上次说完了Dataphin产品的功能完备性，今天咱们就来聊下功能体验细节的易用性和界面设计。
功能易用性 评分：4.5分
点评：原创设计，越用越好用
概要：
主打的建模研发功能，使用体验独特，如果说前面提到的常规大数据开发功能是编码编辑器，那么建模研发功能就是智能计算器——5个工作日时间，2个ETL人员，完成Boss定的一个业务线的数据验证（原来是3个ETL同学长期维护，业务报表需求已经供不应求），ETL快速熟悉怎么使用之外，几位主要业务需求方也开始跃跃欲试。
主要功能操作步骤如下，供参考：
Step1：基础数据中心上云
这个业务线ODS层表大概80张，团队2个开发小哥大概用了2天半配置数据源、同步任务、Python任务，完成上云第一步~
这一步还是比较简单的，都是简单的界面操作。
Step2：公共数据中心上云
ODS层数据上云后半程，自己参与，和另外一位分析师同学大概花了1天时间，仿照示例，走通了一个小场景，熟悉了产品操作。并在工作日结束之前，顺利完成所有任务！
小场景大致如下：
规划：构建业务板块和数据域
这里都是一些表单操作，按照界面操作就行。
规范定义：维度、业务过程
这里也都是一些表单操作，按照界面指引就行，必填项填写正确就行。
维度要求配置主键计算逻辑——只要会写SQL中 “select from” 就行。
逻辑表：维度逻辑表/事实逻辑表
这里也是一些表单操作，操作步骤有点多，但是基本上可以按照界面引导操作，也不会出错。
大致如下：
整体体验还是挺好的：
比如添加事实模型的度量，这里选择表之后，直接勾选字段，右侧会自动读取元数据，生成添加的字段和计算逻辑。
比如比如可以可视化看到雪花模型结构，也能修改关联维度。修改提交成功后会提示下。
比较神奇的是，这样提交后，后台调度任务和代码就生成好了？！
开发环境的操作完毕，还要发布到生产环境。支持批量发布，这个操作比较简单。
发布校验提示，还是比较细心的，也可以防止发布到生产环境出错。
不过部分提示还是很奇怪的，这个，就看不懂了……
然后一键切换生产环境查看，非常平滑。一切都很顺利完成惹~~~
规范定义和逻辑表：派生指标和汇总逻辑表
定义派生指标确实就像产品文档介绍的，选择几个选项，就可以批量创建很多指标！大大提高数据生产效率。
不过，操作前，需要根据OneData的方法论，先分析和定义原子指标、业务限定，还需要将原子指标用到的来源逻辑表（问了技术支持，就是原子指标定义时，选择的来源逻辑表）上定义关联维度作为统计粒度，才能实现：
派生指标=原子指标+统计粒度+业务限定+统计周期
这样的效果。
操作步骤基本阿里云的网站都有，这里就大概分享下几个典型页面和操作注意事项，经验传承下。
原子指标，类似select的代码片段。定义原子指标尤其注意下，数据类型会用到派生指标里！谨慎定义！
业务限定，界面和原子指标差不多，更类似where条件的代码片段，不需要定义数据类型和统计周期标识。
派生指标，选择所需选项，组合定义即可。已生成组合的派生指标，不会重复生成~~
汇总逻辑表，与派生指标的统计粒度一一对应，派生指标根据统计粒度自动汇聚到汇总逻辑表上。
汇总逻辑表支持自定义指标，定义关联主键和时间分区，即可将自定义的指标挂载到汇总表使用。
值得一提的是，派生指标提交后，汇总逻辑表也会自动生成调度节点和代码。
即席查询汇总逻辑表，可获取主键所属关联维度的维度逻辑表的属性，也就是说，汇总逻辑表也类似雪花模型一样，每个地方都可以通过逻辑表的关联维度结构，遍历查询数据。这样防止维度逻辑表的数据，无意义冗余~好评设计！
关于“潜水”功能的二三事
分享了这么多操作步骤，大家可能和我有一样的感受，功能有点太多，产品引导还不够友好，所以会出现这样的问题：
1）不知道功能怎么用。比如公用计算逻辑，虽然界面有提示，但是缺少直接引导，还是因为其他产品问题咨询，才从技术支持那里得知这样一个神奇功能可以用。
2）功能的选择配置多，会有选择困难症。比如事实逻辑表，区分周期快照表和事务型表之外，这里还需要选择有主键、无主键？选择后，字段添加和校验方式也不太一样，如果没有特定场景，功能使用会有点懵。
3）有些功能太隐藏！比如支持雪花模型这样 “事实表.维度表.…….维度属性”这样查询字段数据，这个很方便啊，但是没有提示使用，偶尔情况发现使用。
其他期待
虽然功能有特色，总结下来，还是有些使用问题，大概如下：
1）概念太多，上面还没提到层级维度、衍生原子指标，还有各种套路，需要慢慢琢磨。这些概念一开始暴露出来，对我们这些从0开始用的小客户，有些不太友好，熟悉的过程虽然不长，但是一开始的使用体验会有折扣；
2）初始化操作事项较繁琐，为了最后1分钟创建派生指标，业务CDM层还有较漫长的路要走，这里伴随着各种概念和定义的纠结，对于普通的无数仓经验的ETL人员，还是有些挑战的；
3）一些细节功能还不支持：比如多事务的双主键事实表，逻辑表也不支持小时调度（技术问题？），小时逻辑表也不支持；
4）运维配套功能缺少：逻辑表不好运维，缺乏全局的依赖关系及批量管理机制，全量调整来不及。
总的来说，这4.5分给得有点低，分低的主要原因——对于没有采购专家服务的我们小公司来说，入门还是有点难度，踩了一些坑，有些输在起跑线的感觉，应验了一句“万事开头难”。
不过真的是越用越好。作为开发者，感觉Dataphin和传统的ETL软件大不相同，有设计感之外，从写代码角度，真的提升效率~后续找数据、查数据、数据体系运维都方便，毕竟命名和对象关系都清晰了~
产品界面设计 评分：4.8分
点评：科技感与设计感
概要：
之前听UED提到站酷上有人分享ToB产品设计，思路独特，设计有创意，参详对比下实际产品，产品设计还原上还是达到设计师目标——
- 明亮多样的色彩搭配
- 3D的icon设计
- 契合主题的动画
- 点睛的界面切换转场
- 活力界面
这些都让原本枯燥的开发工具多了一些生气与活力，用这样的工具进行数据研发，心情也好些。
交互较友好
值得一提的是，产品的操作交互体验也不错，主要流程的必要引导、校验和提示都恰到好处。
总结：独树一帜，值得尝试
整体来说，好的点：
- 作为To B产品，比较成熟了，项目角色管理、编辑器、生产开发隔离、多云多计算引擎这些功能也都可以支持，整体链路很顺畅。
- Dataphin自动化研发是真的牛，这么多One系列复杂概念，最终能实现开发、发布、运维、资产一套，也是厉害的，至少说明OneData概念成功落地成体系化的产品了！
- 研发经验和知识沉淀产品中，各种数据体系可以快速迭代，再也不用查各种文档，维护数据也方便了。
- 业务视角管理，数据易查易回溯，比如出现问题，可以根据界面快速回溯源头、追溯问题链路（派生指标→原子指标/业务限定/统计粒度→事实/维度逻辑表），数据污染之类问题，很好查以及修复。
目前不好用的点，主要在初始化使用难，但是使用上手一段时间，也就习惯了。
（这里想提个需求，这些智能化过程也太黑盒了，有时候数据不太好验证，是否有什么方法可以对比界面配置代码和任务链路 vs 智能化生成代码和任务链路？另外有时候有代码优化，也不知道优化路径是什么情况，希望可以让咱们开发同学也参与下，有个智能引擎的运维界面，就好了，歪歪一下~~）
听说最近有新版本要上线，很期待，希望能和上面问题一起升级解决，给咱们开发者带来更多不一样惊喜，这样才能让咱们这些生产力给企业管理者带来更多价值啊！
结语：
阿里巴巴数据中台团队，致力于输出阿里云数据智能的最佳实践，助力每个企业建设自己的数据中台，进而共同实现新时代下的智能商业！
阿里巴巴数据中台解决方案，核心产品：
Dataphin，以阿里巴巴大数据核心方法论OneData为内核驱动，提供一站式数据构建与管理能力；
Quick BI，集阿里巴巴数据分析经验沉淀，提供一站式数据分析与展现能力；
Quick Audience，集阿里巴巴消费者洞察及营销经验，提供一站式人群圈选、洞察及营销投放能力，连接阿里巴巴商业，实现用户增长。
欢迎志同道合者一起成长！
