百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 热门文章 > 正文

BI系统概述(下)-BI功能规划及设计

bigegpt 2025-02-15 14:35 7 浏览

编辑导语:如何着手建设自助式BI系统,支撑各业务部门日常数据分析?这是一个困扰很多产品经理的问题。本文从需求调研、功能规划、产品设计三个方面展开阐述,和大家分享从0-1的BI系统建设思路,推荐感兴趣的朋友们阅读。

某商品零售公司在全国拥有100家线下门店,线上还在某宝、某东、自营小程序等多个渠道销售。随着公司业务发展,内部战略决定加强数字化建设,先后实现了办公上云、数据上云,通过数仓平台将所有业务渠道数据都汇聚一起。下一步打算建立BI系统,来支撑各业务部门日常数据分析,提供运营建议等。

假设你是这家公司信息化部门产品经理,由你来主导BI系统建设,该如何开始呢?下面聊一聊从0-1的BI系统建设思路。

一、需求调研

“如果给我1个小时解答一道决定我生死的问题,我会花55分钟来弄清楚这道题到底是在问什么。一旦清楚了它到底在问什么,剩下的5分钟足够解答这个问题。”——爱因斯坦

作为一名合格的产品经理,很自然地会想到要先做需求调研。现在跳出产品的惯性思维想一下,需求调研目的是什么?是明确产品需求?为产品设计做准备?

正如爱因斯坦所说,要先弄清楚问题再去解决它。我觉得需求调研应分为四个阶段,分别是明确战略需求、调研业务需求、收集用户需求和梳理产品需求。

图1 需求调研四阶段

1. 明确战略需求

战略需求往往由组织高层决定,产品经理了解其目的是明确产品在战略需求中的定位。这样也能够更好地与其他部分相互配合,减少重复建设以及聚焦建设目标。

如公司将BI定位为可视化分析的工具,建立在数仓之上,进行数据展现和分析,那么BI在数据处理能力上的要求可能不是很高,对业务数据的可视化分析优先级高一些。

2. 调研业务需求

业务需求不是某个用户的需求,而应是从业务部门、业务指标出发,服务于组织战略需求的内容。目的是了解各业务部门运营体系现状、使用人群及特点等问题,梳理出业务流程、数据流转流程来辅助设计。

业务需求涉及内容较多,需要分梳理业务相关方、进行需求访谈、画业务流程等多个步骤实施。

3. 收集用户需求

收集用户需求能够更好地分析现状,解决用户痛点。可以针对不同角色、不同职能的用户,通过问卷或者访谈进行收集。如在这家商品零售公司,我们可能会收到以下用户需求。

  • 线下门店零售部门主管:“需要看到各大区每个门店完成指标的状态”、“需要给不同人员不同权限,做好数据安全”……
  • 华北区域运营小D:“希望有相关分析模型,提高效率”、“希望能自动生成报表,因为每次汇报都要用excel做报表,PPT汇报,相同的运营指标每周都要手动做一遍”……
  • 门店店长:“门店库存异常时没有及时预警通知,需要经常盘查库存状态”……
  • IT人员:“希望能够支持秒级计算”……
  • 可以看出,得到的用户需求很少会有功能上的建议,因为他们自己也可能不了解BI系统是什么,需要进一步解读用户需求。

4. 梳理产品需求

梳理产品需求就是对用户需求的解读,它指的是清晰的、可衡量的、经过筛选排序并且打算在产品设计中实施落地的用户需求。简单来说,就是将用户需求经过某个“算法”转化为产品需求,目的是为了实现产品功能。

除以上几个步骤的调研之外,还可以带着业务场景调研相关竞品,甚至是技术调研,来获取一些设计思路,这里暂且不做赘述。

二、功能规划

整体功能设计是依据业务人员数据分析思路以及数据流转过程,从下到上依次是“数据连接——数据处理——可视化分析——结果展示与共享”。功能规划的设计思路分为“立框架、拆模块、排先后”几个步骤依次来说。

1. 立框架,瞄靶子

先把整个系统的功能结构立起来,以确保功能覆盖到业务场景,其次是有助于梳理各模块之间的关联关系。按照数据分析思路系统具有四大模块:“数据连接”、“数据准备”、“仪表板(可视化分析)”、“驾驶舱”,“系统管理”用来管控系统用户权限、资产等内容。

图2 功能结构图

2. 拆模块,找原理

BI系统的设计偏技术侧,整体功能比较复杂。将系统拆解成最小可执行单位,有利于研发排期和分工。功能拆解推进研发排期大家都已轻车熟路,在这里想表达的是,通过拆解去探索功能的实现原理,便于在设计功能的时候有据可循。用图表制作模块为例,可以拆解为数据字段管理、数据字段计算、图表类型选择、图表属性配置等功能。

以“属性配置”这一功能点为例,该功能主要是用来配置图表的坐标轴、数据标签、图例等样式和功能显示。若要改变图表样式,涉及到哪些配置项呢?然后找一找开源可视化图表如Echarts、AntV、Highcharts等调研,发现他们的配置项各有差异,用哪一套呢?这个时候又要进一步拆解,图表由哪些要素构成的?

最后发现,原来只要梳理清楚图表的构成要素,配置项的作用域就只有这些,然后根据要素的不同属性设置改变规则即可。

图3 highcharts图表构成要素

再深入研究的话,就会发现原来图表也有自己的语法:图形语法、交互语法等。

像这样逐一拆解功能找到实现原理和逻辑之后,功能设计就如鱼得水。比如把Echarts配置项手册读一读,把参数配置项直接拿过来,权衡一下哪些配置项优先级比较高,做成开放的功能配置,画画界面就搞定。

3. 排顺序,实现MVP

当我们对BI系统功能架构梳理,对各个模块拆解成可执行任务后,再将功能进行优先级排列,最后进行产品原型设计。通过这样的功能规划下来,产品路线图自然就会很清晰地浮现在脑海中,通过MVP来实现快速上线支撑业务,后续在进行优化迭代。

三、界面设计

设计,本质是关注物品是如何运转,如何操作,以及人与技术之间互动的机理。——《设计心理学》

这里以B/S架构为例,阐述在做产品设计时可供参考的几个原则,防止在设计时出现错误。

1. 设计原则

Web界面设计原则:

  • 直截了当:恰如Alan Cooper所言:“需要在哪里输出,就要允许在哪里输入”。这就是直接操作的原理
  • 简化交互:设计师Ericson deJesus在重新设计Yahoo! 360时,曾用“少费事”这3个字来描述减少与站点交互操作的需求。而实现少费事的主要途径就是利用上下文工具
  • 足不出户:用户心流会因刷新页面而被打断。为避免每个操作都刷新一次页面的情况,可以返璞归真,采用根据用户自然操作流程建模的方式。
  • 提供邀请:Web中的富交互设计面临的一个主要挑战就是易发现性。再好的功能,如果用户发现不了,结果仍然等于零。提供邀请是改善易发现性的重要途径。邀请可以提示用户下一步交互操作是什么。
  • 使用变换:能够让界面具有魅力,增强与用户之间的沟通。
  • 及时反应:智能界面的特点是具有良好的反应能力。这个原理探讨了怎样通过响应操作为用户提供丰富的体验。

交互设计原则:

  • 可视性:让用户有机会确定哪些行动是合理的,以及呈现该设备的当前状态。
  • 反馈:关于行动的后果,以及产品或服务当前状态的充分和持续的信息。当执行了一个动作之后,很容易确定新的状态。
  • 概念模型:设计传达所有必要的信息,创造一个良好的系统概念模型,引导用户理解系统状态,带来掌控感。概念模型同时包括可视性和评估行动的结果。
  • 示能:设计合理的示能,让期望的行动能够实施。
  • 意符:有效地使用意符确保可视性,并且很好地沟通和理解反馈。
  • 映射:使控制和控制结果之间的关系遵循良好的映射原则,尽可能地通过空间布局和时间的连续性来强化映射。
  • 约束:提供物理、逻辑、语义、文化的约束来指导行动,容易理解。

2. BI系统界面

整个BI布局采用的是左右布局,在设计布局的时候主要考虑“用户操作路径”、“内容与布局的关系”等因素,目的是为了减少用户操作,使其更专注于数据分析。下面以用户进入仪表板编辑界面涉及到的页面为例,介绍3中页面布局。

图4 进入编辑面板路径

通用页面布局:

在系统管理、数据准备等常规后台页面,通常是执行偏效率的操作,采取通用的左侧菜单、系统导航和右侧内容展示及操作区域。

图5 通用页面左右布局

仪表板/驾驶舱布局:

仪表板和驾驶舱是承载报告内容的地方,这个时候需要方便用户预览、查看报告内容,并且能够根据目录进行检索。左侧菜单拓展为两列以、二级菜单,一级菜单为主模块入口,二级菜单为文件目录。

仪表板工具栏主要是进行报告的编辑、分享、导出等操作。驾驶舱与仪表板界面布局类似,区别在于用于纯展示查看,少了一些编辑属性的功能。

图6 菜单和报告内容预览的界面

仪表板编辑区布局:

这个区域是业务分析人员来说是使用频率最高的,主要是有画布编辑区、系统导航区、由组件工具区、属性配置区构成。如在组件区选择图表,拖拽到画布区域,然后通过组件属性配置区域将字段映射到维度、指标上,最终在画布绘制出一个图表。

图7 仪表板编辑界面布局

四、总结

本篇从需求调研到功能设计落地,介绍了BI产品设计的大致思路。需求调研是为了更好地找到目标,功能规划帮助我们全局思考,然后带入实际业务场景中去实现功能。

在实际设计中,BI系统相对来说比较复杂,不仅要有扎实的产品基本功,还需要对数据处理、分析、可视化等相关技术有所了解。如图表分析涉及到的图形语法、OLAP等内容,在接下来的文章里,将会逐一讲述各个模块所涉及的原理及其功能设计。

作者:Shawn,一个成长中的数据产品经理;微信公众号:Shawn的产品笔记。

本文由 @Shawn 原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Pixabay,基于CC0协议。

相关推荐

机器学习分类模型评估(三)-F值(F-Measure)、AUC、P-R曲线

概述上二篇文章分别讲述了准确率(accuracy)、精确率(Precision)、查准类、召回率(Recall)、查全率、ROC曲线,本文讲述机器学习分类模型评估中的F值(F-Measure)、AUC...

SPSS ROC曲线诊断临界值确定

ROC曲线是在临床医学和流行病学研究中一种常用的在诊断试验、预测模型中用于决定最佳临界点的方法。ROC曲线用真阳性率和假阳性率作图得出曲线,其横轴表示假阳性率(1-特异度),纵轴表示真阳性率(灵敏度)...

分类器模型检测--ROC曲线和AUC值

在监督学习建模中有一个重要的模块是模块的检测,就是怎样判断一个模型的好坏?那么常用的的检测的指标有P值、R值、F值、ROC曲线、AUC值等,今天来学习他们都是怎么来的,有什么用处。这里为二分类问题,即...

【Python机器学习系列】建立梯度提升模型预测心脏疾病

这是Python机器学习系列原创文章,我的第204篇原创文章。一、引言对于表格数据,一套完整的机器学习建模流程如下:针对不同的数据集,有些步骤不适用即不需要做,其中橘红色框为必要步骤,由于数据质量较高...

如何Keras自动编码器给极端罕见事件分类

全文共7940字,预计学习时长30分钟或更长本文将以一家造纸厂的生产为例,介绍如何使用自动编码器构建罕见事件分类器。现实生活中罕见事件的数据集:背景1.什么是极端罕见事件?在罕见事件问题中,数据集是...

机器学习分类问题:9个常用的评估指标总结

对机器学习的评估度量是机器学习核心部分,本文总结分类问题常用的metrics分类问题评估指标在这里,将讨论可用于评估分类问题预测的各种性能指标1ConfusionMatrix这是衡量分类问题性能的...

基于R语言的ROC曲线绘制及最佳阈值点(Cutoff)选择

ROC曲线在介绍ROC曲线之前,我们首先需要介绍混淆矩阵(ConfusionMatrix)。在统计分类模型的评估过程中分别统计分类模型归错类,归对类的观测值个数,然后把结果放在一个表里展示出来的表格...

R数据分析:多分类问题预测模型的ROC做法及解释

有同学做了个多分类的预测模型,结局有三个类别,做的模型包括多分类逻辑回归、随机森林和决策树,多分类逻辑回归是用ROC曲线并报告AUC作为模型评估的,后面两种模型报告了混淆矩阵,审稿人就提出要统一模型评...

SPSS实战:多个指标ROC曲线方向不一致的解决办法汇总(收藏)

在诊断实验和预测模型的临床效能评价中,我们常常用到ROC曲线分析。在SPSS中绘制ROC曲线操作比较简单,但如果将多个指标的ROC曲线绘制在同一个图中,有时候会碰到有些指标的ROC曲线在对角线上面,一...

小果教你快速分析ROC生存曲线图

尔云间一个专门做科研的团队原创小果生信果小伙伴们,大家好呀,很高兴和大家见面,前段时间应小伙伴出的解读ROC曲线图,小伙伴反应很是积极,这不最近小伙伴对于不同年份的ROC曲线图的分析呼声很高,...

生信文章中高频出现、模型评估必备分析——ROC曲线图,怎么看?

尔云间一个专门做科研的团队关注我们做了生信分析,拿到一堆数据,看不懂图怎么办?火山图、热图、散点图、箱线图、瀑布图···这么多类型的图都咋看?风险模型预后评估图、GO-KEGG富集分析图、GSEA...

如何看懂文献里那些图——ROC曲线图

ROC曲线的基本思想是把敏感度和特异性看作一个连续变化的过程,用一条曲线描述诊断系统的性能,其制作原理是在连续变量中不同界值点处计算相对应的灵敏度和特异度,然后以敏感度为纵坐标、1-特异性为横坐标绘制...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

准确性检验 (ROC曲线)的SPSS操作教程及结果解读

作者/风仕在上一期,我们已经讲完了诊断试验的基础知识,这期开始讲准确性检验(ROC曲线),我们主要从准确性检验(ROC曲线)的介绍、基本概念、绘制原理、统计量、使用条件及案例的SPSS操作演示这几...

SPSS:ROC 曲线为什么反了?

【作者介绍】李志辉,长期从事各类统计软件应用研究,主编或参编SPSS、MINITAB、STATISTICA多个统计软件教材共8本。代表作:电子工业出版社《SPSS常用统计分析教程(SPSS22.0中...