17 KiB
城市⼤脑与⾏业智能
在2016 杭州 · 云栖⼤会上，阿⾥云率先提出“城市⼤脑”并落地杭州，“城市⼤脑”是以数据为核⼼，以云计算为基础，把数据当成⼀个城市重要的⽣产资料，尝试通过数据的⽅式去解决城市遇到的⼀些问题。
在过去将近4年的时间⾥，城市⼤脑最早是从交通领域开始⼊⼿的，逐渐拓展到城市更多的领域，包括⼯业、交通、医疗、公共卫⽣等等个⾏业，延展出了今天“⾏业智能”遍地开花的局⾯。
服务于城市⼤脑的阿⾥云“数据智能设计系统”
阿⾥云“数据智能设计系统”有别于单类产品设计体系，是以⾏业智能解决⽅案整体输出为⽬的，集成了“数据产品设计体系”、“⾏业智能产品设计体系”、“⾏业孪⽣可视化设计体系”等的复合性设计系统。
迄今为⽌，阿⾥云“数据智能设计系统”中包含的设计内容还在持续延展，今天要聊的就是其中有代表性 3类体系：
「根基」数据产品矩阵设计体系。传承阿⾥云设计语⾔，利⽤ XConsole 设计中台，对阿⾥云 200+ 款数据产品进⾏物理、⾏为层⼀体化的设计。
「筋⻣」⾏业智能产品矩阵设计体系。打造具有领域特⾊的⾏业智能产品，引⼊⾏业孪⽣可视化经验，充分开发数据融合价值的同时，利⽤设计降低认知成本。
「灵⾁」⾏业孪⽣可视化设计体系。经过多年的经验沉淀，建⽴了⾏业孪⽣可视化设计标准。利⽤⾏业可视化解决⽅案与其成熟度度量，持续打造有⽣命⼒的可视化资产库。借助智能化的⼟壤，封装设计逻辑，孵化多类降低⻔槛、提⾼效率的设计⼯具。
「根基」数据产品矩阵设计体系
数据智能设计系统与阿⾥云设计语⾔和云智能数据产品设计解决⽅案 XConsole ⼀脉相承，并在此基础上根据⾏业特点进⾏了⼀定的具体化与延展。
01 绵延进化的语⾔——阿⾥云设计语⾔
Evolving Design Language 是⼀套深⼊云计算领域，集视觉规范与设计元素于⼀体的、⾃我进化的设计语⾔。它帮助我们更加⾼效地提升设计规范和质量，同时打破虚拟与现实的壁垒，去搭建阿⾥云智能感与逻辑秩序的世界。
在阿⾥云设计语⾔的指导下，数据智能产品设计⼒争做到清晰⾼效、体验⼀致，并体现⾏业领域的专业与严谨。在虚拟与现实、抽象与具象的关系中，我们继承着阿⾥云设计语⾔，探索着数据智能⾏业的设计观点，不仅通过参数化设计延展抽象之美，更在虚拟空间中通过数字孪⽣驱动现实变得更美好、更智慧。我们的设计体系不断⽣⻓，不断进化，遵循逻辑⾃洽与秩序严谨，同时注重以⼈为本的体验与设计价值的普惠。
02 传承的保障——云智能数据产品设计解决⽅案 XConsole
XConsole 诞⽣于阿⾥云，将数据产品的设计解决⽅案与开发框架更紧密地结合，旨在让设计可以美⽽简单。XConsole 所提供的设计⼒包括设计规范、组件库、场景库、最佳实践库、⼀致性度量及⽆障碍设计。从时间、空间、感官三个维度来看，XConsole 涵盖了⽤户流程中各节点的⾏为与体验、信息架构中的布局、层次与切变，以及感官体验中的美感与细节打磨。最佳实践、场景、规则与⽤法是其核⼼资产，帮助产品场景化构建完整的体验链路。
通过 XConsole，我们希望形成更具公信⼒的企业级设计解决⽅案。《控制台⼀致性评估⽅法》作为标准化⼯具推动了云产品⼀致体验提升，并发表了学术论⽂，被 ACM Digital Library 收录，阿⾥云设计师们也将这⼀成果带到了 2019 CSCW ⼤会 (ACM Conference on Computer-Supported Cooperative Work and Social Computing) 现场。基于 XConsole 撰写的团体标准《云计算管控平台界⾯设计指南》已被中国标准化研究院审核并公示。
数据智能设计遵循阿⾥云设计语⾔与 XConsole，在数据产品与⾏业智能产品中对其进⾏巩固、应⽤并发扬，从⽽保持了阿⾥云⼀致的语⾔表达与⻛格基调，并根据差异化场景进⾏了适当的延展。
03 不破不⽴——数的物化
在⾏业智能产品的使⽤场景中，对⽆形物的可视化映射尤为重要。抽象的数据流转和繁琐的操作链路往往是⽤户体验的瓶颈，但也可以成为体验提升的突破⼝和数据可视化的创新舞台。
⾏业智能产品为城市⼤脑提供着全量、标准、⼲净、智能的数据资源。⾯对繁复的数据依赖关系和操作链路，设计师尝试化“数”为“物”，将抽象概念翻译为具象实体，将流转关系表达为动态路径，将层级架构⽤三维⽴体的效果搭建出来，数据关系变得更为清晰、直观，提升了多维信息的触达性和使⽤的亲切感与智能感。
「筋⻣」⾏业智能产品矩阵设计体系
01 尊重传统——保有⾏业特⾊
在交通、⼯业等领域，业务与开发⼈员利⽤产品完成⾏业场景中的核⼼业务流程与数据配置，从⽽保障基础功能的实现和上层应⽤的搭建。在⾏业智能中台的设计中，我们也沉淀了⼤量具有⾏业属性的设计资产包，便于设计师与合作伙伴进⾏⾼效复⽤。
02 落地⽣花——⾏业孪⽣低代码搭建
数字孪⽣是指通过数字化⼿段将现实中的物体在虚拟的数字世界中构建相同的实体，从⽽进⾏全⽣命周期的分析、预测和优化。如果说数据可视的关键词是数据的“映射”，那么数字孪⽣的关键词则是实体的“重建”。
来源：数字孪⽣体技术⽩⽪书（2019），由数字孪⽣体实验室与安世亚太联合发布
在阿⾥云多年的⾏业孪⽣可视化设计积累下，这⼀能⼒也被更⼴泛的应⽤于⾏业智能产品中。那么，如何搭建⼀个全⽣命周期在线可运算的平⾏世界？通过对这样⼀个镜像世界的观察、推演和测试，现实中的⽣产与决策将会是怎么样的呢？
在⼯业⼤脑中，数字孪⽣将有形事物进⾏数字化重建与实时仿真。我们制作和沉淀了⼤量⼯业精模和组件，重建了⼀个实时在线的虚拟⼯⼚。为了满⾜不同⻆⾊⽤户的需要、尽可能还原⼯⼚的实际操作流。我们不仅为⼯作⼈员提供产线配置的 PC 端应⽤，同时也搭建了智能⼯业⼤屏，在展示层⾯联动配合，为管理者提供准确的决策依据与预判。
为什么我们不断追求极致的 3D 仿真效果，并且沉淀到设计系统之中？
对⽐⼯业产品早期的2D的数据映射、物理仿真与数字孪⽣效果，我们意识到真实场景的重建可以将产品的清晰性和可操作性⼤⼤提升，免去⼈们对抽象数据和图形的解码过程，使得与产品界⾯的交互越来越接近⼈类⾃然认知与⾏为，从⽽让操作、决策与预判更加精准。
为⽀持孪⽣能⼒在不同⾏业与产品中的⾼效落地，我们在设计资产库中沉淀了⼤量模型，同时也在不断打磨与更换⽀持的软件，形成⼯作流的最佳实践。⽬前我们利⽤ Blender /C4D + Substance Painter 以及DataV 的 3D 引擎进⾏线上⾼度还原。完善的 GLTF/PBR 节点⼯作流可以为设计师和开发提供⼀个对⻬的三维产品创作与搭建环境。
设计标准的制定、技术路径的打通为数字孪⽣在不同⾏业的应⽤提质提效，使不同设计师与业务和技术团队的合作更加顺畅。今天，数字孪⽣可视化已在交通、医疗、零售等⾏业不断延展落地⽣花。
「灵⾁」⾏业孪⽣可视化设计体系
01 经验之谈——⾏业孪⽣可视化设计标准
可视化能⼒为各⾏业的客户提供了展示、分析、监控等重要能⼒。利⽤ 3D 模型的精准仿真与光影镜头的流畅描绘，使认知与决策更加⾃然准确，使现实得到理性驱动。在满⾜客户个性化需求的同时，设计体系与规范流程让⼀块块⼤屏获得⽣命⼒与⼀致的调性，并驱动了设计与技术的合作。
随着技术路径的成熟，设计经验的丰富，作为设计师，同理⼼驱动我们从各个⾏业终极⽤户⻆度出发，把这⼀能⼒引⼊产品，让更多客户享受到数字孪⽣的助益。同时，我们也在持续对设计标准化流程进规范与改良，⼒求以更⾼的质量更低的成本服务⾏业。
由于⾏业孪⽣可视化中的硬件尺⼨与应⽤场景的特殊性，想要实现业务需求、达成最优视觉效果，都离不开对⼈体⼯程学的遵守和对软硬件设备的考量。对所采⽤的字号、观看距离、分辨率、硬件设备选择，我们通过详细的计算与应⽤，沉淀出⼀套最佳实践与设计原则，保证⼤屏设计以符合⼈因⼯程与设备条件为前提，带给⼈们舒适⾃然的体验。
02 普惠之路——⾏业孪⽣可视化解决⽅案
做了⾜够多标杆案例后，我们开始思考怎样从满⾜定制化需求到满⾜⼤部分市场需求，将独⽴的案例沉淀为不受⾏业与载体限制的⽅案，最终形成解决⾏业⼤屏交付链路中的效率及体验问题的通⽤化能⼒。我们也进⼀步探索⾏业孪⽣的可视化解决⽅案，不但沉淀了⾏业资产，更注重能⼒的扩充与转化。
以智慧园区为例，我们针对综合安防、能耗管理、设备管理、综合运营和资产管理五⼤典型场景进⾏需求分析、功能梳理与数据解构，从全球层⾯到楼层的颗粒度，沉淀出可复⽤的多终端组件库、⼯具体系与设计指南，并进⾏前端视觉模版封装和后台技术逻辑封装。这⼀思路与设计规范也可以横向迁移到其他⾏业。
那么，怎样去衡量⾏业解决⽅案是否有效成熟呢？我们可以从⾏业匹配度与效率提升两⽅⾯进⾏量化评估。⾏业匹配度的计算⽅式，是将解决⽅案对⾏业的业务场景、业务功能与数据字段的覆盖⽐例进⾏加权平均：
（U 为解决⽅案提供的业务场景数、F 为提供的业务功能数、D 为提供的业务数据字段数；n 为实际项⽬中缺失指标数）
⽽效率提升则是对⽐该解决⽅案与传统⽅式对关键环节的时间节省程度。具体来说，是在⼤屏设计、⼤屏建模、地图搭建、撰写地图数据、⾯板搭建、撰写镜头脚本这六个主要步骤中，对新⽅案与传统⽅式相⽐的时间节省程度或效率提升的百分⽐进⾏加权平均：
（a 为⼤屏设计时⻓、b 为⼤屏建模时⻓、c 为地图搭建时⻓、d 为撰写地图数据时⻓、e 为⾯板搭建时⻓、f 为撰写镜头
脚本时⻓、g为撰写交互场景时⻓；p 为过去传统某项指标消耗时⻓，c 为当前解决⽅案下某项指标消耗时⻓）
度量成熟度可以帮助我们理性评估解决⽅案产品化化为客户带来的效果与价值和对团队带来的降本提效，从⽽更有针对性地优化⽅案，以最⼤限度地匹配⾏业数字化转型的需要。
03 奇思妙想——智能化提效⼯具
提效赋能的下⼀阶段，则是通过海量数据、算法和算⼒的结合，为设计过程赋予智能化的能⼒，再通过产品化封装，赋予任何⼈以设计的⼯具与资源。从⽽更多⼈能够快速⽣成⾼质量的可视化展示与洞察分析，将价值更多地发挥在其专业领域和未知领域的开拓上。
图表绘制往往耗时耗⼒，配⾊和布局需要⼀定的设计专业知识和经验。如果 AI 可以学习和解构设计经验与案例，将专家能⼒转化为⼈⼈可以快速应⽤的⼯具，我们的⼯作流会是怎样的？不妨⼿绘⼀张图表草图，或选⼀张图表⻚⾯截图，交给 DataV 的智能识图设计功能“⻢良”。基于对⼤量数据的深度学习，“⻢良”可以快速识别你的草图，⾃动⽣成可配置的可视化界⾯。接下来的完善⼯作则可以交 DataV 的美化⼯具箱了。专家系统可以根据你⼤致摆放的组件推测设计意图，⾃动优化布局。智能拾⾊功能可以通过⾊彩量化算法从你上传的⼀张图⽚中吸取⾊彩系列，并给出更多专业配⾊优化⽅案。
DataV 马良
DataV 美化工具箱
不破不⽴的未来
我们突破设计的边界，终将回归解决⾏业的痛点。
我们拓展体系的外延，也将沉淀设计助⼒业务转型的经验。
智慧城市、数字孪⽣、⾏业引擎、可视化解决⽅案、智能化设计...... 这些绝不仅仅是⾼屋建瓴的未来技术，⽽是落地⽣根在社会⽣产⽣活中的价值。很多领域都在探索、起步或发⼒阶段，⾯对诸多变化与不确定性，我们在设计上更是需要不断学习和改进。希望这些设计实践能够为⾏业的体系化数字转型起到推动作⽤，也能为作为设计师的⼤家带来⼀些启发。
从设计图表到设计规则，从打磨单⼀作品到创造可迁移复⽤的规范体系与解决⽅案，从专攻视觉体验到理解并应⽤智能算法与开发技能......为数据智能⾏业做设计，设计师需要不断挑战⾃我，挑战固化模式。只有不断转变⻆⾊，延展技能树，才能加深设计⽆法替代的价值。