数据大屏这一形态现在已经十分常见，那么，数据大屏相应的设计策略是怎样的？这篇文章里，作者从设计步骤、核心功能等方面做了一定梳理和分析，一起来看一下吧。

一、产品背景

1. 数据可视化

1. 抽象数据具象表达，可视、可交流、可互动。
2. 高效表达数据内在信息及规律，促进数据信息的应用。

2. 数据大屏

1. 以大屏为展示主体，营销氛围，关键信息大屏共享，方便交流与决策。
2. 数据展示、数据分析、监控预警三大类。

3. 服务对象

1. 高层决策。
2. 宣传公司。

二、设计步骤

1. 设计原则

1）设计服务需求

• 基于业务需求设计。
• 聚焦解决的问题或达成的目标。

2）先总览后细节

• 大屏信息有焦点、有主次，核心数据先展示。
• 细节数据可隐藏，用户唤起查看。

3）故事叙述原则

考虑故事叙述，通过数据联系、趋势变化呈现完整故事。

4）易读性原则

数据结构简明。

5）用户交互体验原则

具备良好交互性，支持实时监控、数据查询和多维度分析。

2. 设计步骤

1）业务背景调研

1. 业务需求：了解具体业务需求，大屏使用者，用途。
2. 业务现状：了解业务现状，思考业务需求。
3. 业务发展：了解业务发展方向，做好前瞻性设计。

业务背景调研结果：产出清晰的业务流程图及各环节关键指标。

2）业务指标制定

1. 确定北极星指标：指明业务方向，当前产品阶段战略层的指标。
2. 关键指标&其他指标：按照北极星指标结合业务需求衍生出关键指标，指标逐步拓展纳入，根据业务需求拟定各个指标优先级（主次辅）。
3. 确认指标分析维度：根据各指标特征和业务需求，确认分析维度、分类占比、分布情况等。
4. 提供计算指标的计算公式。
5. 指标服务于业务实际。

业务指标定制结果：制作指标定义表

指标类型：

• 维度指标：日期等。
• 原子指标：不可再拆分的指标。
• 复合指标：通过维度指标或原子指标计算后的结果指标。

指标体系定义：

带有业务特征、运营效果、未来方向、衍生价值的描述。

例如对注册用户数指标：

• 业务特征描述：目前活跃用户，每天启动产品的注册用户数量。
• 运营效果描述：整体来看，上月活跃保持7.3%的增长。
• 未来方向描述：渠道团队拉新获得新增注册用户，占每月活跃用户的40%，沿此方向推进。
• 衍生价值描述：DAU提升对整体收入贡献大。

指标体系特征：

1. 原子性指标：最基础不可拆分指标，如交易额。
2. 修饰词：描述某种场景下的指标，如分销渠道交易额。
3. 时间段：限定数据的时间范围，如本周。
4. 派生指标：1+2+3（原子+修饰+时间），如上周分销渠道的交易额。

指标体系搭建的核心原则：

• 根本性：核心数据理解到位和准确。
• 可理解性：指标要配上业务解释性，明确指标含义。
• 结构性：能够充分对业务进行解读（新增用户指标需配套各渠道、转化率及新增用户价值等指标）。

指标建立步骤：

① 理清业务阶段和方向（各阶段核心业务内容）

1. 业务前期：蓄客、造势
2. 业务中期：促成交、促转化
3. 业务后期：去库存，做规划

② 确定核心指标：先确定北极星指标（核心战略指标），再根据业务确定各阶段指标，指标服务于业务。

③ 指标核心的维度拆解：拆解指标计算公式，对公示内的维度指标进行计算。

④ 指标宣贯、存档、落地：指标搭建后进行存档、宣贯、落地、反馈及修复。

北极星指标：

为业务指明方向的指标，当前产品阶段战略层指标。

北极星指标唯一存在，北极星伴随指标可以有多个。

从产品阶段选择：

1. 诞生期：规模类指标，如注册用户数。
2. 发展期：质量类指标，如活跃用户数。
3. 衰退期：新增方向上的指标：如某功能使用人数。

从产品客群选择：

1. 新增用户：关注新用户停留时长、流失率等增长类指标。
2. 老用户：关注停留时长、打开次数等活跃类指标。
3. 已付费用户：关注复购率、客单价等营收类指标。

3. 数据溯源和加工

数据溯源：确定指标后对数据源头进行追踪。

ETL：数据源接入后对数据进行加工，包含数据清洗和维度建模，必要时制作E-R图。

ETL：数据抽取（Extract）、转换（Transform）、加载（Load）的简写，它是数据从源端经过抽取、清洗、转换之后加载到目标端的过程。

E-R图，也称为实体关系图（Entity-Relationship Diagram），是一种用来描述实体、属性和关系的模型。在数据库设计中，E-R图是概念结构设计的一种工具，它提供了表示实体型、属性和联系的方法，用来描述现实世界的概念模型。在E-R图中，常用矩形来表示现实中客观存在且相互区别的实体，用椭圆来表示实体具有的某一特征，用菱形来表示实体和实体间一对一、一对多和多对多的关系。

数据获取：获取结构化、干净的数据。

数据加工：根据制定的业务指标结合数据理解业务含义，得到业务指标并确认是否有误。

数据加工结果：数据探查表、数据接入表。

E-R图推荐工具：https://dbdiagram.io/home

4. UI设计

1. 定义设计风格：了解行业常用主流风格，科技感、商务感等。
2. 设计页面布局：确定尺寸，划分页面布局，主次分明，合理利用显示单元，避免关键指标分割。
3. 选取可视化图表类型：筛选最能体现设计意图的图表，追求易理解、可实现。

图表参考网站：

from data to viz:

https://www.data-to-viz.com/#portfolio

echarts:

https://echarts.apache.org/examples/zh/index.html

整体风格：

• Flat UI：简洁明快，扁平化，让用户能够快速获取数据信息。
• HUD：科技感，将数据以三维立体的方式呈现给用户。通常采用黑色或深色背景，以突出数据信息的可视化效果。
• FUI：多维数据可视化，通常采用鲜艳明亮的颜色，以吸引用户的注意力。
• 3D：立体感强，采用三维建模技术，通常采用仿真效果，让用户有更强的沉浸感和交互感。

页面布局：

大屏类型：

• 标准大屏：分辨率1920*1080，比例16：9
• 超大屏：比例16：9 ，面积更大，标准屏拼接或延展而来
• 异形屏：比例不是16：9
• 布局类型：常规布局、左右布局、上下布局、繁星布局、均等布局、故事布局

可视化设计：设计风格与图表类型符合业务。

样图沟通确认：低保真➡️高保真。

UI参考网站：

• 包图网：https://ibaotu.com/
• 花瓣网：https://huaban.com/

5. 数据可视化

数据可视化工具：帆软、Power BI、Tableau等，自研DMP（Data Management Platform，数据管理平台）。

三、核心功能

1. 数据展示

提供多维度的数据展示，包括数据的实时更新、历史数据的可视化呈现等。通过图形、图表、图像和其他可视化元素，将数据以直观、清晰的方式呈现给用户。

• 数据的实时性
• 数据的准确性
• 数据的筛选和过滤
• 数据的图表化
• 数据的色彩搭配
• 数据的布局
• 数据的异常检测

2. 交互操作

支持通过触摸屏、鼠标等进行交互，用户可以通过交互操作来控制数据大屏的显示内容、布局、样式等，实现个性化定制。

• 操作简单直观
• 减少误操作
• 提供反馈信息
• 支持多种交互方式
• 动态交互
• 保护用户隐私
• 考虑多终端适配

3. 数据分析

集成各种数据分析工具和算法，能够对展示数据进行深入的分析和挖掘。例如，用户可以通过数据大屏进行数据的过滤、筛选、比较、排序等操作，以便更好地理解数据。

• 数据挖掘与理解
• 多维度分析
• 实时监测与互动
• 辅助决策支持
• 信息安全与隐私保护

4. 数据预警

数据大屏可以设置数据预警功能，当数据达到预设阈值时，会自动触发预警提示（字体颜色、字号变化，API推送移动端提醒），以便用户及时发现并处理问题。

• 预警设置
• 实时监控
• 动态阈值调整
• 异常检测
• 预警管理
• 历史数据分析

5. 集成其他系统

数据大屏可以与企业的其他信息系统进行集成，如ERP、CRM、OA等，实现数据的共享和协同。支持不同系统之间的数据相互流通，提高企业整体的数据利用率。

• 在数据源上集成接入其他系统数据，实现数据集成
• 将数据大屏嵌入到第三方业务系统中
• 将第三方系统iframe嵌入到大屏系统
• API携带参数跳转实现集成
• 企业微信、飞书、钉钉等三方软件的接口调用
• RPA机器人的使用