因为业务调整的关系，2017年下半年，我开始负责一款数据可视化的产品。所以在此聊聊我对数据可视化产品的思考。

 一、问一句为什么？

首先我们需要明确一点——用户为什么需要数据可视化产品？换句话来说，用户为啥会有「将数据转化成图表」的需求？根据我目前得到的用户样本来看，有两大原因：

1. 探索性可视化（分析数据的时候需要用到数据可视化，来快速发现数据的特征、趋势与异常）
2. 解释性可视化（将分析好的数据以可视化的方式传递给别人）

1、探索性可视化

探索性可视化需求一般集中在数据分析场景中的数据探索场景。在分析数据的时候需要对数据进行探索，最后才能得出结论。

但是为啥我们需要使用可视化的方式去探索数据呢？使用统计学的方式不就能得出结论了吗？其实并不是，最典型的案例就是安斯库姆四重奏。四组数据的平均数、方差以及相关系数都一样，你可能会觉得这些数据的分布应该也会很像。

但，当你使用数据可视化的方式去看这些数据时，你会发现他们的分布都不一样：

从流程来看，探索性可视化是这样的：

2、解释性可视化

解释性可视化需求一般集中在完成了数据探索，并且形成一定数据洞察后的 story-telling 场景。大家在网上看到的一些「一张图搞懂 XXX 」、「一张图了解 XXX」就属于解释性可视化。所以解释性可视化的流程是这样的：

二、做不做？做哪些？

1、现状

貌似两种可视化的方向不同，但是基本上主体需求——制作图表，是一致的，所以基本上市面上的数据分析产品都是这么搞的：

只是在前后两种可视化的功能特性上会有所不同。比如前一个可视化，可能集中在图表的微观功能上，像辅助线、预警、各种图表类型等。另一个可视化，则是集中在整体的图表可视化上，比如将多个图表组合起来，制作成一份报告或者故事版，所以会提供类似标题编辑器、排版编辑器等功能。目前市面上的 BI 产品，像网易有数、BDP、Tableau、PowerBI 都是采取这种模式。

就我目前对各路竞品的了解，目前国内的厂商一般是这么搞的：

用户导入数据到产品，然后进行一些可视化的探索，或者直接将数据进行可视化的表达。不同产品的差异点可能在交互模式上，以及数据清洗，数据多渠道采集上。

2、我的一些小想法

但是，基于我对目前的用户样本量的理解，我发现这种偏业务型的产品框架，并不太适合国内市场。因为这类产品面向的用户基本上是专业用户（数据分析师），而忽略了一个事实——大部分中国企业并没有设立专门的数据分析岗位。有能力配备数据分析师的企业一般都是中大型企业，他们付费能力可能比较强，但是也意味着用户量会较少。（所以现在很多这类产品都会收取巨额的实施与培训费用，或者为没有数据分析师的企业，提供一些模板/定制开发功能，但是这也导致了企业发展到一定地步后，发现模板不适用，而需要再次付费实施的情况。）

就我目前对用户的理解，用户样本集中在以下两大块：

专业用户对应的是数据分析师，而半专业用户则对应的是类似财务、销售、HR 等，在业务上专业但数据分析上不专业的用户。在企业里面，其实半专业用户远大于专业用户。而这类用户的日常工作又一般集中在解释性可视化上面，比如年终总结、年度规划、每月汇报中都需要利用到数据可视化。所以这类用户的流程是这样的：

用户导入数据，无需太复杂的操作，即可直接生成图表。（为什么少了数据化探索呢？其实是因为在半专业用户中，又以中小型企业的用户为主，他们的业务相对单一，且交易、财务数据都不会太大，只需要简单的 excel 就能完成。当然了还有一些是靠 erp 数据分析的，这里就不展开细谈了。）然后根据图表，补充自己的洞见，就可以制成报告给到老板。

这里有两个关键点，一个是「快速制作图表」，一个是「行动」。基于目前的用户样本分析，并结合我现在学习的机器学习知识（是的，我又挖了个学习大坑），发现完全可以将机器学习技术融入到数据可视化呈现上，理由有以下几点：

1. 我发现其实在企业里产生的数据非常机构化
2. 数据一般还带标签（比如 excel 表中的表头，ERP 里面的字段名）
3. 我们可以通过用户行为，学习用户对图表的偏好（比如偏向于使用折线图而不是柱状图）

另一个「行动」，则是类似一些展示报表后的「互动」环节，一般用户会将自己制作的图表以及洞察制作成 PPT ，然后发送给老板，有的时候还可能会以会议的方式汇报给老板。但是这种方式有几个问题：

1. 数据发送不及时
2. 互动性弱（没有给老板一个激励下属的通道）
3. 制作成本高

而目前市面上的 BI 产品都会提供一个转发功能，允许用户分享到微信或者其他 IM 应用。但是这一块的互动性还是有待加强的，比如能让用户在视频、语音会议的时候能够调出图表。

所以，我认为，目前数据可视化产品的切入点，不在于多强大的编辑能力，或者系统接入能力，而在于「快速制作图表」和「行动」上。（因为目前市面上的 BDP、Tableau、PowerBI 的编辑能力以及接入能力就很强了，在这上面跟他们斗并不现实）只要前期使用决策树的方式，开发「用户上传 excel 自动生成图表」的功能，辅助「行动」阶段的分享、点赞、评论，以及其他互动元素，最后提供一定的 API 能力即可。然后未来就可以研究各类数据模型，让机器辅助用户做洞察，像自动计算同环比、预警、预测等。同时提高数据接入能力（注意不是系统接入能力），引入更多外部数据到数据分析系统里面，比如天气数据、同行业销售数据等等。

三、再问一句为什么？

但是这还没有完，前面的分析只是集中在「数据分析」或者「数据可视化」的场景，其实还可以继续深挖，再问一句为什么？为啥企业要分析数据？为什么企业要将数据可视化？我想最终的答案一定是回归到企业管理的「第一性原理」——开源节流。企业需要数据去分析如何才能节省更多钱，如何才能赚更多钱

我想未来的 BI 的产品不能将自己定位为「工具」，而是应该定位为「服务」。这里的「服务」不是说从原来的买断式收费，转变为按年收服务费，这只是商业模式的转变。我理解的转变是要从产品理念上做文章，BI 产品不能只是一个工具，而应该是一个服务平台，连接企业内外部数据之外，并且更重要的是，需要连接企业内外部的业务。比如连接供应链的数据，连接财务数据，连接审批数据等等。

比如，对于一家生产鱼丸的企业，当系统发现制作鱼丸的原材料库存不足，但是又快到销售的旺季，是不是能提前预警，并且快速将此信息发到供应商那，直接订货。再比如，当一家企业的现金流并不是非常健康时，系统能否能推荐企业一些「财务顾问」服务，甚至「现金贷款」服务？

不过这里的难点就在于如何解决「既做裁判又做运动员」的问题，但是我想这总归是有方法的。

本文由 @Jimmy Wang 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