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
B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22