pic
2022-08-18 16:49
本文2213字，阅读需要6分钟。
在互联网普及和算力提升背景下，各行各业都在进行数字化转型。云智能设计部-设计中心和DataV数据可视化产品研发团队一直致力于数字化道路建设，借助云计算的帮助和可视化的手段，通过实时数据的采集，构建数字化空间，让真实世界的信息更加直观地展示，让企业以更加智能的手段进行资源监控、管理、调配。
本文内容，节选自2022 U设计周的主题分享《构建数字平行世界——可视化产品设计之路》，分享人是我们团队朴素的体验设计师的郑雅😊～
“数化空间设计体系”的建立
产品设计师面对的挑战是，如何结合图形、技术、体验等综合设计能力，对整个可视化设计的链路的通用逻辑，并且将标准的流程落地为通用产品，赋能到更多的行业用户。
行业设计师将领域经验结合可视化的载体，在垂直行业进行数字化案例的快速复制，帮助需要转型的企业。
产品设计师面对的挑战是，如何结合图形、技术、体验等综合设计能力，对整个可视化设计的链路的通用逻辑，并且将标准的流程落地为通用产品，赋能到更多的行业用户。
基于这样的场景诉求，设计师和研发团队共同沉淀了“数化空间设计体系”。主要分为四大部分。
全空间要素的生产方案
在构建数据世界时，我们并不是对物理世界的1:1还原，而是概括并塑造最典型的特征，并落地为可复用的标准，保证每个项目，每个可视化应用都遵循同样的范式。
总结整个空间基座部分的产品化落地，首先根据空间特征进行各要素的归类。把将可快速复制的要素拆解出来，提取其中的逻辑尝试自动化，形成一套可复用的产品功能。对于需要人工接入的要素，制定标准三维图形生产规范，结合图形资产进行场景优化和风格化精修；以此类推，完成多场景覆盖；通过场景回流三维资产的沉淀与创作，提高资产利用率与复用率和搭建效率。
业务数据的多元可视化表达
没有业务数据的场景基座是静止的物理孪生体，想要成为真正「活」的数字化空间，还需要加入各种业务数据的表达。数据融合的核心是整理数据与可视化之间的映射关系，落地为产品功能。
我们梳理了data.vis的数据融合设计体系，包括数据类型、形态、视觉通道、表达关系，与图元之间的构建关系；今后产品化落地都可遵循这个统一标准。
在可视化设计中，我们通常使用两类可视化组件进行数据表达，一种是常见的折线柱饼等基础图表，另一类是强调时空属性的数据图元，和地图的结合更加紧密。我们希望在产品中提供许多图元预设，让图表系统开箱即用，创作成本更低。
在构筑了产品的图元系统后，进一步考虑，结合视觉通道的特点，可以进行二重数据映射，以此强调数据的某个特征，完成同一份数据，多元洞察的表达。
全链路工程化方案
在针对构建数字空间元素进行标准化的沉淀之后，产品设计师接下来要考虑的是，将这些个体要素进行工程化落地，以通用产品的形式将图形能力开放给更多人创作。
以下视频来源于
DataV数据可视化
，时长03:35
有了之前的分析，我们发现在完成一个复杂的可视化应用搭建时，用户需要经历多个关键步骤，这些环节侧重的搭建能力和生产的内容有所差别，需要使用对应功能的产品完成。
最终构建一套面向数据可视化的全链路产品矩阵，满足用户在不同搭建环节的生产诉求，每个编辑器都有它在可视化搭建链路有不同的定位和能力。
智能设计探索
当生产要素到生产工具都标准化的情况下，产品设计师开始进一步抽象设计规则，进行智能化的探索，进一步降度可视化应用的设计、开发和搭建门槛。
完成一个完整大屏搭建是一个线性且复杂的链路，需要不同专业的角色进行协同，智能设计就是希望尽可能压缩设计到前端还原的步骤，降低可视化设计与搭建过程中，用户对于设计的专业门槛。
比如配色的逻辑，当把一个完整可视化大屏内所有的元素都标准化之后，可以很容易拆解出信息的层级和对应层级的色彩特征，根据特征输出一套计算色彩的规则。
智能编组逻辑也是如此，模拟设计师搭建大屏的经验，最零散的大屏元素进行编组封装。智能编组的能力能帮助我们识别大屏不同元素的重要层级，进而进行布局的一键优化。
基于不断演进优化的机器算法、随时补充的训练数据集和设计师提供的专家系统，产品内可以形成一套完整的智能设计能力平台，结合出更多智能功能的可能性。
比如在智能配色的基础上，识别图表位置及类型的物体识别模型，使用布局优化来避免由识别导致的布局误差，可以完成设计稿直接还原为搭建好的大屏。未来我们也将不断尝试更多的可能性。
探讨性总结
最后做一下探讨性总结，设计师如何在技术能力升级下，进行可视化产品的设计：
1、面向不同业务场景，建立全要素空间图形生产和渲染方案；
2、在不同业务表达上，完整构建具有多元化、标准化的可视图元系统；
3、制定要素的标准，沉淀规则，产品化落地；
4、将可概括、可复制的逻辑抽象出来，探讨智能设计。
