数据产品:业务数据报表设计指南

9 评论 43731 浏览 320 收藏 13 分钟

数据驱动业务精益增长是产品经理对数据报表的根本要求和美好愿景,本篇文章将从数据产品设计前的准备、设计中的要点解释数据产品的设计过程,为业务数据报表设计指南。

好的业务数据报表揭示事物发展规律——展现业务现状、发现问题原因、预测数据发展、促进问题改进。

一、数据指标的选取

数据报表的核心在于数据,数据是报表的灵魂。论其重要程度,数据是“雪中送碳” 的程度;其它内容是“锦上添花”的程度。

1. 做好数据报表的前提

前提即必须满足的条件。让目标用户能理解每个报表数据的含义以及指标背后的业务趋势变化,保证数据报表的落地性。数据指标越贴近业务和用户,越能保证报表的实用性,越能让数据报表成为工具利器。

对业务的深入理解:每个行业都有其运行的特殊性,别的行业所重视的指标不一定适合你的行业;所在行业的业务流程、商业模式和盈利模式是产品经理设计数据报表前要深入理解的部分。

前期充分的产品调研:除了少数数据分析产品,大多数产品的数据报表面对公司内部用户。通过用户访谈、调查问卷、参与用户工作完成产品调研,关注在执行业务的过程中的指标。

2. 分析数据报表的使用场景

数据报表的目的:明确了目标用户和使用场景后可以发现,设计数据报表的两个目的是通过数据时段性结论寻找原因或者展示结果。

寻因-寻找原因:通过寻找运营中业务好坏的原因,利用控制变量法各关键指标——商品的类型、点击量、订单量等随天气、时段、日期等影响因素的变化情况。当业务情况变差时,报表能提供数据以寻找变差的原因。

导论-展示结果:报表是在一定时间节点对一定时段周期的数据统计,

报表的使用场景-5W2H法回答:

Who-报表的目标用户:是一线业务人员或者决策层的领导,目标用户的职务决定了其关注的数据指标的差异。总的来说,一线业务人员更关注利于其开展工作的具体而细致的指标;决策层的领导由于结果导向和利益驱动更关注结论性指标。

What-数据报表的目标:目标与目的不同,目标是具有时效性的定量指标;数据报表能服务多少位目标用户、数据报表展示了多少个关键指标、提升了多少效率

Why-为什么要设计数据报表:数据报表的需求优先级排列第几位,能解决什么问题。

Where-数据报表的使用地点:目标用户在什么地点(公司、家)最常查看数据报表。

When-目标用户何时使用数据报表:目标用户在什么时间点最常查看数据报表,查看数据报表的频次是多少。

How to-怎样实现报表目标和目的:本身数据报表的产品设计、开发、测试、验收,结合业务上的部门间的配合和宣贯与数据报表的产品设计同样是实现报表目标和目的的方式。

How much-数据报表的成本:设计开发的时间和人力成本,成本与收益之间的关系,预估成本和预期收益相差太大显然不合算。

3. 找到核心关键指标

分析业务现状理清数据脉络,分析当前业务模式,确定核心增长指标和核心公式。

  • 目标客户
  • 用户价值
  • 成本结构
  • 增长模式
  • 运营模式
  • 盈利模式
  • 商业模式

以电商业务模式为例,核心关键指标为成交总额、订单量,始终围绕盈利模式和商业模式。

  • 成交总额=订单量X单均价
  • 成交总额=用户量XARPU(客单价)

4. 拆解核心关键指标

拆解核心关键指标,分解为多级数据指标,制定数据指标框架。

逻辑化的数据拆解路径:

  • 按市场流程拆解:完整的业务路径,路径节点通常会形成漏斗模型。
  • 按组织部门拆解:组织部门的工作所对应的影响因子或KPI。
  • 按用户拆解:从用户生命周期出发,侧重用户分析的拆解路径。

以电商业务模式为例,按市场流程拆解核心关键指标和核心公式,从用户购买路径拆解核心公式。

  1. 打开APP:APP打开率
  2. 浏览商品:PV、UV、搜索率
  3. 查看商品详情:总浏览时长、平均浏览时长
  4. 加入购物车:加入率、购物车商品数
  5. 生成订单:订单量、订单流失率、订单付款率
  6. 付款:支付方式占比、付款流失率
  7. 退货:平均退货时长、
  8. 评价:商品平均评价分数、商品平均评价字数、商品平均评价率

涉及页面的数据在做报表前设计好数据埋点。

此时构成数据指标框架,形式为Xmind脑图、Excel表格等,产出报表的指标结构模型。

5. 设计指标计算公式

产品经理与后端工程师协作实现报表,清晰具体地设计每个数据指标的公式

与数据指标框架一起设计,或在原型设计中再描述。前者提前确认公式,避免原型无法实现、降低时间成本。

以电商业务模式的指标为例,具体定义数据指标、列出数据计算公式。

  • APP打开率=打开APP的人数/用户总数
  • 订单流失率=取消订单次数/订单总数

至此,数据报表完成了初步架构,开始设计产品原型。

二、数据分析产品参考

竞品的数据报表难以获取,在正式设计前参考数据分析类的产品,对数据报表设计有所裨益。重点关注以下方面:

  • 数据指标、数据定义、不同行业数据的差异性;
  • 数据统计时间、统计的基本单位
  • 数据的展示形式:数值展示、图表展示、数据的交互

数据分析产品通用于很多产品,里面的数据不一定适合实际业务。

对于非专门的数据分析产品,产品后台里包含财务、运营、市场和运维等业务功能,数据报表仅仅是产品里的一部分。从业务角度出发,专业全面选取有意义的数据指标。

推荐几款数据分析产品,体验专业的数据分析产品的设计框架和功能。

1. 友盟——互联网数据服务产品,实时统计数据,灵活,擅长用户洞察。

2. 易观——拥有易观方舟、易观千帆、易观万象三类数据分析工具,针对不同行业精细分析。

三、数据报表的产品设计

1. 设计注意要点

定义更新时间:区分清楚报表和统计的含义,报表是结论性的指标,一般不支持实时统计和更新。根据实际业务来界定更新时间,常分为日报表、周报表、月报表、季度报表、年报表。

报表统计时段影响指标差异性:日报表、周报表、月报表的数据展示不一样的,无法在一天时间内展示趋势变化的数据,应考虑在周报表或月报表展示;数据报表统计时段的差异性导致数据指标的差异性。

数据获取影响数据维护功能:首先应明确数据的定义和数据计算公式,有些数据从现有数据通过计算公式可获取;对于后台现有数据不满足报表需求的指标,要附加数据导入与维护的功能入口;系统既没有现成的数据也不能通过计算公式获取的指标,要么删除要么人工计算维护

服务器计算资源:虽然属于技术层面的问题,产品经理也需要注意服务器计算资源;在业务中数据复杂且庞大,服务器会崩溃,

进行项目管理与协助:设计中与开发紧密沟通,对于系统架构和后台数据开发最清楚,不懂直接询问开发能不能计算,让开发为数据支援;UI设计师对页面美化,很多系统后台有直接的后台框架,UI设计师的介入程度有限,而APP页面能设计和介入的内容程度更深。

设计报表的权限:明确使用角色后设计多级权限;对于需要维护的数据,应明确定义增加、删除、查看、修改、导出的权限;对于敏感数据,例如财务盈利应谨慎展示

很多公司的产品实现形式一般是前端结合后台,有些公司包含用户使用的APP、辅助业务管理者工作的对内APP和多个个后台。

从产品的实现形式思考数据报表的实现形式,目标用户的使用场景是主要的影响因素,目标用户是否经常出差、数据报表的计算时间和时效。数据报表通常展示在后台,后台能全面系统展示数据,但不便于实时查看;前端便于实时查看,但展示的数据内容趋于精简。数据报表

2. 产品DEMO的设计表达

掌握DEMO制作技巧,将数据包含的关键信息最直接地传递给目标用户。

数据报表有两种类型——简单数据表格和可视化图表,

简单数据表格的设计要点:顾名思义,这类以表格形式展示数据报表非常简单,每一行是最小的单位,注重数据指标选取即可,在产品中附加导出功能

可视化图表的设计的高保真原型设计,借助excel表格工具强大的数据图表功能原型,excel表格既有柱形图、折线图、饼图等简单图表,也有曲面图、雷达图、树状图等复杂图表;将脱敏数据展示成图表,再插入原型设计工具中(例如Axure)。

图表类型结合数据侧重点:趋势变化的数据使用折线图,展示比例的数据使用饼图,图表类型要适合数据展示并体现数据的差异。

 

本文由 @鲸和月亮海 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。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 温馨提示:饼图能不用尽量不要用

    来自陕西 回复
    1. 大佬说说原因呗

      来自陕西 回复
    2. 因为平时吃领导大饼比较多,看到饼就反胃

      来自广东 回复
  2. 大家期待已久的《数据产品经理实战训练营》终于在起点学院(人人都是产品经理旗下教育机构)上线啦!

    本课程非常适合新手数据产品经理,或者想要转岗的产品经理、数据分析师、研发、产品运营等人群。

    课程会从基础概念,到核心技能,再通过典型数据分析平台的实战,帮助大家构建完整的知识体系,掌握数据产品经理的基本功。

    学完后你会掌握怎么建指标体系、指标字典,如何设计数据埋点、保证数据质量,规划大数据分析平台等实际工作技能~

    现在就添加空空老师(微信id:anne012520),咨询课程详情并领取福利优惠吧!

    来自广东 回复
  3. 学习了,感谢分享。

    回复
  4. 一同进步 希望能有更多干货

    回复
  5. 一起学习

    来自江苏 回复
  6. 感谢分享,最近正好有在学这块。
    能分享些相关书籍/大牛帖子吗

    来自北京 回复
    1. 《精益数据分析》、《增长黑客》

      来自广东 回复