在BI數據產品中，通過數據可視化，我們可以從數據中尋找模式（規律），關系和異常。可視化中優秀的交互設計，可以讓用戶更好的理解和分析數據。
一說到BI數據產品，交互設計師從數據產品經理那兒聽到的最多的，無非是連接數據源、數據建模、指標管理、用戶分群、事件分析、用戶行為分析、數據可視化、數據協同這些功能。數據產品也還是圍繞用戶（是數據分析師、運營人員還是管理層用？）、目的（為了實時監控、做數據探索還是對業務做深入的數據挖掘？）、場景（各個不同的業務場景？）、媒介（pc？移動？）、行為（建立圖表儀表盤步驟的心理模型？分享管理數據的行為路徑？）這幾個點展開的。這里從交互任務的角度，來談談BI數據產品中關于可視化的交互設計。
數據產品中的幾個基本概念
維度指的是人們分析事物的角度。比如，分析一個產品的新用戶，可以從地域角度看（新用戶主要來自哪些地方），也可以從近三天、近七年的時間角度去看（近三天新用戶的增長趨勢？近七天又如何？），也可以結合這兩個維度綜合去分析（北京、上海近七天新開戶使用產品的情況）。維度是一定有可以枚舉的值，比如新用戶從時間角度看，時間維度上有年、月、周、日，在交互上就可以對維度進行篩選，選擇只想看的枚舉值，比如只看11,12月份的新用戶數量。對于有層次關系的維度，在交互上可以變換維度粒度，進行數據鉆取，例如分析新用戶，可以從地域的省份，下鉆到具體的市、縣、鄉。
指標（度量）是指可以用數值來量化分析的維度元素，一般通過具體數值或比值來表現。比如人口數量、瀏覽時間、轉化率。復合指標則是通過多個指標之間進行運算建立的。
用戶分群：數據庫記錄的用戶數據其實就是一張表，這張表有離散數據（如地域分布，離散數據有枚舉值），也有連續數據（如成功下單次數）。用戶分群就是通過選定用戶屬性，對離散數據選取我想要分析的枚舉值（如選取廣州省、江蘇省的數據），對連續數據匹配選定我想要分析的范圍（如成功下單次數在5單到10單），將原始的數據表進行縮減的過程。
事件：具體的用戶行為或業務過程，例如一個電商產品可能包含的事件有：用戶注冊、瀏覽商品、添加商品至購物車、支付訂單。
如Amplitude可以按事件和用戶群篩選建立圖表。
現有的BI數據產品中，建立圖表、儀表盤有以下幾種方式：
探索式
類似于專業可視化軟件，沒有事件、用戶群單獨篩選的概念。用戶自己選擇維度和指標進行探索分析。
模板式
為業務場景提供常用的分析模板，每個場景下對應不同的圖表類型。
綜合式
既可以選擇常用模板進行分析，又可以探索式自定義建立新的圖表。如Growing IO。
可視化中的交互
可視化由視覺呈現和交互兩部分組成。可視化中的交互，可以緩解有限的可視化空間與數據量過載之間的矛盾，例如對于高維數據，交互上可以利用分組進行降維。從交互任務的角度，對數據產品中的單圖和儀表盤進行操作，常見的交互有：
選擇
能讓用戶標記出自己感興趣的數據對象，方便查詢和跟蹤變化情況。例如可以對表、單圖、儀表盤進行收藏，之后可以在“我的收藏“處查看選擇對象。
重配
提供觀察數據的不同視角，可以對圖表排列重新編輯、切換圖表形式。例如Amplitude提供了看趨勢的折線圖切換到看分布的柱狀圖的功能，但并不是每一個圖表都需要具備切換圖表形式的功能，如果切換的圖表類型不能幫助用戶得到結論那就不要加了。
編碼
可以自定義改變數據元素的顏色、大小、字體、形狀等。例如Echarts可以對圖表換膚，并對圖表做一些基本配置，這種個性化編碼的方式也運用到越來越多的數據平臺上。
抽象和具體
為用戶提供不同層級的信息，可以控制顯示更多或更少的數據信息。例如神策分析提供了對數據表進行合計的功能，展開可以查看具體的細節信息。數據觀提供了數據下鉆的功能，可以鉆取到有層級的維度的最小粒度。
過濾
通過設置約束條件實現信息的動態查詢，對離散型數據選擇枚舉值，對連續型數據圈定選擇范圍。常見的方式單選框、復選框、滑塊、文本框等。
關聯
顯示數據之間的聯系，多視圖對同一個數據在不同視圖中的不同的可視化表達。例如阿里云Quick BI通過關聯一張交叉表和地圖，可以通過操作地圖，動態篩選出交叉表里的信息。
溯源
向信息上游尋找數據變異的原因，例如Amplitude提供了在懸停狀態下可以對具體圖表進行溯源，神策分析則是通過點擊進行溯源。
對比
可以對不同的時間范圍、空間范圍進行對比，也可以自定義維度進行對比，還可以將總體數據和具體數據進行對比。
循米，交互設計一枚，專注大數據產品的交互設計。
