编辑导语：作为产品经理，除了关注最外显的设计规范，同时也要思考产品底层逻辑是否存在不一致的问题。
那么这就需要一套规则来进行规范。
本文将围绕数据产品设计规范来展开，分别从产品规划、产品形态、产品设计、产品规范这四个方面来规范产品设计的逻辑一致性。
值得阅读学习。
我经常读到一些关于设计规范的文章。
每次阅读完都有种醍醐灌顶的感觉。
同时我也会去反思自己负责的产品，是否也存在设计、交互不一致的问题。
作为产品经理，除了关注最外显的设计规范（大到页面布局，小到icon颜色），我也在思考产品底层逻辑是否也存在不一致的问题。
于是脑袋里涌现出一个想法——除了最外显的视觉和交互设计外，可能产品设计逻辑也需要一些“规范”。
应该有不少同学在访问一个系统/APP的不同页面或者不同功能模块时，可能都会产生“这个孩子有几个爸妈”的疑问？这种感觉一方面可能是来源于外显的设计不一致导致的，另一方面可能是产品设计逻辑不一致导致的。
互联网是个高速发展的行业，互联网产品也有快速迭代的特征，在一轮又一轮的迭代中，产品、开发、设计等不同职能的同学都有可能换了好几代。
开发更替对用户使用产品的影响是相对最小的，用户并不能明显感知到变化，只是要辛苦开发同学苦苦啃别人的代码（恨不得分分钟重写），设计和产品更替对用户影响更为明显，如果改动不是很大，用户可能会理解为又迭代了，如果改动很大，用户可能就会理解为人员变动。
换人是常态，但换人的背后还是需要一些规范和规则来维护产品在用户心中的品牌标识。
小到一个icon的交互，大到整个系统/APP的框架逻辑都需要围绕产品定位及目标进行设计。
本人目前在做的是数据产品，本次分享更多的会围绕数据产品设计规范来展开。
产品设计的逻辑一致性可以从四个方面来规范，分别是【产品规划】、【产品形态】、【产品设计】、【产品规范】。
一、面向企业外部的数据产品在分享之前，再简单介绍下数据产品及其分类。
数据产品以数据为基础，通过技术处理、产品策略挖掘数据价值，从而辅助用户/企业更优的做决策的一种产品形式。
数据产品根据分类维度不同，可以分成若干类型。
这里主要分享的是具备SaaS服务能力的数据产品，也叫做面向企业外部的数据产品。
这类数据产品由企业或个人开发，主要提供给外部企业使用，具备数据采集，计算，存储，展示和分析等功能。
SaaS数据产品有两大类型，一种是工具型，通过提供组件和报表服务，帮助业务提高数据分析效率，既包括SPSS、minitab之类的数据统计工具，也包括tableau、powerbi之类的数据可视化工具。
另一种是平台型，具备数据采集、处理与分析能力，结合业务痛点提供可视化产品和解决方案。
目前本人负责的是偏业务的数据产品，即数据的价值最终需要用于指导具体业务的开展，促进业务实现增长。
业务导向的数据产品，从产品规划到产品设计各个环节都需要围绕解决业务痛点开展，从而最大化实现数据的价值。
二、产品规划：设计的先导产品规划是产品经理工作的重要组成部分，也是产品设计的先导，那么该如何做好产品规划呢？产品规划交底书应该尽可能大而全，就像产品的北极星目标一样，这份规划能够指引产品在不同阶段的发展。
在开始构建一个产品前，建议先规划好这个产品至少近2年的最终全貌，让整个团队充分了解到产品布局；如果产品已经在构建中了，建议定期review规划，根据行业背景和业务需求等因素，判断是否需要变更。
想清楚一个较长远的产品规划后，还需要把这个规划进行拆解，按时间维度拆解到一年的、半年的、一个月的；或是按目标实现维度拆解成A模块、B模块。
制定任一产品规划都需要基于充分的市场研究、行业分析以及用户/客户需求分析。
在做好市场、行业、用户的基础功课后，剩下的便是需要结合战略的、组织的、产品的等不同层级的目标来设计产品的定位、目标以及具体的打法。
假设战略、组织等因素在一定周期内相对稳定，我们来具体看下如何来制定产品规划。
产品规划核心是要找到产品的卖点，也就是产品的核心竞争力。
确保产品卖点是符合市场和行业的趋势的前提下，尽量去挖掘用户、客户的需求，将琐碎的需求按照特定维度进行归纳和分类，同时深度挖掘需求的本质和产品定位，找到二者的契合点。
如何理解“需求本质和产品定位两者的完美结合”呢。
数据产品需要极致挖掘数据的价值，将数据转化为可视化产品。
挖掘数据的价值需要专研数据本身，基于使用场景去拆解数据信息，按照不同维度把数据进行归纳。
假设现在有一条视频数据，这条视频数据就包含了标题、图文、账号、播放量、评论等数据，这么多数据就可以根据场景来进行分类。
如果场景是分析爆款，则可以从标题、图文、评论等数据着手，如果场景是分析up主，则可以从账号数据着手。
产品定位就很好理解了，原则上来说数据的价值应该是服务产品定位的。
产品经理的工作就是需要基于对数据的理解，努力实现需求和产品定位两者的匹配。
三、产品形态：多样的服务有了产品规划之后，下一步就可以去构想产品形态了。
当然产品形态也需要结合用户、客户的使用场景。
数据产品与其他产品差异性在于，数据产品通常是基于大量数据分析聚类后呈现的结果。
而这一过程就涉及到数据波动、数据异常、数据敏感等诸多场景，针对这些场景对数据产品形态就有了更多的需求。
数据产品形态大致可分为三类，分别是平台系统、推送服务、专项服务。
平台系统解决的使用场景是“日常分析”，即用户需要了解业务的明细，并且需要针对异常进行下钻分析。
通过构建平台/系统的产品形式无疑是最好的选择。
这类数据系统通常包含三个大的模块，一个是首屏的数据看板，将最重要的、总结性的数据呈现在看板里，用户基于看板了解概况；第二个是若干产品模块，按照解决用户使用场景痛点的思路去构建；第三个是数据明细，满足用户了解详情、自助分析的需求。
推送服务解决的使用场景是“下场干预”，即用户需要在第一时间甚至提前获知信息，以留足时间构想预案并下场干预。
结合数据产品业务来看，推送服务根据内容性质可以分为两类，一类是异常的数据，可以用“预警”的推送形态。
所谓预警就是要以最快且最高效方式触达用户，通常触达的内容不需要太多，达到突出重点、言简意赅程度即可，目的是保证及时将信息推送给用户并且引起用户关注，常见的触达方式包括短信、消息等形式。
一类是常规的数据，可以用“报告”的推送形态。
所谓报告是比较正式的推送，要求触达的内容尽可能全面、详细，能够让用户通过报告大致掌握信息，通常以邮件方式下发触达。
专项服务解决的使用场景是“决策评估”，即用户提出了一个比较复杂的指定需求，依靠系统自动化的能力可以解决一部分，未能解决的部分依赖于专家咨询服务。
专项服务往往是线下服务，需要懂业务的专家参与分析和决策。
数据产品常见的专项服务场景是实现增长。
通过数据产品发现异常后，比如活跃降低，然后利用产品下钻分析能力快速定位到原因，最后提供提高活跃的解决方案，从而帮助用户提高活跃，实现增长。
专项服务往往是数据产品核心竞争力之一，也能够体现数据产品的核心价值——“发现问题-定位原因-闭环解决”。
四、产品设计：框架到模块根据用户的使用场景，确定了相对应的产品形态后，接下来就要具体思考产品设计了。
产品设计规范原则上来说是通用的。
就数据产品特点而言，数据产品模块和功能较多，在顶层设计前需要先搭建好系统框架，再往框架里填充内容；在填充内容过程中需要遵循共同的产品结构，让客户/用户感知到产品的整体性。
首先讲下系统框架，任何产品设计都要从需求出发，系统框架也不例外。
系统框架的工作是把收集到的各种零散的需求结合产品规划进行整合，从而提炼出大的模块，来作为产品发展的指南针。
在梳理框架的时候，需要处理好模块独立性和关联性。
所谓独立性，即各模块之间的功能和作用应该是相互独立的。
独立性通常需要结合业务场景来考虑，在产品上表现即是多个菜单栏提供的功能及其要解决的痛点应该是相互独立的，不要出现交叉。
所谓关联性，即各模块之间部分功能是具有相关性的，体现产品的全链路能力。
这种相关性在产品层面有两类表现，一类是简单的功能跳转，比如从A模块跳转到B模块，实现A和B在某些功能上的关联。
一类是复杂的功能复用，比如C模块需要用到A和B模块的部分功能，实现C模块的多维度综合分析。
在独立性和关联性的原则下搭建好产品的框架后，接下来就要进行各模块具体功能填充了。
既然是一个系统性的产品，那么同类模块产品设计应该具有一致性。
具体来讲，就是产品的结构（各功能的排列组合）应该是相同的。
这就类似于写作文一样，需要考虑以什么样的结构去呈现文章。
数据产品常用的结构是总分，即在头部呈现用户最感兴趣的内容，然后在进行下钻分析。
每一个模块的头部大概就是首屏的位置，通常需要把结论性的信息展示出来，呈现的信息需要尽量简洁明了，必要的信息附上链接跳转，方便用户针对感兴趣的或者有疑问的结论进行详细分析。
每一个模块的躯干部分就是支撑头部结论的详细数据，在产品展示上面，先借助可视化图表提炼关键信息，然后再展示相关结论的详情数据。
五、产品规范：细节的魔力最后是产品设计的具体规范了，数据产品设计规范的核心目的还是在于保持产品的一致性。
尽量把产品、交互的每一个细节做好，自然就会赢得用户的口碑。
大多数数据产品都是基于大数据作业的，系统上几乎是满屏的数值，所以首先要讲下数值的规范。
1. 数值的表示为了方便用于阅读并快速获取信息，建议4位数及其以下用千分位表示，如1,234；大于5位及以上，用w表示，比如234.4w。
对于大数值，千分位需要用户再反映下，用w表示更为直观明了，用户一下子就能了解到数值涉及的影响面。
2. 小数的位数到底是保留一位小数还是两位小数呢？具体需要看数据的重要性。
像股票、基金类的产品，小数一般是保留两位，就算是百分数也保留了两位，毕竟股票和基金的微小的涨跌幅都直接影响股民和基民的收益，当然是越精确越好。
大多数数据产品都具有统计意义，数值都比较大，一般来说对于小数的精确度要求没这么高，保留一位即可。
无论是数值的表示还是小数的位数，最重要的都需要统一，从细节让用户感知到系统的质量。
不能A功能数值用千分位，保留两位小数，B功能用w来表示，保留1位小数。
产品设计规范还需要保证“异常”情况的交互一致性。
首先需要明白异常情况是产品并不希望出现的，但却又是不可控的，所以一旦出现异常情况，势必会对用户造成负面影响。
针对异常，产品设计出发点应该是尽可能去引导用户。
对于大数据产品，经常出现的异常就是某个页面无数据，最简单粗暴的产品提示为“暂无数据”4个大字，这类提示只能说比空白页面好（容易让用户认为是bug）。
面对“暂无数据”这4个字用户可能还是会有疑问，究竟是真实数据出错还是程序计算出错而导致呢？优秀的无数据产品提示建议说明无数据原因或者是引导用户进行下一步操作。
针对不同场景产品设计方案：1. 客观无数据建议提示：暂无相关数据，系统无法计算结果2. 因为数据量过少导致某功能无数据建议提示：数据量过少，系统无法计算结果3. 因为用户没有配置而导致无数据建议提示：暂无数据，请前往xxx配置4. 不知道原因无数据建议提示：暂无数据，如有疑问请联系xx最后再总结下数据产品设计理念：第一，在产品规范阶段充分考虑用户痛点，结合产品定位打造产品竞争力第二，在产品形态阶段根据不同使用场景构建相对应的产品及其服务第三，在产品设计阶段先搭建顶层产品框架，再设计具体的产品功能第四，在设计规范阶段注意数据产品的统一性，友好处理异常流情况以上仅是本人在从事大数据产品策划工作中的一些经验，欢迎大家交流讨论，补充更多的产品设计方法和规范。
作者：morazhou，腾讯IEG产品策划；公众号：腾讯大讲堂本文由 @腾讯大讲堂 原创发布于人人都是产品经理，未经许可，禁止转载题图来自 Unsplash，基于 CC0 协议

（图片来源网络，侵删）