看板需要足够细分， 绝对不能互相杂糅，纠缠不清。
4. 选用合适的图表类型
选择合适的图表类型能够最大程度满足视觉可视化的呈现效果，满足业务数据查看和分析的需求。
以下选用几个典型的业务场景做说明：
（1）描述业务增长曲线，利润曲线、销量曲线、用户数量等，重点表示业务发展的趋势
常规面积图：
所有数据都从相同的零轴开始，使用与展示总量与分量之间的关系，必须设置透明度以避免重叠
堆叠面积图：
数据起点为上一个数据集，主要用于展示数据分量占数据总量的百分比，然后对分量所占百分比进行对比
折线图：
折线图和面积图都可以用来展示连续数据随时间变化的趋势，但选用还是有其侧重点：
常规面积图适合表现总量和分量之间的关系， 比如总量是总用户量，而分量是各个渠道的用户，那么选用面积图较为合适
堆叠面积图适合表现分量所占数据总量的比例
折线图更适用于展现分量与分量之间的对比 （不含总量），避免了面积图阻塞的问题
通常情况下，需要展示数据总量的业务，使用面积图会更好些
（2）描述业务流程问题
描述业务流程最常用的图表是漏斗图，销售漏斗图、用户留存漏斗图， 但漏斗图只能表示单一流程，如果想要表示具体的用户数据流向，和多维度更加复杂的流程数据，就很难表示了。
桑基图：
桑基图能够很好地表示用户从加入购物车到收获的全流程，主支宽度总和与分支宽度总和相等，不同宽度代表不同流量的大小。
漏斗图这里就不过多赘述了，比较简单。
（3）描述数据分布
气泡图：
气泡图最适合展示数据的分布范围， 横坐标可设置为时间，纵坐标可设置为商品的价格，表明商品价格区间随时间变化的趋势，而不同的颜色表示不同的商品，这样对于价格频繁变动的商品，查看其每天的价格分布以及趋势很有帮助。
不常用以及过于简单的图表，这里就不再详细展开了， 使用图表以好用、够用为原则， 不必过于追求复杂图表，否则业务团队觉得麻烦，不愿意使用，那就背离了产品设计的初衷了。
另外，自行开发可视化图表耗时耗力，常见的解决方案是使用ECHARTS 、QCHART、AntV等开源可视化库，只需调用相应的api接口即可。
其他注意事项
由于b端业务的特性，后台系统不对外开放，仅企业内部人员使用，因此着重强调的还是围绕业务问题进行业务数据建模，打通分析链路、维度下钻和报表设计等层面，看板的设计反而较为简单（b端对于视觉体验的要求不高），况且市面上已经有很多非常成熟的可视化解决方案可供调用，视觉体验的设计下限比较高，因此 后台产品经理应该把主要精力集中在后端逻辑层面。
产品经理要尽可能的多参与前期业务设计的过程中去，旁听业务讨论也有助于理解业务部门痛点和难点在哪里。 业务调研和访谈的形式不够深度，业务方在表达诉求时也可能会偏离他们的初衷，产品经理只有深入业务逻辑才能对业务方提出的需求多加辨别分析，形成有产品经理专业意见的设计方案。
D. 数据展示都有哪些形式
1、做成图表样式(用折线图、柱形图、面积图等等)根究你想要的展示的维度选择不同的图表来展示。
2、可以做成一个综合性的数据可视化看板，在看板中将数据从多维度展示，也就是第一种的综合美观版。
3、将数据做成一个大屏的样式展示，大屏展示的维度更加丰富，可以在大型的LED屏幕上面高大上的展示数据，多以深色为主，也可以做出3D的效果。
E. 数据可视化从数据中提取的信息有哪些
这是一个扮闭非常宽泛的问题，数据可视化只是数据展示的一种手段，这个问题的回答取决于以下几个方面：
（1）我们希望从数据中获取什么信息，也就是所谓的需求是什么，目标是什么？只有弄清楚了目标是什么，才能知道我们要厅陪裂干什么、需要什么。
（2）当我们知道自己需要什么内容之后，就要进一步梳理所需要的数据有哪些，然后一点点去剖析这些数据在什么地方，可以通过什么手段或者方法去获取。
（3）获取了数据之后，为了达到我们的目标，就需要对这些数据进行整理，整理的过程就是数据信息提乱卖取的过程，以“以终为始”的方式一步步推到、提取所需的信息，这些提取的信息就是有价值的数据，也是就是我们要最终展示的内容。
（4）至于最终展示的形式，可以是可视化的图形、报表，也可以是明细的数据、结果、文字，就看什么形式是符合最终用户要求的，可以清晰、直观的表达的即可。
F. 大数据可视化展现方式有哪些
一、面积&尺寸可视化
对同一类图形(例如柱状、圆环和蜘蛛图等)的长度、高度或面积加以区别，来清晰的表达不同目标对应的目标值之间的比照。
这种办法会让阅读者对数据及其之间的比照一目了然。制作这类数据可视化图形时，要用数学公式核算，来表达准确的标准和份额。
二、颜色可视化
经过颜色的深浅来表达目标值的强弱和巨细，是数据可视化规划的常用办法，用户一眼看上去便可全体的看出哪一部分目标的数据值更突出。
三、图形可视化
在咱们规划目标及数据时，使用有对应实际含义的图形来结合呈现，会使数据图表愈加生动的被展示，更便于用户了解图表要表达的主题。
四、地域空间可视化
当目标数据要表达的主题跟地域有关联时，咱们一般会挑选用地图为大布景。
这样用户能够直观的了解全体的数据情况，同时也能够依据地理位置快速的定位到某一区域来查看详细数据。
五、概念可视化
经过将笼统的目标数据转换成咱们熟悉的简单感知的数据时，用户便更简单了解图形要表达的意义。