着用户体验设计的发展，我们已经过了仅依赖需求和直觉就可以完成产品设计决策的阶段了

着用户体验设计的发展，我们已经过了仅依赖需求和直觉就可以完成产品设计决策的阶段了。

数据对用户体验设计师的价值可以总结为两点：

1. 数据可以在「产品设计决策阶段」提供了更多元的参考意见；
2. 数据可以在「产品设计复盘阶段」提供更客观的评价标准。

一、数据使用的场景

无论所处哪一种设计阶段，总的来说，设计师的数据需求主要可以分为两大类

1. 探索事物间关系的“内因/外因”

是什么东西影响了用户的购买决策 ？我的新版网站首页的改版是否为产品提升了注册的转化率 ？

这类需求的本质是探究一种事物间的欢喜和因果性，常用「推论性统计」、「相关&非参数校验」进行分析。对于这类需求，往往会有专业的数据分析师，用户研究设计师，数据产品经理承接。

2. 发现数据中的“模式/异常”

在一天之中随着时间的变化，用户的访问量有什么规律 ？这类需求的本质是在对已经发生的事物规律做一种总结 ，使用的统计方法更多的是「描述性统计」。对于绝大多数设计师而言，能够做到发现数据中的 “模式/异常” 基本可以覆盖绝大多数日常工作的需求。

本文主要关注解决设计师的第二类使用场景——发现数据中的“模式/异常”。目前各大互联网企业内部都会提供自研或者第三方的BI工具，因此笔者建议设计师可以通过建立一个包含关键的体验指标的数据看板系统，对自己负责的业务进行系统的总结和复盘。

以我曾经的工作内容为例。

我们的产品是服务商家进行“前后端对接生产”的订单审核系统。【效率】是制造业至关重要的关注面，在一个企业用户的付费决策中也起到了相当重要的分量，客户使用我们的工具进行订单审核和流转的效率是整个用户体验模型中的重要部分。

因此我们需要构建一系列合理的指标来判断订单系统的处理效率。除【效率】外，【用户行为】【用户特征】等都是设计师关系的信息。以【效率】为起点，最终我们构建了一个笼统的包含设计师所有要监测的信息看板系统。

二、关键概念

本质上互联网产品中的看板（kanban）与自然科学领域研究人员的用 R 或者 Seaborn 绘制的精美图表没有本质上的区别，差异点可能在于看板更加关注时效性，同时更加具备可交互性。

• 度量（Measure）：度量是一段数字上可量化的数据。销售额、利润、留存率，都是具体衡量的例子。
• 维度（Dimension）：维度表示给定指标的不同方面属性。例如，时间通常被用作分析不同度量的维度。其他一些常见的维度包括地区、产品、部门、细分市场等。
• 层次结构（Hierarchy）：维度可以进一步分解为层次结构。例如，时间维度还可以形成层次结构，例如，年>季度>月>日。
• 粒度（Grain）：层次结构中的每个级别都称为维度的粒度。例如，年 > 季度 > 月 > 日 ，中的“年”是一个特定的粒度。
• 指标（Metric）：指标是我们经常在仪表板中显示的数据类型，它表示一个度量（Measure）的数据段与一个或多个特定维度（Dimension）和相关粒度（Grain）的关系。