抽丝剥茧：设计师深化B端数据看板体验的关键方法

Behance / 2023年3月25日

大厂复盘 406 1 0

今天我们要探究的“B端数据看板”准确的说应该叫“行为型企业平台数据产品”，是由企业自建，给内部各业务部门提供标准化、抽象化决策服务的看板类数据产品。因产品内容与业务的深度关联、数据的抽象化和看板行为的无形性，设计师难以通过埋点了解用户行为，或因陷入数据解耦逻辑思维而忽视从用户体验的角度进行设计，企业内部产品又相对轻体验、重开发效率，设计师就容易陷入听吩咐干活的被动状态。因此本文希望通过对数据产品类型的划分，探究行为型企业平台数据产品的设计方法，思考数据产品设计师如何有理有据的主动的进行系统化的设计，以及体验设计对数据产品的价值。

一、什么是行为型/企业/平台/数据产品

1.1 数据产品

数据产品是可以发挥数据价值去辅助用户更优的做决策的一种产品形式。那么外卖软件、大众点评是不是也算数据产品？当然算！但因为这类产品在数据外面穿了一层外衣，并非直接以数字形式展示，所以很少被划分到数据产品的概念里，大家直观理解的其实是狭义概念上的以数据为主要内容和服务的产品，这类产品又可以根据使用用户和产品目标的不同，划分为以售卖为目的的商用数据产品和企业自建自用的企业数据产品两类。企业数据产品中又根据用户使用目的和场景的不同，再细分为应用型和平台型，而平台型产品又有功能型系统和行为型系统两种不同形态。

应用型产品：用于解决某个具体部门的业务问题，与业务深度绑定更加敏感，支持的场景更加个性化，如CRM系统。

平台型产品：面对各业务提供标准化、抽象化的服务，方便场景的快速复用、数据资产在企业内的流通，更加关注抽离场景共性，如BI分析系统等。平台型产品中的功能型系统不需要专门的数据分析部门介入，中台部门提供工具就可以满足自定义数据分析，适用于较为零碎、无法产品化的临时需求，这类产品各部门通用，用户量级大，更关注工具、功能的灵活性以及通畅的反馈通道。也可叫做工具型产品。行为型系统需要数据部门进行一定程度的抽象，支持针对典型场景进行流转事件的分析，一般为看板形式，在设计时主要通过对用户行为的研究来组织设计页面信息，所以称为行为型系统或叫看板型系统。至此我们确定了数据产品的分类方式，明确了本次主要研究的行为型企业平台数据系统的定义。

1.2 数据价值的划分

《数据产品经理：实战进阶》中提到“企业数据平台产品框架应遵循WWH（What-Why-How）的划分方式。”

首先解决采集储存，即“是什么”（What）的问题，将数据采集、清洗、储存下来；
其次解决“为什么”（Why）的问题，利用分析架构和数据可视化展示，帮助用户寻找原因；
最后解决“怎么做”（How）的问题，通过价值的深入挖掘、与业务紧密结合等方式，来约定具体的内容和方向。

产品框架的划分对应了数据价值中数据的不同加工层次，再结合价值侧重和产品形态两个方面，我们可以将数据产品分为“零级数据产品、一级数据产品、二级数据产品”三个等级，三个等级的产品的数据价值是不断递进升级的。

二、设计要素分析

因企业数据产品与业务的深度关联和数字的抽象化，设计师难以通过埋点了解用户行为，或因陷入产品提供的数据解耦逻辑中而忽视从用户体验的角度进行设计，最终设计师就容易陷入听吩咐干活的被动状态。开始设计前，深入的进行设计要素分析可以帮助我们走出困境。我们可以从交互五要素“人、动作、媒介、目的和场景”进行分析，行为型产品的设计中“人”才是主要的设计对象，所以我们可以通过分析、确定参与者、定位行为动机、规划行为过程、营造新的场景、谋求新的手段等角度来进行新的交互设计。

2.1 用户与媒介

根据对数据产品内容的要求将用户分为三类。

数据分析师：按照业务要求将分散的数据进行收集、整理和分析，产出便于管理者和业务人员发现业务问题的数据报表，较多使用电脑设备。

业务人员/中层领导：基层工作的执行者和管理者，通过数据报表的体现及时在事前、事中、事后进行管理干预，保证业务的良性运行；数据分析为管理辅助手段，电脑、手机端都会使用。

高层领导：企业战略方向制定者，注重抽离问题共性，发现问题本质，注重大盘表现，需要查看高价值数据才能更好的辅助决策，多使用手机端，快速查看。

2.2 场景与动作

根据使用场景的差异可将用户主要分为两类。

数据分析师：

主要场景1：多渠道、时段获取数据

动作：①搜寻、学习多渠道内容、操作。②打开多个渠道，多次取数。③确认数据口径。④有的渠道无下载功能需要手动录入本地表格。

主要场景2：整合数据后通过线上或手动方式对数据进行分析

动作：①数据整合。②数据分析操作。③图表的美化、绘制。④快速出数提升数据时效性。⑤数据准确性确认。

业务人员&管理人员：

主要场景1：了解当前业务情况

动作：①了解业务数据达成情况。②关注异常情况。③探究异常原因。④与同级部门达成情况进行对比。⑤预测是否可以达成目标。

主要场景2：进行业务操作

业务人员动作：①操作后在平台反馈。

管理人员动作：①将数据表分享给相关责任人。②与责任人进行沟通。

2.3 目的与交互

相较于功能型产品关注产品自身属性的合理配置，如产品功能是否全面、能否达到预期甚至超过预期，用户是否能够快速的理解系统构成、查找并流畅使用等。行为型产品更关注人的目的，“看”的过程因为不一定会与媒介产生实际的操作行为，合理组织用户行为成为设计依据，强调用户体验，用行为逻辑来组织界面。

三、行为型产品设计

3.1 设计原则

我们从“人、数据、场景”三个要素，发散提取设计原则。

人：新用户和老用户的诉求不同，新用户关注快速上手，要求产品“易学”、老用户希望提高使用效率即“易用”。

数据：数据是现实世界的抽象体现，数据的“准确性”是一切数据产品的基础，数据具有时效性的特性也决定了“及时”是影响数据产品是否可用的重要原则。

场景：在“进入-查找-理解-分析-沟通”5个基本环节中“高效”的操作和“清晰”、“智能化”的展现也对数据产品的体验有着明显的影响。

3.2、设计方法

3.2.1 基于人物模型的场景分析

3.2.1.1 为什么？

基于人物模型进行场景分析有利于设计师跳出原本“数据逻辑”的干扰，专注于“人”的行为逻辑。举个例子：一个零售厂家，同时经营个人业务和企业订单，在对营业情况进行管理时会关注订单量、客诉率这两个主要指标，你会怎么设计呢？一般产品会整理一个数据指标由总到分的树状结构，那么页面的设计是否应该如下图？

如果这个模块的用户是集团销售的总经理，好像没什么问题。那如果用户是集团个人业务的总经理呢？这种数据逻辑的组织方式就使原本流畅的浏览行为变成了从不同数据指标中寻找所有个人业务相关数据，用户的浏览体验一定会受到影响。

所以，对于数据解耦或技术实现来说合理的信息架构，由于不符合用户的使用习惯，而增加了用户的学习和操作成本。面对更加庞大的信息组织时，可能需要用户在反复实践中学习和熟悉不同功能节点分布。

从用户的心智上分析，很少有人会先全面了解信息架构，在大脑里呈现出完整的信息架构层级后再进行操作，用户在每个决策的时刻，需要的往往是一条路径上的简单选择。

因此，信息架构自身的复杂程度和用户使用的复杂程度是由不同的逻辑思维判断的，行为型系统中复杂的信息架构，只要它的组织原则结合了典型任务的典型路径，实际使用时，体验依然可以是更直观、便捷的。

3.2.1.2 如何做？

人物模型可以反映行为模式和动机，设计时通过对前期调研得出的用户模型进行延伸得出需求场景（即用户任务），再将任务场景进行细化，得出由简短词句组成的用户故事（即完成任务的方式）来确定页面需要的交互。如xx岗位的中层领导，需求场景是要提前监测达成进度，保证月底指标全部达标，用户故事可以拆分为“了解当前达成、了解进度是否正常、预测月底是否能达标”等。

另外，因为数据产品层级明确、非常注重数据安全，所以在建立用户模型时，需要从多个维度划分用户分层，保证各层级用户的体验。比如一家大型企业，北京、上海的A级领导和西藏的A级领导虽然岗位级别相同，但是因为管理范围、业务开发程度的差异，管理和考核的维度或颗粒度可能不同，那么设计方案就需要保证不同用户在同一页面的体验流程。

3.2.3 将学习任务化整为零

行为型数据产品的抽象性和业务强绑定属性决定了新用户的学习理解成本较高，因此产品是否易学对新用户的体验影响很大，可通过以下4种方式，将学习任务融入到产品的使用中，降低用户对系统学习的抵触情绪。

1、可通过视频介绍系统的功能框架、重点功能、主要操作等，让用户有一个直观的整体概念，方便反复观看。

2、在系统的默认页面、新功能页等展示信息提示和新手引导，也可帮助用户快速学习。

3、巧用碎片时间，如数据量较大、加载时间较长，可考虑在loading时展示下一环节规则信息提示等。既可缓解用户等待页面加载的焦虑情绪，又可以有效的帮助用户快速上手新产品。

4、信息的组织层级需要清晰明确，让用户一眼就能看懂。

3.2.4 把每个指标的定义、关联、表现说清楚

数据准确是数据分析的基础，在企业的实际工作中，相同指标维度因为所在部门业务、考核方式的不同，数据口径也会存在差异，数据产品需要明确产品中每个指标是以什么维度和方式进行计算的，使用户认知与系统规则一致，保证用户数据分析的准确性。

用户通过数据看板了解现实业务的表现与发展，明确的信息层级呈现可以帮助用户快速了解业务表现、洞察问题根因。明确的预警提示、及时的信息推送等智能化功能可以帮助用户快速的发现问题、处理问题，用户行为从主动查找变为被动接收，可有效减少用户的工作量，提升用户体验感。

3.2.5 不断修正细化用户模型，深化产品体验

企业数据产品受众集中、反馈回路短的特性，虽然有利于获取用户反馈，但产品设计人员容易和一些积极反馈的同事形成固定的调研组合，造成设计人员对产品现状的认知偏颇；产品初步搭建完成后，实际的用户构成、用户目标和使用场景更加清晰了，设计师需要进行科学的调研验证，不断修正、完善用户模型、细化用户场景，才能有理有据的主动的对产品体验进行深化。

3.2.6 沉淀设计资产、紧密追踪产品迭代

行为型数据平台产品以展示为主，数据组件可复用性高，以模块化思维进行设计开发，有利于保证产品的一致性和后期快速进行优化迭代，所以定期进行设计资产的沉淀，可有效提高产研侧的工作效率。

但组件化后，当项目时间紧迫时经常出现产品直接跳过设计环节开发上线的情况，就容易打乱用户原本流畅的行为流程，基于数据稳定性要求和研发测试成本考虑，修改迭代往往不会马上进行，当情况一再出现体验问题不断堆积，问题的严重性暴露出来时可能需要整体重构才能解决，既影响了用户的使用体验，也增加了研发成本。因此需要建立规范的设计流程，保证设计师了解每次产品迭代的情况，由设计师把控是直接复用控件开发、设计稍作建议、还是需要进行全面的设计，持续保障产品体验。

四、产品思维向服务思维的提升

在当前B端C化的趋势中，用户对B端系统体验要求也越来越高，要想保持数据产品的良好体验，仅关注产品的信息组织是不够的，及时、友好的系统帮助、合理的组件化、规范的流程都对数据产品能否实现产研降本、用户增效起到重要作用，这就要求设计师将产品思维提升为服务思维，从企业数据产品服务全触点进行分析、优化。以模块化思维进行设计，提高模块复用率，沉淀设计资产；建立用户模型、不断细化需求场景提升企业用户在工作中的效率体验和情感体验；不断挖掘数据能力，洞察问题本质，提升数据产品价值；从关注功能向关注人的感受转变。