我们平时工作中可能会有这种感受，最开始的时候你有可能都不清楚自己的用户在哪。
如上图参照1，通过挖掘，我们可以把关键信息比作是红色的圆球，但是关键信息出来了以后，可能你的老板、上司常常要求多加一些功能以便覆盖更广泛的人群，那么多加的功能往往给核心功能造成很多干扰，影响用户对信息的解读。这种现象是很常见的，我们如何解决呢？参照2，我们在梳理出核心信息后，剩下的三类信息做淡化处理。不过这并不很理想，非核心信息还是占据了核心信息的空间，我们可以参照3进一步弱化非主要信息，这样核心信息进一步凸显。可能这样做我们无法覆盖所有的用户，但是抓住最主要的80%的用户就可以了。
我们以上图为例，假定A用户喜欢红色的信息，B用户喜欢绿色的信息，那么现实情况就是绿色信息对A用户是干扰，红色信息对B用户是干扰。遇到这样的情况，我们应该怎么在界面上设计红绿信息呢？那么我们要覆盖更多的商业利益，我们就要用大数据来解决这个问题。
我认为真正的大数据应该是“来自未来的信息”。所谓来自未来的信息就是提取过去的信息和今天信息，进行综合分析得到展示未来的信息。我们举一个具体的商业例子来说明什么是未来的信息。
我曾经在一家电商公司做产品经理的时候，做过一个关于商场的项目，目的是通过收集商场内用户的购买停留时间，来做精准广告推送这么一个事情。
建立一个场景：一个20岁的女大学生经常去徐家汇的某个商场的耐克打折店闲逛，看到打折的商品可能会购买，我们的手机APP可以记录了她的停留时间，得出她到耐克打折店的停留时间最长，那么当她再一次来商场的时候，APP就可能根据之前的信息进行准确的推荐，所以说这个推荐是基于一连串有关联性的数据得出的，这就是来自未来的信息。
有了数据，我们就可以根据数据去进行设计，我们来看一下盒饭和果汁的例子：
在全家便利店有这么一个现象，在一张购物单里往往会出现盒饭和果汁两种商品，经过分析发现这些购物单多数来自午饭和晚饭时间，人物分析后认为可能是吃饭含有盐份，容易导致口渴，同时盒饭不能满足维生素的补充，喝果汁有利于补充维生素。于是全家便利店决定把盒饭和果汁摆放在一起，取得了极大的成功。这是一个正面的例子，如果我们这样做行不行呢？
建立一个场景，购买了盒饭，在结账的时候向购买了盒饭的用户推荐果汁或是向购买果汁的用户推荐盒饭，这就是一个很糟糕的体验，虽然盒饭与果汁依然具有关联性，但是这种行为对消费者造成了干扰。
所以结合今天的设计来看的话，很多设计都是如上面左图所示，不管是淘宝还是京东都是如此。用户在购买东西或浏览信息时下面有一些相关的推荐，我们称之为“跟随型信息推荐”，采用跟随型的方式处理大数据设计的原因在于不足于一半的可能性、选择权交给用户、数据不够精确等。
另一种设计我们称之为“打断型信息推荐”，形象地说就是用户在浏览购物车时忽然弹出您可能喜欢的信息。我认为凡是敢做成打断型推荐的信息必须满足以下条件：100%的可能性、承受全部责任、数据绝对精准。所以我千万不要把本应是跟随型信息推荐做成了打断型信息推荐。
今天我们做设计时应力求做到以下三点：一是像打靶一样精准瞄准用户的需求信息，放弃撒网捕鱼式的大而空的设计；二是将信息和需求明确主次，主次混沌一团是不受欢迎的；三是结合媒介进行信息的设计，我们不能所有的终端都用同样的设计。针对大数据来说呢，只想重点强调一点，尽量采用跟随型信息，谨慎使用打断型信息。
（集创堂）
