上篇谈了我对设计师运用数据的意义的第一个思考：数据能够促进沟通合作。详述了数据如何解决沟通中“语言”、“角度”和“目标”不同的问题。
本篇将谈谈我的第二个思考：在设计中运用数据如何更好地体现设计价值。
首先从为什么要运用数据来体现设计价值开始。大多数的设计是为了解决问题，那么如何衡量设计的效果，就成为体现设计价值的关键。主观的经验判断显然是很难做到让人信服，数据的客观和量化的特点，使其能够为设计提供了有效地评估。
接下来将展开论述运用数据如何更好地体现设计价值。
数据收集到的用户行为能使我们更了解用户。从我们通常获取的数据来源说起比较容易理解，用户在产品中的行为触发数据请求或页面埋点，代码自动上传用户的行为统计数据，这些数据是用户真实行为的结果。而我们知道用户行为反映了用户心智，通过数据分析建立用户的心智模型调整设计方案进而引导用户行为完成设计目的。
举个例子，我们产品中有个传播促新的功能，用户把页面分享到微信后即可拿到奖励。我们发现70%以上的用户选择分享给好友。透过这个数据可以猜测分享者选择渠道的心智：用户在分享内容、分享受众、行为成本、习惯认知等多方面考量后，做出了分享给好友的选择。
可是在整个产品中，有很多的用户行为数据。单纯地对较显著的某个数据进行追踪显然是不合理的。系统化地运用数据进行发现和解决问题才是数据之于设计的重要作用。
让我们回想一下上篇中设计师与产品经理沟通的场景，梳理梳理在那场“话语权争夺战”中争夺的是什么？
这场持久战分三步推进，每一步都至关重要。
第一步：有没有找到关键问题
第二步：问题有没有被解决
第三步：问题解决的好不好
在设计中通过运用［问题－假设－验证］的数据化设计思维来解决上述三个步骤的问题，助力发挥设计价值。
|找到关键问题
设计开始前，我们先弄清楚需求是从哪儿来的？
大多会得到四种回答：其一，有不加思索地回答是产品经理/boss提的；其二，理直气壮地回答说用户反馈的；其三，有数据意识的会说分析数据就能发现问题，甚至懂一些数据指标会说这个异常数据节点有问题。前二种在设计过程中最容易陷入主观臆断，凭感觉决定设计关键点或者全都是重点；后一种会陷入大量的数据中无法自拔，这里顾不上那里不透彻，等于没有运用数据，当然不排除有运气好的时候。
第四种回答是既有定性的数据，也需要通过定量数据来补充支撑定性结论。定性数据来源于用户反馈、用户访谈等手段，定量数据是统计数据而来，两者相辅相成。
探求需求来源是找到关键问题的第一步。问题来源确定了才能对问题原因进行补充和分析。补充和分析的过程也就是展开思维的框架的过程，从理解业务、分析流程和分析数据三个角度做全面地关联分析，而不光是设计体验上的分析。分析出原因还不够，还需要设定“小目标”，通过一个一个的小目标来把控大方向。
还用前文提到的传播促新的功能举例，产品的优化需求提出是因为目前未实现促新转化。虽然有15%的分享成功率，但分享渠道内受众的打开率和页面按钮点击率都是极低。
以下是几个关键信息，从业务背景分析，该功能是计划作为产品的变现功能之一，但因业务逻辑较新还在验证阶段，并且目前未实现订单转化；从设计流程分析，整个功能流程太长、用户激励不及时留存低、表达概念复杂难理解、操作复杂跳转多；从用户统计数据来看，充值按钮点击率是整个流程中看起来最低的数据。
但通过参考产品内相似的数据来看，该数据其实是属于正常范围内。结合分析用户分享的心智来看，B页面的访问率才是异常数据。再根据对业务的理解，得出优先提升B页面的访问率来验证业务模式，确定其为关键数据指标，并设定1次分享2个用户访问（B页面访问率200%）的目标。
|提出方案
关键问题和设计优先级已经确定，接下来就是方案设计的部分了。这个阶段需要把前文中提到用户行为数据分析出的用户心智模型运用起来。有可能会提出多个方案的假设需要验证，一般情况下会最终选定一个方案上线，但都是以上个阶段确定的数据指标做决策。
|效果验证
方案在无法得到效果反馈的情况是无法得知是否是好方案，更别说能看出设计的价值。各种主观认定的优化需求提出在这种情况下也是完全可以理解的。因为真的不知道上一个版本是不是解决了问题。数据化设计模型通过对数据指标评估，来衡量问题是否被解决和解决的好不好。
［问题－假设－验证］的数据化设计思维是把数据作为整个设计流程的基础：设计结合数据发现问题形成方案假设，方案验证后收集数据评估，获得认知的循环过程。
一种方法的引入是为了解决现有体系内的问题。把数据引入设计流程中，不但帮助设计师有效地实现沟通，而且能够通过用户行为数据辅助完成更符合用户心智模型的设计，还能把数据分析运用到设计流程中量化设计价值。以上便是我在2016年进行数据实践过程中，对设计师应有的数据观的一些思考，仅此与各位分享。
