1、创新特性名：数据思维导图可视化 随着目前多平台、多终端和版本更新越来越快，特别是如空间产品功能很多的情况下，数据查询和分析负担加大，对产品特性和版本带来的效果评估也提出了挑战，另外对如阴跌等异常也无法及时发现，为了提升数据分析的效率和数据支持能力，并希望对数据异常有及时告警，我们开发了“Qeye”数据可视化展示。
2、创意点的产品功能/使用场景介绍 原来的传统报表以二维表格形式呈现，有如下不足： （1） 多平台、多终端、多版本带来的数据分析困难，层次结构不清晰。 （2） 传统的报表更多以二位表格形式展现，缺少了商务智能系统常有的下钻和上卷功能，查询分析数据很不方便。 （3） 无法及时感知阴跌等异常下跌。 （4） 每天都有各种特性发布，常常发生数据异常和波动，定位困难。
（1） 数据以思维导图模式可视化展现，符合我们的思维习惯，对各平台、终端、版本等数据值及占比、增长率等做统一展现
（2） 根据算法自动识别急涨急跌特别是阴跌的数据异常，帮助及时发现和定位问题，设计了异常波动自动识别算法，包括根据历史数据找出参照标准，采用ROC曲线确定告警阈值和区间算法等，急涨急跌和阴跌用不同的颜色区分。
（3） 数据具有“下钻”和“上卷”功能，任意一个节点双击可查看历史趋势（正在做的功能是双击出现一个完整的分析报告） 下钻和上卷与思维导图的展开和收拢对应。
（4） 数据展现内容可自定义（可选择人数、次数；占比、日环比和周环比可自定义是否展现，并且可以方便扩展，比如扩展占登录比等指标）
目前目前该功能已经嵌入SNG数据系统“罗盘”，传统报表数据只需要满足每个维度都有合计，就可以让报表从表格形式转换成思维导图形式呈现，转换方式也十分简单，只需求重新设置一下报表渲染方式即可，大大减轻了业务开发项同学工作量。
3、创新点的创新之处的具体描述 （1） 基于思维导图开源项目，把这个开源应用于数据分析 基于开源思维导图项目mindmup（https://github.com/mindmup），在此基础上，根据实际分析数据的需求进行了大量的改造与优化。 （2）利用思维导图实现了传统商务智能分析工具的重要的上卷和下钻功能 互联网由于数据量大和成本的影响，使用传统巨头的商务智能分析工具不可取。我们用思维导图就实现了传统商务智能分析工具中最重要的上卷和下钻功能，突破了大多数以二维表格呈现数据的不足，极大提升了分析效率和支持能力。 （3）专门设计了数据异动告警算法，提升告警的准确性 设计了专门的异常波动告警算法，包括根据历史数据找出参照标准，采用ROC曲线确定告警阈值和区间算法等，提升告警的准确性。
4、创意如何产生的 1、 QQ空间目前在多平台、多终端都有布局，版本更新很快，核心功能很多，作为数据产品经理，日常在数据分析和监控上会花费很多时间，特别是在波动异常的时候，一是发现问题不一定及时，二是发现后分析原因时因为数据分散在各个报表中，不方便分析和查看。 2、数据产品经理的其中一个职责是需要提升产品经理的数据分析能力，其中一个可做的方面就是可以提供一些好的分析系统和工具，这个也是出发点之一。 3、曾经在传统企业做过，对一些比较好的商业智能分析工具有实际认识，希望能将好的功能借用到互联网，提升数据分析的效率和支持能力。 一直有做成这种层次结构的数据可视化展现，某一天找团队碰撞的时候一拍即合，就开搞了。 5、怎么实现的 （1）基于思维导图开源项目 基于开源思维导图项目mindmup（https://github.com/mindmup），进行了大量的改造与优化。 2、对传统报表的数据结果进行整合和处理，这样做到兼容传统报表数据。 如以下报表数据，增加占比和标记等数据：
以思维导图呈现为：
3、 前台开发菜单交互功能 思维导图的每个结点内容可通过菜单自由选择显示，以达到更直观地查看指定数据效果。
4、自动告警算法 这里也涉及到很多算法和逻辑，不做详细介绍，并且这里的算法在持续优化中，稍后在另外的文章中分析。 比如对阴跌的算法，根据历史数据采用ROC曲线得到各判断指标的临界值，最终得到的判断当日数据是否开始阴跌的规则如下：最近八日24（3×8）个斜率之和<-10，最近八日的斜率均数<-0.5，当日数值与最近七日均值相比下降幅度大于5.00%，当日数值比昨日下降。
6、产品的意义对未来展望 产品的意义是提升数据分析效率和数据分析能力，间接对产品经理的数据分析能力（目前产品经理的数据分析能力参差不齐）的培养有一定作用，特别是自助分析报告功能实现后，使各产品经理在日常实际中能更多利用全面的数据做产品决策，提升数据的价值。 未来“Qeye”数据思维导图可视化的方向是： （1）链路分析，从属性信息上进行维度拆分，可以自动生成变化链路的top10（比如年龄、性别、地域等各种维度，包括增量分析和减量分析），改功能已经具备。 （2）在数据每个节点，点击可以出一份分析报告，报告中包括主要影响因素、细分涨跌来源、用户属性链路分析（增量和减量都包括）、用户留存模型等，全面提升数据在辅助和指导产品决策中的价值，改功能正在做。 |
