随着分析变得越来越普遍——几乎每一个战略和运营决策的传声筒——“说话的数据”不只是少数人的权宜之计，这是至关重要的。这就给我们带来了构建大多数分析基础设施的另一个绊脚石——民主化数据。

对于“分析即服务”来说，它仍然更简单，因为通常是一对一的参与。解决方案是根据个人(客户代表)的选择和胃口设计和传达的。参与有规律的节奏，解决方案顾问/分析师在充分认识业务问题、客户的角色和要求的情况下协调整个事件。然而，当我们进入产品领域时，情况就大不相同了。

SaaS嵌入式分析工具的产品经理(PM)在某些情况下是商业智能工具，在一个非常不同的领域运作。具有不同技术专长、不同需求、不同痛点和不同目标的人将使用正在制作的特性。一个客户可以拥有一大批分析师来支持业务用户(并且可以消化一个极客的界面);然而，另一个可能就没有这么幸运了。使用这些工具的舒适度也因部门而异，例如IT、营销、财务、人力资源和设施。

74%的员工在处理数据时感到不开心或不知所措

　　让一个解决方案适合所有人，是一门艺术

因此，pm在选择问题、概念化解决方案、设计工作流和设计UI时必须格外小心。我分享了一些我遵循的实践，以便某些问题，如低效或部分解决方案，低用户采用率，重新设计等，不会在部署后适得其反。

　　

　　产品特性选择

每个组织或PM都有不同的方法来优先考虑将要引入的特性。它还可能取决于用户的业务领域、产品所处的阶段、组织目标、客户承诺、竞争和技术环境等。除了可用的一般框架，例如RICE，我还使用这些指导原则(作为嵌入式分析工具的PM)来确保产品朝着民主化数据的方向发展。建议在当前业务流程和工具工作流中引入精选数据，而不是让业务用户经历一个数据旅程。

　　分析工具的功能设计指导原则

o更容易获取数据:对于业务用户来说，没有什么比投入大量时间、点击和精力来获取正确的数据源更令人沮丧的了。更糟糕的是，当他们不得不猜测的时候。考虑到他们的目标，这将是他们最不愿意花时间的地方。快速访问——就像在工作流程中一样——会让他们很高兴。简单的“异常通知”也是很好的第一步。之后为用户提供了设置触发器的刻度和阈值的灵活性。

o更容易理解数据:最近的一项研究反映，组织中越来越多的分析和BI采用的主要驱动力是自助服务。为了得到更广泛的接受，作为数据、信息或见解提供的内容必须易于理解。让我们不要混淆业务分析师的工作描述和业务用户的工作描述。提到精通数据并不一定意味着你就是数据专家。

　　

　　https://eazybi.com/blog/data-visualization-and-chart-types

o更容易采取行动:业务用户的主要责任是推动业务增长……就这样!其他一切都是实现这一目标的手段，包括数据。无论是月度销售差距分析报告、新员工人口比例、资源利用率还是应收账款老化报告。帮助他/她做决定，让他/她的生活变得轻松，而不是陷入大量的数据和复杂的可视化。系统是否能给出一些AI/ML推荐动作，为用户减少整个分析的痛苦?

　　了解用户

　　了解工具的用户是非常必要的。

　　o他们期望从数据中学到什么

　　o他们可以花多少时间分析数据

　　o他们能采取什么行动?他们的影响范围是什么

　　o他们的需求是什么

o他们的技术技能

　　是否有任何数据探索、可视化和报告的任务，用户可以自己完成，而不需要IT或分析师。系统能否在事情发生之前预测到，以便用户采取必要的行动?

　　牵手

我们都同意，数据和信息领域不是一个失控的胜利。有时，工作流可以简化的程度是有限的。作为项目经理，我们必须确保有足够的工具帮助和支持。您还希望用户注意到您的汗水和血液。未使用的特性比未引入的特性更糟糕。忙于日常业务活动的用户可能会错过最新更新中引入的新功能。数字采用平台(DAP)可以有效地提高客户的采用。如果没有dap，那么成本效益高的内部开发的帮助工具、用户指南、自动演练、灯箱和热点都可以成为谦逊的指导和教练。

　　产品智能是必须的

如果你的重点是采用你的工具，那么了解用户如何以及在哪里与你的工具交互是至关重要的。采用反映在两个方面——有多少人在使用和使用频率。无论该功能是最近推出的还是过去推出的，这都是理解人们为什么或为什么不使用某个功能的关键。客户使用率低可能有多种原因:

　　o他们不知道是否存在这样的特征

　　o他们不知道如何使用它

　　o他们不需要这个功能

　　o他们需要，但工作流程很复杂

　　o在系统内部或外部有一个可用的替代品

在上述每个场景中，都需要PM行动，一些团队需要进一步工作——文档、设计、营销、工程、客户支持或参与。