如何培养交互设计师的数据分析能力

一个优秀的设计师不光需要页面设计的技能，更需要通过大量的数据分析来定位产品或页面的设计理念。这就需要设计师在面对一大堆看似杂乱的数据里面进行信息提取与数据加工了，从中获取自己想要的信息，并应用这些信息，有理有据的进行需求的讨论、最终设计决策的推进，这也是每一个交互设计师必修的课程。那么对于一些没有数据分析能力的设计师，我们有该如何去培养他们的分析能力呢？

一、如何培养交互设计师的数据分析能力？

首先，要有数据收集分析的意识，掌握数据产生的来源。

其次，拿到数据后，在数据间找关联性，深挖内在含义。

再次，掌握基本的数据分析方法，并在实战中加以应用。

最后，将分析的结果应用到后续工作中，检验分析结果。如此，循环往复，形成一种职业习惯，一个工作的流程。

二、数据分析的5大原则

虽然说数据分析是很难的，但我们要是利用好了当下有限的数据资源（大多数数据往往掌握在产品经理、运营手上）去整理、分析并得出结果，也能为我们的设计带来很大的帮助。

1、明确数据分析的目的

要分析一份数据，首先得先明确自己的目的：为什么要收集并分析这样一份数据呢？因为只有你的目的明确了之后，才能对接下来你要收集哪些数据、如何收集有一个整体的把握。当然你的目的可以是多个小点，如：用户在首页浏览了哪些内容？登录框在页面上的重要程度？只要这些点是一个个切实待解决的问题点，将其罗列下来，一个一个的去收集数据。

你分析的结果可能会改变整个项目，但有了数据的支撑，会让项目或需求有一个全新的开始或细节的调整。

2、了解数据来源并收集

按照分析的目标中罗列的点，建立一个分析框架，并按照轻重缓急进行数据收集。与此同时，需要对数据是如何产生的，如何获取这些数据进行相应的了解。在工作中应用到的数据统计工具有：百度统计、CNZZ统计等，通过这些统计工具可以方便的进行数据的收集，同时交互设计师也要与前端保持沟通，了解数据统计的方法，适时添加统计的维度，请前端程序员帮忙埋统计代码。

3、掌握数据分析的方法

作为交互设计师，要掌握几种基本的数据分析方法：对比分析法、分组分析法、结构分析法、平均分析法、交叉分析法……，基于这些分析方法，我们可以对现状、原因、未来有初步的了解，并进入后续更深入的分析。

如：现状分析适用于对现今站点或页面的浏览点击情况做一个数据统计与热点分析，可以得出用户的浏览路径及关注重点。原因分析则侧重于一个问题，深入挖掘答案。未来分析可用于与产品经理沟通时，对后期产品的规划进行数据交流。

4、沟通分析结果

在沟通分析结果前，要注意不要只用手上仅有的资讯作判断，如果手上的证据不足以完全反应实际状况的时候，以数据分析结果作为决策就很容易出错，尤其是单看某一个数据维度时。交互设计师要超前思考，考虑产品经理可能从中提出的问题，并给出回应，让沟通高效且有意义。关于这点我在马海祥博客上也曾发布过一篇《如何通过数据来分析用户与产品的关系》，有兴趣的朋友可以看下。

5、数据不是万能的

前期数据可以用来挖掘用户需求，中期数据可以用来过滤产品功能，后期数据可以用来反映产品成败。整个过程当中，数据还能举证，作为产品经理与交互设计师之间的沟通内容。

但是，我们要认清一个事实：数据不是万能的。它不能反映一切问题：在前期的分析中不一定能找到创新的突破口或者潜在的需求点。在后期的效果验证中，往往又会显得很有说服力。我们要怀着客观的心态来关注数据，从不同的角度出发，与产品经理之间保持有效的沟通。

三、数据分析过程中4个注意事项

除了以上5点原则，在数据分析过程中，我们也要注意或避免以下4种的情况：

1、项目紧急，时间不够

在数据分析前期，先对要完成的事情做个计划表，内容包括以下几个方面：收集数据、整理数据、分析数据、总结报告。预估每个内容需要花费的时间，并将重点环节标注出来，合理安排时间。

2、注重收集，分析不够

数据分析的重点应该落在分析上，而不是数据的大量收集。在保证足够的数据信息后应立即投入整理和分析阶段。如若花了大量的时间去收集，在最后期限前基本没有时间进行分析，那最后提交的只会是一份粗浅的总结，而经过深入分析的数据报告才是真正有价值的。关于这个问题的解决，大家可以查看马海祥博客的《收集客户关系管理数据的策略和需求分析》相关介绍来解决。

3、注意数据的误区

数据是会骗人的。其中最有名的例子就是辛普森悖论。一所美国高校的两个学院，分别是法学院和商学院，开学时，人们以为有性别歧视。

法学院：(女生录取率高)

商学院：(女生录取率高)

单从学院数据来看，女生的录取率都比男生高，但是在总评中，女生的录取率比男生低。

为了避免这种情况，我们应该适当分组，并且调整某些组别的权重，根据业务来衡量可能会影响关联关系的一些潜在因素。

4、关注数据的时效性

数据可以告诉我们过去确实发生过的事情(如：用户的喜好、广告的效果等)，但是随着时间的推移，数据也会相应的发生变化。

因此，数据是有时效性的，太久以前的数据可能已经无法反映当下的情况，也就不能用来做设计决策。数据越实时，就越能利用这种数据来对当下的问题做最及时的调整。

马海祥博客点评：

其实，在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。一个企业的领导人要通过市场调查，分析所得数据以判定市场动向，从而制定合适的生产及销售计划。所以，数据分析对每个岗位都具有极广泛的应用范围。