分清指標和維度關系

既然是數據產品，一定離不開數據圖表。而要做圖表，首先得確定指標和維度。最直觀的說：指標就是圖表中縱坐標軸；維度就是橫坐標軸。

身高，銷售量，訪問量，收入這些能用數字衡量的，就是指標；而性別，部門，訪問來源，地區等不能用數值衡量的，就是維度。

指標和維度組成一個數據圖表的基本元素。當然，最重要的一種維度就是時間，它的優先級會在其他所有維度之上，下文中會更多地討論。一般人應該不會分不清指標和維度，去使用一下excel中的數據透視表功能，你就會對指標和維度理解得非常深刻。

有對比才有信息，有信息才有價值

銷售總監向ceo匯報：“上個季度我們銷量是100單”。這話其實是沒有信息量的。真正有價值的是對比后產生的信息：“上個季度我們銷量100單，比上上個季度多了20單，增長25%！”。第一種對比就是時間維度的，縱向的對比。這樣就能知道是變好還是變壞。

“上個季度我們銷售了100單，在所有分公司中排名第一！”這是第二種對比方式，即橫向的對比。橫向對比不能告訴你變好還是變壞，但能告訴你是好還是壞。

那聰明的孩子肯定知道第三種對比方式了。縱向與橫向都進行對比，一個指標的價值才會體現。不僅告訴你變好，變多好，還能告訴你哪里變好或者為什么變好。

案例一：

如圖，訂單量從縱向和橫向（不同規模客戶）進行了對比。

上圖會反應一個很典型的銷售分析場景：

首先，分管銷售和市場的副總裁接被告知銷量增長了25%（變好了），然后他會看是什么類型的客戶增長了（為什么變好），他發現是50-200人的訂單和0-25人的訂單增長迅速，那么進一步，他再看看這些客戶的地域分布、行業分布或者是所隸屬的分公司的分布對比，分析增長的外生因素和企業內生因素。

比如，0-25人企業新增量大部分來自超一線城市，原因是政府鼓勵學生創業計劃，0-25人小微企業大量涌現，導致訂單量增加（外生的影響因素）；而50-200人的中型企業客戶增加，大部分來自珠三角地區的制造業，原因是產品功能上增加了項目管理工具和審批流程，解決了很多中型制造企業的需求（內生因素）。

于是，接下去的策略就是在超一線城市增加與小微企業孵化器的bd合作，再增加針對學生類創業人群的定向廣告投放；而在珠三角和長三角地區增加銷售員數量，用人去觸及更多工業園區和企業；結合會銷，關鍵是用精心制作的案例來打動他們。

時間維度優先，明確的時間范圍和顯示顆粒度

這條原則不是非常絕對，但是以我的經驗，任何數據指標，你都得先縱向地觀察變好還是變壞，才有必要去橫向切片（用其他維度去探究為什么）。使用場景參考案例一。

時間維度不僅要優先，還要區分時間段和顯示顆粒度（圖表橫坐標上標簽的密度）兩個概念。比如，我要觀察公司網站半年來的pv變化趨勢，那么需要選擇2015.2.1號至2015.8.1號，并且選擇按日、周還是月來查看。當然，選擇半年跨度按天查看，圖表很可能呈現波動巨大且密集的折線圖，你會覺得雜亂無章。所以選擇以周活著月的顆粒度看，會更直觀。

補充一點，工具當中如果增加趨勢線選項，那會是更棒的。在excel中，可以在“圖表布局”的選項卡下找到趨勢線，里面有線性、指數、冪、移動平均等模式，是觀察一個指標時間維度波動趨勢的好幫手。

盡量減少表格和靜態型圖表的呈現

表格可以承載很多信息，但不夠直觀，因此在數據產品中它的呈現要讓位于數據圖表。

靜態型圖表是指餅圖、環形圖、樹狀圖等只反映某個指標在某個時間點上的結構分布的圖表。這種圖表的缺陷就是沒有時間維度的對比。在我看來，它更適合用在公關性質或者推廣性質的報告中，而對于指導企業運營的數據產品，更合理的方式是采用堆積柱形圖。

如下圖：

堆積柱形圖，總高度即當月總訂單量，不同顏色的部分即不同的客戶規模的訂單量。用堆積柱形圖結合餅圖，不僅指標的總量在時間維度變化可以直觀看到，各成分的量和占比的變化也變得直觀。

補充一點，靜態型的圖標傳達信息少，占面積大。這與數據產品要在有限的頁面空間中傳達足夠多的信息（個人認為）是相違背的，所以最好還是作為輔圖。

具備下鉆和篩選的能力

案例二：

首先，CEO發現公司業績下滑了，但并不是全公司在銷售管道（pipeline）上的普遍下滑，那么就是某幾個分公司拖了后腿。

接著，他要看看是哪個分公司業績下滑，甚至是哪個銷售經理的業績下滑。

然后，找到了下滑最厲害的銷售經理后，CEO要看看他的團隊在銷售管道的哪個環節出了問題（假設這家公司的銷售管道是約訪—>拜訪—>簽單）。

最終發現是約訪效率出現大幅下降；檢查后發現，是這個銷售團隊沒有好好進行話術的培訓。

——這就是對下鉆的需求

找到癥結后，CEO決定，要篩選出全公司約訪率在這個季度排名在后20%的銷售，進行集中的話術培訓。

——這就是篩選需求

這就是通過數據找到問題并針對性進行解決的一個典型。下鉆的深度可以隨著數據的積累慢慢增加，但下鉆和篩選必須同步開發，缺一不可。

重視導出和接口，但要重視權限

數據產品最終是給企業決策提供依據的，看的人應該是管理層和部分業務層。他們未必都有深入研究的需求，只要通過簡潔的操作，直觀地發現業務上的問題就行。

而對于數據分析崗位（BI），有多樣化的研究目的，需要靈活地建立模型。研究方法會不斷在變，模型也會不斷優化，所以不適合做到固定的數據產品當中。因此對于他們來說，更重要的是數據產品背后的數據倉庫。數據倉庫變量的建立要全面和詳細（數據產品只是呈現一部分），并支持BI們手動導出或者與數據分析軟件對接。

不要忘記，所有數據是公司的機密，權限需要嚴格控制。

明確內部運營數據產品的目的

從上文中的案例和場景描述中，已經清晰地看到：數據產品的目的就是發現運營當中的問題，

以決策者地角度去設計功能。從宏觀到微觀，從縱向觀察（時間）再到橫向維度的切片，目的就是發現問題，對癥下藥。