编辑导语：低代码的思路对于BI模块的设计有很大的帮助，本篇文章作者结合Amazon SageMaker Canvas的体验，阐述了数据统计模块的具体步骤、设计灵活性的内容以及极致灵活的低代码设计方式，并列举具体案例进行展示，感兴趣的朋友一起来感受一下吧。

一、初识数据统计模块

使用B端软件来实现信息化的客户，随着使用程度的纵深，会逐步跨越6个步骤，实现两个阶段的和蜕变。

1. 阶段一：软件支持经营

这一阶段的重点是重构一套线上操作的业务的业务流程。把数据从线下完整地搬到线上来。

步骤可以细化为业务线上化——财务线上化——数据可视化。

在业务线上化的最后，可以用系统中的表格和流程，代替线下散落在各种沟通工具中的信息。

而随着数据的逐步稳定和精确，业务数据可以作为用于结算的原始数据，实现财务线上化。另外这部分数据也可以呈现用于呈现在大屏上，经营看板上，为内外部了解业务经营情况提供一目了然的素材。

2. 阶段二：软件赋能经营

由于第一阶段获得了全链路的业务数据，这个阶段就可以使用数据来改善业务了。

具体来说，包含为业务精细化——业务自动化——业务智能化。

通过数据的细化，可以分析每个岗位的工作质量和效率，从而对岗位的工作方式，指标进行更合乎情理的规划。

此外可以通过系统的自动化能力，代替人工的事情，例如CRM可以自动转存并转写和客户的通话记录，提取关键信息。

最后系统还可以进行智能分析和预测，用人工智能提升工作成果。

最近有试用了 Amazon 旗下的AI产品Amazon SageMaker Canvas，它就有一个典型的场景。

可以通过分析客户的个人信息，预判接通电话的概率，让外呼团队优先处理接通概率高的客户，最后的结果，电话接通率从35.17%，到达了49.4%，几乎提升了50%。

从信息化的两个阶段来说，数据可视化的地位十分重要。

作为其中承上启下的一个部分，它是一阶段的实现结果，又是二阶段改善生产力工具的开始。

所以数据可视化，往往是B端软件的标配。

它也经常被称为BI（商业智能），虽然名字起得比较大，有点唬人。

但其实举几个简单的例子就可以明白，绝大多数被称为BI的模块，它们并不复杂，大差不差都可以可归纳为：数据的展示。

首先是用不同样式的图形来展示。

常见的例如有柱形图，条形图，折线图，等等。

也可以用多维度表格展示。

多维度表格别于单个维度，可以看到横向纵向都有多个表头，它们共同框定了交叉处数值的范围。适用于复杂的，需要多层分类的数据。

然后把各种图表，表格组合起来，加上筛选条件的组合和控制。

最终呈现出来的，可以是花哨的，往往用于对外展示大屏。

也可以是数据应有尽有，主要用于内部的仪表盘。

展示形式繁多是BI的特点，但还不算是难点。

每个图表和表格，可以看成是一个模具，能把一样的材料展示成不同的样子。

而数据就是用于组装的材料，BI难的是材料如何搜集和加工，以及如何组装为成品。

如何组装，取决于用哪类图形来展示。

以柱状图为例，图形展示上有横轴，有纵轴。把横轴的数值作为宽、纵轴的数值作为长，长宽连接，就形成了图中的长方形柱子。

其中，纵轴代表指标：是需要统计的具体数据，是一个个数值。

横轴代表维度：是数值的分类方式。

同样是看销售业绩，可以按部门来查看，可以按员工个人来查看；可以看每个月的，也可以看每个季度的。这都是不同的分类方式。

图形样式，就是通过限制指标和维度的个数，来限制数据的组合方式的。

继续以柱状图为例。

它可以支持：多个指标+1个维度。

如图是按照不同项目的分类方式，来展示上下游数据的两个指标。

也可以支持：1个指标+2个维度。

如图用项目和日期做分类，可以查看不同项目下，不同日期下的车辆运行次数。

不同颜色的柱子代表了不同日期的数据，例如蓝色代表是11月1日的数据，绿色是11月2日的，黄色是11月3日的。

而同一颜色的柱子也不止一根。有多少项目，就可以展示多少根，每一根代表着不同项目中对应日期的车辆数。

数据需要被图形组装，但并不是所有的数据都可以被组装在一张表里，这要求数据间要有关联关系。

关联关系可以是直接的。

就像一个小区那么多人，你能很快地找到一家人，是因为它们住在同一个屋子里，同样的房号就是一家人的直接关联。

关联关系也可以是间接的。

还是这个小区，101号房住着爸爸，妈妈和儿子，而102号房住着爸爸的爸爸，以及爸爸的妈妈，那么101和102号房就可以通过爸爸这个人联系在一起。

再举个例子，excel中有跨表查询的功能，这也是找关系的一种实际应用。

设想一下，你现在有两张表。一张表是员工的个人信息，里面有员工名字和性别，另一张表是员工业绩表，现在老板想统计不同性别员工的业绩平均水平，你应该怎么办？

第一步，是把所有数据合并在一张表上。

以员工姓名为中间字段，进行跨表查询，把表格合并为三列 员工姓名-性别-业绩。

第二步，把性别作为横轴，业绩作为纵轴。

选择合适的图形来进行展示，就可以满足统计需求了。

从例子中可以理解，虽然系统中有不少原始的数据，但这些数据是需要经过加工和关联，才能被放在一张表中，这就是数据搜集和加工的部分。

总结一下，BI需要在数据搜集和加工、数据组装、数据呈现三者上同时用力。

而这每一个部分，也会因为业务需要，被要求考虑到不同程度的灵活性。

二、设计灵活性

首先要明确的是，每个部分的设计并非是越灵活越强大越好。

越灵活，能力就越抽象，离用户能理解的范围就越远。

用买电脑来打比方，一个只想买整机的小白用户，你说：我们这有最灵活的装机方案，然后列出了很多款显示器，主机，硬盘的参数，告诉用户可以随意配置，用户扭头就走的可能性反而很大。

有的时候提供不灵活的方案，反而是一种好的用户体验。

而越强大，就代表代码越复杂，开发成本也水涨船高。并且基于过去的经验，很多高级和强大的能力，只有公司到了成熟期，才会有成熟的客户提出需求和使用。

设计这件事，就高和就低都没有错，重要的是匹配当前的的情况。

根据软件的特性，当前所处的生命周期，用户画像和需求，来确定不同的方案，看看把灵活性设计到哪一层。

最常见的是把灵活性涉及到展示这一层。

有很多软件，是图表中的字段已经确定好了，不允许修改，只允许用户修改展示形式。

假设当前的是每月成交订单金额表，维度是销售日期，指标是订单销售金额，维度指标都不能变。

那可变的是什么呢？

第一可以是自定义字段的展示。

• 可修改名字：比如把【销售日期】改成【成交日期】。
• 可切换排序（默认/升序/降序）：切换图表展示的顺序，比如可以按照月份从高到低排，也可以按照成交金额进行排序。
• 可设置汇总方式（日期/地址）：例如同样是成交日期，可以按照年，也可以按照年-季汇总。

指标计算（求和、求和、平均、最大值、最小值、计数）：案例中是需要加总订单销售金额的，但是如果想看每月订单的平均值，最大值，最小值，也都可以进行更改。

第二可以自定义图形的展示。

可以通过切换展示形式，把从柱状图变成条形图，或者同时展示柱状图和折线图，都没有问题。

第三可以自定义多张图的展示。

例如希望把多张含义类似的图汇集在一起，统一进行查看，就可以通过设计仪表盘来实现。

一个仪表盘中，可以承载N张图表，每个图表都可以自由拖拽，决定不同的大小和放置位置，是非常灵活的一种方式了。

把展示层面的灵活性升级一下，就来了灵活性的第二级：数据组装的灵活性。

主要是支持图表中数据的自定义。

包括增加一些数据进行展示，或者减少一些数据进行展示，支持哪些类型的数据，以及数据是否能跨表查询。

图中的方案，就是可以让用户自己选择维度放置哪些字段，指标放置哪些字段。

举例来说，维度一般不放数字类型的字段（除非有对数字进行区间划分的逻辑），指标一般不放日期类型的字段。

另外如果客户需要查看的数据分布在两张表，至少需要确定这两张表是可以通过中间字段建立关联的。

最后，最厉害也最难的是，在数据采集和加工上考虑灵活性。

如果系统中的数据不足以满足展示条件，考虑是否支持外部传值，方式有接口对接，服务器对接。

另外考虑数据能不能支持到现有的数据和留存的数据。

现有的数据是指系统中存在的，此时此刻的数据，是即时查看的数据状态。

但一般从业务数据展示在仪表盘中，会因为性能等原因存在时延。例如在系统创建或删除了一些数据，往往需要几分钟到几个小时，报表中的数据才会更新。

留存的数据是指过去的数据，是需要预先存储下来的一条条记录。

例如图中的转化漏斗，背后就包含了每一次客户状态变化的数据，记录了每次变化时，是哪个客户变更了状态，是哪个时间变更了。

再次是否考虑支持用户在系统中做简单的数据加工。

但很少有软件涉及到这个部分，仅在专业的数据软件平台可以看到【数据工厂】的各项能力。

它的开发过程也非常耗时复杂，如图是图表加工功能的部分UE，模糊一瞥就能知晓吓人的工作量了。

三、极致灵活的低代码设计方式

1. 低代码的设计模型

前面聊了灵活性设计的三种层次，但如果要往最深处去学习，就不得不提低代码的设计思路。

低代码是抛开具体业务的一种软件，它的设计原则是：轻业务，重模型。

正因为模型是对于现实世界的抽象和简化，所以基于模型，可以演绎纷乱复杂的场景。

正如你学会了【福格行为模型】，知道了人的行为=动机*能力*提示，那你可以在各种现实场景下应用它，可以改善球队只顾自己踢球不关注队友的习惯，可以管住自己在深夜放下点外卖的手机，也可以尝试让孩子在书桌前多呆半个小时。

同理，BI模块也一套对应的模型，只要掌握了一个模型，你也可以很快设计出一套非常通用的BI模块。

老东家曾经耗时大半年，想寻找一个专业的大数据产品经理来设计我们低代码平台的BI模块，但招聘进展一直不太顺利，于是我就顶上了，在3个月的时间内，迭代2、3次，完成数据可视化的基础能力，再花费3个月，完成了数据工厂的设计，实现了数据加工的自定义能力。

这一切并不需要我有多厉害的大数据背景，只是我调研了市面上的各类产品，有专注业务的saas平台，有本身就是低代码的平台，还有提供数据软件服务的专业平台。

最后得出了一套设计的四要素。

它包含：一权限，二数据，三组装，四展示。

2. 权限是基础

首先把系统中的图表分为两类。

1. 一类是企业数据图表，即图标统计的数据范围是系统中全部数据，无论查看人属于哪个组织和部门，都可以看到全量的数据。
2. 另一类是个人图表，每个人可以在自己的数据权限内创建图表。

把BI部分的使用角色，抽象成企业数据图表创建人，仪表盘创建人，仪表盘查看人。

企业数据图表创建人：设计独立的权限。被赋予该权限的人，可以使用系统中的全部数据来创建图表。

仪表盘创建人：每个人默认都有创建仪表盘的权限，同时每个人都可以编辑自己创建的仪表盘。

每个人也默认有创建图表的权限。

但如果没有企业数据图表的创建权限时，每个人默认只能创建个人图表，所以只有权限使用自己权限范围的数据。

仪表盘查看人：仪表盘创建人可以分享给企业内容人员查看。

对于个人类型的图表，每个人仅能查看自己权限下的数据，比如部门A和部门B的主管进来，只能查看到自己部门下单的数据，同一张图表大家看到的内容不同。

而对于企业类型图表，创建人和所有查看人可见的数据都是一样的。比如想统计企业本月收入指标，就更适合用企业类型图表。

3. 数据是原始素材

数据决定了报表到底可以呈现出什么样的内容，但有些数据分布在不同表单，需要加工合并才能获得。

所以有个别低代码平台，设计了数据工厂这一究极解决方案。它能汇总多张表格，生成无数的原始数据。

让数据生产的过程也遵循了低代码，让业务人员通过学习，就可以抛开技术限制，自由的设计出一张符合心意的报表。

对这部分有兴趣可以去查看产品【简道云】，能快速了解数据工厂的各项能力。

组装和展示受限于仪表盘和图表本身的形式限制。

仪表盘样式：支持图表控件的拖拽，也支持其他类型控件，例如多种类型的筛选器，搜索框，文字等等。

图表样式：柱形图，折线图，饼图，漏斗图，统计表，双轴图，KPI卡片，仪表盘，地图，地图（气泡），堆叠柱形图，堆叠折线图，热力图，交叉表，条形图，雷达图，地图，常见的也有十来种。

最后简单放一下自定义仪表盘的设计稿。

一期实现简单的仪表盘创建，以及图表和筛选器创建，基本就能满足绝大多数的需求了。

作者：假装是运营，微信公众号：SaaS学姐。

本文由 @假装是运营 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。