为了分析某店铺客服团队中人工客服和机器人客服的接待量

现在有一个简单的产品方案：为了分析某店铺客服团队中人工客服和机器人客服的接待量，提出用“柱形图”来强化表达“接待人数”这个数据量，突出对比客服之间的数据差异包括人工客服对比、人工与机器人客服对比

这个产品方案有问题吗？乍一看似乎没有问题，用“柱形图”来强化表达数据量，更好的突出差异对比，是对柱形图的正确打开方式。

但是我们通过调研抽样数据后可以发现，机器人客服的接待能力远高于人工客服，“服务助手”的接待人数是单个人工客服的10倍左右，图形化表达后得到的柱形图由于机器人客服的数据量和人工客服的差异悬殊，导致没有办法从图表中读出人工客服之间的差异对比

通过这个设计方案，我意识到了我们在决策是否选取某种图表前，需要进行调研，用调研结果来验证猜想，避免错误的产品设计方案。

想一想，如果上面的产品方案没有在决策前进行调研，直接引入了柱形图，不仅一定程度上造成了研发资源的浪费，还会让用户产生怀疑“这个柱形图想表达什么，又有什么作用”，甚至对产品产生了不信任感

既然调研如此重要，那么需要调研什么呢？想通过柱形图为例，和大家一起讨论需要调研什么的问题。

需要调研什么？

需要对数据组进行调研，那我们调研的理论基础是什么呢？既然以柱形图为例，调研的理论基础就是数据组能被柱形图图形化表达，我们可以对柱形图进行拆解，看看组成“水平轴、垂直轴、单位刻度”分别需要哪些条件，之后去调研业务场景下的数据组是否满足这些条件

1. 调研数据类别

柱形图的水平轴是由两个或两个以上不同时间或不同条件的类别组成的，就需要我们去调研业务数据的类别情况，根据调研结果去判断该业务场景下能不能形成柱形图的水平轴。

业务数据类别情况 

情况1：业务数据中只有1个类别的数据，这种情况下“柱形图”表达出来的数据是孤立的，不具备对比性，在实际业务场景中没有应用价值

情况1实例

观察某淘宝店铺客服团队“近7日客服接待人数”，收集到了整个店铺客服团队的“近7日客服接待人数”汇总数据：2131。分析业务数据可以发现只有1个类别就是“客服”，形成的柱形图也就只存在1个孤立的矩形，没有数据分析和实际应用的价值

情况2：业务数据中存在多个类别的数据，类与类之间只存在唯一变量。这种情况满足了组成“柱形图水平轴”的条件，用柱形图表达数据后，水平轴代表了业务数据中不同的类别，也能拿来对不同的类别进行对比

情况2实例

这次收集到的业务数据是店铺下每个客服“近7日接待人数”汇总数据，分别是客服1是364、客服3是490、客服5是429、客服2是393、客服7是457。调研数据类别，存在多个类别具体表现为5个不同的客服名称，同时5个不同的客服名称只存在唯一变量名字不同。图形化表达后，柱形图水平轴的点代表了1个客服名称，能用来观察客服团队里不同客服的接待人数量，强化对比客服接待人数差异

情况3：业务数据中存在多个类别的数据，类与类之间多个变量。虽然满足了“两个或两个以上类别”的条件，但如果将存在多个变量的类别组成柱形图的水平轴，图形化表达后的柱形图也是没有应用价值的，多个类别的变量导致无法进行数据对比。所以当多个类别存在多个变量时，我们需要将同一个变量的类别划分成一组，再用柱形图来表达