在大数据时代，每个人都在谈论数据可视化。良好的可视化可以帮助我们快速发现模式和原因；糟糕的可视化可能会得出错误的结论并产生误导。要想做好数据可视化，首先要搞清楚“看谁、看什么、怎么看”三大问题。

看谁

作为产品经理，首先要坚持“用户至上”的理念，搞清楚用户是谁。企业中的数据可视化平台主要面向企业的管理人员和不同业务人员。不同部门对数据分析的需求不同，需要根据具体情况来考虑。

例如，如果一家公司运营驾驶舱，则主要用户是公司管理层。在数据内容要求方面，能够充分体现业务的健康状况。指标涵盖公司的流量、收入、成本、用户、服务等，客户一般不会做太多。对于交互分析和产品设计，需要提供更多的分析结论和业务建议。可以具备自上而下的跟踪和执行能力，让老板更加依赖你的产品，第一时间发现业务问题。

再比如，产品线的人关注用户如何使用产品，遇到什么痛点，运营路径和转化率如何，如何改进。

看什么

目标用户确定后，需要了解用户的工作场景。数据产品比业务更懂数据，比数据更懂业务。这个环节主要体现产品经理的需求分析能力。需求分析有两个主要思想。一是根据业务需求直接变现。 PM的先决条件之一。看什么是解决呈现哪些数据指标的问题。

例如，对于客服部门的用户来说，评估的核心KPI是服务的一次性解决率，即用户能在最短的时间内给用户最满意的解决方案，解决用户的问题，化解矛盾，给用户留下最满意的解决方案。留下好印象不仅可以节省二次投诉的人工成本，还可以改善用户体验、持续活跃度或留存率。

仅关注这一指标是不够的。还需要对二级和三级指标进行分析和监控，比如日咨询量、投诉单占比等。在确定呈现哪些指标时，可以根据业务需求形成指标池， PM对业务的理解，进而运用OSM模型、UJM模型等指标体系构建方法，梳理指标之间的关系，构建全面准确的度量。商业状况的“良好指标系统”。

怎么看

可视化产品的目标是解决用户数据分析的效率问题。用户的下一步行动是什么？业务收入环比下降，那又如何？通常有两个分析方向。首先是相关指标的分析。可以使用杜邦在金融领域的分析方法来拆分指标，比如收入=GMV-成本，GMV=订单数量*平均价格，订单数量=UV*订单转化率，最终定位影响的关键指标。二是维度拆解法，即需要确定目标指标所支持的分析维度，收入下降，哪个产品线，哪个渠道，甚至哪个具体产品有问题。

一个好的BI工具可以大大提高用户数据分析的效率。以国内排名第一的观远BI一站式数据分析平台为例，提供图表、可视化和各种数据分析功能。现在观远BI官网也提供了长期数据分析功能。免费试用机会，大家可以试试。

综上所述，在数据可视化分析需求的过程中，核心要素是明确用户是谁，在做什么，重点关注哪些指标，指标体系是什么，分析思路是什么。其次是指标的统计口径，检测数据中是否有任何东西。