京公网安备 11010802034615号
经营许可证编号:京B2-20210330
设计思维对数据分析意味着什么?
从IBM这样的工业巨头,到Airbnb这样的初创公司,设计思维在 企业 团队的脑海中无疑处于最突出的位置。“筑巢引凤”的传统思维已经被客户分析和同理心驱动原型设计等技术所取代。如今讲究的是用户为先,而不是产品为先。
虽然设计思维并非新鲜事物,除了产品研发以外还有许多其他用例,但很多公司不知道如何利用这种思维来改善他们的业务,尤其是在数据分析和决策科学等新兴领域里。
究其本质,设计思维是把用户及其需求作为研发新产品和制定解决方案的出发点。首先是问:我们为谁设计?他们遇到了什么问题?其次:我们设计模型的目的是什么?是刺激消费和参与度、提升性能还是实现规模化?
这些问题着手分析工作的一开始就要提出来。不属于传统设计领域的人,包括数据和决策科学家,也可能成为出色的设计师,他们只是缺乏基本的指导来唤醒他们身体里这股沉睡的力量,并在数据密集的背景下加以运用。
有鉴于此,以下是向数据分析灌输设计思维的五个简单但关键的步骤:
1. 创建一种使你可以尽早回头的设计框架
企业可能会在没有建立适当框架的情况下,就匆忙地开始制定解决方案。这是错误的做法,会导致生产力的损失,使无数的人力物力浪费在从一开始就绝对不应该设计的产品上。
上图是斯坦福大学设计学院演示的一个简单框架,其参数能够应用于任何一种产品、想法或设计。这个框架使你可以保持正确的方向,专注于问题和你所服务的客户。同样重要的是,这个设计框架使你可以尽早回头并降低失败成本,不至于浪费资源试图把方形盒子放进圆形孔洞。
2. 站在客户的角度思考,让产品人性化
与传统的思维模式完全不同,设计思维寻找痛点,创造出满足需求或者解决问题的产品。作为问题解决者,在测试新想法或假设的过程中必须进行换位思考。
在上文提及的那个设计框架中,最左边的一栏完全只用来找出真正的问题和探究用户对那些问题的情绪反应。在设计过程的这一阶段,企业是站在用户的角度思考,深入了解客户需求的方方面面,为了透析客户而进行采访、开展调查、建立焦点小组并在日常环境中观察用户,勤勤恳恳地做记录和查看视频。结果可能会让你大吃一惊。
所有这些工具收集到的信息被用来定义问题和制定解决方案。最后,产品便具有了情感价值主张、生产力,以及从一开始就作为设计目标的易用性。
3. 专注于使你可以进行快速试验的问题解决方法
通过移情研究获得各种信息后,接着就是定义问题的艰苦工作。问题的描述方式应该清晰明了,包括谁是用户、他们想做什么、他们为何想这么做、是什么问题妨碍了他们、他们对问题有何感受。问题陈述应该有一个明确的着眼点,并能够激发快速试验。
美国银行(Bankof America)的“保存零头”服务就是一个很好的例子。起初,当该团队着手帮助客户增加储蓄的时候,他们发现问题不在于该银行的服务,而在于储蓄习惯难以改变,客户很少会主动增加存款。
利用设计思维原则,美国银行测试了不同的想法,发现储蓄过程实际上并不费事,只是需要站在用户的角度思考。最后,他们推出了一种借记卡,可以自动将每笔交易的支付金额取整,然后把零头直接存进储蓄账户。这项服务是自动进行的,而且只涉及多余的零头(不是整数),因此客户几乎不会注意到这种变化。该银行也受益匪浅。“保存零头”服务使美国银行获得了500万新客户、700万个新开支票账户和100万个新开储蓄账户,同时帮助客户总共增加了5亿美元存款。
4. 利用各种方法激发跨团队的创造性想法
在制定问题的解决方案时,要利用团队之间的交叉功能。记住,设计思维是一项团体活动。不久前,营销部门和 数据分析 还没有相互结合。随着企业内部的问题越来越复杂和隐晦,整合多个团队的观点和团队成员的不同看法对于产品的成功至关重要。获得跨团队见解的一个好办法是进行角色扮演,一个团队扮演用户,一个团队扮演产品开发者,一个团队扮演营销人员,等等。
如果你有数据科学家可供使用,各种统计学方法和回归分析法有助于发现意料之外的因素,并激发新的想法。机器学习技术和混合模型,比如决策树,能够根据重要性描绘不同的变量,这也能为设计思维过程提供依据。
5. 为了设计杀手级解决方案,让自然做你的向导
阿德里安·贝扬(Adrian Bejan)的名著《自然设计》(Design in Nature)写到,在自然界中发现的模式具有使传播范围最大化的倾向。比如,一条河分出很多支流,好让河水流经更广阔的地域。你会发现下图中的分布模式就具有这种倾向,以便更容易地进入各个位置。最好的设计方案也是一样:解决当前需求,同时为未来创造机遇。当你按照自然模式来指导设计时,最后得到的解决方案将在以后带来各种新的可能性(产品)。
房屋租赁网站Airbnb就是个很好的例子。2009年,该公司差点破产,努力想弄明白业务为什么没有起色。一天下午,该团队凝视着纽约市房源的搜索结果,他们发现,模糊不清的低分辨率照片不利于客户对房源产生好的观感。于是,Airbnb进行了一次试验。公司员工拿着相机前往纽约,为其用户拍摄房源的高清照片。在一周内,他们的营收翻了一倍。后来,Airbnb建立了一个由专业摄影师组成的庞大网络,帮助Airbnb用户拍摄漂亮的高清房源照片,不收取任何费用。作为一项额外待遇,专业摄影相当于Airbnb的正式认可,这提高了租户对房源信息的信任程度。专业摄影服务开启了交易“流”,甚至发展成为这家房屋租赁公司里的一个小部门。
就像自然界里的系统必须进化以求生存一样,如今企业面临的挑战变得日益复杂。然而,依靠适当的设计框架和上文列出的五个步骤,你可以加快产品开发过程,唤醒你身体里那股沉睡的设计力量。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在建筑工程造价工作中,清单汇总分类是核心环节之一,尤其是针对楼梯、楼梯间这类包含多个分项工程(如混凝土浇筑、钢筋制作、扶 ...
2026-01-19数据清洗是数据分析的“前置必修课”,其核心目标是剔除无效信息、修正错误数据,让原始数据具备准确性、一致性与可用性。在实际 ...
2026-01-19在CDA(Certified Data Analyst)数据分析师的日常工作中,常面临“无标签高维数据难以归类、群体规律模糊”的痛点——比如海量 ...
2026-01-19在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09