編輯導語：不少産品都會應用機器學習、低代碼這類概念，而這類概念對大衆用戶而言，可能并不屬于他們所熟悉的領域，此時這類工具産品要如何搭建産品設計策略，讓用戶可以方便快捷地上手體驗呢？本文作者結合Amazon SageMaker Canvas這款産品進行了體驗總結，一起來看。

低代碼是最近幾年B端産品的一個熱門領域，能夠實現隻寫少量代碼或不寫代碼，類似用“樂高積木”的方式來開發。優勢也是顯而易見的，可以提高産品的開發效率，無開發能力的用戶也能夠快速上手。

而在數據建模領域，為了能夠精準預測未來結果，業務分析師需要能夠有專業的數據分析方法，甚至是代碼編寫能力。這對運營人員、市場人員人員是一個不小的挑戰。

Amazon SageMaker提供了Canvas服務，通過可視化、點擊式的交互方式，業務分析師無需編寫任何代碼，也無需 ML 專業知識，就可以生成準确的機器學習 (ML) 預測。聽起來很牛，但是真正的體驗怎麼樣呢？今天我們來測評一下。

文章結構如下：

1. 用戶場景，數據建模之痛；
2. 用戶需求，業務分析師工作流程；
3. 産品交互，構建精緻的體驗設計；
4. 視覺風格，塑造輕量設計語言；
5. 場景拓展，體驗升級；
6. 産品體驗優化建議。

一、用戶場景分析

說起“數據建模、數據預測、數據分析”這些高大上的名詞，很容易讓普通用戶望而卻步。

而我正是一名小白用戶，不過我也是一名體驗設計師。如今從事數據産品設計的相關工作，每天會跟各種數據庫導入導出、實例、清洗治理等等功能打交道。内心對于這些信息還是有些不适應，因為行業門檻确實很高，不是普通用戶所能輕易理解的。

同樣對于業務分析師來說，複雜的數據建模也存在較高行業門檻。我們想象一個場景。

業務分析師小A想要進行數據分析，但是個人能力有限，面對複雜多變的數據集，費時費力，隻能用excel 完成簡單的數據圖表可視化，但是數據内在的聯系，相互影響的程度，很難分析出來。所以需要求助于專業的數據分析師。于是聯系到了數據分析師小C，兩者開始了面對面的溝通。

小A：C工，我邊想要有一組客戶數據，想要預測下他們未來貸款的可能性。每個用戶大概有20多個指标。這麼辦呢？

小C：哦哦，這個簡單，你可以balabala……~

小A：……（一頭霧水~）C工，能不能講的簡單點？

小C：你可以先……再……

小A：C工，你能幫我實現一下嗎？

小C：可以，不過我最近比較忙，需要過一段時間才能處理這個需求。另外請走一個需求單給我。

小A：……

此時小A的内心是崩潰的。

我想很多業務分析師都會遇到這樣場景。如何能夠幫助沒有專業代碼技能的業務分析師拿到想要的預測結果呢？這可能嗎？

二、用戶需求

B端産品必須面向用戶需求，解決用戶問題。所以必須要明白用戶是誰，需求是什麼。

我們要介紹一下用戶Canvas 服務的用戶群體之一——業務分析師。

業務分析師需要通過現有數據，發現未來的機會點。例如銀行的業務分析師需要為營銷部門即将開展的營銷活動确定目标客戶，需要根據包含客戶人口統計和銀行曆史記錄的數據集，預測最有可能注冊存款證的客戶。或者作為業務分析師，如何通過對客戶數據的分析，幫助營銷外呼團隊發現更有意願接聽電話的用戶，從而提高團隊的營銷效率呢？這些都是業務分析師的重要工作。

業務分析師的日常工作可能會涉及以下過程：

1. 數據準備

數據分析師會收到一個數據集，包括來自不同渠道或者不同表格的數據進行合并整理，根據自己的經驗，去除重複或者無效的字段信息，提高原始數據的質量。

2. 數據處理

通過專業的數據分析工具，或者編寫代碼完成數據預測。如果結果不理想，還需要反複調整數據模型。這個階段通常會花費較長的時間，分析師相當于反複試錯，尋找到合理的數據模型。

3. 結果呈現

完成數據處理後，還需要通過各種數據圖标，呈現出數據對結果的影響權重等等。

而在普通企業中，并不會配備專業的業務分析師，而是由運營人員、市場人員做出結果預測。這些人員一般不具備專業的數據建模能力，隻能通過excel 或者分析軟件對數據集進行簡單的加工。如果是對未來數據的預測，簡單的數據分析是無法滿足工作需要的。

另外站在企業的視角，業務分析師建立了基本的模型後，希望可以進一步優化數據模型，提高數據預測的準确率，将模型沉澱成為企業的數據資産，為企業發揮更大的價值。所以需要将分析師完成的數據模型交給專業的數據科學家進一步優化。

所以這樣一款産品的用戶需求就是：

• 簡單，最大化減少産品的技能門檻；
• 高效，讓用戶可以盡快拿到預測數據；
• 協作，将模型沉澱為公司資産。

三、産品體驗設計分析

與傳統的業務分析師相比，互聯網時代的業務分析師面臨的不是數據匮乏，而是數據過剩。因此，互聯網時代的數據分析師必須學會借助技術手段進行高效的數據處理。更為重要的是，互聯網時代的業務分析師要不斷在數據研究的方法論方面進行創新和突破。

從體驗設計維度來看，我總結了如下幾點：

1. 簡單，易操作

Canvas賦予了普通業務人員建模能力，隻要你有數據和需求，就可以通過上傳數據的方式，創建自己的模型，并獲得預測結果。并且可以将模型信息分享給專業的數據科學家，讓他們進一步優化模型。所以測評的第一感受就是“簡單”。

1）新人引導

為了降低用戶的學習成本，新人引導是必不可少的。通過簡單的引導可以讓用戶快速上手。

2）流程簡單

業務分析師隻需要将數據優化處理後，上傳到Canvas 中，經過簡單的4步操作，即可完成數據預測。這大大地提高了用戶的工作效率以及工作的準确率。

2. 提升用戶效率

1）流程并行

雖然Canvas是有步驟流程的，但是步驟之間沒有強制性。就是說不需要必須完成上一步，才能點擊查看下一步。因為構建模型可能花費2-15分鐘的時間。用戶可以回顧數據信息、構建方式等信息，查看信息是否缺失或者配置錯誤。

另外用戶在模型創建過程中，也可以關閉當前工作流程，讓其在後台運行。用戶可以創建或者查看其他的數據模型，從而保證了效率的最大化。

2）預覽模式

無論是Quick Build 還是Standard Build，智能分析都需要耗費一定的計算時間。用戶最擔心的就是無法掌控數據質量帶來的時間損失。所以在啟動模型計算之前，Canvas提供了計算結果預覽，避免用戶耗費了時間得不到想要的結果。并且結果的預覽，為用戶提供了反向篩查數據的依據。讓小白用戶做模型預測，不再是開盲盒。從而減少用戶的無謂試錯，增強用戶信心。

3. 便捷，減少用戶不必要的退出

1）數據智能化配置

考慮到用戶需要對數據進行二次加工，Canvas 提供的數據連接功能，用戶可以将多個數據組合優化，建立新的數據。系統可以自動判斷數據是否具有關聯性，并可以指定連接的方式。

2）多版本設置

用戶很難一次性獲得理想的數據模型，會通過多個版本尋找最優的解決方案。Canvas提供了版本管理功能。用戶創建新版本時會自動帶入上一版本的内容，隻要對指标數據做出調整即可，并且可以快速切換，比起全新構建模型更加方便。

4. 可視化設計，提升體驗

1）數據可視化

機器學習建模等等，數據質量是關鍵。通過Canvas ，用戶可以從多個維度了解自己的數據，真正地為數據建模做好準備。

表格數據都是散點數據，不夠直觀。所以需要借助圖形可視化，幫助用戶更直觀地認識數據質量。例如數據的分布情況等等。Canvas 列表模式中增加了數據可視化分析，點擊表頭，還會展示更詳細的數據分析信息。

2）結果的可視化

單純的計算結果對用戶并沒有太大意義，所以需要向用戶解釋影響計算結果的關鍵指标。幫助用戶更好地做出行動決策。Canvas提供了圖表展示形式，既可以更好地理解計算結果，也便于用戶快速完成分析報告。

另外高級指标分析中，進一步展示了指标間的邏輯關系。

四、視覺風格分析

視覺風格是“見仁見智”的，每個人都有不同的視覺感受。打開Canvas 後，你會明顯地感受到與整個亞馬遜雲科技産品設計風格的不一樣。由于面向非技術專業用戶，雖然集成在亞馬遜雲科技平台上，但是采用了更多C端化的設計風格，樣式更加輕量，增加了插畫的元素。更加親切。

五、場景拓展、體驗升級

B端産品不僅僅要解決用戶問題，還要考慮到客戶場景，用戶間的協作與管理。例如用戶可能隻是為了簡單的離線檢測驗證，需要能夠快速獲得預測結果，而有的用戶則希望能夠為專業的數據科學家提供基礎模型，從而獲得更精确的預測結果。

Canvas提供了Quick Build 和Standard Build兩種模型構建方式。

Quick Build 速度更快，但是精度上會有所誤差，隻需要2-15分鐘就可以完成結果預測。

Standard Build 精度更高，相應的時間也會更長，大概需要2-4個小時。并且标準模式下，産生的模型可以一鍵分享給數據科學家或者其他同事，進行優化升級。

六、Canvas 體驗優化建議

Canvas 也并不是完美無缺的。在體驗過程中，我也發現了一些體驗細節問題，主要包括2個大類的問題。希望能夠改進疊代優化。

1. 信息反饋

1）頁面提示

用戶首次上傳數據時，無法直接上傳内容。頁面中僅僅采用文字按鈕提示用戶可以“了解更多”。用戶看到這樣鍊接時，很容易想到幫助中心大段的文字。所以主動點擊的意願并不強烈。

我個人就是多次查看其他内容後，沒有辦法最終選擇了點擊鍊接。發現在幫助中心中插入了S3桶的鍊接，需要再次跳轉到相關頁面，才能完成數據上傳，無形中增加了用戶的操作成本。

因此頁面中需要給用戶精煉的提示和功能型按鈕，給用戶解決方案，而不是簡單的鍊接的形式。

2）操作提示

在S3桶中增加了數據後，在Canvas 導入時，無法選擇非CSV格式的文件，例如excel文件，但是頁面上沒有相應的提示信息，需要用戶自己摸索。

3）用戶路徑

Canvas相當于一個獨立的功能空間，與亞馬遜雲科技是相互隔離的，頁面中缺少返回Amazon SageMaker 和控制台的路徑或者鍊接，用戶不知道該如何返回。

2. 效率提升

1）操作效率

Canvas中導入的備選數據，無法直接删除，必須要去“數據管理”中才能删除。對于導入誤操作用戶或者強迫症用戶特别不友好，同時也增加了用戶操作成本。

2）屏顯效率

一屏的顯示效率，特别是空頁面狀态，信息展示不全。用戶隻有滑動後才能看到上傳提示信息。

3）頁面跳轉效率

在亞馬遜雲科技産品中所有任務都在同一個浏覽器窗口中完成，用戶無法并行操作多個窗口。當用戶在Canvas中需要完成長時間的模型計算時，如果需要退出當前窗口，必然會産生模型計算是否會停止的擔心。同時增加了頁面跳轉帶來的操作成本。

七、總結

通過Amazon SageMaker Canvas的測評體驗，我們可以總結下數據産品該如何做好産品體驗：

• 圍繞用戶需求和場景，構建用戶體驗目标；
• 減少強制流程，打造并行功能，實現用戶的高效操作；
• 數據表格可視化處理，建立多維度數據呈現，幫助用戶深度認知；
• 關注用戶場景拓展，通過協同機制，提升用戶體驗。

以上就是我的個人體驗~

#專欄作家#

子牧先生。公衆号：子牧UXD（HelloDesign），人人都是産品經理專欄作家。産品體驗設計師。8年互聯網行業經驗，擅長體驗設計思維、設計方法論、交互設計研究。

本文原創發布于人人都是産品經理，未經許可，禁止轉載。

題圖來自 Unsplash，基于 CC0 協議。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部