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
在传统零售行业同质化竞争激烈、大众营销转化率持续走低的背景下,依托经验与直觉的粗放式营销逐渐失效。美国塔吉特百货(Target ...
2026-10-10随着智能客服、数字化服务、用户精细化运营的快速普及,传统零散、非标准化的客户服务数据与业务体系逐渐难以支撑高效服务治理。 ...
2026-10-10 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-10-10CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09在数字化精细化运营时代,海量用户存在需求差异、行为差异、价值差异与偏好差异。如果企业采用“一刀切”的统一营销、统一服务、 ...
2026-10-09 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-10-09指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08随着市场竞争日趋饱和,同质化低价竞争逐渐陷入内卷僵局,传统以价格、渠道、促销为核心的营销模式边际效益持续递减。在此背景下 ...
2026-10-08 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-10-08你有没有想过,手机里点外卖、刷社交软件、转一笔账,背后到底是谁在替你"记着账"? 答案其实很简单:数据库,以及跟它对话的那 ...
2026-10-07CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29