浅谈可视化中的交互设计
在BI数据产品中，通过数据可视化，我们可以从数据中寻找模式（规律），关系和异常。可视化中优秀的交互设计，可以让用户更好的理解和分析数据。
一说到BI数据产品，交互设计师从数据产品经理那儿听到的最多的，无非是连接数据源、数据建模、指标管理、用户分群、事件分析、用户行为分析、数据可视化、数据协同这些功能。数据产品也还是围绕用户（是数据分析师、运营人员还是管理层用？）、目的（为了实时监控、做数据探索还是对业务做深入的数据挖掘？）、场景（各个不同的业务场景？）、媒介（pc？移动？）、行为（建立图表仪表盘步骤的心理模型？分享管理数据的行为路径？）这几个点展开的。这里从交互任务的角度，来谈谈BI数据产品中关于可视化的交互设计。
数据产品中的几个基本概念
维度指的是人们分析事物的角度。比如，分析一个产品的新用户，可以从地域角度看（新用户主要来自哪些地方），也可以从近三天、近七年的时间角度去看（近三天新用户的增长趋势？近七天又如何？），也可以结合这两个维度综合去分析（北京、上海近七天新开户使用产品的情况）。维度是一定有可以枚举的值，比如新用户从时间角度看，时间维度上有年、月、周、日，在交互上就可以对维度进行筛选，选择只想看的枚举值，比如只看11,12月份的新用户数量。对于有层次关系的维度，在交互上可以变换维度粒度，进行数据钻取，例如分析新用户，可以从地域的省份，下钻到具体的市、县、乡。
指标（度量）是指可以用数值来量化分析的维度元素，一般通过具体数值或比值来表现。比如人口数量、浏览时间、转化率。复合指标则是通过多个指标之间进行运算建立的。
用户分群：数据库记录的用户数据其实就是一张表，这张表有离散数据（如地域分布，离散数据有枚举值），也有连续数据（如成功下单次数）。用户分群就是通过选定用户属性，对离散数据选取我想要分析的枚举值（如选取广州省、江苏省的数据），对连续数据匹配选定我想要分析的范围（如成功下单次数在5单到10单），将原始的数据表进行缩减的过程。
事件：具体的用户行为或业务过程，例如一个电商产品可能包含的事件有：用户注册、浏览商品、添加商品至购物车、支付订单。
如Amplitude可以按事件和用户群筛选建立图表。
现有的BI数据产品中，建立图表、仪表盘有以下几种方式：
探索式
类似于专业可视化软件，没有事件、用户群单独筛选的概念。用户自己选择维度和指标进行探索分析。
模板式
为业务场景提供常用的分析模板，每个场景下对应不同的图表类型。
综合式
既可以选择常用模板进行分析，又可以探索式自定义建立新的图表。如Growing IO。
可视化中的交互
可视化由视觉呈现和交互两部分组成。可视化中的交互，可以缓解有限的可视化空间与数据量过载之间的矛盾，例如对于高维数据，交互上可以利用分组进行降维。从交互任务的角度，对数据产品中的单图和仪表盘进行操作，常见的交互有：
选择
能让用户标记出自己感兴趣的数据对象，方便查询和跟踪变化情况。例如可以对表、单图、仪表盘进行收藏，之后可以在“我的收藏“处查看选择对象。
重配
提供观察数据的不同视角，可以对图表排列重新编辑、切换图表形式。例如Amplitude提供了看趋势的折线图切换到看分布的柱状图的功能，但并不是每一个图表都需要具备切换图表形式的功能，如果切换的图表类型不能帮助用户得到结论那就不要加了。
编码
可以自定义改变数据元素的颜色、大小、字体、形状等。例如Echarts可以对图表换肤，并对图表做一些基本配置，这种个性化编码的方式也运用到越来越多的数据平台上。
抽象和具体
为用户提供不同层级的信息，可以控制显示更多或更少的数据信息。例如神策分析提供了对数据表进行合计的功能，展开可以查看具体的细节信息。数据观提供了数据下钻的功能，可以钻取到有层级的维度的最小粒度。
过滤
通过设置约束条件实现信息的动态查询，对离散型数据选择枚举值，对连续型数据圈定选择范围。常见的方式单选框、复选框、滑块、文本框等。
关联
显示数据之间的联系，多视图对同一个数据在不同视图中的不同的可视化表达。例如阿里云Quick BI通过关联一张交叉表和地图，可以通过操作地图，动态筛选出交叉表里的信息。
溯源
向信息上游寻找数据变异的原因，例如Amplitude提供了在悬停状态下可以对具体图表进行溯源，神策分析则是通过点击进行溯源。
对比
可以对不同的时间范围、空间范围进行对比，也可以自定义维度进行对比，还可以将总体数据和具体数据进行对比。
循米，交互设计一枚，专注大数据产品的交互设计。
