编辑导语：如今随着科技的不断发展，越来越多的科技运用到我们的日常工作中去，比如如今我们在进行业务数据的核查时，会用到数据可视化的方式，能够更加清晰明确的进行数据分析；本文作者分享了关于数据可视化的用处，我们一起来了解一下。

数据可视化的价值是什么？很多会说，让数据以更加直观的方式呈现，通过简单的交互动作，快速获取目标数据，提高数据获取和分析的效率。

数据可视化首先要解决数据的问题，没有数据的可视化是无源之水；如果数据已经可以通过SQL或者邮件、excel报表等不同方式获取到了，可视化的优先级就没那么高了。

在开发资源稀缺时，往往可视化页面的需求优先级会降低，连数据都没有的那部分需求才是高优解决的。数据是基本需求，可视化是温饱需求。

在大数据发展初期，数据产品体系不健全，业务人员数据获取重度依赖数据开发人员，紧急需求需要各种刷脸或者找领导走特殊通道。

数据可视化产品的确可以大大提升数据化决策效率，但随着数据中台的出现，数据获取自助化、可视化Dashboard配置化，定制化的可视化需求越来越少，此时数据可视化产品经理该何去何从？数据产品经理如何才能保持自身的核心竞争力，避免被工具或者业务取代？

一、分析思路是数据可视化的灵魂

其实业务核心诉求不是数据，而是基于数据的分析结论或者决策建议，知道业务行动改善。

毕竟术业有专攻，业务产品经理、运营在商业、用户、运营等方面更专业，数据分析只是衍生技能，如果有BP的分析师，直截了当的提供结果，才是他们最希望的；因此，数据可视化产品，提供业务KPI数据是什么、表现是好是坏，为什么出现此种情况，我该如何行动等完整的分析能力或解决方案，才是数据可视化的灵魂所在。

二、数据是什么?

基于业务经营所关注的核心指标体系，客观地呈现数据是什么，如每日DAU、MAU、付费用户数是多少等，解决定量看数据的需求。

注意点：

1）需求分析：通过调研和需求沟通，以及不同层级用户（管理层、产品、运营等）对数据的诉求，获得业务期待的指标、统计口径、分析维度。

了解目标用户的业务流程，梳理指标监控体系，挖掘真实需求，判断用户提的需求是否合理、全面，能否达到监控或分析的目标，给出专业的建议；避免看山是山，被动式的，1：1的实现业务需求，因为有的业务同学数据感没那么强，甚至指标维度都傻傻分不清，他们也非常希望有更为专业的数据同学给他们提供建议或解决方案。

2）数据呈现：用户提的指标需求可能是零散的，缺少体系的，要基于需求分析过程，确定指标的优先级，以及指标分类（相近主题的指标在页面呈现上要在相近区域），避免指标平铺式、缺少分类的直接呈现；同时要控制核心指标的数量，通过tab切换或下钻联动等方式，默认呈现最关键指标，避免信息过载失去重点。

3）交互分析：静态的Dashboard或者可视化大屏将分析结果平铺式呈现，适用于为管理层提供直截了当的数据结果，但灵活性较差，页面之外的数据无法获取，无法进一步深入分析。

交互式分析，不仅提供默认的数据展示结果，同时可以对不同维度、不同指标进行组合分析，适合探索式分析，做可视化产品设计时，要考虑数据内容多少以及用户对交互的诉求，确定页面呈现方式。

三、数据怎么样？

通过不同的评价维度，衡量数据表现的好坏，提供是否需要干预或行动的依据；例如，每天展示指标数值差不多，用户看了没啥感觉，即使某天出现异常，也很难发现。

数据指标常见评价维度

• 和同期比，如和去年同期比，上月同期，上周同期，前一日等，通过时间上的对比发现指标波动趋势；
• 和历史比，如业务超越历史峰值，创新高等；
• 和参考值比，如同行，相同区域维度，上级维度均值（本省和全国比）；
• 和预警值比，针对指标设定预警值或预测值；
• 对比时可以用绝对值对比，或增幅对比。

四、为什么出现此种情况？

当数据出现较大波动时，通过多维度的拆解分析，确定影响整体变化的关键因素，同时需要结合业务动作来综合判断，因为有些指标波动是由于业务调整引发，比如上线新活动或发布新版本。

常用方法：

关键维度拆分：适合于维度比较少，且维度影响比较聚焦的情形，如景区业务订单票量环比下降50%，可以从区域-省份-城市-景区逐层拆解，得到Top下降的景区，相关景区负责人再去进一步从市场、景区、供应商等不同业务环节，定位原因。

异常归因分析：适用于维度较多，且多个维度综合影响，此时需要依赖于一些分析模型，比如影响因子分析等，确定对下降或增长结果贡献最大的维度组合。

业务动作备注：提供业务变动的信息登记备忘功能，如在某一日期，App端上线了机票盲盒活动，数据展示时，可以给用户提供业务变动的备注信息。

五、业务该如何决策?

业务看数据核心目标除了做到心理有数外，还需要进一步做决策，数据可视化产品可以提供分析结论或决策建议，对业务的价值会更近一步。

例如针对新上线产品功能的AB效果分析，展示各个版本的指标效果，同时给出分流决策建议；例如，从近14天点击UV和订单转化率看，B版本显著高于A版本，建议选择B版本，扩大B版本流量。

六、小结

数据可视化不能为了炫酷的可视化效果而可视化，除了一些公关性质、或者门面担当的可视化大屏可以侧重于展示效果；业务应用的数据平台产品的可视化需要更多地关注如何基于可视化产品为用户提供更加方便、快捷的决策建议支撑，尽可能提供数据是什么，怎么样，为什么，如何做的“一条龙”服务，为数据可视化产品注入灵魂。

这样作为数据产品经理，不仅可以更懂数据为业务提供数据，也可以懂业务，为业务提供决策建议。

#专栏作家#

数据干饭人，微信号公众号：数据干饭人，人人都是产品经理专栏作家。专注数据中台产品领域，覆盖开发套件,数据资产与数据治理，BI与数据可视化，精准营销平台等数据产品。擅长大数据解决方案规划与产品方案设计。

本文原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议