如何判断一个数据产品的好坏

*这是我第23篇原创文章，阅读时间大约10分钟*

前言

最近在忙着数据产品的新版本优化方案，一直在认真思考一个问题，那就是怎么样的数据产品才算好，才能让用户喜欢用。

先讲一个产品经理的故事

有次参加一个产品经理峰会，有人提问产品专家，怎么样的产品经理才是一个好的产品经理，当时几个专家的回答都挺有意思的，最有意思的是：“搞定一切”。这个回答让我在接下来的几个月里都过得焦虑万分，因为，我发现自己是无法搞定一切的。于是，我在这句话上面加了几个定语：“在定好有效方向的前提下，找到能搞定特定问题的人一起来搞定产品发展中需要解决的一切问题”，对的，产品经理是方向盘，发动机与变速器得靠大家。

好坏标准就是产品经理判断方向的依据

对于数据产品而言，本质上就是想用数据的手段来帮助人们完成某一目标的工具。数据产品最重要的是在数据准确性基础上，有应用价值。

判断第一步：是否有应用价值、价值大小

先用一张图来了解下现有数据产品的类型以及应用价值。

最高端的数据产品，是能做到全自动分析，就是你输入你一个要解决的问题，这个产品能自动产生有效的解决方案，直接供你去采取行动甚至帮助你实现行动。这类型的数据产品行业上几乎没有，但是部分实现还是有的，例如广点通的广告自动推荐，已经可以自动做好用户兴趣判断、广告样式选取、推送等，但是还不能直接代替人的决策行为，如果能加上一键购买&退换货无忧，让用户感知不到电商的存在，就更加全自动了。

不同定位的数据产品，有不一样的应用价值与面向对象。既然我决定做好一个行业决策数据产品，就得满足用户在做行业分析时需要的一切信息，甚至是帮助用户自动完成相关的行业决策。但是行业分析的范围太广，我目前只能缩小到满足公司特定关注行业范围内。这样才能把大部分精力放在最有价值的决策模型建设上。

判断第二步：数据准确性，数据产品生命线

数据准确性对于数据产品而言，是底线。如果没有了准确性，所有基于上面的分析都如风中楼阁经不起推敲，严重的话还会对业务造成严重损失。所以数据产品中的数据质量保障机制就非常重要，需要专人负责。

判断第三步：产品交互是否可用、易用

数据产品花费大量时间保障了准确性与模型价值，如果最后在交互上栽了跟头，就太可惜了。在这点上，我确实吃了不少亏，踩了不少坑。

我职业生涯大部分时间都是在跟分析打交道，关于交互的知识了解甚少，为了能设计出起码不低于行业平均的数据交互，只能参考业界常用的交互方式，买很多大部头的书抽空去看。

这里给出我最近学习总结的交互原则，希望应用到产品最新版本上，让用户看到我们的改变。

一、目标导向设计

1、产品成功的关键是目标，不是特性

2、设计产品前，首先定义产品会做什么

二、了解你的用户

1、讲用户想象成为非常聪明但很忙碌的人

2、多数人并不想知道太多，只想成功使用产品

3、不同用户群关注点不同，你得了解清楚

三、简洁有效的交互

1、可学习：用户能否明白如何适应它

2、可记忆：用户每次使用是否需要重新学习

3、有效：界面能否完成任务

4、高效：界面是否只需花费适当的时间和努力就能完成任务

5、合乎期望：是用户想要的吗

6、令人愉悦：用户会觉得有意思甚至好玩吗（这个数据产品做起来有点难度，但是能给用户一点惊喜是极好的，特别是出错反馈时）。

判断第四步：数据安全是否得到充分保障

数据安全是数据产品得严格保障的，现在数据时代用户隐私备受关注，不做好这点，你的数据产品分分钟会被封杀的。

以上，便是判断一个数据产品好坏的四大标准，你是否认可呢？附上一个数据产品全景图：

最后，推荐几本书

交互相关书籍推荐，也是我设计原则来源：

《点石成金》

《交互设计精髓4》

《方寸有度》

《有你在身边，为你设计》

生命不息，学习不止。欢迎大家在留言中推荐交互或者数据分析相关的好的书籍，互相交流，一起成长，在人人焦虑的时代里，我们只做自己喜欢的自己。

这是我开通原创后的第一篇文章，希望得到你们的认可跟鼓励哈，谢谢。

*贴上ios打赏二维码，您随意*

*点击关注，我们一起玩转数据分析*