编辑导语：数据可视化在一定程度上可以更好地传递信息、监测数据，进而推动问题更快地被发现和解决。而合适的数据指标选择有助于更好地构建数据可视化体系，规避潜在风险。本篇文章里，作者对数据可视化如何选择正确数据指标做了相应分析，让我们来看一下。
一、故事引出的问题
橙歪瓜是电商公司负责某条业务线的产品负责人，每天都会通过数据可视化屏幕观察业务线的数据变化，近期发现订单量有较高的上升趋势，好像有些异常，询问后运营后，得知这些天有运营活动。想来是运营活动导致的订单量和GMV激增，橙歪瓜也没有太在意，没想到几天后，出事了！
公司新来的一个运营同事在新的活动中进行元无门槛优惠券的配置，由于错误配置，所有用户可以无限制领取，且优惠券全场通用。黑灰产及羊毛党利用该“漏洞”领取大量优惠券，完成了千万的套利，导致公司在2天之内损失惨重。
可怜的橙歪瓜，谁能想到看似一个运营活动导致的订单量增加，却是一个重大的问题呢？
1.订单量的激增为什么无法被感知是一个问题
橙歪瓜每天都通过可视化屏幕，进行日常的业务监测。
通过GMV（交易总额）、日订单量，我们可以明显地感觉到业务处于一个飞速的增长。
这是一个好的信号，通常来说，运营活动导致订单量激增，很多时候依然处于大家印象的“正常”范畴。
一方面因为新的运营活动必然做出了一些有利的促销活动，好像也能为订单量的激增做出解释；另一方面单从可视化屏幕进行观察，订单量、GMV的突兀增长变化也不能直接反映出优惠券被无限领取和大量使用的问题，所以每天通过可视化屏幕观察数据的小小橙也没能察觉到这是个问题。
事实上，数据可视化没能为用户做好预警，是因为订单量和GMV这2个数据指标无法明确传达业务异常的含义，如果在可视化屏幕中，新增一项图表，用来展示优惠券业务的数据情况：假设某电商平台使用优惠券的订单在全部订单中的正常占比是2%~10%，优惠金额在总订单金额的正常占比是在2%-6%，这是一个正常的区间。
当单日订单中，使用优惠券的订单超过10%，且订单优惠金额占比超过6%，这就已经很明确地反映出优惠券的业务出现异常了，橙歪瓜也能很清晰地就能感知到这个问题。
然而这些“关键信息”的缺失，导致用户未能及时发现风险；如果我们希望数据可视化能够更好地为用户提供分析决策的依据，第一步则是找到这些“关键信息”。
2.什么样的信息是关键的
传递的信息真正是用户最初想要的，能够依据此信息分析出他想要的结论，那么这个信息就是关键的。所以可以看出，信息是否关键，取决于与用户目的的契合程度。
因此，要想确定关键信息，找到关键的数据指标，第一步，是确认用户的目的。
二、确认用户目的——择取关键指标
1.结合应用场景感知用户目的
回到数据可视化的应用场景，数据可视化常被应用在2种场景。
数据可视化屏幕常见于展厅或公司前台，当投资人或合作客户来访时，首要看到的就是公司当前阶段全局的业务发展数据，各条业务线的关键数据指标展示可以让他们对公司当前的发展情况一目了然，体现企业实力的同时也为接下来的交流隐性的增加双方的合作机会。数据可视化屏幕常见于实时监控中心/内部数据平台，不同于展厅那种向外界呈现全局数据的应用场景，监控中心/数据平台的面向对象通常是各个业务线的负责人，他们更