B端项目复盘：智能大数据分析平台 Nebula V2.1 任命|cto|战略|转型|数字化|永辉

编辑导读：本文作者详细地复盘了一次智能大数据分析平台 Neblua 平台优化重构的经历，从项目背景介绍，到过程中的难点分析和措施制定都展开了复盘并分享了自己的项目思路以及需要注意的问题，与大家分享。

文章插图
一、项目背景介绍Neblua是一个专为数据分析师/数据分析小白打造的一款一站式智能大数据分析平台，平台通过便捷的数据导入，清洗，智能可视化推荐辅助分析。通过简单拖拽配置可视化图表，内置多种模型和算法，提供智能分析和支持。让数据分析小白也可以快速制作属于自己业务需求的可视化分析图表。
Neblua平台已经优化迭代2期，本次在用户反馈的基础上对平台架构和体验做了较大调整。
二、问题梳理为了做好这次版本迭代，我们针对实际用户进行访问，梳理用户在使用过程中的问题和建议。并针对建议进行整合分析，寻找解决方案。
1. 问题总结

操作链路复杂：加载数据无法在页面中添加，用户加入新数据需要退出页面到数据管理中，流程复杂。
无法做到更深入的数据整理操作：不同用户对数据的关注点不同，如基层主管关注的是分散颗粒度的分析表（如部门/产品/销售量等）而“高层人士”关注的是相对高聚合度的数据。因此需要根据层次聚合数据，或对对数据进行更深入的整理。
运行时间长，效率低：当前版本用户建立完成数据流后运行时间长，用户无法快速找到数据信息。面对大量数据，人工查找脏数据耗时耗力。

根据任务流程梳理问题点：

文章插图
2. 用户分析数据分析者是对数据非常敏感，他们需要发现数据中存在的问题，挖掘数据价值，帮助公司或项目提升业绩。而在真正工作场景中，数据分析者既要面对海量数据，又需要了解业务协同沟通，是高强度脑力劳动，容易疲劳。
根据用户访谈我们发现，数据分析的第一步是对数据进行处理，而这部分往往会占到数据分析师大量时间，哈佛大学商学院一项研究也表明，在整个数据分析过程中，数据分析师整理数据往往会花费80%时间。
三、定义升级目标根据梳理的问题，我们定义了本次改版维度的目标：
（1）提升数据整理效率
优化部分：主要针对数据整理的功能优化和视觉提升可视化的数据整理流程展示；即时数据操作反馈预览；更快更智能的工作方式等
（2）防止疲劳
优化部分：主要优化信息结构和视觉部分；针对小屏幕做适配；阅读间距；护眼色彩等；

文章插图
【B端项目复盘：智能大数据分析平台 Nebula V2.1】问题优先级排序：我们根据改版目标和优化成本进行问题优先级排期，数据整理部分对是目前最高优先级。此次改版主要针对数据整理模块，优化数据整理流程和视觉流程。
四、设计策略1. 通过信息架构重构提升数据整理效率

文章插图
（1）布局尝试：两种布局探索

文章插图
（2）为什么选择侧边导航？
从产品属性和用户行为分析：

相对于顶部的全站导航，侧边导航做为局部功能导航，有相对的功能流程顺序关系。
数据整理视图和可视化视图分别承载数据整理和建立可视化的不同功能。在一个项目中，用户虽然可以单独使用不同模块功能，任务层面，这两个模块存在先后的任务关系。而从产品层面，我们更希望用户能够全流程的使用产品。强化用户心智模型。
行为更加集中：左侧导航和内容链接更强，侧面导航的收起功能，可以减少横向屏幕使用。

（3）为什么数据摘要上下布局？

视觉动线：如上图所示，上下布局的方式能够展示更多列数据摘要card信息，容易建立聚焦区域。视觉动线更清晰，从而降低获取信息的难度。而左右布局，视觉流程复杂，不方便查找信息。
符合用户习惯：右侧抽屉一般做为展示和简单的设置功能，是作为主页面的为次要功能附属存在。数据摘要部分是做为数据展示的重要区域，选择上下结构布局更适合。

2. 通过视觉优化提升数据整理效率（1）色彩体系选用
色彩与情感有紧密的联系，而在系统的设计中我们主要秉承两个原则：

色彩舒适：因为数据分析人员需要长期面对屏幕工作，因此色彩上不能选用高饱和颜色，不能刺眼。