用数据科学+设计思维，实现设计从0到1

如今，数据科学渗透各行各业。为了带给用户更优质的服务，用户体验设计师们也开始通过数据挖掘产品机会点和用户需求，为用户打造更佳的产品使用体验。在本文中，Pixso将与大家分享数据科学和设计思维，希望能为诸位的设计工作提供灵感和思路。

什么是设计思维

我们常说的设计思维，是由全球设计和创新公司IDEO的首席执行官Tim Brown提出的，是一种利用设计师工具创新地处理棘手问题的机制，该理念承诺能带来更高的生产效率与创新，促进与用户建立更好的联系。斯坦福大学机械工程系教授、全球创新咨询公司IDEO首席研究员Barry Katz曾以婴儿保温箱为例，解释了什么是“设计”以及什么是“设计思维”：

“如何制造一个更便宜的保温箱？”——这就是设计；

“如何在没有电的条件下让婴儿保温？”——这就是设计思维。

总的来说，“设计思维”其实是从“名词”到“动词”转变的一种思维方式。从“我们如何创造一个更好的事物”转变为“怎样才能更好地去做”，从单纯关注产品本身转变为注重更广阔空间。

什么是数据科学

数据科学利用科学方法、流程、算法和系统从数据中提取价值的跨学科领域，它的技术内容包括了数据收集、数据预处理、数据深度分析、数据可视化、统计分析、机器学习、编程和软件工程。在过去，由于缺少数据或数据处理能力，设计师们只能依赖“突发奇想”“直觉”或普遍的设计共识等，但在大数据高速发展的今天，数据是创新的基石，数据科学更可以揭示创新趋势，设计师们可以利用数据科学的分析结果创建出更多创新产品和服务。

如何将数据科学与设计思维相融合

首先，我们要明确知道二者融合的重点必须放在获得和推动新的价值来源以及可操作的结果上，也就是说为了使数据科学和设计思维的这种强大组合更具可操作性，必须以最终目的开始。

我们可以通过了解二者的过程，分析其过程中的重叠以寻求最佳融合方式。

设计思维过程

传统设计思维过程有5个阶段：共情、定义、设想、原型和测试，最早由斯坦福设计学院提出，整个流程的每一步完成之后还会回到第一步不断重复。

①共情——这个阶段是对消费者的密切观察，在观察消费者的同时，设计师需要培养同理心，这样他们才能理解有时他们自己无法表达的更深层次的问题

②定义——消费者的观察和他们的需求被总结在问题的定义中。

③设想——集思广益，讨论如何解决问题。这步既可团队协作，也可个人单独完成。通过头脑风暴，抛出不同的想法，并评估它们是否能够解决问题。

④原型——研究上一阶段产生问题的解决方案，原型可以在团队内部、其他部门或设计团队之外的一个小组中共享和测试。这是一个实验阶段，其目标是为前三个阶段中确定的每个问题确定可能的最佳解决方案。

⑤测试—一设计人员或评估人员使用在原型开发阶段确定的最佳解决方案来严格测试完整产品。一旦原型交给消费者，我们就需要密切观察用户对它的反应，从而对方案进行迅速调整，最终优化为最符合用户需求的方案。

Pixso集思维导图、流程图、多种创意表达绘图工具于一体，聚焦多人协作下的场景解决方案，支持全程实时写作，UX设计师要想了解每个角色的体验感受和建议，可以让团队成员打上在线评论标签，高效完成头脑风暴和意见反馈。

数据科学过程

①询问——把问题界定清楚，定义它到底是什么，将数据问题转化为可操作的东西。

②收集——这个阶段是关于识别、收集和准备数据。一旦完成了初步阶段，数据收集就变得很重要，可以为进一步的研究和分析做好准备。收集进程中要想清楚需要什么样的数据？通过什么渠道可以获取这些数据？是要内部数据库数据还是需要购买外部数据？

③过程——收集的数据需要探索、验证和处理。在这个阶段，数据将被验证和测试，为后续的分析做数据预处理。

④分析——应用统计学、数学和数据科学工具，围绕有趣的模型进行详细分析。

⑤结果沟通——沟通交流的有效性决定了你的方案是否被采纳。

将数据科学与设计思维相融合

不管是在设计初期探索方向，还是在产品成熟期的商业化阶段，在设计思维中融入数据科学都可以帮助我们的产品快速迭代，调整方向。而究竟如何将二者相融合呢？设计师们不妨试试如下方法：

设计初期

运用数据科学帮你发现问题。所有设计开始之前，设计师们都会进行研究和分析，以明确自己本次设计的目标和价值。明确为什么要做这个设计？这个设计对公司有什么价值？本次设计要达到什么目的？从用户的角度来看，这个设计对用户有何价值？本次设计要为用户解决什么问题？在这个阶段，融合数据科学，能大大提高我们对用户需求、行为以及设计商业价值的了解程度，如使用最简单最有效的数据对比手段，通过对用户画像、路径点击率、转化率、用户满意度调查率等数据进行分析，可以明确设计方向。

设计中期

运用数据科学帮你判断思路。设计经验和创造性思维因人而异，因此不同的设计师面临相同问题时，解决方案可能千差万别，即使是同一个设计师，也会对同一个问题拥有多个不同的解决方案，那么到底哪个方案才是最合适的呢？在这种情况下，融合数据科学，可以给设计师以参考意见，为其提供“判断思路”，协助决策。如，通过行业偏好的个性化算法，可以追踪了解用户的访问数据，分析用户行为偏好，作出更符合用户需求的设计。

设计后期

运用数据科学帮你验证方案。设计方案到底做的好不好？衡量标准就是看设计方案是否能够达成设计目标。这也可以借助数据科学来量化，通常我们会用GSM的模型来支撑设计的验证。此外，产品上线后，设计师也可以利用数据科学做好日常监控，日常监控中用于发现问题的主要手段就是做数据的对比，如：与类似产品的横向比较、与产品过去的纵向比较以及用户细分等。