大數據如何締造產品設計新“神話”

一漸變還是突變？CAD數字技術開啟的迭代進程產品設計數字化應用起始于20世紀60年代，初級計算機數字軟件把設計過程描述成一系列特定順序的操作步驟，如典型CAD技術大大提升了產品設計的效率。此后，大體經歷了三段迭代過程：60年代完成“從二維進化到三維”的革新；70年代以“貝塞爾算法”為核心的“曲面造型技術”的運用；80年代基于CAD系統開發一系列專業性軟件，如建筑設計類軟件CAAD系統等。數字設計將設計師從煩瑣的手工設計作業中解放出來，譬如繪制復雜無比的曲面造型，手工設計難度大、繪制周期長，計算機系統利用“變量化技術”與“特征造型技術”等設定好生長模型進行建構，可以高效準確地再現設計師腦海中的復雜圖形；90年代以來，很多西方設計師開始在物理學、生態與環境參數基礎上插入美學變量進行綜合設定，有的可以隨著時間線的“隨機擾動”生成獨一無二的設計方案，如扎哈·哈迪德那些匪夷所思的望京SOHO的弧線設計，以及MAD建筑師事務所同樣驚艷的哈爾濱大劇院的曲線設計，同時兼顧美學、力學與功能化要求。這些復雜圖形的設計，若沒有數字技術的輔助是很難達到的。二數據實現三維實體的跨形態轉換21世紀初，產品數字化設計逐步向數據化設計轉換，突出表現在追求人、環境、生態等數據真正的“跨形態”轉換。譬如自然界中的各類宏觀或微觀形態，無論是分形學的有序重復，還是雜亂無序的隨機圖形，很多非人裸眼可見的形態一旦與數字智能設備進行駁接，就能夠將自然中的形、聲、光、電等數據轉換成建筑、服飾、家具、電器、裝置等可觸可見的三維實體，并可以通過3D打印生成產品實體。如此一來，平面圖形可以轉換成一塊金屬構件，一段音頻可以轉換成一串項鏈或不同體量的結構體，產品設計涉及的各類可轉換的數據無不成為產品設計師靈感的來源，甚至產品設計方式本身都在使用智能數據系統。從微觀結構到宏觀結構都可以生成前期驗證方案，譬如環藝設計對周邊環境的模擬、人流的密度與走向、植被的生長、水系的分布等，都能被智能數字系統捕獲、模擬與演示，很多算法或程序就是專門依照設計師的目標而建構，譬如設計師可針對崇尚綠色的用戶群設計一組刻意模仿生物形態的燈具。近年來，數據設計無論是描繪繁復的自然圖形，還是表述人群喜好或某種抽象觀念，都可以通過不同算法、不同的角度、體面與曲線等在數字建模空間中呈現，或通過3D打印機把數據轉換成小件成品模型，或利用CNC數控機床生成大件成品等。一旦像“分形”“空間桁架”“六角形平鋪”等這樣的術語成為數學家、設計師與軟件工程師的“通用語”，它們就會被順暢地用來描述或溝通他們共同的工作，使學科跨界與協同創新成為產品設計一種新常態。產品設計師利用數字形態轉換技術可以不斷探索設計創新的種種可能性。盡管如此，這個階段數據設計運用仍然離不開設計師的專業知識、藝術與人文修養、內省或直覺為基礎來制定產品設計的用戶群體策略，而“大數據”時代的來臨讓產品設計師如虎添翼，開啟了真正的“神話”之旅。三“貧礦”抑或“富礦”——大數據何以為大？互聯網時代已經將全球聯結成一個體量巨大的數據池。傳統企業一般根據產品周期采用抽樣調查、用戶反饋、產品升級等方式實現產品的進化與迭代，根本上還是一種產品的“試錯”模式，這無法克服前期設計與用戶需求之間“剝離與錯位”缺陷產生的巨大成本消耗。產品設計師與用戶之間的“黑箱”不能從根本上消除。然而，互聯網背景下原本遮蔽或隔斷的信息“在線”之后，情況就完全不同了。由于數據不是被生產而是被發現了，所獲得的數據體量會呈現幾何級增長，在云計算技術的助推下，設計師與用戶之間的“黑箱”開始變得透明。設計師可以通過對用戶不同應用場景反饋數據的采集與分析，從根本上克服以往感性評估帶來的種種缺陷，相對精準地解讀用戶對產品的體驗、感受與改進預期，這種變革正在給越來越多的建筑產業、家電產業、游戲產業、影視產業等帶來意想不到的巨大收益。問題在于，用戶產生的大數據多數時候只是一種“原礦”，產品設計師首先要識別數據中被隱藏的需求、模式或關系，這才能判斷與制定出相對精準的設計方向，如何識別大數據關鍵有三個核心點：（1）需要全部數據樣本而不是抽樣；（2）關注效率而不是精確度；（3）關注相關性而不是因果關系。[1]因此，大數據如同貧富不同的礦藏，要歷經采集、篩選與提煉等過程，其關鍵不在于大而在于有用，即大數據的價值含量與挖掘成本比體量更為重要，這些有用的數據會讓產品設計有據可依。但很多時候，大數據中含有大量信息雜質，利用率低，有的只有分析并過濾之后才能提煉出數據所蘊含的規律性信息。四從數字設計到數據設計的飛躍微軟公司首席技術官克雷格·蒙迪（CraigMundie）認為：“未來無論是物質世界還是數字世界，僅靠自身都將不足以孤立存在。”如今，云計算技術利用分布式信息處理結構可同時向成百上千，甚至數萬臺電腦分配任務，大數據運行在集群平臺之上，云計算強大的計算能力產生了體量巨大的信息聚集于處理效率，如百度、Google、Amazon、阿里巴巴、Facebook等都是這種模式。《經濟學人》雜志編輯肯尼斯·庫克爾（KennethCukier）曾談道：“世界上有著無法想象的巨量數字信息，并以極快的速度增長……從經濟界到科學界，從政府部門到藝術領域，很多地方都已感受到了這種巨量信息的影響。科學家和計算機工程師已經為這個現象創造了一個新詞匯：‘大數據’。”[2]國內業界視2015年為大數據應用集體爆發元年，很多企業經歷主動或被迫轉型之后，越來越重視數據價值，并紛紛以大數據為破局入口下水探深。數據商業化進程顛覆了不少傳統存量模式，并在產品設計定位、成本控制與廣告營銷等方面都發生了巨大變化。美國更是將大數據視為未來國家戰略的一個制高點，將數據控制與運用能力視為綜合國力的重要組成部分。馬云強調，互聯網時代一個重要特征是人的“體驗”，體驗就是“感受”，可轉化為“數據”，每個使用交互數據的人都可以成為大數據的貢獻者。克雷格·蒙迪（CraigMundie）也指出：“人類如今不僅在創造海量數據，也在開發一些分析數據的新方法，這些新手段能夠幫助人們從數據中識別早先被隱藏的模式或關系，智能系統不斷增強的‘大數據’的感知與分析能力與機器學習領域技術相互結合，已使目前的計算系統開始能夠理解人類用戶的意圖和語境。”[3]因此，大數據向設計師“賦能”的核心在于從以往“內省式”的感性設計，開始向“數據化”精準設計轉換。數據化設計提供持續的增值體驗服務，還能讓用戶轉化成合作伙伴。甚至可以利用大數據技術，建構一個可持續生長的以產品為紐帶的“利益共同體”，譬如大數據初級應用系統范例——城市“共享單車”，從設計定位、生產，再到運營（廣告等附加服務）等一整套在線服務系統。五最新階段：從多系統協作到個性化量產大數據集結的新型模式正在深刻改變傳統制造業、商業服務業與文化創意產業，最重要的變化在于從根本上改變以往感性生產的“試錯”模式，在產品設計階段就能制定精準的前瞻性策略。由于大數據系統一般由“知識源”、“全局數據庫”和“控制結構”組成，以往設計型專家系統與數據設計系統在內核上存在差異，設計型專家系統一般只解決某一特定問題，是一個相對孤立的閉環，難以與其他知識進行系統集成，但在“大數據”背景下各個閉環系統通過大數據融為一體，呈現一個以產品設計為先導、多系統協作的集成數據鏈，使數據化設計更為跨界、高效與精準。維克多·邁爾-舍恩伯格（ViktorMayer-Sch?nberger）在他的《大數據時代》一書中談道：“大數據能夠讓傳統行業更了解客戶，以提供個性化的服務，能實現企業從量變到質變的本質性變革”[4]。“大數據”概念下任何能夠用數字化表述的個體信息、統計規律、形態特征或編碼索引的提取、建模與決策都將被信息化（或自動化）。不僅如此，當文字變成數據、當方位變成數據、當溝通成為數據，理論上一切事物都可以數據化，以此類推，設計系統可采用歸納推理和類比推理等方法不斷獲得新知識擴充知識源、不斷學習與再學習進行人機智能系統的自我完善。“大數據”概念下產品設計需要用新思維開啟新的預測模式、數據生產與設計創新方式。因此深度挖掘數據的潛在價值，讓設計師以適合角度分析與轉化數據的真正價值，從而實現前期設計與市場需求的最佳匹配。彼得·馬什（PeterMarsh）曾將制造業劃分為五個階段：“少量定制—少量標準化—大批量標準化—大批量定制化—個性化量產，我們目前正處在個性化量產階段。”[5]傳統企業依照“性能、品牌、價格”等建立戰略，互聯網時代的關鍵是圍繞用戶“體驗、個性、品味”確立精準的數據坐標，以設計的“匹配性與前瞻性”為前提，指導整個設計、生產、營銷等從不同端口協作推進，這使原先無法實現的“個性化量產”在不增加額外成本的情況下最終得以實現。譬如海爾公司根據美國用戶的大數據分析，得出市場迫切需要一種以老年顧客為主的可嵌入且較為低矮的櫥柜式冰箱，這款冰箱從設計到生產再到投入市場只用了數月時間，效率之高與投放之精準，已被列入哈佛商學院的經典案例；美的公司根據大數據分析，依照中國家居新變化設計了一種圓形外機智能空調IQ100，結合大數據算法，該空調可以自動感知與調節人體與環境的溫度、風速和風向等，樣機投入市場后訂單頗豐，從用戶接單到上線生產，再到運輸與安裝只要30天左右就能完成，傳統商業囤貨、布貨與分銷模式開始逐步瓦解。因此，通過大數據洞悉用戶群的功能需求預期與情感體驗預期，是實現個性化量產的關鍵。六大數據熱背后的冷思考盡管大數據讓很多企業從設計、生產到銷售產生了從量變到質變的飛躍，但社會生產的數據化應用進程剛剛拉開序幕。企業數據化轉型能夠成功取決于整個產業生態與政策機制的配合，并且大數據本身仍存在亟待解決的重大難題。一是數據不實。由于受到黑客操控、篡改或偽造信息，碎片化與隨機信息等原因，其“具有多源異構、交互性、時效性、突發性等特點，非結構化數據多，且即時性強”，大數據無法識別在線賬號與注冊人的對應關系，數據一旦失真就會干擾或誤導設計師的判斷。二是“逆數字化”沖動。大數據的獲得常以個人隱私犧牲或泄露為代價，有時會產生比無數據更大的危害，不少用戶有“逆數字化”的應激沖動，未來用戶利益和商業利益之間的信息博弈將更加激烈。三是大數據覆蓋的局限性。大數據依賴“在線渠道”，人們在PC端網頁瀏覽、移動支付、電子商務等活動中“留跡”，數不斷被收集匯流為大數據。中國互聯網絡信息中心（CNNIC）發布的權威數據顯示，2016年中國網民用戶規模達到7.31億，其中移動網民用戶達6.95億，占總人口的50%左右；中國移動數據應用用戶總量排名前五為微信、QQ、淘寶、手機百度和支付寶。全球研究咨詢機構IDC報告顯示，2016年全球互聯網用戶數達到32億人，約占全球總人口數的44%。其中，移動互聯網用戶總數達到20億，也只占全球總人口數的約36%，大數據在人口總覆蓋率上仍有極大缺口。四是通用性障礙。由于數據著錄規則不同導致網絡數據格式的非標準化，一定程度上阻礙了大數據技術跨平臺的通用性。五是當下互聯網大數據在從商業化應用向生產性應用轉變，由于增長創新點集中在數據化軟件領域，常常造成硬件的負荷效能跟不上數據增長的步伐。六是一旦涉及個人隱私、商業機密或國家安全數據，大數據提取或運用就存在合法性危機。[6]由于產品設計既有工程性特征又有審美性特征，若只憑結果性數據無視用戶潛在的心理與情感訴求，其結果一定是有缺陷的。只有在文化、記憶與人性等多個層面關注人的完整關聯性，數據才是有效的。大數據雖然可以減少設計師基于直覺、經驗或情緒判斷的誤差，但仍有很多大數據所無法解決的問題。大數據不能分析與評估個體、階層、社會、民族、文化或價值觀等因素在不同語境下的行為表現，也不能分析用戶思維的源過程，況且有大量消費行為是隨機或無序的。因此，大數據不能保證產品的設計策略百分之百的正確。七結語從產品的數字化設計到數據化設計歷經半個多世紀，是企業從產品經理決策向產品設計師決策轉化的關鍵過程，大數據帶來的包括文化產業在內的高商業價值案例頻頻顯現。圍繞人工智能中心催生的各類新型產品業態、服務與文化創意產業等，成為當下各路資本競相追逐的熱點。一個好的數據驗證結果不僅要考慮產品設計本身，還