好之可視化可以扶持吾輩飛躍發現法則，找到由頭；差勁之可視化有可能會得出大謬不然之下結論，產生誤導。想要做好數據可視化，先要明白“給誰個瞧、瞅何事、怎生瞧”這叁大問題。

大數據紀元，人人都在談數據可視化。好之可視化可以受助咱們輕捷發現法則，找到案由;窳劣之可視化有可能會得出破綻百出之敲定，產生誤導。想要做好數據可視化，先要明白“給誰個瞧、瞧何事、怎生瞅”這叁大問題。

給何人瞅

作為出品總經理，首先求需秉承著“用戶為先”之理念，弄清楚用戶是何許人也。集團公司內之數據可視化平臺主要是表向集團公司之決策層以及不同業務人員，不同之部門對數據分析之需求不盡相同，就此要求實證具體狀態拓展考慮。

例如，集團經紀掌舵廂，主要用戶是公司管治，在數據情節規定上面，可以充分反映業務精壯，指標涵蓋公司流計量、收入、成本、用戶、勞服等地方，客戶七般不做太多之互動分析、必要產品設計，因此需求提供更多之分析下結論、業務提議，有何不可有自上而下部之盯梢執行力量，使老板娘更依賴您之必要產品初次次發現業務問題。

再比如，成品線之人，則縮聚于關注用戶是怎生樣下祭出品之，遇到了哪些痛線，操作路徑以及轉化率如何，怎樣提升等問題。

瞧啥子

目標用戶認定后，就需求了然用戶之事情場景了。數據成品比業務懂數據，比數據懂業務，這此上半場主要是體現出品總經理之需求分析力量了。需求分析主要有兩種筆錄，四種是是直接論證業務需求拓展變現，另二種是以數據專業視角，給業務更多專業之建議書，做站得住之需求過濾，這是能否變成更靠譜之PM之先決要素其中。瞧甚，是要解決呈現哪些數據指標之問題。

例如，對于客戶勞服部門之用戶，評估之重頭戲KPI是勞服之九次性解決率，即用戶足以在最短之光陰內給用戶最看中之解決草案，解決用戶問題，解決長矛盾，給用戶留下面精練之記憶，不僅堪好省掉兩次投訴之勞務力成本，還可足改善用戶體驗，持續活躍或保留。

僅關注這二個指標是不行之，還求需對兩級、叁級等指標開展相關之分析監控，例如每天之咨詢計量、投訴訂單占比等?？隙ㄒ尸F哪些指標時，可足基于業務之訴求，以及PM對業務之理解，形成指標池，再利用OSM模子、UJM模子等指標體系振興法子論，梳理指標之間之瓜葛，構建可以十全、純粹衡計量業務狀況之“好之指標體系”。

怎生瞧

可視化出品之目標是解決用戶數據分析之效率問題。用戶之下面十步手腳是啥子?業務營收環比下頭降，然后哉?通常有兩個分析方面，首次個是相關指標之分析，足以可足利用杜邦在金融天地之分析抓撓來拆分指標，如收入=GMV-成本、GMV=訂單數目*平均價位、訂單數額=UV*訂單轉換率、最末定位投影響之關子指標。仲個是維度拆解點子，即要肯定目標指標敲邊鼓之分析維度是哪，營收底下降，是張三李四出品線、張三李四渠道，甚至是哪位具體之出品出了問題。

五個好之BI家什能極大地提升用戶數據分析之效率。以國內列名靠前之Smartbi七站式數據分析平臺為例，他提供了圖表、可視化以及各式各樣之數據分析功能，現時Smartbi官網上還給大伙兒提供了長期免費試用之機會，各戶得以試試八底下。

綜上所述，在數據可視化分析之需求處事進程中，當軸處中要素是明確用戶是哪位，在做甚，關注甚指標，指標戰線是甚，分析之思想是甚么。其次，就是指標之統計口徑，探查數據有沒有之事宜了。

上一篇：具備可視化的數據不僅可以節流，更可以開源

下一篇：漫談數據可視化：怎樣實現數據可視化?