不要做过度的数据分析

不要做过多的数据分析

每个人都是产品经理

这篇文章也有一个简单的故事，有一天一个读者的小妹妹问我“设计数据产品时应该注意什么”，当时只是简单的聊天，经过仔细考虑，而且碰巧是在目前的项目团队中。作为一个面向电子商务行业的从a到b的数据产品，我想和你们讨论一下在“从a到b的数据产品设计”中需要注意的一个陷阱:对数据分析的过度追求。

过量数据分析的性能

让我们首先定义to b数据产品的概念，它是一种供b端商家通过数据字段、图表、数据分析等帮助用户做出决策的产品。

在设计b数据产品时容易陷入误区，过分关注“数据产品”,过分追求分析结果，导致数据分析方法的过度使用，导致设计的功能不被用户接受或使用，造成资源浪费。常见的表现是:256多个分析字段脱离实际业务；过度专业化；数据可视化的广泛使用

1。分析字段与实际业务

是分开的。在设计b数据产品时，我们希望显示更多的数据字段并定义更多的数据字段。我们希望尽可能多地还原整个业务的数据全景，并尽可能多地分析业务数据，因此很容易定义“与实际业务几乎没有关联或没有关联的字段或图表”然而，这些字段和图表对于购买我们产品和浪费开发资源的商家来说毫无意义。

例如，以下情况:

情况:如果我们想为汽车4s店的潜在用户群设计一个新的零售数据产品，在设计“商店销售情况”菜单时，根据“销售数量”、“销售金额”、“销售件数”和“客户单价”字段，对“客户单件”的定义是什么？

单件=销售件数/销售件数，即单个客户一次购买的件数，我们也可以了解单个订单的平均销售件数。

从数据分析的角度来看，来宾件可以帮助平台了解买家购买的平均件数。然而，考虑到实际情况，受汽车产品属性的影响，购买者在短时间内在同一平台上购买第二辆汽车的可能性非常小。那么对于平台来说，理解“客户单件”领域基本上是没有意义的。此字段没有市场分析价值，不能提供改变商店业务策略的可能性。这对

店的经营和销售没有帮助。但是如果我们产品的潜在用户群是服装电子商务平台呢？

人往往有一起购买衣服的心理和欲望。例如，我们需要买一套衣服去参加婚礼。因此，我们可以在站台上同时购买衬衫、裤子甚至领带等配饰。在这种情况下，“客户单元”对平台非常重要，可以对“客户单元”反馈的业务数据进行一些业务策略调整以

为例，发现平台“顾客单件”相对较低，于是通过一些组合产品，如“西装+衬衫”、“外套+毛衣”等组合产品，将进行联合销售来推广“顾客单件”并最终存储销售数据

。通过对“4s商店新零售平台”和“服装电子商务平台”两个场景的比较，我们发现“顾客单件”在不同场景中有不同的含义，这充分说明在设计领域时，必须依赖实际的商业场景。只有当设计的字段符合用户场景时，它们才能在适当的场景中产生价值。否则，只会浪费团队的资源

2。过度专业化

在对b产品的设计中，由于过分迷信数据，很容易进入“过度专业化”的误区。希望产品的专业性能够通过复杂的图表和学术统计观点得到体现。如果不考虑用户在“数据分析”方面的专业知识，用户可能无法理解一些专有概念和学术术语。过度专业化的具体表现包括过度使用专业数据领域、专业图表和专业统计原则。

案例:我们想在“客服销售情况”菜单中实现检查“异常客服”的功能。因此，我们制作了8个客户服务数据的方框图。通过图表，我们可以知道客户服务数据的分布和偏离正常范围的值。不难发现客户服务1的数据远离正常范围，并且发现客户服务1是异常的客户服务在

的情况下，通过设计“箱线图”来发现异常值是典型的“过度专业化”从案例的场景来看，这是一个面向商店老板、运营商和电子商务行业其他员工的数据产品。“boxplot”的引入确实解决了这一需求，但大多数用户不熟悉boxplot的概念，这使用户教育成本增加了

。事实上，方框图上显示的“上限值”、“下限值”和“子数字”不是用户关心的产品，用户只关心“异常值”然后我们采用另一种方案找出这组数据的“平均值”，并计算每个销售人员与平均值之间的偏差程度。将偏差值大于100%的数据标记为异常数据，用户可以直接得到想要的结果。此外，这种测量“偏离平均值”的数据离差的方法更便于用户理解

。如果我们的目标用户是数据分析师，那么他们很有必要显示“boxplot”。他们不仅关心“异常值”的结果，还需要通过理解boxscript中显示的数据来进行个性化的数据分析，向他们显示更多的数据是有意义的。

可以从这个案例中了解到，在设计b数据产品时，应该考虑b端用户的认知和水平，过分追求专业化的数据分析方法，而没有考虑用户的实际情况。相反，我们会降低效率，浪费资源。有必要合理使用数据分析方法。简单的数据分析对应于简单的问题。高级数据分析针对复杂问题

3。对数据可视化的过度追求

数据可视化是利用数据图表和一些交互来显示各种数据的属性和变量，帮助我们解决因阅读大量数据或文本而产生的无聊感。

数据的可视化也被分级(将设计成本从1增加到5):

合理的数据可视化可以提高用户效率例如，在下图的厕神数据展示的“搜索”中，如果不使用数据可视化，那么如果在一个表中设计了多个字段，用户会感觉到大量的数据，看不到数据的趋势，有些信息无法显示，例如同比和环比。如果它被分成4个表并导致太多的重复，并且时间维度被扩展到30天，数据将会非常膨胀。

引入“可视化”后，通过4个简单的折线图，可以反馈不同日期下不同领域的趋势，更加简单直观地展现业务情况。

，但是，如果在这里使用大量的“二维数据图”或“三维数据图”,大量的颜色和复杂的交互将会产生不利的影响，这将对用户产生干扰效应并降低用户体验。

以及“二维数据图”和“三维数据图”在大数据屏幕中的效果是合理的。例如，下图中的“tmall”double eleven的大数据屏幕不会让人觉得不合理，因为大数据屏幕本身需要显示更多效果。

因此表明，我们需要在适当的场景中采用适当的数据可视化。过度追求数据可视化将对数据产生负面影响

，而不是数据

。事实上，当我们设计b的数据产品时，字段和分析方法只是一种输出手段。我们只是定义“数据字段”并使用“数据分析”来实现产品功能并展示产品能力和价值。to b数据产品的核心是从业务、场景和用户开始。在设计一个领域和介绍分析方法之前，你可以先问自己这样的问题:

设计产品时，我们应该提醒自己，数据分析只是一种手段，而不是目的。只有避免“过度的数据分析”，设计的产品功能才能满足用户的价值，用户才能为我们的产品支付所能提供的价值，有助于降低用户成本，增加用户收入，提高用户效率。

这篇文章最初由@ noon发表。每个人都是产品经理。未经作者许可，禁止复制。

地图来自Unsplash，基于CC0协议

本文由 在线网速测试 整理编辑，转载请注明出处。