minitab多少钱一套(浅谈数据产品设计方法论)

编辑导语:作为产品经理，不仅要关注最显性的设计规范，还要考虑产品底层逻辑是否不一致。那么就需要一套规则来规范它。本文将以数据产品设计规范为重点，从产品规划、产品形态、产品设计、产品规范四个方面来规范产品设计的逻辑一致性。值得阅读和学习。

经常看一些关于设计规范的文章。每次读完都有一种醍醐灌顶的感觉。同时我也会反思自己负责的产品，是否存在设计和交互不一致的问题。作为一个产品经理，除了关注最显性的设计规范(从页面布局到图标颜色)，我也在思考产品的底层逻辑是否也不一致。然后一个想法浮现在我的脑海里——除了最显性的视觉和交互设计，也许产品设计的逻辑也需要一些“规范”。

应该有很多同学在访问一个系统/APP的不同页面或不同功能模块时，可能会有“这个孩子有几个父母”这样的疑问吧？这种感觉一方面可能是显性设计不一致造成的，另一方面可能是产品设计逻辑不一致造成的。

互联网是一个快速发展的行业，互联网产品的特点是快速迭代。在一轮又一轮的迭代中，产品、开发、设计等不同职能的学生可能已经换了好几代。开发换代对用户使用产品的影响相对微乎其微，用户无法明显感知到变化。他们只要努力开发学生的代码，这些代码是在啃别人的(他们恨不得分分钟重写)。设计和产品更新换代对用户的影响更加明显。如果变化不显著，用户可能会再次将它们解释为迭代。如果变化很大，用户可能会将其理解为人事变动。替代是常态，但替代背后还是有一些规范和规则来维持产品在用户心目中的品牌认同。从一个图标的交互到整个系统/APP的框架逻辑，都需要围绕产品定位和目标来设计。

我现在做的是数据产品，这次分享会更侧重于数据产品设计规范。产品设计的逻辑一致性可以从产品规划、产品形态、产品设计和产品规格四个方面进行规范。

在分享之前，简单介绍一下数据产品及其分类。数据是基于数据的产品形态，通过技术处理和产品策略挖掘数据价值，帮助用户/企业做出更好的决策。根据不同的分类维度，产品可以分为几种类型。这里主要分享具有SaaS服务能力的数据产品，也称面向企业外部的数据产品。这类数据产品由企业或个人开发，主要面向外部企业，具有数据采集、计算、存储、显示和分析功能。

SaaS数据产品分为两类，一类是工具类，通过提供组件和报表服务，帮助业务提升数据分析的效率，包括SPSS、minitab等数据统计工具，以及tableau、powerbi等数据可视化工具。另一种是平台型，具备数据收集、处理和分析能力，结合业务痛点提供可视化的产品和解决方案。

目前我负责的是面向业务的数据产品，即数据的价值最终将用于指导具体业务的发展，促进业务增长。面向业务的数据产品，从产品规划到产品设计，都需要专注于解决业务痛点，从而实现数据价值的最大化。

产品策划是产品经理工作的重要组成部分，是产品设计的先导，那么如何做好产品策划呢？产品规划披露要尽可能的大而全，就像产品的北极星目标。这种规划可以在不同阶段指导产品的开发。

在开始打造产品之前，建议对产品的最终图景进行至少2年的规划，让整个团队充分了解产品布局；如果产品已经在建，建议定期做评审规划，根据行业背景、业务需求等因素判断是否需要变更。想好一个长期的产品计划后，就要把计划拆解，按照时间维度拆解到一年、半年、一个月；或者按照目标实现的维度拆解成模块A和模块B。

任何产品规划都要建立在充分的市场调研、行业分析和用户/客户需求分析的基础上。做好市场、行业、用户的基础功课后，剩下的就是用战略、组织、产品等不同层次的目标来设计产品定位、目标和具体玩法。假设战略、组织等因素在一定时期内相对稳定，我们来看看如何制定产品规划。

产品策划的核心是找到产品的卖点，这是产品的核心竞争力。在保证产品卖点符合市场和行业趋势的前提下，尽量挖掘用户和客户的需求，将琐碎的需求按照特定维度进行归纳分类，同时深入挖掘需求和产品定位的本质，找到两者之间的契合点。

如何理解“/s2/]需求本质与产品定位的完美结合”？产品需要将数据挖掘的价值最大化，将数据转化为可视化的产品。挖掘数据的价值，需要研究数据本身，基于使用场景对数据信息进行拆解，按照不同维度对数据进行总结。

现在假设有一段视频数据，包含标题、图文、账号、播放量、评论等数据。这么多数据可以按照场景分类。如果场景是分析爆炸，您可以从标题、图形和评论等数据开始，或者如果场景是分析上级，您可以从帐户数据开始。产品定位很好理解。原则上，数据的价值应该是服务产品的定位。产品经理的工作就是基于对数据的理解，努力匹配需求和产品定位。

有了产品规划，接下来就是构思产品形态了。当然，产品形态也需要结合用户和客户的使用场景。数据产品与其他产品的区别在于，数据产品通常是对大量数据进行分析和聚类后呈现的结果。这个过程涉及到数据波动、数据异常、数据敏感等多种场景。对于这些场景，对数据产品形式有更多的需求。数据形式大致可以分为三类，分别是平台系统、推送服务和特色服务。

平台系统解决的使用场景是“日常分析”，即用户需要了解业务的详细情况，对于异常情况需要下钻分析。搭建平台/系统产品形态无疑是最佳选择。这种数据系统通常由三大模块组成，一个是第一屏数据板，在板中呈现最重要和汇总的数据，用户可以基于该板获得概览；二是多个产品模块，按照解决用户使用场景痛点的思路来构建；三是数据细节，可以满足用户了解细节和自助分析的需求。

推送服务解决的使用场景是“下一次介入”，即用户需要在第一时间甚至提前获取信息，以便留下足够的时间构思方案，下次介入。根据数据产品业务，推送服务根据内容性质可以分为两类。一类是异常数据，可以通过“预警”的形式推送。所谓预警，就是以最快最高效的方式到达用户。通常达成的内容不需要太多，重点突出，言简意赅即可。目的是保证信息会及时推送给用户，吸引他们的注意力。常见的达成方式有短信、消息等形式。一种是常规数据，可以以“报表”的形式推送。所谓的报告，是一种相对正规的推送，要求触摸的内容尽可能的全面和详细，让用户通过报告大致掌握信息，通常通过邮件发送触摸。

特服解决方案的使用场景是“决策评估”，即用户提出一个复杂的指定需求，系统自动化的能力可以部分解决，未解决的部分依靠专家咨询服务。专项服务往往是线下服务，需要懂业务的专家参与分析决策。产品常见的特服场景是实现增长。通过数据产品发现异常后，比如活跃度下降，利用产品钻取的分析能力，快速定位原因，最终提供提升活跃度的解决方案，从而帮助用户提升活跃度，实现增长。特色服务往往是数据产品的核心竞争力之一，也能体现数据产品的核心价值——“发现问题——定位原因——闭环解决”。

根据用户的使用场景确定了相应的产品形态后，接下来就是具体思考产品设计了。产品设计规范原则上是通用的。就数据产品的特性而言，数据产品的模块和功能非常多。在顶层设计之前，需要构建一个系统框架，然后用内容填充框架；在填充内容的过程中，需要遵循常见的产品结构，让客户/用户感知到产品的完整性。

首先说一下系统框架。任何产品设计都要从需求出发，系统框架也不例外。系统框架的工作就是将收集到的各种零散的需求与产品规划进行整合，从而提取大模块作为产品开发的指南针。在梳理框架时，我们需要处理好模块独立性和相关性。

所谓独立，就是各个模块的功能和作用要相互独立。独立性通常需要结合业务场景来考虑。产品性能是指多个菜单栏提供的功能和要解决的痛点应该是相互独立的，不能有交集。

所谓关联，即模块之间的某些功能是有关联的，体现了产品的全链路能力。这种关联在产品层面有两种表现。一类是简单的函数跳转，比如从模块A跳转到模块B，实现某些函数中A和B的关联。一个是复杂函数重用。比如C模块需要利用A、B模块的部分功能，实现C模块的多维综合分析。

在独立性和关联性的原则下搭建好产品框架后，接下来就是填写各个模块的具体功能。既然是系统化的产品，类似模块产品的设计应该是一致的。具体来说，产品结构(功能的排列和组合)应该是相同的。就像写作文一样，你需要考虑用什么样的结构来呈现文章。

数据产品常见的结构是总分，即将用户最感兴趣的内容呈现在头部，然后进行下钻分析。每个模块的头部大概就是第一屏的位置，通常需要展示结论性的信息。呈现的信息要尽量简洁明了，必要的信息要附上链接，方便用户详细分析感兴趣或有疑问的结论。每个模块的主干部分是支撑头部结论的详细数据。在产品展示上，借助可视化图表提取关键信息，然后展示相关结论的详细数据。

最后是产品设计的具体规范。数据产品设计规范的核心目的是维护产品的一致性。努力做好产品和交互的每一个细节，自然会赢得用户的口碑。大部分数据产品都是基于大数据运算的，系统里几乎都是数值，所以先说数值的规范。

1.数值的表示

为方便阅读和快速获取信息，建议4位及以下用千位表示，如1234；大于5位数及以上，用W表示，如234.4w对于大数值，千分之一需要用户反映，用W更直观明了，让用户一下子知道数值的影响面。

2.小数位数

是保留一位小数还是两位小数？这取决于数据的重要性。像股票、基金这样的产品，小数一般都保留两位数，甚至百分比也保留两位数。毕竟股票和基金的微小涨跌直接影响投资者和基民的收益，所以越准越好。大部分数据产品都有统计意义，数值都比较大。一般来说对小数的精度要求没那么高，可以保留一位数。

无论是数值的表示，还是小数位数，最重要的是需要统一，让用户从细节中感知系统的好坏。函数A的值不能用千表示，保留两位小数，函数B用w表示，保留一位小数。

产品设计规范还需要保证“异常”情况下的交互一致性。首先要明白，异常情况不是产品所预期的，而是不可控的，所以一旦出现异常情况，必然会对用户造成负面影响。对于例外，产品设计的出发点应该是尽可能的引导用户。

对于大数据产品，经常出现的异常是某个页面没有数据。最简单粗暴的产品提示就是四个字的“暂无数据”。这种提示只能说比空白页好(容易让用户认为是bug)。面对“还没有数据”这四个字，用户可能还有疑问。是真实数据的误差还是程序计算的误差？没有数据的优秀产品提示提示没有数据或者应该引导用户进行下一步操作。[/s2/]

不同场景的产品设计方案:

1.没有客观数据。

建议:目前没有相关数据，系统无法计算出结果。2.因为数据太少，所以没有函数的数据。建议:数据太少，系统无法计算出结果。3.没有数据，因为用户没有配置它。请到xxx进行配置。4.不知道为什么没有数据。建议:目前还没有数据。如有任何疑问，请联系xx。

最后，我们总结出数据产品的设计理念:一是在产品规范阶段充分考虑用户痛点，结合产品定位打造产品竞争力；第二，在产品形态阶段根据不同的使用场景打造相应的产品和服务；第三，在产品设计阶段构建顶层产品框架，然后设计具体的产品功能；第四，在设计规范阶段注意数据产品的统一性，友好处理异常流量情况。

以上只是我在大数据产品策划方面的一些经验。欢迎交流讨论，补充更多产品设计方法和规范。

作者:莫拉周，腾讯IEG产品策划；微信官方账号:腾讯大讲堂

本文由@腾讯大讲堂原创发布。每个人都是产品经理。未经许可，禁止复制。

图片来自Unsplash，基于CC0协议。