数字化的设计——一个因数据化引发的心照不宣的“规则”
我们现在对于数据作为商品的本质特征和与数据相关的数据商品的设计，并且针对一些互联网大厂和上线的app产品开发上经常把数据作为决策依据和有效维护个人隐私权利，在这个基础上，更好地发挥数据作为资源和新型商品的社会价值已然成了一种新的心照不宣的“规则”。
一、站在数据的角度去看设计问题
新技术飞速发展，很快进入大数据的新时代，通过大量的案例分析实践，就发现了数据的巨大价值，提出了所谓的“大数据思维”的思维模式。大数据说白了就是根据结果去分析，它消除了很多不确定性，也发现了数据的相关性，甚至直接从大数据中得到答案，哪怕你也并不知道为什么，就能根据数据去预测一些未来。
有人说设计要为营销服务、以营销为最终目的，那么营销到底是什么呢？举个例子来说:
星巴克大家都是很熟悉的，那么有没有发现，星巴克的营销其实是很有特点的，市面上有很多的解读，但是这里我们不妨说是星巴克创造了一种新的消费需求文化。
星巴克倡导，人们有“第三空间”的需要：“咖啡的消费很大程度上是一种文化层次上的消费，文化的沟通需要的就是咖啡店所营造的环境文化能够感染顾客，让顾客享受并形成良好的互动体验。”强调营造一种温暖而有归属感的文化，因此星巴克脱颖而出，成为特立独行的一个咖啡品牌。这就是营销，它就是形成一个能让你买单的认知。
对于根据数据变动而引起的数字化设计，感触最深最明显的就是B端设计师，因为面对的数据和维度很多。B端设计，也就是b类设计师，他是从兴起的新零售和全链路开始，首先是让B端供应链背后的产业慢慢浮出了水面。
B端行业其实是一块独特的领域，对于大众来说它是陌生的，大部分的普通用户是无法接触到这背后的产业链条。B端产品的角色权限等功能也具有一定的复杂性，而设计的环节中，数据化的体现是最大的。
二、数字化的设计和数据的关系
这两者就像是从理性角度分散出来的两端;为什么说理性呢?
1. 设计为何也是理性
设计是理性的，区别于艺术，我们都知道艺术来源于生活，但是它高于生活，原因在于艺术是感性的。
艺术它创作具有自主性、个体性、创造性和不可重复性等属性，满足人们心灵渴求、精神需求，甚至唤醒人们超越美感贫瘠、麻木平淡生活的自创力。
身为设计，不是艺术家，所以需要设计人员拥有绝对的理性， 理性的看每个用户的需求点，这个理性体现在设计前的原型规划，设计中的技巧思路规划。
而产品设计为了更好地服务于某个用户群，了解用户就变得非常重要。尤其是要了解用户的目标、行为、态度等相关的情况，我们这里说的数据其实也就是对用户的目标、行为、态度等情况的量化，通过对这些数据的分析，我们可以更好地挖掘用户的需求，进而为用户提供更好地体验。
2. 设计前的原型规划
产品经理对待一件产品，不断的去进行思维碰撞、不断的填充产品逻辑、不断的去变换原型草图，因为这是产品经理对每个产品的感知数据进行倒推的数据化转化。
3. 设计中的技巧思路规划
设计师对每一个项目及接手的项目，不断的更迭产品设计思路，不断的想:
功能主次是否区分、手势操作是否快捷、反馈是否到不到位、交互是否方便、是否适应不同的屏幕大小、是否符合人的直觉， 涉及情感是否清楚表达，又传递了怎样的情绪？传达了怎样的品牌信息……因为他们想让这个设计完美的呈现产品所赋予的功能、精准传达产品的价值理念及其用户的需求;这是设计师对设计的维度数据分析。
4. 理性的设计必然有一定的规律
说实话啊，人们在接受一个产品时，总是遵循着一定的数据规律。
这种数据规律可以概括为引起发起注意——激发兴趣——确立信念——加强记忆——导致行动等过程，当然了，这也是人们参与或者购买、活动的心理过程。
在这个心理活动中，好奇的心理是前提，没有好奇和兴趣，这个心理活动过程就会中断，产品就不能达到预期的目的，所以产品的设计不能与这种规律相抗衡，只能遵循。
设计产品时通过对数据的分析，进而模拟倒推用户心理策略的运用应当是综合的、连续的，把人们心理活动的各个阶段联系起来统一在一个产品界面之中。这就导致设计必须与数据融合，进行数字化的规整。
三、怎么调整那些迷惑般的产品体验变化？
产品用户的体验总是催生一些新的潮流变化：
1. pc首页的主要难点在于价值平衡
它既要给需求明确的用户提供单场景细分信息，又要给需求不明确的用户提供多场景融合信息。其次，需要提供各种不同类型的信息，以促成转化的最终目的。
每年的设计流行趋势，就是设计数据的最大转化，就像现在网站的每个 icon，在加强科技感的同时，结合新拟态风格，通过对光影、形状、材质的打磨，然后通过 3D 渲染，用清透的材质体现出空间纵深感。
包括之前苹果iOS14的发布，从苹果给出的官方数据发现一个用户平均每天进入主屏幕的次数超过90次，但停留的总时长不过几分钟，由此可知一目了然的内容才是用户关心的唯一要素。在一闪而过的快速切换应用的主屏幕里，设计交互复杂的应用界面并不能契合用户的需要，这就是数据的映射。
试想我们可以将某个比较关注的订单物流信息自定义到前台Widget透出，让你时时掌握自己包裹的一举一动，这种便捷又充满上帝视角的形式是不是别有一番味道。
2. 现在普遍流行的设计趋势有一种就是视差
视差是利用不同的界面元素以不同的速率移动，创造前后景深的分离效果，借此在平面中塑造空间层次，已成为网站首页最为普遍的表现形式。
视差之所以能形成一股风潮，广为各个行业所接受，一方面是信息层级更加清晰，明确定义各种元素的关系，让用户专注于主要操作和内容，将背景或非交互元素往后退，同时保持设计的完整性。另一方面是丰富的层次变化，当用户滚动或滑动时，能在扁平化界面拉开空间关系，利用不同的速率和纵深，塑造多层次的感官体验。
3. 使用数据归纳法提炼信息总结规律，最为直接有效
哲学家休谟曾提出著名的“休谟问题”，认为归纳推理并不能从经验材料中发现、概括出具有必然性的一般规律。罗素的表达则更为生动，“一只每天被主人喂食的鸡，怎么也归纳不出有一天自己会被拧断脖子。”只是，既然按照他们说的归纳法如此不可靠，为什么我们直到现在还未将其抛弃，反而日复一日继续使用？并且、甚至提出了大数据的概念呢?
答案很简单，因为在一定时空边界内，使用数据归纳法提炼信息总结规律，最为直接有效。
查理·芒格在《穷查理宝典》中提到：“一个人只要掌握80到90个思维模型，就能够解决90%的问题，而这些模型里面非常重要的只有几个。”
其中，就隐含着类比推理的理念。
现实工作中我们都不是在追求最完美的设计，更多的是在做设计对于业务和营销的平衡; 设计师需要在业务和用户之间找到巧妙的平衡，找到二者的交集。
举个例子:
假如这个产品这个阶段就是要做智慧社区，而用户诉求是享受个性化的服务，看似完全不关的两个诉求，实际上我们完全可以通过更好的个性化服务提升用户满意度，获得好的用户口碑，再间接地借助用户口碑提升产品的用户规模，这二者之间并不是完全的不相干，更多的时候看能否找到他们的关联性，抓住阶段性的设计目标。
四、怎么读懂用户、市场似是而非的数据反馈？
林林总总总是很多的原因都在影响设计使用的反馈，这时我们要一口气全吸收吗？这时数据用研另一个重要的作用，就是帮大家拎清楚调优的优先级。
数据代表的是用户的目标、行为和态度，但是单独看一个数字是没办法发现问题的，数据的对比是最简单有效地手段。
1. 数字化设计前的使用数据作用
设计前的案例收集、研究和分析，都是为了同过数据更明确用户的需求，明确为什么要做这个设计？
我为谁而设计产品？我们拿到一个产品、一个功能的时候，都会在意我这个东西是为哪些用户做的。比如我们去支持铁路12306的时候，会去调查市场用户变迁，看到各类目标用户对这类官方产品的诉求差异。
在了解业务诉求和用户诉求的过程中，我们难免要用到数据，这个阶段，数据的作用就是为了“发现问题”，看看设计可以解决什么问题，从而更佳明确设计的目标。
2. 数字化设计中的使用数据作用
设计中数据帮你判断思路是否合理正确，比如说:通常情况下，用户为达成目标而需完成某些任务，这些任务以及任务的聚合往往会影响我们对于整个系统信息架构的设计考量。
在业界有很多关于权限系统的技术模型，我了解不深， 比较常见的有ACL、ABAC、DAC、RBAC等等，不同体量的权限系统，我们可以参考不同的权限模型进行梳理和设计，而不是从一而终。
现在随着“数据密码”的不断深入， 新基建场景下数据中心作为新基建下的算力基础设施，为云计算业务提供基础技术保障，体验的好坏直接影响到用户的工作效率与感受。
产品的体验设计，在技术专业性和用户高水平上都有自己的明显特征。同时拿运维体验来说，这某种程度上受限于技术和业务，无法像C端产品那样完全的从以人为本的用户角度出发，完全的贴合用户的实际模型。
在面对业务难度与专业要求的情况下，需要平衡和满足双方诉求，这也给设计师带来一定挑战：设计师不是用户，采用同理心&假装用户的方法会略显苍白。
所以这时候可以通过数据建立模型，在这个的运用中，虽然设计师同理心、共情比较难建立，但我们可以通过数据“移情用户”，尽量去替换角度思考问题，理解用户的工作内容和习惯，为目标用户而设计。
而且设计中仅有设计方法牵引，是无法满足用户使用的真正诉求，因此将用户塑形与系统实现的因素纳入设计表现，共同构成有效的设计模型。
林林总总这么多的原因都在影响设计上线使用的反馈，这时我们要一口气全吸收吗？这时数据用研另一个重要的作用，就是帮大家拎清楚调优的优先级。
最后想说：
设计的数字化，当然不只是用软件做设计。就现在来说在数字化的尝试里面，其实就是设计和技术，设计和数据的相互融合。最终数字化的设计会诞生什么，增加什么？会是什么样的形式?我相信会在不久产生回答。
本文作者 @liang 。
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
