? 开篇：一个真实的项目背景
2024年6月，某中型新能源汽车品牌的售后运营总监李总找到数据团队，提出了一个紧急需求：
李总的困扰：
"我现在管理着50家门店，每天早上9点要开例会，需要了解昨天的整体运营情况。但现在的问题是：
- 数据散落在5个系统：DMS（经销商管理系统）、CRM（客户关系管理）、满意度调查平台、工单系统、财务系统
- 每天需要1小时拼数据：从各个系统导出Excel，手工合并、计算、制表
- 经常发现数据问题：等发现某个门店有异常时，往往已经过去好几天了
- 无法快速定位原因：看到问题后，还要花大量时间分析原因
- 缺少决策支持：不知道该采取什么措施最有效"
李总的期望：
"我希望有一个门店运营健康度看板，每天早上打开，10分钟内就能：
- 看到整体情况如何
- 发现哪些门店有问题
- 了解问题的根源
- 得到可行的解决建议"
这是一个非常典型的汽车售后运营场景。接下来，我们将完整复现这个项目的设计和实施过程。
? 阶段一：需求分析与调研
Step 1：深度访谈
访谈对象（共访谈8人，耗时3天）：
高层（2人）：
- 运营总监 李总
- 大区经理 王总
中层（3人）：
- 战区经理A（管理15家门店）
- 战区经理B（管理18家门店）
- 战区经理C（管理17家门店）
基层（3人）：
- 明星门店店长（业绩第1）
- 普通门店店长（业绩中等）
- 问题门店店长（业绩倒数第3）
访谈发现的关键insights：
发现2：现有工作流程的痛点
李总的一天（访谈记录）：
08:00 - 08:30 登录5个系统，导出昨日数据
08:30 - 09:00 在Excel中合并数据，计算指标
09:00 - 09:30 开早会，汇报昨日情况
09:30 - 10:00 发现深圳A店NPS异常低，开始调查
10:00 - 10:30 翻看该门店的详细数据，找原因
10:30 - 11:00 打电话给店长了解情况
11:00 - 11:30 查看历史数据，对比分析
...
李总的原话：
"我每天花在数据上的时间超过3小时。但其实80%的时间是在找数据、整理数据，真正分析和决策的时间很少。如果有一个看板能帮我节省2小时，我愿意付出任何代价。"
发现3：决策场景高度固定
通过3天的观察，我们发现李总的决策场景非常固定：
场景1：每日例会（9:00-9:30，每天）
- 目的：快速了解昨日整体情况
- 决策：确定今天需要重点关注的门店
场景2：问题诊断（随时，每周3-5次）
- 目的：深入分析某个门店的问题
- 决策：确定根本原因和改进措施
场景3：月度复盘（月初第一周，每月1次）
- 目的：回顾上月整体表现
- 决策：制定本月重点工作和目标
场景4：战区对比（随时，每周2-3次）
- 目的：了解各战区的表现
- 决策：评估战区经理的管理能力
Step 2：指标梳理
初步列出的指标清单（来自各个访谈对象）：
访谈结束后，我们收集到了42个指标需求。但显然，不可能把42个指标都放在一个看板上。
指标分类：
维度1：业务类型
- 维修业务：维修台次、维修收入、单台次产值、维修毛利率
- 保养业务：保养台次、保养收入、单台次产值、保养毛利率
- 配件业务：配件销售额、配件周转率、库存金额
- 客户体验：NPS、客户满意度、客诉数量、客诉解决率
维度2：人员效率
- 技师：技师人数、人均产值、工时利用率、培训完成率
- 服务顾问：顾问人数、人均接待量、转化率、客户好评率
维度3：运营效率
- 时间：平均维修时长、预约准时率、交车准时率
- 流程：工单流转效率、配件调拨效率
维度4：财务指标
- 收入：总收入、同比增长、环比增长
- 成本：人工成本、配件成本、运营成本
- 利润：毛利、净利、利润率
指标筛选的黄金法则：
我们使用RICE模型（来自产品管理领域）对每个指标进行评分：
| 评估维度 | 含义 | 评分标准 |
|---|---|---|
| Reach（覆盖度） | 有多少用户需要这个指标 | 1-10分 |
| Impact（影响力） | 对决策的影响有多大 | 1-10分 |
| Confidence（信心度） | 数据质量有多可靠 | 1-10分 |
| Effort（实现成本） | 获取这个指标的难度 | 1-10分（越高越难） |
RICE得分 = (Reach × Impact × Confidence) / Effort
指标评分结果（前15名）：
排名 指标名称 RICE得分 P级
1. 维修台次 8.5 P0
2. NPS 8.2 P0
3. 客诉数量 8.0 P0
4. 保养台次 7.8 P0
5. 单台次产值 7.5 P0
6. 技师工时利用率 7.2 P0
7. 客户满意度 7.0 P1
8. 维修收入 6.8 P1
9. 保养收入 6.5 P1
10. 毛利率 6.2 P1
11. 预约准时率 5.8 P1
12. 客诉解决率 5.5 P1
13. 配件周转率 5.0 P2
14. 人均产值 4.8 P2
15. 培训完成率 4.2 P2
最终决策：
- P0指标（必须有）：6个 → 首屏展示
- P1指标（最好有）：6个 → 详情页展示
- P2指标（可以有）：3个 → 深度分析时展示
Step 3：确定核心问题
经过两轮讨论，我们将李总的核心需求提炼为3个关键问题：
? 阶段二：信息架构设计
Step 1：页面结构规划
基于3个核心问题，我们设计了三屏结构：
第一屏：健康度概览（对应问题1）
目标：3秒看懂整体情况
用户：运营总监、大区经理、战区经理
刷新：每天早上6点自动更新
第二屏：问题诊断（对应问题2）
目标：30秒定位异常门店
用户：运营总监、战区经理
触发：点击第一屏的异常门店
第三屏：深度分析（对应问题3）
目标：3分钟理解根因
用户：运营总监、战区经理
触发：点击第二屏的"查看详情"
Step 2：第一屏设计
布局草图：
╔════════════════════════════════════════════════════════╗
║ 门店运营健康度看板 [刷新] [设置] ║
║ 数据时间：2024-06-20 | 下次更新：明天06:00 ║
╠════════════════════════════════════════════════════════╣
║ ║
║ ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ ║
║ │维修台次 │ │保养台次 │ │ NPS │ │客诉数量 │ ║
║ │ 1,247 │ │ 986 │ │ 72 │ │ 8 │ ║
║ │ ↑ +8% │ │ ↓ -3% │ │ → 持平 │ │ ↑ +2 │ ║
║ │ ✓ 达标 │ │ ⚠ 预警 │ │ ✓ 优秀 │ │ ✓ 正常 │ ║
║ └─────────┘ └─────────┘ └─────────┘ └─────────┘ ║
║ ║
╠════════════════════════════════════════════════════════╣
║ ║
║ 【50家门店健康度地图】 【异常预警】 ║
║ ║
║ ? 正常门店：38家 ⚠ 需关注： ║
║ ? 预警门店：9家 1. 深圳A店 ║
║ ? 危险门店：3家 NPS 45 ⬇️ ║
║ 客诉 12起 ⬆️ ║
║ [中国地图] ║
║ - 华东区：???? 2. 北京B店 ║
║ - 华南区：???? 台次下降32% ║
║ - 华北区：???? 毛利率-5% ║
║ - 西南区：???? ║
║ - ... 3. 成都C店 ║
║ 技师流失3人 ║
║ 工时率58% ║
║ ║
╚════════════════════════════════════════════════════════╝
设计要点：
1. 顶部KPI卡片
每个KPI卡片包含4个信息：
- 数值：昨日实际值（大号字体，居中）
- 趋势：与上月同期对比（↑↓→ + 百分比）
- 状态：达标情况（✓达标 / ⚠预警 / ✗危险）
- 名称：指标名称（顶部小字）
颜色规则：
- ? 绿色：达标且向好
- ? 黄色：接近阈值或持平
- ? 红色：未达标且恶化
2. 门店健康度地图
- 视觉形式：中国地图 + 门店标点
- 交互：
- 鼠标悬停：显示门店基本信息
- 点击门店：跳转到该门店的详细诊断页
- 颜色：与状态颜色一致（红黄绿）
3. 异常预警列表
- 排序规则：按严重程度排序（红色在前）
- 显示内容：
- 门店名称
- 最严重的2个指标及其偏离度
- 【查看详情】按钮
- 限制数量：最多显示5个（避免信息过载）
Step 3：第二屏设计
触发方式：点击第一屏的任一异常门店
布局草图：
╔════════════════════════════════════════════════════════╗
║ 深圳A店 - 问题诊断 [返回概览] ║
╠════════════════════════════════════════════════════════╣
║ ║
║ 【8维雷达图】 【30天趋势】 ║
║ ║
║ 维修台次 门店健康度分数 ║
║ / \ ║
║ 工时率 保养台次 100 ║
║ | ? | 80 ━━━━━━━ ║
║ 毛利率 ─ ? ─ NPS 60 ━━━?━━ ║
║ | | 40 ━━━━━━━ ║
║ 客诉数 满意度 20 ║
║ \ / 0 ║
║ 单台次产值 6/1 6/10 6/20 今天 ║
║ ║
║ ? 严重偏离：NPS (45分，标准≥70) ║
║ ? 严重偏离：客诉数量 (12起，标准≤3) ║
║ ? 轻微偏离：工时利用率 (68%，标准≥75%) ║
║ ║
╠════════════════════════════════════════════════════════╣
║ ║
║ 【智能分析】 ║
║ ║
║ ? 根因分析： ║
║ ║
║ 1. 客诉集中在"服务态度"（占比58%） ║
║ 2. 投诉时段集中在16:00-18:00（交接班时间） ║
║ 3. 涉及的SA（服务顾问）主要是2名新员工 ║
║ 4. 该时段客户等待时间超过行业平均30% ║
║ ║
║ ? 改进建议： ║
║ ║
║ 1. 立即措施：安排资深SA在交接班时段协助接待 ║
║ 2. 短期措施：对2名新员工进行服务态度专项培训 ║
║ 3. 长期措施：优化交接班流程，参考标杆门店做法 ║
║ ║
║ ? 标杆参考：北京F店（同类型门店，NPS 82分） ║
║ - 设置专人在高峰期引导客户 ║
║ - 提供免费茶水和小食 ║
║ - 每15分钟主动告知客户进度 ║
║ ║
║ [发送督导任务] [查看历史案例] [联系店长] ║
║ ║
╚════════════════════════════════════════════════════════╝
设计要点：
1. 8维雷达图
- 维度选择：8个核心运营指标
- 标准线：行业平均水平或内部标准
- 实际值：该门店的当前表现
- 颜色：偏离度决定颜色（绿/黄/红）
2. 30天趋势
- 目的：判断是偶发还是持续问题
- 关键点：
- 标注重要事件（如促销活动、人员变动）
- 高亮异常时间段
- 显示行业平均线对比
3. 智能分析
这是看板的灵魂！
根因分析的逻辑：
IF NPS < 70 AND 客诉数 > 5:
→ 查询客诉明细数据
→ 分析客诉类型分布
→ 分析客诉时间分布
→ 分析涉及人员分布
→ 生成根因报告
改进建议的来源：
- 历史案例库：相似问题的历史解决方案
- 标杆门店：表现优秀门店的最佳实践
- 专家规则：运营专家总结的经验
Step 4：交互流程设计
完整的用户旅程：
早上9点，李总打开看板...
【第1步】3秒 - 扫描首屏
→ 看到：昨日整体达标，但有3家红色预警门店
→ 决策：今天重点关注这3家门店
【第2步】10秒 - 查看预警列表
→ 看到：深圳A店的NPS和客诉都严重异常
→ 决策：优先处理深圳A店
【第3步】点击"深圳A店"
→ 进入诊断页面
【第4步】30秒 - 查看雷达图和趋势
→ 发现：问题从6月10日开始，已持续10天
→ 判断：这是持续性问题，不是偶发
【第5步】1分钟 - 阅读智能分析
→ 了解：问题根源是新员工在交接班时段的服务不到位
→ 了解：标杆门店的做法是设专人引导+主动告知进度
【第6步】30秒 - 执行行动
→ 点击【发送督导任务】
→ 系统自动生成任务：
- 接收人：深圳A店店长
- 内容：NPS改进3项措施
- 截止时间：3天内完成
- 抄送：战区经理、运营总监
【第7步】10秒 - 返回首屏，查看另外2个预警门店
→ 重复步骤3-6
总耗时：约8-10分钟（对比之前的1小时）
? 阶段三：原型设计
Step 1：纸笔草图
时间：15分钟
团队成员各自用纸笔画出自己心目中的看板布局，然后投票选出最佳方案。
优点：
- 极快速（15分钟就能产出4-5个方案）
- 低成本（只需要纸和笔）
- 发散思维（不受工具限制）
关键原则：
- 不追求精确，只要表达清楚即可
- 用方框代表不同的组件
- 标注关键信息（指标名称、交互方式）
Step 2：低保真原型
工具：PowerPoint（也可以用Figma、即时设计等）
时间：1小时
目标：
- 明确每个区域放什么内容
- 确定信息的优先级和层级
- 设计基本的交互流程
输出物：10页PPT
- 第1页：首屏布局
- 第2页：诊断页布局
- 第3页：详情页布局
- 第4-10页：各种交互状态
Step 3：评审与迭代
评审会议：
时间：1小时
参与者：
- 需求方：李总、2位战区经理
- 设计方：数据团队3人
- 技术方：开发工程师1人
会议流程：
1. 设计讲解（10分钟）
数据团队讲解设计思路和布局逻辑。
2. 用户模拟（20分钟）
李总和战区经理根据真实工作场景，模拟使用看板：
场景1：早会前快速了解昨日情况
场景2：发现深圳A店NPS异常，深入诊断
场景3：月度复盘，对比各战区表现
3. 问题收集（20分钟）
记录所有问题和建议：
李总的反馈：
- ✅ 首屏布局很清晰，3秒就能看懂
- ✅ 雷达图很直观，能快速看出哪里有问题
- ⚠️ 希望异常预警列表能显示"问题持续天数"
- ⚠️ 希望能一键拨打店长电话（不要手动查号码）
- ❌ 智能分析的文字太多，希望更简洁
战区经理A的反馈：
- ✅ 门店健康度地图很好，能看出区域分布
- ⚠️ 希望能筛选"只看我的战区"
- ⚠️ 希望能导出为PDF，方便给店长看
战区经理B的反馈：
- ✅ 改进建议很实用，有参考价值
- ⚠️ 希望能看到标杆门店的详细做法（最好有照片）
- ❌ 30天趋势太长了，看不清，建议改成7天
4. 优先级排序（10分钟）
对所有反馈进行投票，确定优先级：
P0（必须改）：
- 异常预警列表增加"持续天数"字段
- 智能分析文字精简50%
- 趋势图从30天改为7天（可切换到30天）
P1（最好改）：
- 增加战区筛选功能
- 增加导出PDF功能
- 增加一键拨打电话功能
P2（可以不改）：
- 标杆门店增加照片展示
Step 4：高保真原型
工具：Tableau Desktop（使用样例数据）
时间：1天
步骤：
1. 准备样例数据
从生产系统导出1个月的真实数据（脱敏处理）：
- 50家门店的基础信息
- 30天的运营数据（维修台次、NPS、客诉等）
- 客诉明细数据（用于智能分析）
2. 搭建看板
按照低保真原型，在Tableau中搭建看板：
- 创建数据连接
- 创建计算字段（达标率、环比增长等）
- 创建可视化（KPI卡片、地图、雷达图、趋势图）
- 设置筛选器和交互
3. 调试优化
- 测试所有交互是否正常
- 优化加载速度（<3秒）
- 调整颜色、字体、间距
4. 录制演示视频
录制一个5分钟的演示视频，展示完整的操作流程。
? 本节核心要点
1. 需求分析的关键
- 深度访谈：与不同角色深入交流，挖掘真实需求
- 观察现有流程：了解用户当前如何工作，痛点在哪
- 提炼核心问题：将模糊需求转化为清晰的问题
2. 指标筛选的方法
- RICE模型：从覆盖度、影响力、信心度、成本四个维度评估
- 分级管理：P0/P1/P2，优先满足核心需求
- less is more：宁可少而精，不要多而乱
3. 信息架构的原则
- 按决策场景设计：不是按数据维度，而是按用户的决策流程
- 三屏结构：概览→诊断→深入，逐层递进
- 行动导向：不只展示数据，还要提供决策支持
4. 原型设计的节奏
- 快速迭代：草图→低保真→评审→高保真
- 及早验证：不要等到开发完才给用户看
- 用户参与：让核心用户参与设计过程
? 下一节预告
下一节，我们将进入门店运营看板实战（下），讲解：
- 如何实现智能分析功能
- 如何处理数据质量问题
- 如何进行性能优化
- 上线后的运营和持续改进
? 行动建议：现在就开始为你的场景设计一个看板原型：
- 用5分钟列出你的核心痛点
- 用10分钟写下3个最关键的问题
- 用20分钟画一个纸笔草图
记住：不要追求完美，先画出来再说。你会发现，动手的过程就是理清思路的过程。