“大数据”“数据分析”“数据可视化”已经被人们越来越多的提起，传统的金融服务公司最早开始使用数据驱动业务运营，由最早的二八法则寻找客户、拓展业务发展到类似今天互联网产品利用数据构建客户画像去管控风险精准营销。大数据时代，如何更好利用数据驱动设计，提升产品商业价值是业界普遍关注的重点。

1.数据驱动产品功能设计

互联网时代信息越来对称，越来越少有人能够做到你知道别人不知道，此时善于利用数据就会让你的产品设计更加极致，也会让你在竞争如此之大的行业中发掘新的产品设计机遇。

1.1用户反馈数据驱动产品功能设计

用户反馈数据不仅可以获得后台数据库无法获取到的用户行为数据，也可以了解用户的主观态度、用户观点，将主观感受应用到产品设计中助力产品设计。

小米的MIUI操作系统是完全根据中国用户的使用习惯自主原创全套的用户体验设计，自2010年8月首发，在小米发烧友中的反响巨大，用户的功能诉求从未停止，因此小米同时宣布了每周一次更新的策略，每次周五更新之后发烧友率先使用并积极与小米互动，提供很多修改意见，这些意见或主观或实用或理性或情感，小米将这些数据统一整理并对评估合理的一些意见进行转化，并快速修改，下周五便推出下一个版本，如此利用用户反馈数据不断满足用户，到2015年2月，不到5年时间MIUI用户总数突破1亿。

1.2用户行为数据驱动产品功能设计

Linkedin的人才流动画板记录整理了世界上某个时间点到某个时间点，有多少人在哪儿家公司担任过什么职务，得到世界上所有公司的人才流动情况。

2012年Linkedin基于此人才流动画版设计了两款新的产品：找出硅谷中最有潜力的初创公司，根据人才画板中哪些公司最近阶段采取方式方法挖掘大公司人才，人员流动少等信息对该公司的潜力值基本可以有一定的判断；第二款产品即是为最受关注的雇主品牌排名，12年榜单发出便受到了极大的关注。

这两款产品也是极大的方便了企业的销售人员，

销售把这张相关图表发给目标客户的管理层，这样就很容易引起对方的重视，预约成功率和签单比率大幅度上升，服务Linkedin企业内几千人的销售团队。

2.数据驱动用户体验设计

数据如何评价产品的设计目标由产品的设计目标决定，通过对设计方案上线后用户数据的对比，判断设计目标的实现程度，往往也可以通过数据分析找到产品优化的方向。

1688UED团队提到过“5”度用户体验质量模型，即从用户和产品“当前”关系的触达、行动、感知三个过程和“长远”阶段的回访、传播两个过程，定义数据指标分别是吸引度、完成度、满意度、忠诚度和推荐度。

触达--吸引度：新用户、老用户带着目标访问网站，相应的吸引度是衡量在用户操作前，产品是否能够吸引用户或有多少用户通过吸引产生相应的行为；

行动--完成度：用户寻找自己感兴趣的内容进行相关操作，相应的完成度是衡量用户能否完成相应操作及完成相应操作的实际效率如何；

感知--满意度：操作完成后对产品形成的主观感受，相应的满意度是指完成相应操作之后用户的满意程度及其他主观感受；

回访和传播对应的忠诚度和推荐度指的是用户会不会再次使用该产品或将该产品推荐传播给其他人。

“5”度用户体验质量模型作为一个基础模型定义用户体验数据的基础指标，不同企业不同产品也会根据自己的目标具体定义用户体验数据指标，助力驱动体验设计。

3.数据驱动业务模式设计

以往提到数据科学人们脑海中总会勾勒出定律、公式、学术等词藻，今天数据科学更多的被认识到是可以创造商业价值的科学，不仅是科学，更多的是为业务带来增值效益。

用户属性信息、行为数据信息、社交网络信息都是数据挖掘不可或缺的资源，Linkedin常提到EOI方法中讲过大客户兴趣指数的案例，利用toB产品中决策者扮演决定性作用的本性，利用数据去判断企业级大客户对产品的兴趣，根据决策者指数和产品倾向模型建造个人兴趣指数得出大客户兴趣指数，这样可以清晰的排序那几家公司更容易购买产品，那样相关的业务人员只需要在这些人身上花相对多的时间去采取手段、争取机会就可以实现最初的目的，从而为整个业务带来更高的交易效率。

4.数据驱动可视化设计

有了数据，可视化就成了必然趋势，设计师需要通过图表、形状、文字、色彩等元素的组合将数据信息表达给用户。数据类型直接决定所要表达的图表类型，一般情况下想要表现离散数据选择柱状图，想要展现连续数据、表现数据的变化趋势选择折线图，想要表现地区数据则会选择地图作为数据展现的底图相应选择地图色彩图或地图气泡图等。

《数据之美》中关于咖啡种类的说明，可视化的图形样式，直观表现出不同种类咖啡的成分组成及各成分之间的比例关系。

美国大选投票数据展示是一个很好的榜样，设计师将特普朗和希拉里双方的选举人票在地图上进行整体对比，除此之外，也可通过鼠标悬停操作查看各洲投票情况及双方支持比例。

数据连接着图形和现实世界，终极目标是让用户通过更少的时间了解到更多的数据信息，”我花了5分钟时间才看懂图表“ 这是可视化设计的失败，数据量越大可视化选择就越大，如何设计最适合的形状、颜色图表过滤掉不好的选择尤为重要。

来呀，大家一起来交流呀哈哈！！！