马老师曾在阿里投资者大会上提到：21 世纪的机器人是 “吃数据” 的，而阿里就是这样一家提供大数据的公司。当前，整个社会都处在产业升级和数字化转型的大浪潮中，如何在新的商业环境下，运用设计的方式，发挥设计的驱动力，助力整个数据产业的创新升级，是数据设计师们最核心的课题。

云上数据产品矩阵围绕数据的 “采集> 建设 > 管理 > 应用” 为核心搭建产品能力，多款数据产品形成合力，为企业建设、管理数据，并提供数据服务，Dataphin、Quick BI 是贯穿于该链路的核心产品。

数据设计师的工作矩阵中，都会遇到哪些设计难题，又如何解题呢？

阿里数据服务上云，目标是帮助政府企业合理便捷的管理数据，让数据为企业创造商业价值。这类产品拥有海量的功能模块，错综复杂的交互流程，以及普通用户无法理解的强数据技术背景，用户体验正是其最佳的定义方式。

从商业竞争研究、业务链路梳理、场景化体验架构构建，再到产品的落地与售卖传播，设计师在这一环扮演着 “商业规划师” 的角色。

这里提到的 “体验架构 = 体验流程 + 信息架构”，如何去构建产品的体验架构呢？

1 体验链路构建： 根据产品战略、行业竞争力优势及业务目标，全链路的定义产品分模块及体验关键触点。

2 信息框架设定： 运用场景化及结构化解构思维，根据多角色需求，抽离用户多角色使用场景、提炼使用行为链路，设计师要真正站在用户的视角看问题，运用同理心，层层递进的剥丝抽茧，逐层架构产品信息框架。

3 信息过载解构： 出现产品级、页面级、功能级信息冗余时，为了减少对用户造成误导的情况，可以从场景层、信息层、逻辑层进行解构。

（Dataphin 体验架构构建案例）

传统的数据表呈现方式无法跟上数据时代的脚步。我们期望让数据开口说话，用最直观简洁的可视化语言展现商业背后的故事。从构建业务目标，设计故事版，抽离符号，典型用户分析，用户需求收集，到最后的可视化设计呈现，设计师为用户规划了洞察业务、经营决策的分析动线和场景化体验。

Dataphin 中，为满足企业主看企业数据、技术看业务关联及数据资产情况。“数据资产全景” 以可视化的方式进行呈现，根据用户关注点及场景，设计师定义了从 “全局 > 流程 > 结构” 三种视图，从全局到细节，满足用户多维监控探索的需求。

1.工具化设计

BI 工具可以满足用户从数据处理，数据查看，数据分析到数据洞察的全链路分析需求，并用最直观的可视化方式进行商业的探索。

设计中，可视化图表的丰富、易搭建，工具的易操作，产品的多维分析能力都非常重要。设计师需要从可视化分析、工具化体验等不同维度进行方法体系深耕，用专业性说话，让产品具有丰富的工具配置能力、深度的工具洞察能力，才能帮助产品更稳定成熟的迭代，建立行业竞争力。

（Quick BI 可视化组件模型及工具框架搭建）

2.智能化设计

如果说 BI 工具的工具化能力是产品的基础能力，智能化能力则是产品加在行业竞争力上的砝码。Gartner 2019 发布的魔力象限报告中指出，通过人工智能、机器学习等技术实现的增强分析已是 BI 产品发展的最重要、也是最显著的趋势之一。

如何用体验赋能数据智能，如何以全链路的视角打造闭环的用户体验？

1 行业竞争研究： 了解行业产品布局，挖掘竞争力优势。
**2 可行性挖掘： 与技术共建，多思维碰撞，了解知识图谱，自然语言理解，意图识别等最前沿的人工智能算法技术，全流程思考，不断挖掘设计可行性，设计赋能业务。
**3 专业规则定义： 辅助定义用户分析意图，可视化匹配规则、NLP 交互规则，多轮对话逻辑，兜底问答逻辑等，做专业性定义。

设计师运用自己的专业能力，赋能打造低使用成本、轻松问、精准答的数据智能小助理，驱动产品从数据智能到商业智能的进程。

从 2018 年初始至今，云上产品矩阵生态初步形成，当前整个云上产品矩阵处在成长期 - 初创期及成熟期之间。该阶段产品小步快跑，快速迭代，不停歇的补齐有竞争力的产品功能。我们尚无法拿到成熟的使用数据指标，那如何度量产品是否健康的进行着商业化呢？

1 生命周期评估 ： 产品上线后，记录功能的生命周期，不容易被更新或被替代，代表生命周期长，反之短。生命周期短会造成大把的研发投入被荒废，设计结果不尽人意。- 评估可用性

2 用户反馈评估 ： 新功能上线后，收集用户已有功能建议及无法满足的需求，记录反哺产品需求，辅助产品迭代。- 辅助迭代

3 续签率评估： 随着用户对产品的熟识，商业化营收续签率增长，说明用户对产品接受度较高，对产品产生正向影响。- 评估商业化健康度

我们暂时把这几种度量方法定义为软性评估，更适用于 B 端成长期的产品，帮助产品节省研发成本的同时进行稳定迭代。

在大数据时代，数据服务的产品化上云步伐不停继续，前路任重而道远。作为设计师的我们，需要不断突破设计师的限制，从多角度思考，运用设计的专业能力在产品中发挥更多的主观能动性，打造强有力的行业竞争力，同时定义可传承可复制的数据产品设计模式，长远赋能整个数据行业。