教育领域-数据可视化平台建设项目

Posted 2022-12-19 nana_WZN

前言：从事教育领域数据产品工作一年多时间，共落地两个教育数据可视化平台项目（对公），在此复盘下做这类项目的大致流程，希望能够帮助在这个领域仍艰难前行的打工人。（文字功底有限，想到哪写到哪，有点流水账）

一 熟悉行业

为了不犯该领域的常识性错误，以及后续的指标体系搭建工作能够顺利开展，需要对行业有一定的认知。教育行业肩负着培养祖国花朵的重任，对各项工作都会严格要求，各种数据指标的建设工作都要参照国家的标准文件，对指标的命名都要做到有来源、有依据。（PS：被领导ds过指标名称）。

二 前期调研

这里的调研属于简单调研，需要了解：
1.用户产生该需求的原因、项目背景；
2.用户会根据他们的需求大致列出他们想要的产品形态及功能点；
3.在该领域，已经有什么类似的产品，都包含了哪些功能；（知己知彼）

三 产品方案设计

以目标为驱动。根据用户需求确定产品目标：建设领导驾驶舱，大数据辅助区域教育决策，做到用数据说话，为教、学、管、研、评提供数据支撑。
教学维度：实现基于大数据的精准教学；
学习维度：实现基于行为数据的个性化学习；
管理维度：实现人财物管理的可视化；
研修维度：实现以教育画像为驱动的精准教研；
评价维度：构建基于大数据的精准评价体系。

1.数据指标体系的初步规划设计

梳理用户的需求之后，已经对用户需求有了一定了解，大致规划下需要建设哪些板块。（我们这里主要考虑的是数据可视化产品方案，所以产品设计要先有大致的功能规划后，就要开始指标内容的设计）围绕着教学管研评，初步规划了教育概况、教育治理、教育画像、教育教学共四个板块。（这里要将用户重点关注的内容单独设为一个模块）教育概况为教育的宏观数据呈现，教育治理为管理纬度，教育画像围绕研与评维度，教育教学围绕教与学维度。其中教育治理模块又分为：区域信息化监测、教育优质均衡、教育资源投入；教育画像模块又分为学校画像、教师画像、学生画像共三个板块。
整体的框架设计好之后，确定每个板块大致放入的指标内容。考虑的角度：
a. 该领域的一些必备常规指标
b. 用户需求中可直接拆解出的指标；
c. 基于用户设想的一些场景，依赖我们在该领域的经验，设计产出一些指标；（除了常规指标外，要列举出有亮点的指标设计）
d. 参照国家发布的教育领域文件，选取可利用的指标；
e. 基于该领域的经验，及技术可行性，头脑风暴的一些指标，能够帮用户解决什么样的问题；
f. 调研市面上的产品，大致使用哪些指标，选取具有参考意义的；
g. 调研各种相关文章和报告，提取有用的指标；

在指标的初步规划中，最好使用xming建一个思维脑图，这样指标体系的层次框架比较清晰，确定好框架后，再输出详细的指标清单；

指标体系架构如下：

（PS：这只是我们的初版数据指标体系设计，项目落地过程中受当时政策、客户需求的影响，数据指标体系做了较大改动，详细的指标设计修改了n版～）

2.数据可视化平台初设计

依据规划好的数据指标体系，设计相应的数据可视化效果。为了保证产品的演示效果，建议使用专业的数据可视化软件。在该项目中，使用腾讯云图进行了数据大屏的效果设计，手机端使用banber进行数据报告的设计，使Axure进行网页版本的数据分析平台效果设计。（PS：由于与腾讯有合作，所以使用腾讯的工具，大家可自由选择工具）（由于图片涉及到产品指标细节，这里就不展示效果啦～）

3.数据产品方案调整

3.1 内部磨合
指标体系的初步设计之后，要与售前、商务、该领域有经验的相关人员进行方案沟通，需要磨合多个版本之后，公司内部就技术可行性、方案丰富度、方案设计完整度等多方面考量之后，输出数据产品方案详细设计报告，进入投标环节。

3.2 外部沟通
当我们的产品设计方案初步满足客户的需求后，客户会对产品设计方案的细节进行沟通，需要再次修改产品设计方案，以求更好的满足客户的需求。

四 产品落地调研

我们前期做的工作，是为了拿下项目。这之后项目开始进入研发落地环节。

1.用户需求摸底

主要采用座谈的方式摸清一下问题：（主要针对后期会使用该产品的客户）
1.1 用户从事教育领域哪方面的工作，日常关注什么样与数据相关问题；
1.2 用户期望的产品形态是什么样的；（数据大屏、网页、APP、小程序）（需要再次确认，可能与前期调研有所调整）
1.3 用户对可视化平台有哪些想要的功能需求；
1.4 用户对可视化平台的数据需求，想要看到哪些数据指标，日常使用的数据指标有哪些；

2.业务系统摸底

2.1 用户使用哪些业务系统，业务系统的落地使用情况；
2.2 每个业务系统的实际使用场景、业务功能流程；
2.3 每个业务系统能够提供的数据源范围；
2.4 用户使用业务系统有哪些数据相关的问题；

3.数据资产摸底

3.1 用户本身可提供的数据范围，包括数据来源、采集方式、更新频率等，获取相应的数据字段及数据表格；
3.2 用户使用的业务系统可产出的数据源；
3.3 整理各业务系统可抽取使用的数据量及数据范围；
3.4 与我们初步设计的数据指标方案进行对比分析，评估数据资源可用度；

六 数据产品落地可行性分析

需对数据指标体系的落地可行性进行分析：
1.数据指标匹配度；
2.数据来源类型；
3.落地可行性高低；
4.主要风险点；
综合评估数据指标体系的落地可行性：若数据指标匹配度较高，数据来源类型确定，则建议落地该套数据指标体系。

六 数据标准化/数据治理

比较关键的一个环节，由数据开发工程师主导，所以不太清楚具体的流程；
这部分会输出一个《平台数据规范-数据标准集》

七 产品优化调整

1.指标体系调整

1.1 按照产品主题框架架构，结合用户已有数据，形成一套可落地的指标体系，替换或删除不可落地指标，产品内容丰富度不受影响；
1.2 对于当前暂无数据，后期可能会有数据的指标，先保留指标设计，后期数据接入后再进行展示；

2.可视化效果调整

2.1 注意调整不同产品形态下数据指标

a. 在网页版本上的数据指标可以适当提升丰富度，产品的功能点尽可能全面；
b. 小程序或手机端的展示，便于用户使用，但受手机屏幕的大小限制，选择的数据指标尽量为关注度高的指标，功能设计尽可能简练，可设计成一份简练的数据报告形式；
c. 大屏端的数据可视化，要注意选取具有代表性的指标，把控好每一屏所展示的内容，尽量精炼、各类数据图表搭配好，大屏的效果图也要尽量美观；

2.2 可视化效果尽量多沟通

数据可视化上展示的数据指标要多余用户进行沟通，保证展示的指标是客户想要的，展示的效果能够满足客户的需求，这是一个不断修改磨合的过程。

3. 数据权限问题

要把控好角色的数据权限问题，不同的角色能看到的数据不同，每个角色仅能看到属于自己权限范围内的数据展示，数据安全极为重要；

八 项目中可能存在的问题

1.数据质量问题

数据可视化平台对数据的质量要求较高。数据源在质量方面可能存在难以评估的问题：
1.1 对接的业务系统较多，外部人员无使用权限，无法对数据的质量进行调研核实，仅凭业务系统导出的表头字段难以判断数据质量；
1.2 业务系统的性质不同，对数据质量的要求也不同，有些业务系统的数据准确度极高、数据质量也较好，但有的系统使用频率未知，数据的准确度和质量都难以把控；

风险：由于数据质量无法掌控，在完成产品的设计与研发后，众多的指标可能因为数据质量问题而无法展示，或者因为数据准备度低、数据更新不及时、数据量少等原因而显现出不符合现实的情况，直接影响数据分析结果。
（PS：大数据分析平台常遇到的问题，所以在功能设计过程中，都会注明具体实现效果受数据质量影响）

2.数据对接问题

在项目的建设进程中，需要面临众多系统的对接问题，各个业务系统的承建厂商纷繁复杂，对数据对接工作带来了极大的困难。
2.1 某些国垂/省垂系统的运营、维护和管理不在当前用户所在地区，系统对接难度较大，系统数据极大可能无法提供；
2.2 区域自建系统的承建厂商不同，要与不同的厂商对接，数据对接成本较大；
2.3 一些数据字段来自于系统人员导出的表格，如果后期系统无法对接，后面的数据可能需要人工进行对接，数据的导出导入成本较大，存在数据导出导入不及时的情况，无法保证数据的及时更新；

风险：人工对接数据导入导出极大提高了数据对接成本，对数据的更新造成的风险也极大；

3.数据关联问题

客户使用的系统多达几十个，各个业务系统之间的数据没有打通和关联，所以该项目的建设首先面临的就是如何将各个业务系统之间的数据进行有效的整合和串联。

风险：各个系统都有自己的账号体系，没有唯一的ID可以跨系统对主体进行统一的识别，进而无法完成数据的串联。虽然一部分的信息定位可以识别，一方面极大的增加了工作量，另一方面也无法保证数据的准确性，进而影响数据分析结果。

目前无较好的解决方案，需要人工进行各个系统数据的梳理，人工进行分析主体的身份核对和定义。