交互設計師如何培養數據分析的能力呢

面對一大堆看似雜亂的數據，如何進行信息提取與數據加工，從中獲取自己想要的信息，并應用這些信息，有理有據的進行需求的討論、最終設計決策的推進，這是每一個交互設計師必修的課程。

在我看來，數據分析是很難的。利用你當下有限的數據資源(大多數數據往往掌握在產品經理、運營手上)去整理、分析并得出結果。

　　交互設計師如何培養數據分析的能力呢?

首先，要有數據收集分析的意識，掌握數據產生的來源;

其次，拿到數據后，在數據間找關聯性，深挖內在含義;

再次，掌握基本的數據分析方法，并在實戰中加以應用;

最后，將分析的結果應用到后續工作中，檢驗分析結果。

如此，循環往復，形成一種職業習慣，一個工作的流程。

從平時的工作中，總結出以下幾點數據分析時要注意的原則，在這里拋磚引玉，歡迎來拍：

　　1、明確數據分析的目的

要分析一份數據，首先得先明確自己的目的：為什么要收集并分析這樣一份數據?只有你的目的明確了之后，才能對接下來你要收集哪些數據、如何收集有一個整體的把握。當然你的目的可以是多個小點，(如：用戶在首頁瀏覽了哪些內容?登錄框在頁面上的重要程度?)只要這些點是一個個切實待解決的問題點，將其羅列下來，一個一個的去收集數據。

你分析的結果可能會改變整個項目，但有了數據的支撐，會讓項目或需求有一個全新的開始或細節的調整。

　　2、了解數據來源并收集

按照分析的目標中羅列的點，建立一個分析框架，并按照輕重緩急進行數據收集。與此同時，需要對數據是如何產生的，如何獲取這些數據進行相應的了解。在工作中應用到的數據統計工具有：金牌令箭、顯微鏡、CNZZ統計等，通過這些統計工具可以方便的進行數據的收集，同時交互設計師也要與前端保持溝通，了解數據統計的方法，適時添加統計的維度，請前端同學幫忙埋統計代碼。

　　3、掌握數據分析的方法

作為交互設計師，要掌握幾種基本的數據分析方法：對比分析法、分組分析法、結構分析法、平均分析法、交叉分析法……基于這些分析方法，我們可以對現狀、原因、未來有初步的了解，并進入后續更深入的分析。如：現狀分析適用于對現今站點或頁面的瀏覽點擊情況做一個數據統計與熱點分析，可以得出用戶的瀏覽路徑及關注重點。原因分析則側重于一個問題，深入挖掘答案。未來分析可用于與產品經理溝通時，對后期產品的規劃進行數據交流。

　　4、溝通分析結果

在溝通分析結果前，要注意不要只用手上僅有的資訊作判斷，如果手上的證據不足以完全反應實際狀況的時候，以數據分析結果作為決策就很容易出錯，尤其是單看某一個數據維度時。交互設計師要超前思考，考慮產品經理可能從中提出的問題，并給出回應。讓溝通高效且有意義。

　　5、騙人的分析結果

數據是會騙人的。其中最有名的例子就是辛普森悖論。一所美國高校的兩個學院，分別是法學院和商學院，開學時，人們以為有性別歧視。

法學院：(女生錄取率高)

商學院：(女生錄取率高)

單從學院數據來看，女生的錄取率都比男生高，但是在總評中，女生的錄取率比男生低。

為了避免這種情況，我們應該適當分組，并且調整某些組別的權重，根據業務來衡量可能會影響關聯關系的一些潛在因素。

　　6、數據不是萬能的

前期數據可以用來挖掘用戶需求，中期數據可以用來過濾產品功能，后期數據可以用來反映產品成敗。整個過程當中，數據還能舉證，作為產品經理與交互設計師之間的溝通內容。

但是，我們要認清一個事實：數據不是萬能的。它不能反映一切問題：在前期的分析中不一定能找到創新的突破口或者潛在的需求點;在后期的效果驗證中，往往又會顯得很有說服力。我們要懷著客觀的心態來關注數據，從不同的角度出發，與產品經理之間保持有效的溝通。

除了以上幾點原則，在數據分析過程中，我們也要避免以下幾種的情況：

　　1、項目緊急，時間不夠

在數據分析前期，先對要完成的事情做個計劃表，內容包括以下幾個方面：收集數據、整理數據、分析數據、總結報告。預估每個內容需要花費的時間，并將重點環節標注出來，合理安排時間。

　　2、注重收集，分析不夠

數據分析的重點應該落在分析上，而不是數據的大量收集。在保證足夠的數據信息后應立即投入整理和分析階段。如若花了大量的時間去收集，在deadline前基本沒有時間進行分析，那最后提交的只會是一份粗淺的總結，而經過深入分析的數據報告才是真正有價值的。

　　3、關注數據的時效性

數據可以告訴我們過去確實發生過的事情(如：用戶的喜好、廣告的效果等)，但是隨著時間的推移，數據也會相應的發生變化。數據是有時效性的，太久以前的數據可能已經無法反映當下的情況，也就不能用來做設計決策。數據越實時，就越能利用這種數據來對當下的問題做最及時的調整。