数据可视化系统的主要目的是什么，简述其界说及意义剖析,实体店引流的最好方法

数据可视化产物设计的要害在于“简朴、高效”，文章就若何设计数据可视化产物做了相关分享，希望对你有益。

数据可视化，是将数据信息以直观的图标、图形展示出来的一种表现形式。

数据可视化系统，只是我们通俗的说法，它其实是一种数据产物，焦点是施展数据的价值去辅助用户更优的做决议。

面临这类产物，交互设计师的挑战之一是若何做到“简朴和高效”。

今天来聊聊这个话题。

一、简朴

数据产物，最焦点的信息元素是“数据”。

怎样简朴的泛起数据信息呢？我们仍然可以沿用简约之上的四计谋——转移、组织、隐藏、删除。

原则1：转移

转移，是为了把准确的功效，放到准确的平台或系统中。

好比，有个需求是展示广告位/运营位的数据，辅助运营同事凭据数据情形调整它们的位置或图片素材。

产物提供的广告位/运营位的数据指标有：曝光量PV、点击量PV、点击率PV、曝光量UV、点击量UV、点击率UV。

这是PV和UV维度的关于“图片点击效果”的数据。那么，这些数据是否要所有展示给用户呢？

我们找到目的用户——运营职员，领会他们看数据的习惯、关注的数据，得知他们一样平常以PV维度的曝光量、点击量、点击率来评估运营位的效果，UV维度比较少关注。

以是，我们的处置方式是，将UV维度的数据举行“转移”，在另一个次要功效“导出数据”中体现。也就是，用户“导出数据”时，才会获得最完整的数据；在界面上，只展示PV维度的数据。

原则2：隐藏

隐藏的方式有几种：

1. 渐进显示，焦点的控制部件，为主流用户使用的，展示出来；扩展性的正确的控制部件，专家用户使用的，隐藏起来。
2. 阶段展示，随着用户逐步深入界面，展示响应的内容，好比步骤向导。
3. 适时泛起，虽然隐藏功效，然则会在你需要时泛起在合适的位置上。
4. 提醒和线索，将隐藏的功效处置的很优雅，让功效容易找到，放在那里比做多概略主要许多。

举个例子：

某个需求是，让运营职员领会专题页面各个点击位的数据。差异点击位，用户关注的数据有所差异。头图、导航等组件主要关注点击和曝光；商品楼层、档期楼层除了关注点击和曝光，还会关注售卖情形。这些数据指标最少4个、最多9个。

设计难点在于，数据指标许多、点击位排版结构多样的情形下，若何展示数据，并体现数据与点击位的一一对应关系。

最终我们的方案是，点击位的图片上默认只显示一个默认的要害指标，鼠标滑过时显示完整的数据指标。考虑到差异的坑位用户关注的要害指标差异，支持切换展示在图片上的默认指标。

这也是运用了渐进显示、适时泛起的隐藏方式。

原则3：组织

组织，是我们常用的一种原则，通过对信息举行归类，将相关的内容邻近展示，并根据优先级来调整信息之间的顺序。

同样是以数据指标为例，产物给过来的指标可能是零星的、无关联的、无优先级的，那设计师需要去理清它们之间的关系、领会它们的优先级，再对信息举行组织。

原则4：删除

做加法容易，做减法难。产物司理经常会想出种种功效，以为这是用户需要的。但真的是这样吗？

作为交互设计师，我们也需要去领会需求的目的用户是谁，场景是什么，痛点是什么，痛点背后的缘故原由是什么，所提出的功效、解决方案是否真的能从根本上解决用户的痛点。

制止为领会决一个问题，带来更多问题。

京东关键词排名怎么上升，京东关键词优化技巧

以是在承接需求时，要多问为什么，勇于去和各方讨论，规避、去掉伪需求。

二、高效

1、选择合适的可视化图表

最初接触数据可视化项目，会不自觉地陷入酷炫的图表中，希望选择柱状图、饼图等形式来泛起数据。

好比这样：

但越是追求形式的可视化，反倒越会陷入误区。

照样上面提到的例子，需求是展示广告位/运营位的数据，辅助运营同事凭据数据情形调整它们的位置或图片素材。

A.最初的方案

用饼图、柱状图来体现点击率的数值。

柱状图，可以用来对比柱状图之间的巨细、也可以看到转变趋势；环形图，通常用来示意百分占比。

两种图表方式，放在这里似乎合适。

但问题是什么呢？点击率的数值差异不大，且通常百分占比只有个位数，用环形图难以直观的体现差异，用柱状图也难以形成鲜明的对比。

B.优化方案

回到源头来想，图表的形式，只是为了服务于目的，最主要的是将用户关注的结论凸显出来，并不一定要用酷炫的样式。

对这个需求而言，用户的目的，是去领会同一个运营位，差异坑位之间图片的点击效果的差异。

重新剖析种种可视化泛起方式的优劣，我发现表格虽简朴但同样能到达效果。

以是，最终我采用了最通俗的表格，将用户最为关注的点击率最高、最低的数字，分别用绿色、红色标注出来。

2、给用户结论，而不仅仅是数据

用户的行为是看数据，但目的并不是看数据自己，而是希望透过数据去得出某个结论，然后去指导后续的行为、更好的做决议。

以是，为了让用户更高效，要害的一点是，去挖掘用户浏览数据背后的目的，给用户最终的结论。

前面的例子，将点击率最高、点击率最差的凸显出来，就是为了让用户一目了然的知道数据对比的效果，不需要用户自己去对比，通过识别颜色他就知道哪个图效果好，去做响应的调整。

另外一个例子，广告位/运营位的图片偶然会有赛马，凭据赛马的效果，来判断哪个图的效果更好。以是，在展示赛马的各个图片的数据时，不仅仅是摆出数据，更需要明了用户会根据哪个指标来权衡赛马图的利害，从而以该指标作为尺度，将最好的赛马图突出展示。

3、减小用户的记忆负担

同样以运营位的数据为例，我们可以看到差异时间节点的数据趋势图，这知足了基本的需求。

然则，用户看完数据之后的决议，是去调整某个坑位的图片素材或者位置。调整完，用户会关注后续的数据情形，对比“调整前后”的差异。

若是我们只是展示一条数据趋势，用户若是要对比调整前后的差异，需要回忆或者找找他在哪个节点调整的。

以是，还需要优化的是，在曲线上体现这个运营位被修改的时间点。

以上是我介入几个数据可视化项目的一些体会和收获。