上篇談了我對設計師運用數據的意義的第一個思考：數據能夠促進溝通合作。詳述了數據如何解決溝通中“語言”、“角度”和“目標”不同的問題。
本篇將談談我的第二個思考：在設計中運用數據如何更好地體現設計價值。
首先從為什么要運用數據來體現設計價值開始。大多數的設計是為了解決問題，那么如何衡量設計的效果，就成為體現設計價值的關鍵。主觀的經驗判斷顯然是很難做到讓人信服，數據的客觀和量化的特點，使其能夠為設計提供了有效地評估。
接下來將展開論述運用數據如何更好地體現設計價值。
數據收集到的用戶行為能使我們更了解用戶。從我們通常獲取的數據來源說起比較容易理解，用戶在產品中的行為觸發數據請求或頁面埋點，代碼自動上傳用戶的行為統計數據，這些數據是用戶真實行為的結果。而我們知道用戶行為反映了用戶心智，通過數據分析建立用戶的心智模型調整設計方案進而引導用戶行為完成設計目的。
舉個例子，我們產品中有個傳播促新的功能，用戶把頁面分享到微信后即可拿到獎勵。我們發現70%以上的用戶選擇分享給好友。透過這個數據可以猜測分享者選擇渠道的心智：用戶在分享內容、分享受眾、行為成本、習慣認知等多方面考量后，做出了分享給好友的選擇。
可是在整個產品中，有很多的用戶行為數據。單純地對較顯著的某個數據進行追蹤顯然是不合理的。系統化地運用數據進行發現和解決問題才是數據之于設計的重要作用。
讓我們回想一下上篇中設計師與產品經理溝通的場景，梳理梳理在那場“話語權爭奪戰”中爭奪的是什么？
這場持久戰分三步推進，每一步都至關重要。
第一步：有沒有找到關鍵問題
第二步：問題有沒有被解決
第三步：問題解決的好不好
在設計中通過運用［問題－假設－驗證］的數據化設計思維來解決上述三個步驟的問題，助力發揮設計價值。
|找到關鍵問題
設計開始前，我們先弄清楚需求是從哪兒來的？
大多會得到四種回答：其一，有不加思索地回答是產品經理/boss提的；其二，理直氣壯地回答說用戶反饋的；其三，有數據意識的會說分析數據就能發現問題，甚至懂一些數據指標會說這個異常數據節點有問題。前二種在設計過程中最容易陷入主觀臆斷，憑感覺決定設計關鍵點或者全都是重點；后一種會陷入大量的數據中無法自拔，這里顧不上那里不透徹，等于沒有運用數據，當然不排除有運氣好的時候。
第四種回答是既有定性的數據，也需要通過定量數據來補充支撐定性結論。定性數據來源于用戶反饋、用戶訪談等手段，定量數據是統計數據而來，兩者相輔相成。
探求需求來源是找到關鍵問題的第一步。問題來源確定了才能對問題原因進行補充和分析。補充和分析的過程也就是展開思維的框架的過程，從理解業務、分析流程和分析數據三個角度做全面地關聯分析，而不光是設計體驗上的分析。分析出原因還不夠，還需要設定“小目標”，通過一個一個的小目標來把控大方向。
還用前文提到的傳播促新的功能舉例，產品的優化需求提出是因為目前未實現促新轉化。雖然有15%的分享成功率，但分享渠道內受眾的打開率和頁面按鈕點擊率都是極低。
以下是幾個關鍵信息，從業務背景分析，該功能是計劃作為產品的變現功能之一，但因業務邏輯較新還在驗證階段，并且目前未實現訂單轉化；從設計流程分析，整個功能流程太長、用戶激勵不及時留存低、表達概念復雜難理解、操作復雜跳轉多；從用戶統計數據來看，充值按鈕點擊率是整個流程中看起來最低的數據。
但通過參考產品內相似的數據來看，該數據其實是屬于正常范圍內。結合分析用戶分享的心智來看，B頁面的訪問率才是異常數據。再根據對業務的理解，得出優先提升B頁面的訪問率來驗證業務模式，確定其為關鍵數據指標，并設定1次分享2個用戶訪問（B頁面訪問率200%）的目標。
|提出方案
關鍵問題和設計優先級已經確定，接下來就是方案設計的部分了。這個階段需要把前文中提到用戶行為數據分析出的用戶心智模型運用起來。有可能會提出多個方案的假設需要驗證，一般情況下會最終選定一個方案上線，但都是以上個階段確定的數據指標做決策。
|效果驗證
方案在無法得到效果反饋的情況是無法得知是否是好方案，更別說能看出設計的價值。各種主觀認定的優化需求提出在這種情況下也是完全可以理解的。因為真的不知道上一個版本是不是解決了問題。數據化設計模型通過對數據指標評估，來衡量問題是否被解決和解決的好不好。
［問題－假設－驗證］的數據化設計思維是把數據作為整個設計流程的基礎：設計結合數據發現問題形成方案假設，方案驗證后收集數據評估，獲得認知的循環過程。
一種方法的引入是為了解決現有體系內的問題。把數據引入設計流程中，不但幫助設計師有效地實現溝通，而且能夠通過用戶行為數據輔助完成更符合用戶心智模型的設計，還能把數據分析運用到設計流程中量化設計價值。以上便是我在2016年進行數據實踐過程中，對設計師應有的數據觀的一些思考，僅此與各位分享。
