数据可视化项目实施避坑指南——以to G领域为例

数据可视化可以帮助我们更好的分析数据，本文作者对项目流程进行分析与难点总结，分享了自己在实战中的经验，通过简单的例子帮助大家在项目实施中避免踩坑，一起来看看吧。

本文以to G领域为例，从产品经理的角度，讲述数据可视化项目在实施过程中的一些经验，通过对项目实施全流程、阶段难点的总结，希望能够对大家有所启发。

抛开项目售前、立项阶段的产品支撑，在数据可视化项目实施过程中，需要我们产品经理参与的通常有需求调研、系统设计、研发跟进等多个阶段。

可以将其总结为一个流程“需求调研—系统设计—研发管理—项目验收”，同时每个阶段又有若干关键子任务，见下图。

本文主要针对实施流程的关键任务、典型问题以及项目管理知识的讲解，为大家提供一些思路。

一、项目实施流程

下面是对项目实施主要流程的简介，要注意的是每个阶段都要有明确的产出物。

1. 需求调研

当项目立项后，产品经理可能会出差客户现场，进行各项调研，常见的有业务调研、数据调研、竞品调研。

（1）业务调研：调研项目建设方的业务诉求、组织架构以及各部门关系。

（2）数据调研：调研数据提供方的业务数据范围、数据质量以及信息化程度。数据调研是可视化项目实施的关键，决定了可视化的业务价值及效果展现，同时也是指标体系搭建的关键步骤，决定项目建设方能接入的数据量、如何接入的内容。

（3）竞品调研：调研行业内的做法，对齐行业头部产品。当我们了解客户需求、数据情况后，在进行系统设计时，不能全靠产品经理自己经验来做，尤其是对于一个不熟悉的项目领域。

2. 系统设计

当第一阶段工作完成后，根据开始进入指标体系的搭建、原型设计，此阶段的目标是快速验证产品经理对项目业务的理解，拿到客户的认可，降低需求变更风险。

（1）指标体系搭建：对齐业务需求，完成指标体系搭建。指标体系搭建是个大工程，不仅要考虑业务的维度与指标，还要考虑数据质量问题。这里暂且不做详细的设计阐述。

（2）系统原型设计：线框图对思路，高保真对内容。使用线框图快速向客户汇报思路，使用高保真原型让客户感知可视化效果。这里要注意业务指标与各类图表的选择，要让图表清晰表达，为了美观可以在图表UI上美化，而不是自己发明一种图表。

指标体系、原型设计都不是一步到位的，往往要进行多次调整优化，尽可能将全面、详细同客户确认需求，以此降低后续研发中的变更成本。

3. 研发管理

当设计方案通过客户认可后，产品经理下一步要做的就是对接研发，此阶段主要目标是让研发团队理解系统需求、根据排期进入研发，最终上线系统。在这里要说明的是，研发排期、团队分工等主要是由研发经理进行，产品经理知晓即可。

（1）开发评审：同步研发需求，减少信息差。在这个阶段，产品经理要拉上研发经理、研发团队一同评审需求。从上而下的方式，大致讲解业务需求，再详细对接原型内容。

（2）需求管理：管理需求变更及优先级，降低研发风险。在系统进入开发时，需求变更是避免不了的。要做好需求的管理，尤其是优先级的管理。

（3）BUG跟踪：执行测试计划，BUG优化落实到人、及时更改状态。测试计划由测试人员进行，产品经理要及时跟进并验证。

4. 项目验收

中大型项目的验收通常会有初验、试运行、终验等阶段，项目经理会统筹整个项目的验收，产品经理涉及到的内容也比较多，如验收文档、培训等内容，此阶段主要目标是顺利通过验收，其他方面的事项优先级靠后。

（1）系统演示：充分体现客户可视化效果、数据价值。可视化大屏最重要的就是如何体现数据价值，为了保证演示顺利进行，可以提前准备演示脚本、演示数据、操作流程等内容。

（2）验收文档：常见的有概要设计、详细设计等内容，产品经理要配合研发一同编写。

（3）验收会议：验收会议不单指一个会议，可能会包含专家评审、使用培训等内容，产品经理在这部分做好支撑即可。

二、典型问题与解决方案

一个中大型的数据可视化项目实施有多组织、数据质量差、可视化个性化等特点，每个环节都会遇到棘手的问题，下面罗列出三个典型的例子，并给出了一些解决方案。

1. 可视化效果意见不一

本质上每个人对可视化的审美不同，导致了客户对可视化效果意见不一。这其实也是很大的一个风险，很可能导致开发返工、需求蔓延以及超出工期。

解决方案：

• 画高保真原型，让客户有清晰认知。线框图对于可视化大屏来说很鸡肋，无法将视觉效果良好地传达给客户。所以要出高保真数据可视化原型，必要时求助设计师出素材。
• 定期汇报，说服客户认可设计方案。设计完系统后，及时同客户开会评审，包括业务方案、指标体系、UI风格等内容，拿出自己对行业的理解说服客户认同方案，尽可能减少需求蔓延。

2. 跨组织协调难，数据对接难

跨组织协调本身就不是容易的事情，而且涉及到各个单位对数据的安全性很敏感，导致相关方配合意愿不强。

解决方案：

• 针对纵向单位，通过上级单位的通知执行命令。比如在建设市级大数据中心时，需要对接区县数据，有些单位不配合，那么就可以通过这种方法。
• 针对横向单位，通过单位间举行座谈会、发函等渠道协商。通过正式的方式了解各方对于数据的顾虑，抛出单位间利益相关之处。
• 签订保密协议，保证数据安全。客户单位与数据提供单位签订保密协议，打消数据提供方的顾虑。

3. 数据质量有问题，导致可视化效果差

当系统设计、指标体系都得到客户认可时，数据质量导致系统价值体现以及效果展示无法达到最佳。

如数据源由于接口开发预算、安全性等各种问题迟迟接入不了，导致已经开发好的系统无法展示良好的效果。

解决方案：

• 学会取舍，永远要有Plan B。当我们完成原型设计后，根据数据调研情况，预估下哪部分数据质量可能有问题，再调整业务出一版本设计，以防万一。
• 向客户说明情况，讨论解决方案。由于外部原因导致的数据质量问题，一定要先同客户说明，再进一步决定取舍。

三、风险管理知识补充

上面提到了很多问题，同时也是项目的风险，做好风险管理能够有效帮助我们顺利完成项目。

项目风险管理包括规划风险管理、识别风险、开展风险分析、规划风险应对、实施风险应对和监督风险的各个过程，主要目标是在于提高正面风险影响和降低负面风险影响，从而提高项目成功可能性。

下面举个例子来讲述规划风险应对的过程。

小明是一个程序员，平时工作挺忙，为了锻炼表达能力，于是参加了一个脱口秀演讲比赛。加入比赛有个条件，面试分数达到90分或者直接交1000元会员费也可进入决赛。

通常情况下他每晚七点下班，周末双休；在赶项目期间可能会加班到凌晨，周末休息时间随叫随到。

他的表达能力不是很好，而且对脱口秀比赛毫无经验，需要经过大量训练才有可能进入决赛。

在案例中可以看出风险来源于多个方面，如时间管理风险，技能经验风险等。针对这些威胁可以考虑一下备选策略。

1. 规避

规避高风险操作。

对于小明来说，他并不具备脱口秀相关演讲的技能，会导致他可能进入不了决赛，这就是严重的负面风险，已经达到了风险临界值即无法参赛。

这个时候可以采用规避的策略，将风险拉回临界值内。

对于小明来说，交会员费进入决赛这个是项目中的高风险工作，因为通过这种方式进入决赛导致无法获奖的结果可能性很大，应该避免这种行为。

2. 开拓

开拓正面风险。

分数达到90分，这是个正面风险，因为通过不断地练习，提高演讲能力后达到了90分，这对进入决赛以及在决赛中的表演都起到了正面的作用。

需要采取开拓策略提高效益，如参加脱口秀演讲培训，锻炼自己的写段子能力和演讲能力。

3. 接受

主动接受风险。

正在参加培训的小明突然被叫回去加班，同时又无法做出时间调整。

这个时候只能采取被动接受策略，即定期地对发生这种风险的情况进行审查，确保在自己可控范围内。

同时还可采取主动接受方法，预留出一部分时间以保证培训课程的完成。

风险会在项目生命周期内持续发生，所以，项目风险管理过程也应不断迭代开展。

在项目规划期间，就应该通过调整项目策略对风险做初步处理。接着，应该随着项目进展，监督和管理风险，确保项目处于正轨，并且突发性风险也得到处理。

作者：Shawn，某大数据公司BI产品经理；擅长数据可视化、低代码领域；“数据人创作者联盟”成员。

本文由 @一个数据人的自留地 原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash，基于CC0协议。