B端項目復盤:智能大數據分析平臺 Nebula V2.1

0 評論 5723 瀏覽 15 收藏 10 分鐘

編輯導讀:本文作者詳細地復盤了一次智能大數據分析平臺 Neblua 平臺優化重構的經歷,從項目背景介紹,到過程中的難點分析和措施制定都展開了復盤并分享了自己的項目思路以及需要注意的問題,與大家分享。

一、項目背景介紹

Neblua是一個專為數據分析師/數據分析小白打造的一款一站式智能大數據分析平臺,平臺通過便捷的數據導入,清洗,智能可視化推薦輔助分析。通過簡單拖拽配置可視化圖表,內置多種模型和算法,提供智能分析和支持。讓數據分析小白也可以快速制作屬于自己業務需求的可視化分析圖表。

Neblua平臺已經優化迭代2期,本次在用戶反饋的基礎上對平臺架構和體驗做了較大調整。

二、問題梳理

為了做好這次版本迭代,我們針對實際用戶進行訪問,梳理用戶在使用過程中的問題和建議。并針對建議進行整合分析,尋找解決方案。

1. 問題總結

  • 操作鏈路復雜:加載數據無法在頁面中添加,用戶加入新數據需要退出頁面到數據管理中,流程復雜。
  • 無法做到更深入的數據整理操作:不同用戶對數據的關注點不同,如基層主管關注的是分散顆粒度的分析表(如部門/產品/銷售量等)而“高層人士”關注的是相對高聚合度的數據。因此需要根據層次聚合數據,或對對數據進行更深入的整理。
  • 運行時間長,效率低:當前版本用戶建立完成數據流后運行時間長,用戶無法快速找到數據信息。面對大量數據,人工查找臟數據耗時耗力。

根據任務流程梳理問題點:

2. 用戶分析

數據分析者是對數據非常敏感,他們需要發現數據中存在的問題,挖掘數據價值,幫助公司或項目提升業績。而在真正工作場景中,數據分析者既要面對海量數據,又需要了解業務協同溝通,是高強度腦力勞動,容易疲勞。

根據用戶訪談我們發現,數據分析的第一步是對數據進行處理,而這部分往往會占到數據分析師大量時間,哈佛大學商學院一項研究也表明,在整個數據分析過程中,數據分析師整理數據往往會花費80%時間。

三、定義升級目標

根據梳理的問題,我們定義了本次改版維度的目標:

(1)提升數據整理效率

優化部分:主要針對數據整理的功能優化和視覺提升可視化的數據整理流程展示;即時數據操作反饋預覽;更快更智能的工作方式等

(2)防止疲勞

優化部分:主要優化信息結構和視覺部分;針對小屏幕做適配;閱讀間距;護眼色彩等;

問題優先級排序:我們根據改版目標和優化成本進行問題優先級排期,數據整理部分對是目前最高優先級。此次改版主要針對數據整理模塊,優化數據整理流程和視覺流程。

四、設計策略

1. 通過信息架構重構提升數據整理效率

(1)布局嘗試:兩種布局探索

(2)為什么選擇側邊導航?

從產品屬性和用戶行為分析:

  1. 相對于頂部的全站導航,側邊導航做為局部功能導航,有相對的功能流程順序關系。
  2. 數據整理視圖和可視化視圖分別承載數據整理和建立可視化的不同功能。在一個項目中,用戶雖然可以單獨使用不同模塊功能,任務層面,這兩個模塊存在先后的任務關系。而從產品層面,我們更希望用戶能夠全流程的使用產品。強化用戶心智模型。
  3. 行為更加集中:左側導航和內容鏈接更強,側面導航的收起功能,可以減少橫向屏幕使用。

(3)為什么數據摘要上下布局?

  1. 視覺動線:如上圖所示,上下布局的方式能夠展示更多列數據摘要card信息, 容易建立聚焦區域。視覺動線更清晰,從而降低獲取信息的難度。而左右布局,視覺流程復雜,不方便查找信息。
  2. 符合用戶習慣:右側抽屜一般做為展示和簡單的設置功能,是作為主頁面的為次要功能附屬存在。數據摘要部分是做為數據展示的重要區域,選擇上下結構布局更適合。

2. 通過視覺優化提升數據整理效率

(1)色彩體系選用

色彩與情感有緊密的聯系,而在系統的設計中我們主要秉承兩個原則:

  1. 色彩舒適:因為數據分析人員需要長期面對屏幕工作,因此色彩上不能選用高飽和顏色,不能刺眼。
  2. 情緒平穩:不同色相的色彩往往帶有某種特定傾向,引發感官情感傾向。

根據情緒平穩的設計策略并且考慮到以后產品后期要拓寬業務市場,因此在之前顏色的基礎上拓展了顏色的使用范圍,選用中性色做為導航色。既體現產品的市場調性又解決了當前版本導航與內容的層級問題。方便用戶清晰區分導航層和內容的視覺層次。提高使用效率。

改版前(這里視覺重新設計):

改版后:

(2)信息分層,視覺整合

字段信息分層,將卡片分成兩部分區域,上層為操作域為主,下層為信息展示區。增加上層區的視覺重量,方便用戶快速捕捉信息。

(3)數據節點顏色隨機化

數據整理一般要對多份數據進行轉換、拆分、清洗等操作,一般數據集名稱會比較長,數據節點采用顏色隨機化的策略,通過顏色輔助用戶對不同數據集的識記,便于復盤。

3. 通過智能推薦算法提高數據整理效率

業務人員在接觸到新的業務或者數據時候,需對數據進行探索,了解數據基本情況;對已經數據的數據,業務人員也可能因為數據分析不夠充分,無法掌握所以特征。

智能推薦可視化可以幫助業務人員對數據進行探索,發現數據中的隱藏規律。

總結

通過感性的用戶反饋出發,結合梳理行業中常見問題,發現版本中需要優化點,并通過任務流程歸類梳理。

Neblua做為專業的大數據可視化工具還有很長的路要走,我們也會持續推進一步步優化升級。

 

本文由@欣欣向榮 原創發布于人人都是產品經理,未經許可,禁止轉載

題圖來自pexels,基于CC0協議

給作者打賞,鼓勵TA抓緊創作!
1人打賞
更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!