对于数据产品而言，无论是对数据的价值挖掘，还是数据的标签聚合，其都是还停留在数据层面。而在一个数据驱动业务增长体系还未完全搭建的氛围下，要想让别人更快的看到数据的价值、数据的魅力等，最好的方式则是推出可视化的产品（个人觉得最棒的是可视化产品解决方案，比如百度的Sugar、阿里的Data-V等），而数据大屏是集数据可视化与美观于一体的产品方式，能够让人直观而又惊艳的看到数据的魅力。
常会用到数据大屏主要是在发布会、展会以及公司展厅等地方。可视化数据的最主要目三个特征：新颖而有趣、充实而高效、美感且悦。以大屏作为可视化数据的主要载体，其原因在于面积大、可展示信息多、便于关键信息的共享讨论及决策，在观感上给人留下震撼印象，便于营造氛围、打造仪式感等。比如下图这种吸引眼球的可视化大屏。
一、数据大屏的可视化设计流程
1、结合业务特点抽取关键指标
关键指标是定义了呈现的内容，因为对于数据大屏，一个指标会独占一块区域，因而需要结合各业务线的实际情况抽离出对应业务线最为关注的指标。比如我们最为常见的GMV，如果以订单流水为维度构建对应的大屏，则最为核心的指标则为GMV，再以此为核心进行分解，从而剥离出整个版面的主、次、辅指标。在做任何数据大屏之前，指标维度的确定是最为关键的一步，你需要保证你抽离出来的指标都是面向的展示对象所关注的，才能保证后期的原型设计、UED的高保真原型设计以及开发的顺利开展不受需求变动影响。
在这一环节建议是让业务方先出一般相关指标的Xmind文档说明，由此为沟通材料进一步延伸相关的业务指标。或者是基于自己的业务理解出指标文档进行沟通，因为很多业务方其实可能指关注那几个指标，但是要让这些主指标有更好的呈现和更易于的分析和理解，作为数据产品需要把逻辑进行注入，对指标进行拆解并和业务方进行认知确认。
2、数据指标逻辑梳理
对于现在的很多互联网公司（除阿里、百度这种数据体系已经体系化的公司），数据的各个环节就存在很大的问题。数据采集不全、数据传输丢失、数据存储口径没做统一处理，这一系列问题会导致指标的呈现效果和最初和业务方预想的不一样。
在这一环节，作为数据产品经理需要去梳理和业务方确定的指标的SQL逻辑，确定哪些指标的数据是可获取的，相关指标是否需要迎合展示需要先进行人工构建。对于跨部门跨业务线的可以将指标逻辑任务进行分配，确定相关责任人，后期相关指标统计出问题则可找到对应的业务线和负责人。同时，梳理出对应的指标的SQL逻辑后，需要和业务方确定数据准确性。这一环节结束之时，把可实施指标全部确定、指标逻辑准确性100%，则可很大程度上（几乎百分百）确定的最终的呈现内容和呈现可信度。
3、数据指标呈现
作为数据产品经理，你需要把对指标的理解进行可视化展示，确定整体的布局。当然你不需要选用超级酷炫、色彩缤纷的图表，这反而会给设计设计师造成审美干扰。只需描述出最基本的逻辑，因为UED需要了解到对应每个指标想呈现的逻辑是什么样子的，同时对于每个指标的细节需要和UED描述清楚，比如：对于设计数字的东西，需要给到UED大概的数值范围、保留的小数位等；对于有时间维度的指标，需要给到对应的时间维度；对于中文命名等相关的，数据可能和数据库不一样时，为了满足展示效果，需要UED在设计时做什么展示处理等。
这一环节中，有很多归类好的数据表可供选择，然后进行相对应的大屏原型设计可以采取网上现有的很多软件进行设计，加快项目进程。比如百度的Sugar（30天试用期），也可以用常规的设计软件Axure等。
4、确定展示环境信息
对于UED设计师，需要明确屏幕分辨率、尺寸等相关信息，展会现场的灯光环境信息，便于其主题色彩的选择。而对于开发人员，其需明确大屏系统的展示方式，直接网站式访问还是投屏形式、展示的网络情况等，为保障最终的呈现效果，需要对数据的传输和数据刷新频次等进行网络确认，以对应采取相关的技术选型。
5、设计开发和测试环节
到这一环节更多发挥的是设计师和开发人员的专业性，作为数据产品更多的是跟进UED在设计过程中遇到的数据展示问题、指标呈现逻辑问题，以及开发人员对于底层数据的逻辑问题，以及数据本身的问题处理等。以及最终开发完成之后，作为数据产品需要去验证数据的准确性，对于人造的数据则需要去和业务方对应沟通，调整到符合业务情况的值。
6、上线交接和跟踪反馈
真正完成数据大屏的开发上线后，作为数据产品则需要获取反馈数据，对于内嵌进系统的大屏可以跟踪访问情况，对于展会则可以跟进获取用户对相关模块的疑问，以便后面调整对应的逻辑呈现，实现大屏复用。
二、数据大屏解决方案
数据大屏的构建流程个人感觉是很流程化和标准化的，用到的那些图表可选性也是有限的，因此像阿里云、百度云这些大的企业会将整个构建过程构成成为自己的解决方案，就有我们现在看到的百度Sugar、Data-V。
那如何将流程化的东西抽离出来形成解决方案呢?根据个人对百度Sugar和Data-V等可视化软件的使用，可以从数据的接入和数据的呈现两方面考虑。数据接入方面，可以利用常规的数据库连接方式，实现平台和公司内部数据库的对接，就如同现在的大数据集群HUE或者是智能BI的数据连接方式。而更为难以实现的是对通用性可视化图表的标准化，将不同的图表的可调整参数进行抽离，并构建数据连接入口，实现个性化的设计。经过多次构建可视化产品的经历可以看出，其实通用的图表是很多的，比如地图、漏斗图等，而且通用的风格也是可归一的，比如智能BI的统一冷色系白色，对应会对图表的色系一定程度上做了限制，因此就可以抽离出通用的配色方案和图表。再比如可视化的大屏，不管是发布会还是其他展会，其风格也是统一的深蓝色系，对应的图表色系也会相对应进行匹配，因此通过总结这些，就可以抽离出通用发解决方案。我们现在所看到的这些成型的可视化软件，多数就是抽离出常用可视化项目的共同点，最终形成解决方案相乘PAAS服务。
因此，在构建属于自己的数据可视化解决方案的时候，可以考虑从使用情景、色彩选型、图表选型上逐步构建适合自己公司业务的可视化解决方案。