在上一篇文章中,我们已经提到,在今年的IXDC大会上,微策略用户体验团队带着自己的设计方法和经验总结,开展了一个题为『利用故事型思维打造交互式数据可视化产品』的工作坊, 与今年大会主题(社会化,生态化,智慧化)相契合,我们分享了to B领域的交互式数据可视化产品设计中,如何利用故事型设计思维,跨越同理心难建立的痛点,使设计在产品开发全链路中高效传达。而我们在IXDC大会上不仅分享了设计思维与方法,也探讨了在当前新兴技术影响下的BI产品,设计师能够如何运用故事型设计思维打造未来BI产品的体验。
现如今, AI、VUI、NLG等新兴技术的蓬勃发展也为交互式数据可视化产品的设计提供了全新的可能。如何参与未来BI产品设计是设计师们都非常关心的问题,在此之前,我们先展望一下未来的BI会是什么样,先看个案例。
在这个Southport与MicroStrategy合作完成的案例中,我们可以发现未来的BI分析是一个非常直接、低门槛的过程,是一个用户与数据进行直接对话获得洞见,甚至辅助执行决策的体验。从前面提到的用户的商业分析决策场景的心智模型来看,我们会发现有了新兴技术后,每个环节的体验都不一样了。在动机产生环节,除去用户因为自己的核心数据指标需要主动探索的动机,AI也能够基于数据的动态变化与未来预测提示用户。尽管传统的BI产品都会提供一个基于数据阈值的提醒功能,在数据达到这个阈值时提醒用户,而AI的加入,能够在数据还未达到这个阈值,但预测可能会达到该阈值时进行前置提醒,这种提醒往往更有价值。在数据分析环节,AI能够基于统计建模等进行智能分析,将洞见直接提供给用户,而不再需要用户进行手动的数据钻取操作,大大的提高效率。在决策环节,AI能够基于学习进行一些决策的建议,人们可以在这些建议基础上做选择,或结合自己的感性经验做出更优良的决策,同时这也会反哺机器做决策建议的模型优化。到了执行环节,AI能够给一些执行的建议,也可以辅助执行一些简单的指令,例如前面video里,Alexa直接帮忙约了一个和工厂经理的会议。
因此我们不难发现,在未来的BI分析中,AI能够帮助人们执行一些复杂的数据计算与探索的工作,而商业用户可以将精力回归到最重要的决策优化部分,这能够大大提高工作效率与精确度。
针对未来BI产品, 我们可以从内容,技术,体验三个方面来看设计师如何进行参与。即:
BI分析实际上是一个从信息可视化呈现到决策优化的过程,在这个过程中,用户会经历四个分析阶段,分别是描述性分析,诊断型分析,预测型分析,限定型分析。
描述型分析:即对已经产生的数据以可视化的形式呈现出来洞见,回答『是什么』的问题;
诊断型分析:在已经产生的可视化基础上通过提问下钻,统计建模等手段进行深入探索,回答『为什么』的问题;
预测型分析:针对已有数据通过预测建模预测未来趋势,回答『未来会怎样』的问题
限定型分析:通过基于限定条件的试算,来测算不同的决策方案能够带来的结果,回答『如果这样会怎么样』的问题。
以一个销售经理为例,为了完成他的核心销售指标,需要从销售BI报表里去了解客户发展阶段,签单进度,收入利润等。
他每天从他的数据阅读到决策优化的进程中,他会问四个典型问题,有多少客户还在洽谈中,为什么客户
B
的签单进度这么
慢,预计今年能否完成
KPI
,想要达到今年的
KPI
该如何调整策略。
有多少客户还在洽谈中这个场景实质上是一种描述性分析,通过可视化的方式,直观的告诉用户发生了什么。
为什么客户
B
的签单进度这么慢,这里销售经理其实是在问
why
的问题,这就是一个诊断型分析。
预计今年能够完成
KPI
?
这是一个对未来场景的预测分析。
想要达到今年的
KPI
该如何调整销售策略?
这是一个
what-if
的限定型分析,销售经理可以通过这样的试算来获得最佳方案。
传统交互式数据可视化分析主要涵盖了描述型分析和诊断型分析,而预测型分析和限定型分析是对未来提供先见的增强分析(augmented analysis)。
AI、semantic graph、narrative science、machine learning等新兴技术的日渐成熟后,传统分析的交互体验越加直观,而增强分析也成为了可能。Narrative science能够帮助提供描述型文字来解释可视化里蕴含的洞见。Semantic graph能够基于数据表现,将背后隐藏的一些原因与影响因素以可视化洞见的形式展现给用户。并通过预测建模、机器学习等AI技术实现预测型分析与限定型分析。
所以,未来BI的体验,是用户在不同情境下,基于不同设备触点,通过自然语言的方式与机器进行交互,进而获得决策辅助相关的各种洞见的一个过程。而故事型设计思维,在这样的体验设计中依然适用。
从前端交互部分来看,当我们确定要为用户设计一款未来BI产品时,需要通过用户分析与用户故事的设计确定核心情境与交互模态,并在此基础上结合VUI, GUI, AI等相应的设计原则进行多模态的体验设计。如前面alexa的交互案例中,在家里的时候,这位经理通过语言与alexa进行交互,到办公室,通过slack进行对话式交互。通过故事型思维,能够帮助我们理顺不同场景中的核心体验,力求用户感到自然。
而后端技术支撑部分,设计师需要基于用户画像与用户故事,以及核心数据指标,参与到算法模型的优化。因为对于同样的可视化现象,不同的用户会希望看到不同的分析以及不同的决策方向。如果是店长,相关性分析洞见会是他优先希望得到的,他可以通过一些销售数据的相关分析,辅助他进行相应的捆绑销售决策。但如果是一个区域经理,不同店的份额分析会是他希望优先看到的,因为想要分析了解不同的门店的销售数据,以辅助她进行门店资源调配策略决策。从技术的角度而言,数据洞见推荐是一个普适算法,然而加入用户故事后,我们就会根据不同用户角色的核心数据指标,为不同的数据洞见类型加入相应的权重算法优化。
在所有的内容分享结束后我们组织大家进行工作坊练习,基于故事型设计思维为星巴克店长设计一款BI应用,可以考虑运用新兴技术。
Figure 1各个小组上台介绍自己的设计成果
Figure 2工作坊结束后大家合影
大会结束后,我们收到了主办方关于本次大会内容的调查反馈,我们的工作坊无论在时间安排、方法论讲解、课件展示、实践互动、总结问答等这几个方面的评价在今年同类型题材里面的评价均在5星上,尤其参会者下载其课件数量基本达到该场工作坊的参会者总数量的80%左右,文字式留言都以「干货满满」「获益良多」「希望分享时间可以延长」等等的评价。
希望大家都有所收获!同时也请大家持续关注微策略用户体验设计。
END
转自: 微策略 商业智能 公众号;本文获授权;
版权声明:本号内容部分来自互联网,转载请注明原文链接和作者,如有侵权或出处有误请和我们联系。
商务合作|约稿 请加qq:365242293
更多相关知识请回复:“ 月光宝盒 ”;
数据分析(ID : ecshujufenxi )互联网科技与数据圈自己的微信,也是WeMedia自媒体联盟成员之一,WeMedia联盟覆盖5000万人群。