大数据大屏可视化设计流程

“大数据”在互联网行业指的是这样一种现象:互联网公司在日常运营中生成、累积的用户网络行为数据。这些数据的规模是如此庞大,以至于不能用G或T来衡量。"
       “我们都很清楚,如今的社会是一个高速发展的社会,科技发达,信息流通,人们之间的交流越来越密切,生活也越来越方便,随着云时代的来临,大数据的应用越来越彰显他的优势,它占领的领域也越来越大,电子商务、O2O、物流配送等,各种利用大数据进行发展的领域正在协助企业不断地发展新业务,创新运营模式。有了大数据这个概念,对于消费者行为的判断,产品销售量的预测,精确的营销范围以及存货的补给已经得到全面的改善与优化。“大数据”在互联网行业指的是这样一种现象:互联网公司在日常运营中生成、累积的用户网络行为数据。这些数据的规模是如此庞大,以至于不能用G或T来衡量。”

                     

图片来源:网络

         大数据环境下如何把庞大的数据信息通过一张大屏或多张大屏可视化实时动态反馈给老板或客户面前,是目前许多企业在追寻的,通过大屏企业可以快速了解到企业运作的情况。为下步企业决策提供了很大的参考依据。

图片来源:AxureBI

         大数据环境下,许多企业公司也开始追寻炫酷大气的可视化实时大屏,大多产品经理多少都会接手过,制作大数据可视化大屏相关的任务。对于非数据类的产品经理来说可以对于大屏设计流程会点模糊。这边符号跟大家分享一下,目前自己所了解的大屏设计流程方向的一些心得。希望对大家有所帮助。
制作大屏大致分几步:
1、数据采集清洗
2、确定分析指标维度整理
3、确定排版配色组件选择
4、动态效果制作
5、动态数据接入
6、调整上线
一、数据采集清洗
         数据采集清洗,这个过程是漫长而重要的一步。在我确定需要分析维度前,数据的沉淀非常重要。俗话说,数据采集是大数据分析的第一个环节,没数据采集就没数据,没有了数据就谈不上数据分析了。而大数据清洗,是数据采集分析中,又一个不可缺少的环节,数据清洗出来的结果可能直接影响到后面数据分析的结果。在日常大数据开发过程中,数据采集和清洗占用整个开发过程的50-80%左右时间。目前流行的数据采集主要使用了python网络爬虫进行。数据清洗的方法包括分箱法、聚类法、回归法。这边就不细讲了,感兴趣的可以百度系统学习一下。
                                  基于聚类分析方法的异常数据监测
                                                 图为:基于聚类分析方法的异常数据监测
二、确定分析指标维度整理
        确定分析指标维度整理,把我们需要呈现参与分析的指标通过程序抽取出来。比如企业需要统计分析用户的行业,通常我们要整理包括:用户数据指标、行为数据指标、产品数据指标。每个企业可以需要的指标维度都不一样,按需整理就行。
         用户数据指标
        1、日新增用户:衡量渠道质量。计算方式:每天新增的用户数
        2、日活跃率(DAU):知道产品是否满足用户需求。计算方式:每天活跃用户/总用户数
        3、周活跃率:可以衡量用户与产品的粘性。计算方式:每周活跃用户/总用户数
        4、月活跃率:可以衡量用户与产品的长期价值。计算方式:每月活跃用户/总用户数
        5、日留存率(次日留存率3日留存率):可了解到产品是滞满足用户痛点。 计算方式:第N日留存的用户数/第1日新增用户数
        6、周留存率:可以衡量用户与产品的粘性。 计算方式:第N周留存的用户数/第1日新增用户数
        7、月留存率:可以衡量用户与产品的价值。 计算方式:第N月留存的用户数/第1日新增用户数
         行为数据指标
        1、PV(浏览量):统计用户页面浏览次数。计算方式:某页面浏览次数
        2、UV(独立访客):统计独立访问用户数。计算方式:独立ip访问人数
        3、店铺转化率:一定程度衡量用户的对产品的认可和满意度。计算方式:购买产品用户数/进入店铺用户数
         产品数据指标
        1、GMV(成交总额):统计一段时间销售额。计算方式:销售额 取消订单金额 退款订单金额 带支付订单金额
        2、成交总额:统计一段时间已付款的销售额。计算方式:一段时间下单总金额(已付款)
        3、热销产品:统计一段时间热销的产品。
三、确定排版配色图表组件选择
      在确定分析完各项指标维度后,我们就可以开始考虑大屏页面排版布局的流程。包括:大屏排版样式和图表组件的选择。
        大屏设计尺寸”不要以大屏的分辨率定义设计稿的尺寸,如果大屏的比例和电脑屏幕的比例一样时,要结合电脑的分辨率来确定设计稿尺寸。也不是要按实际投放电脑屏幕分辨率来设计尺寸
例如电脑屏幕分辨率为1920*1080,那设计稿就可以是这个尺寸,当电脑屏幕是3840*2160(4K)屏时,可以用1920~3840*1080~2160同等比例任意数值。”

   

        常见大屏设计排版布局:中心环绕,左右分布,上下分布,异常分布

                   

         图表组件选择

组件的选择在大屏设计中同样重要,不同的组件可以传达出不一样的意思。下面通过一张图可以很直观明白各种图表的左右。

图片来源:网络

通过不同的图表组件,可以设计需要的大屏可视化。这边可针对实际的指标维度进行图表组件选择。你也可以通过这个平台 进行选择多达100 的图表组件。查看Axure图表组件

四、动态效果制作
      可视化动态效果,目前多数为平面效果,也有很多数据分析公司,开发了全3D在可实化效果。比如下面这张图就是阿里云datav制作完成的,通过物联网数据打通,可以完全直观的看到工厂各个环节的情况。这边只要跟我们的前端小伙伴们讨论出我们需要的动态交互让他们实现就好。这这个效果多数采用了webgl和Unity3D可实现。
                                                      图片来源:阿里云datav
五、动态数据接入
       前端动态效果制作完成后,进入后端动态数据的接入。这个环节就是把之前确定的指标维度通过api接口串接起来。达到数据实时的效果。最后的效果就是预期需要的。
六、调试并上线
       通过制定的url对外,分享大屏模板。下面分享了几个不错的Axurebi大屏设计,模板希望对你们在设计模板时有一定的参考作用。

今天先分享到着,感谢阅读。更多AxureBi大屏模板可点击预览查看:预览地址

 

人已赞赏
产品专栏

新版PMYES注册邀请码获取方法

2020-11-16 21:24:27

产品专栏

百度知识文库商家后台管理系统

2020-11-17 9:31:21

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧