编辑导语：对于设计师来说，熟练运用数据分析很重要，只有掌握了数据才能摸清用户需求，从而设计出用户满意的产品。本文作者以数据分析为中心，逐层抽丝剥茧，回答了数据分析要解决什么问题？数据分析师的工作是什么样的？数据分析的流程有哪些？最后，为我们总结了一些注意事项。
交互设计师通常会有一个苦恼，不知道如何去衡量自己的方案是否有效。毕竟发声的用户都是对体验不满的用户，没有问题的用户都是沉默的。
针对上面的这些问题，笔者根据这么多年的设计经验，总结了两种方法：
定性法：
当你的产品没有办法收集大量数据的时候，只能定性的去观察分析这个产品体验的好坏了。
如：很多B端的用户界面，很难收集完整的数据或用户反馈，只能通过专家走查或者收集用户意见来判断产品是否好用。常用的方法有：Google的HEART模型、阿里的TECH模型。
定量法：
如果你的产品是很成熟的C端产品，可以收集大量用户数据，并将这些数据可视化，去分析用户如何使用产品，设计师也可以很好的去量化设计的效果。
如：DAU涨了5%、人均VV降了0.4、CTR提高了10%等等，可以很客观的衡量设计方案的效果。
以上这两种方法，都是数据收集的过程，第一种更感性，第二种更理性客观。
一、数据分析要解决什么问题？
那数据分析能帮助我们解决哪些问题呢？
1.研究历史
举个例子：视频行业某个产品的DAU有一段时间突然迅猛增长。
如果是一个新手设计师，可能会困惑：这段期间没有做任何需求和活动，为何数据会涨？然后他去看看了去年的DAU趋势，才恍然大悟：原来是每次到了寒暑假的周期，孩子们放假了，就会呆在家看视频，DAU自然会涨。
由此可见，数据分析可以帮设计师客观的描述事实，追溯历史。但有个小问题，就是这些数据都是存储在云端的，服务器的内存是有限，有的公司只能存1-3月的数据，这样就会导致无法追溯太久远的数据。
2.解释现状
对于一些核心数据，如：DAU、PV、用户停留时长，它们时刻都在变化，需要每天监测。帮助检查线上是否出现设计事故，也可以用来评估设计方案上线后的效果如何。
3.预测未来
在了解问题发生原因的基础上，设计师也可以根据曲线预测业务的发展趋势和影响程度。
张小龙曾经在