用低代码的思路,设计极致灵活的BI模块(mobi低代码开发平台)
编辑导语:低代码的思路对于BI模块的设计有很大的帮助,本篇文章作者结合Amazon SageMaker Canvas的体验,阐述了数据统计模块的具体步骤、设计灵活性的内容以及极致灵活的低代码设计方式,并列举具体案例进行展示,感兴趣的朋友一起来感受一下吧。
一、初识数据统计模块
使用B端软件来实现信息化的客户,随着使用程度的纵深,会逐步跨越6个步骤,实现两个阶段的和蜕变。
1. 阶段一:软件支持经营
这一阶段的重点是重构一套线上操作的业务的业务流程。把数据从线下完整地搬到线上来。
步骤可以细化为业务线上化——财务线上化——数据可视化。
在业务线上化的最后,可以用系统中的表格和流程,代替线下散落在各种沟通工具中的信息。
而随着数据的逐步稳定和精确,业务数据可以作为用于结算的原始数据,实现财务线上化。另外这部分数据也可以呈现用于呈现在大屏上,经营看板上,为内外部了解业务经营情况提供一目了然的素材。
2. 阶段二:软件赋能经营
由于第一阶段获得了全链路的业务数据,这个阶段就可以使用数据来改善业务了。
具体来说,包含为业务精细化——业务自动化——业务智能化。
通过数据的细化,可以分析每个岗位的工作质量和效率,从而对岗位的工作方式,指标进行更合乎情理的规划。
此外可以通过系统的自动化能力,代替人工的事情,例如CRM可以自动转存并转写和客户的通话记录,提取关键信息。
最后系统还可以进行智能分析和预测,用人工智能提升工作成果。
最近有试用了 Amazon 旗下的AI产品Amazon SageMaker Canvas,它就有一个典型的场景。
可以通过分析客户的个人信息,预判接通电话的概率,让外呼团队优先处理接通概率高的客户,最后的结果,电话接通率从35.17%,到达了49.4%,几乎提升了50%。
从信息化的两个阶段来说,数据可视化的地位十分重要。
作为其中承上启下的一个部分,它是一阶段的实现结果,又是二阶段改善生产力工具的开始。
所以数据可视化,往往是B端软件的标配。
它也经常被称为BI(商业智能),虽然名字起得比较大,有点唬人。
但其实举几个简单的例子就可以明白,绝大多数被称为BI的模块,它们并不复杂,大差不差都可以可归纳为:数据的展示。
首先是用不同样式的图形来展示。
常见的例如有柱形图,条形图,折线图,等等。
也可以用多维度表格展示。
多维度表格别于单个维度,可以看到横向纵向都有多个表头,它们共同框定了交叉处数值的范围。适用于复杂的,需要多层分类的数据。
然后把各种图表,表格组合起来,加上筛选条件的组合和控制。
最终呈现出来的,可以是花哨的,往往用于对外展示大屏。
也可以是数据应有尽有,主要用于内部的仪表盘。
展示形式繁多是BI的特点,但还不算是难点。
每个图表和表格,可以看成是一个模具,能把一样的材料展示成不同的样子。
而数据就是用于组装的材料,BI难的是材料如何搜集和加工,以及如何组装为成品。
如何组装,取决于用哪类图形来展示。
以柱状图为例,图形展示上有横轴,有纵轴。把横轴的数值作为宽、纵轴的数值作为长,长宽连接,就形成了图中的长方形柱子。
其中,纵轴代表指标:是需要统计的具体数据,是一个个数值。
横轴代表维度:是数值的分类方式。
同样是看销售业绩,可以按部门来查看,可以按员工个人来查看;可以看每个月的,也可以看每个季度的。这都是不同的分类方式。
图形样式,就是通过限制指标和维度的个数,来限制数据的组合方式的。
继续以柱状图为例。
它可以支持:多个指标 1个维度。
如图是按照不同项目的分类方式,来展示上下游数据的两个指标。
也可以支持:1个指标 2个维度。
如图用项目和日期做分类,可以查看不同项目下,不同日期下的车辆运行次数。
不同颜色的柱子代表了不同日期的数据,例如蓝色代表是11月1日的数据,绿色是11月2日的,黄色是11月3日的。
而同一颜色的柱子也不止一根。有多少项目,就可以展示多少根,每一根代表着不同项目中对应日期的车辆数。
数据需要被图形组装,但并不是所有的数据都可以被组装在一张表里,这要求数据间要有关联关系。
关联关系可以是直接的。
就像一个小区那么多人,你能很快地找到一家人,是因为它们住在同一个屋子里,同样的房号就是一家人的直接关联。
关联关系也可以是间接的。
还是这个小区,101号房住着爸爸,妈妈和儿子,而102号房住着爸爸的爸爸,以及爸爸的妈妈,那么101和102号房就可以通过爸爸这个人联系在一起。
再举个例子,excel中有跨表查询的功能,这也是找关系的一种实际应用。
设想一下,你现在有两张表。一张表是员工的个人信息,里面有员工名字和性别,另一张表是员工业绩表,现在老板想统计不同性别员工的业绩平均水平,你应该怎么办?
第一步,是把所有数据合并在一张表上。
以员工姓名为中间字段,进行跨表查询,把表格合并为三列 员工姓名-性别-业绩。
第二步,把性别作为横轴,业绩作为纵轴。
选择合适的图形来进行展示,就可以满足统计需求了。
从例子中可以理解,虽然系统中有不少原始的数据,但这些数据是需要经过加工和关联,才能被放在一张表中,这就是数据搜集和加工的部分。
总结一下,BI需要在数据搜集和加工、数据组装、数据呈现三者上同时用力。
而这每一个部分,也会因为业务需要,被要求考虑到不同程度的灵活性。
二、设计灵活性
首先要明确的是,每个部分的设计并非是越灵活越强大越好。
越灵活,能力就越抽象,离用户能理解的范围就越远。
用买电脑来打比方,一个只想买整机的小白用户,你说:我们这有最灵活的装机方案,然后列出了很多款显示器,主机,硬盘的参数,告诉用户可以随意配置,用户扭头就走的可能性反而很大。
有的时候提供不灵活的方案,反而是一种好的用户体验。
而越强大,就代表代码越复杂,开发成本也水涨船高。并且基于过去的经验,很多高级和强大的能力,只有公司到了成熟期,才会有成熟的客户提出需求和使用。
设计这件事,就高和就低都没有错,重要的是匹配当前的的情况。
根据软件的特性,当前所处的生命周期,用户画像和需求,来确定不同的方案,看看把灵活性设计到哪一层。
最常见的是把灵活性涉及到展示这一层。
有很多软件,是图表中的字段已经确定好了,不允许修改,只允许用户修改展示形式。
假设当前的是每月成交订单金额表,维度是销售日期,指标是订单销售金额,维度指标都不能变。
那可变的是什么呢?
第一可以是自定义字段的展示。
- 可修改名字:比如把【销售日期】改成【成交日期】。
- 可切换排序(默认/升序/降序):切换图表展示的顺序,比如可以按照月份从高到低排,也可以按照成交金额进行排序。
- 可设置汇总方式(日期/地址):例如同样是成交日期,可以按照年,也可以按照年-季汇总。
指标计算(求和、求和、平均、最大值、最小值、计数):案例中是需要加总订单销售金额的,但是如果想看每月订单的平均值,最大值,最小值,也都可以进行更改。
第二可以自定义图形的展示。
可以通过切换展示形式,把从柱状图变成条形图,或者同时展示柱状图和折线图,都没有问题。
第三可以自定义多张图的展示。
例如希望把多张含义类似的图汇集在一起,统一进行查看,就可以通过设计仪表盘来实现。
一个仪表盘中,可以承载N张图表,每个图表都可以自由拖拽,决定不同的大小和放置位置,是非常灵活的一种方式了。
把展示层面的灵活性升级一下,就来了灵活性的第二级:数据组装的灵活性。
主要是支持图表中数据的自定义。
包括增加一些数据进行展示,或者减少一些数据进行展示,支持哪些类型的数据,以及数据是否能跨表查询。
图中的方案,就是可以让用户自己选择维度放置哪些字段,指标放置哪些字段。
举例来说,维度一般不放数字类型的字段(除非有对数字进行区间划分的逻辑),指标一般不放日期类型的字段。
另外如果客户需要查看的数据分布在两张表,至少需要确定这两张表是可以通过中间字段建立关联的。
最后,最厉害也最难的是,在数据采集和加工上考虑灵活性。
如果系统中的数据不足以满足展示条件,考虑是否支持外部传值,方式有接口对接,服务器对接。
另外考虑数据能不能支持到现有的数据和留存的数据。
现有的数据是指系统中存在的,此时此刻的数据,是即时查看的数据状态。
但一般从业务数据展示在仪表盘中,会因为性能等原因存在时延。例如在系统创建或删除了一些数据,往往需要几分钟到几个小时,报表中的数据才会更新。
留存的数据是指过去的数据,是需要预先存储下来的一条条记录。
例如图中的转化漏斗,背后就包含了每一次客户状态变化的数据,记录了每次变化时,是哪个客户变更了状态,是哪个时间变更了。
再次是否考虑支持用户在系统中做简单的数据加工。
但很少有软件涉及到这个部分,仅在专业的数据软件平台可以看到【数据工厂】的各项能力。
它的开发过程也非常耗时复杂,如图是图表加工功能的部分UE,模糊一瞥就能知晓吓人的工作量了。
三、极致灵活的低代码设计方式
1. 低代码的设计模型
前面聊了灵活性设计的三种层次,但如果要往最深处去学习,就不得不提低代码的设计思路。
低代码是抛开具体业务的一种软件,它的设计原则是:轻业务,重模型。
正因为模型是对于现实世界的抽象和简化,所以基于模型,可以演绎纷乱复杂的场景。
正如你学会了【福格行为模型】,知道了人的行为=动机*能力*提示,那你可以在各种现实场景下应用它,可以改善球队只顾自己踢球不关注队友的习惯,可以管住自己在深夜放下点外卖的手机,也可以尝试让孩子在书桌前多呆半个小时。
同理,BI模块也一套对应的模型,只要掌握了一个模型,你也可以很快设计出一套非常通用的BI模块。
老东家曾经耗时大半年,想寻找一个专业的大数据产品经理来设计我们低代码平台的BI模块,但招聘进展一直不太顺利,于是我就顶上了,在3个月的时间内,迭代2、3次,完成数据可视化的基础能力,再花费3个月,完成了数据工厂的设计,实现了数据加工的自定义能力。
这一切并不需要我有多厉害的大数据背景,只是我调研了市面上的各类产品,有专注业务的saas平台,有本身就是低代码的平台,还有提供数据软件服务的专业平台。
最后得出了一套设计的四要素。
它包含:一权限,二数据,三组装,四展示。
2. 权限是基础
首先把系统中的图表分为两类。
- 一类是企业数据图表,即图标统计的数据范围是系统中全部数据,无论查看人属于哪个组织和部门,都可以看到全量的数据。
- 另一类是个人图表,每个人可以在自己的数据权限内创建图表。
把BI部分的使用角色,抽象成企业数据图表创建人,仪表盘创建人,仪表盘查看人。
企业数据图表创建人:设计独立的权限。被赋予该权限的人,可以使用系统中的全部数据来创建图表。
仪表盘创建人:每个人默认都有创建仪表盘的权限,同时每个人都可以编辑自己创建的仪表盘。
每个人也默认有创建图表的权限。
但如果没有企业数据图表的创建权限时,每个人默认只能创建个人图表,所以只有权限使用自己权限范围的数据。
仪表盘查看人:仪表盘创建人可以分享给企业内容人员查看。
对于个人类型的图表,每个人仅能查看自己权限下的数据,比如部门A和部门B的主管进来,只能查看到自己部门下单的数据,同一张图表大家看到的内容不同。
而对于企业类型图表,创建人和所有查看人可见的数据都是一样的。比如想统计企业本月收入指标,就更适合用企业类型图表。
3. 数据是原始素材
数据决定了报表到底可以呈现出什么样的内容,但有些数据分布在不同表单,需要加工合并才能获得。
所以有个别低代码平台,设计了数据工厂这一究极解决方案。它能汇总多张表格,生成无数的原始数据。
让数据生产的过程也遵循了低代码,让业务人员通过学习,就可以抛开技术限制,自由的设计出一张符合心意的报表。
对这部分有兴趣可以去查看产品【简道云】,能快速了解数据工厂的各项能力。
组装和展示受限于仪表盘和图表本身的形式限制。
仪表盘样式:支持图表控件的拖拽,也支持其他类型控件,例如多种类型的筛选器,搜索框,文字等等。
图表样式:柱形图,折线图,饼图,漏斗图,统计表,双轴图,KPI卡片,仪表盘,地图,地图(气泡),堆叠柱形图,堆叠折线图,热力图,交叉表,条形图,雷达图,地图,常见的也有十来种。
最后简单放一下自定义仪表盘的设计稿。
一期实现简单的仪表盘创建,以及图表和筛选器创建,基本就能满足绝大多数的需求了。
作者:假装是运营,微信公众号:SaaS学姐。
本文由 @假装是运营 原创发布于人人都是产品经理。未经许可,禁止转载。
题图来自Unsplash,基于CC0协议。