数据在服务主张中发挥着越来越重要的作用。这就引出了一个问题：服务设计师如何以实际的方式为此类命题的数据策略做出贡献？本篇文章就介绍了如何使用数据定义框架将数据与设计思维整合，以启用和衡量服务体验。
数据在服务主张（service propositions）中发挥着越来越重要的作用。这就引出了一个问题：服务设计师如何以实际的方式为此类命题的数据策略做出贡献？本文翻译来自飞利浦的三位设计师写的一篇有关于数据定义框架的文章，在飞利浦，他们使用数据定义框架将数据与设计思维整合，以启用和衡量服务体验。
数据和人工智能 (AI) 正在推动服务设计的新范式，其中服务体验变得更加智能、无处不在和高度个性化。数据构成了支持此类新兴服务主张的支柱，并在持续衡量其影响方面发挥着核心作用。鉴于数据发挥的重要作用，许多科技公司目前正在制定广泛的数据战略（Data strategies）。这些数据策略提供了详细的路线图，可推动服务的技术发展，并与业务目标紧密结合。
然而，这些数据策略通常是技术上的努力，侧重于平台之间的数据访问、数据流或数据存储等方面。他们往往缺乏以人为本的视角，因为他们很少关注数据收集的体验、数据如何反映现实世界的体验，或者人们在日常工作中如何与数据和人工智能进行交互。
服务设计师通常只是间接参与这些数据策略的制定。虽然服务蓝图可能有助于推动数据战略发展的业务路线图，但我们看到，当服务设计视角更加结构化时，它们的质量会显著提高。
服务设计是数据战略的一个关键方面，因为它提供了更加人性化、集成化和整体化的体验视角。它的优势在于允许理解复杂的关系以及多个细节如何影响整体体验。例如，它可以帮助确定在何处以及如何收集数据以获得最高质量的结果，或者它可以为其他复杂的技术问题确定简单的流程变通方法。
由于这种附加价值，精通数据的服务设计师可以在构建以现实世界工作流程和体验为基础的以人为本的数据策略方面发挥关键作用。因此，数据策略应该是学科之间的协作努力，以确保可以从不同的角度检查和设计整体挑战。
尽管服务设计提供了价值，但我们看到服务设计人员本身通常缺少在这种数据战略协作中取得成功的工具和方法。虽然我们在为生产或开发团队创建特定要求方面有着悠久的历史，但在数据策略方面，我们通常不会就数据要求或需求以相同级别的粒度和特异性进行沟通。
这部分是因为我们必须进一步发展我们的数据能力，但也因为没有多少实用的框架可以让设计师对数据策略做出有意义和实际的贡献。如果没有正确的工具来指导我们的探索并与我们的技术同事进行交流，为数据策略做出贡献可能会让人不知所措。
我们的数据定义框架首次尝试为服务设计人员提供正确的工具，使他们能够积极参与数据战略活动。
我们的数据定义框架挑战（服务）设计人员考虑他们明确的数据需求，促进对这些需求的探索，并在将围绕数据的思想构建成具体的数据需求方面发挥着重要作用。我们没有引入完全独立的附加流程，而是将我们的数据定义框架整合到现有的工作方式中，并旨在让那些对数据世界经验有限的人们能够了解到它。
具体流程是：
在我们尝试构建自己的数据定义的前几次，我们非常挣扎。从头开始时，想出有意义的数据点似乎不是随机的，这是一项挑战。我们探索了如何从角色、场景或架构图开始，但这些方法给出的结果要么过于肤浅，要么过于技术化。
随着时间的推移，我们了解到（体验）地图为搭建和构思数据定义提供了宝贵的基础。我们在这里使用体验地图作为容器术语，因为这些地图可以是服务蓝图、工作流程图、用户旅程甚至是 UI 流。
基本上，任何类型的地图都可以概述用户如何通过一组具体的操作来经历体验。地图的颗粒度将表明数据定义的性质。例如，如果它是一个 UI 流，数据定义将更多地关注微交互或应用程序功能的体验含义。相比之下，如果选择的地图是一个高级工作流，那么数据定义将更多的是关于跨接触点、整体的假设数据。
为了举例说明，我们使用下图所示的图解（简化）体验图，该图显示了医疗机构中的患者如何通过冠状动脉支架置入术：
与上面提到的其他类型一样，此地图有助于在适当的上下文中可视化数据，以及与之相关的体验。该地图侧重于用户操作和事件，因此是开始以人为中心的数据探索的良好基础。
下一个合乎逻辑的步骤似乎是用数据点注释地图。但是，这些数据点的范围可以从更高级别的指标（例如患者报告的结果）到较低级别的数据指标（例如护士在患者监视器上单击后退按钮的频率）。这里的问题是有几乎无限数量的选项可供探索。
为了指导数据定义过程，我们引入了“意图（intents）”。您可以将这些意图视为您希望通过数据实现的目标。我们总是使用两种截然不同的意图，它们直接反映了使用数据的不同方式：
然后可以将数据点连接到这些意图，以明确这些数据点所扮演的角色。这会产生一个定义明确的关系模型，有助于以后制定战略和确定优先级。定义意图和相关数据点总是有点反复练习，其中新意图触发新数据点需求，新数据点激发新意图。
（1）识别“衡量”意图
智能产品、服务和解决方案不是一成不变的；它们可以远程配置、更新，并且可以自行学习以适应和发展。为了推动这个过程，我们需要创建反馈循环。“衡量”意图在定义学习目标方面发挥着关键作用。
它们可以包含更多以结果为导向的、评估性的目标，或者更具探索性、以洞察力为导向的目标。例如，评估性“衡量”意图可以是在引入新的患者摘要视图后评估吞吐量时间的变化。一个更具探索性的“衡量”意图可能是深入了解患者如何体验入院咨询的不同部分，以发现新的改进机会。
这些意图也可以是细化的或整体的。它们可以与体验图中的特定接触点相关联，例如，如果新的患者仪表板可以帮助护士更快地了解患者的病史。但它们也可以跨越该体验地图的多个阶段，捕捉患者如何体验整个过程。
将属性分配给“衡量”意图，就像上面提到的那样，有助于引导设计师思考正确的方面。我们在确定属性时可能会问的问题可能是：“需要多少数据？”、“持续多长时间？”、“意图是否与更高级别的体验驱动因素相关联？”和“评估目标的目标是什么？”
尽管其中一些属性也可能与您的用例相关，但我们鼓励您探索哪些属性在您的域中有意义，并在您的定义中始终如一地使用它们。然后可以使用这些“衡量”意图指导进一步的数据定义。设计师可以考虑他们需要哪些数据来回答这个问题，而不是拥有无限的选择。
（2）识别“启用”意图
智能产品、服务和解决方案需要数据来了解它们所处的环境以及人们在它们周围的行为方式，以便有意义地适应不同的情况。为了明确我们想要启用哪些体验，并定义提供这些体验所需的数据，我们引入了“启用”意图。
“启用”意图是对启用某种体验的功能或特性的描述。重要的是定义实现这些体验所需的数据，以便制定长期的数据战略。
“启用”意图中描述的功能可以根据其抽象级别而有所不同。在更详细的接触点级别，“启用”意图可以指特定的应用程序功能。图像中的自适应 UI 功能就是一个很好的例子。在更高的体验旅程级别，“启用”意图可能更多地涉及服务解决方案（它将来自接触点集合的数据汇集在一起）。
与“衡量”意图一样，“启用”意图可以具有不同的属性，有助于进一步定义它们。对于给定的“启用”意图，我们经常回答诸如“它已经可用还是计划用于未来？”、“它集成在哪个接触点？”、“它针对哪些参与者？”等问题，以及“它的预期影响是什么？”
“衡量”和“启用”意图通常是相关的，因为先验往往旨在了解后者的影响。因此，这些意图也经常共享相同的数据。
（3）识别数据点
这两种意图都为数据定义了明确的目的。我们已经简要介绍了它如何在定义具体数据点方面发挥指导作用。数据点是对正在收集的数据的简单描述。这些数据点始终连接到地图中的特定部分，在这些部分可以获取这些数据，或者将其反馈入其中。这些连接可以是我们或其他人拥有的接触点，也明确需要第三方加入一起整合。
数据点也有自己的属性来指导讨论。为了提倡对这些数据的经验观点，不仅要定义收集的数据，而且要关注收集数据的方式和地点的经验。其他属性可以是是否自动收集数据，例如医疗程序的持续时间；或者是否手动收集，例如在手术后问卷中记录的患者报告的结果。其他属性可以包括数据是客观的还是主观的；是连续收集还是定期收集；以及是否始终需要或仅在某些条件下需要。
在反复定义“启用”和“测量”意图以及与之相关的数据点之后，我们最终得到了一个如下图所示的关系模型。
该模型中的意图和数据点可能比可以轻松解决的要多。因此，数据定义框架有助于确定未来路线图的优先级，这一点很重要。紧密关联的关系模型有助于从整体上看待这一挑战。
我们现在可以评估这些数据点所产生的影响，而不是只关注实施数据点所需的复杂性或工作量。虽然在整个旅程中跟踪患者体验可能很困难，但这样做可能是理解这两种类型的许多意图的关键因素。在这种情况下，将他们的收集优先于其他多个更易于实施的数据点的收集可能是值得的。
确定哪些数据点在路线图的哪个阶段获得优先级对于制定成功的数据策略至关重要，因为它直接关系到何时可以实现哪些“启用”和“衡量”意图。
我们创建了数据定义框架，使服务设计人员能够开始为他们设计的服务的数据策略做出务实、有意义的贡献。这是我们将“数据思维”与服务设计相结合的第一步。
在飞利浦内部，我们已经将数据定义框架应用于各种服务设计挑战。我们与具有不同数据素养的利益相关者一起使用它，并从各种体验地图开始。它主要被认为是探索数据机会的工具，也是围绕数据构建思想的一种方式。尽管该框架是在医疗保健领域开发的，但我们相信它在其他领域具有潜力。我们已经看到它被应用于更通用的客户体验、专业培训服务和日常消费者服务，而不会面临重大挑战。
我们觉得这个框架现在对（服务）设计师来说特别及时，因为数据开始在我们设计的所有体验中发挥更突出的作用。作为设计师，我们的创造力和想法不应受到现有数据的限制。相反，我们应该在定义数据策略方面发挥积极作用，使我们能够随着时间的推移编排有意义的、个性化的体验。
原文作者：Suhaib Aslam, Sander Bogers and Sietze van de Star （data designers at Philips Experience Design）
译者：Yeutz CHEN，陈昱志Yeutz；微信公众号：YeutzDesign（ID：Yeutzsheji），专注于服务设计领域，致力于服务设计创新转型研究。
本文由@Yeutz CHEN 翻译发布于人人都是产品经理，未经许可，禁止转载
题图来自 Unsplash，基于 CC0 协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。