
大数据时代的大交互设计
交互设计从最初闭源非联网单机模式的单线逐层瀑布流的交互技术开发模式,在交互式信息产品的设计管理及技术实现层面,采用瀑布流的模型,指导交互设计的过程管理,随着开源和人工智能等信息通讯技术的发展,交互技术壁垒让位于对用户体验的提升,交互设计转向对用户心理认知模型的把握,交互设计模型倾向于对用户和技术的双重把握,产品向服务系统方向延伸,其设计开发模型如同人类的DNA结构,在产品性能与用户体验之间形成双向循环螺旋式的信息架构与交互模型,甚至是如新近发现的强力分化生长的四螺旋结构和量子管理的模式,代表更加敏捷交互和自然交互的创造形态;思维、信息和赛博三大空间里,交互对象跨越物质、信息和能量形成的物质流、信息流和资金流三大流程的逻辑关系管理,再结合小数据和大数据宿主,即个体用户和群体用户的情感诉求,交互设计转化为更加敏捷精益生产的互动变化模式,在大数据信息时代的生态乌托邦之下,交互设计更加具有原生态的多样性,深受蝴蝶效应和莲花原理的时空影响,敏捷生态的集群式精益发展模式成为大势所趋。在充斥着多样态的物质交互、能量交互与信息交互的生态环境中,PSS产品服务系统的谋划策略到实现使用并流通销售,再到回收利用整个循环体系的信息架构、组织分类、交互模型、交换价值、呈现表达、使用行为以及反馈交流等充满了丰富多彩又嬗变转化的样态,影响交互设计恰到好处正合适宜的生态乌托邦可持续发展的全流程系统把握。
1. 交互设计中的大数据分析研究方法
大交互设计在创意得来之前,从大数据中获取群体意愿、群体意识与群体意象数据,对用户的潜在需求数据进行挖掘、开发和数据分类整理,通过众创的模式,将来自于小数据的创意想法和设计需求进行明晰;通过众筹平台,为众创的想法筹集到资金,通过大数据分析做用户研究,明确交互角色与情境预演,定义交互内容与交互功能;通过建立大数据分析和众创平台,进行设计内容的大规模客户定制(MC);通过自媒体和网络媒体的大数据分析,针对产品和服务设计进行精准营销和传播;同时通过大数据分析,针对用户进行终身的服务设计和未来潜在用户的培育。大交互设计运用信息思维,结合牛顿思维对产品品质功能的注重,同时也运用量子思维,关注产品的服务设计的开发、创造、分配和传播,关注信息的不确定性、不可预测性、跳跃性、不连续性等特征,关注交互设计在用户层面的动因,包括前意识、潜意识和意识三个层面驱动下的信、望、爱的表达;交互技术的源点两极,输入信息,处理信息的黑箱(灰箱或白箱),以及信息输出;关注交互媒介传播的方式,在人、环境物、媒介三者之间私有、公有的联接反馈方式;交互产品服务系统在功能和内容方面的特征设计;交互行为与姿态中,相离相连相交相包的逻辑关系;交互设计在可用性目标与用户体验目标方面的评测;通用设计、万联网设计与信息设计对于交互设计的三大基础作用;以及交互设计在信息交换价值、界面交流媒介、交互功能手段的三大作用。
3.交互设计的四大作用
交互设计需把握色声香味触法六种感知途径中的交互行为模式,信息搜索中的交互行为,信息过滤和信息选择中的交互行为,信息分类排序中的交互行为,信息理解认知中的交互行为,系统重构解码中的交互行为,以及信息呈现表达中的交互行为,分门别类对应进行交互设计的细则设计,提出在交互设计的战略层、范围层、结构层、框架层以及表现层5个层面,针对PETSC(政治、经济、技术、社会、文化)多方影响下的企业文化策略、交互设计动因目标和用户多维多变的本性体验及心理潜在需求,明确产品服务系统的功能规格要求与内容过程描述,产品服务系统的交互模型、交互流程与内容信息架构,产品服务系统的交流反馈语言方面的界面设计、在赛博空间和信息空间的导航探路设计(Wayfinding)和信息设计,信息呈现表达方面的视觉设计和媒体设计等方面进行系统的交互细则条目设计。
交互设计具有四大作用,在策略层注重信息的交换价值,生物的多样性与文化的多样性是决定我们自然与社会存在的根本,信息在交换与分享中产生价值,形成信息社会的分享型经济(sharing economy)形态;在范围层依赖界面交流媒介进行信息传播,不管是“媒介即信息”(Marshall McLuhan, 1964)还是“媒介即隐喻”(NeilPostman,1985),抑或是传播媒介生态学(Media ecology)[6][7][8][9][10][11],交互的目的都是交流信息;在结构与框架层注重功能实现与反馈手段,不管是可用性目标关注的有效性、有用性、高效性、易学性、易记忆、稳定性,还是用户体验目标所强调的满意度、趣味性、成就感、反馈性、创造性、美观性、激发性、帮助性、娱乐性、欣赏性[12][13][14][15][16],交互反馈的逻辑就是实现易用的功能同时,提升用户在意识、潜意识和前意识三个层面的情感体验;交互的效能极大取决于信息在表现层的内容交通评测,功能与内容在框架范围结构层的交互感知逻辑与表现层的信息认知情感存在由内而外、软硬兼施和秀外慧中关系。
4.以意义为中心的交互设计方法
交互设计从最初的界面词素、表达方式的交流关注,到现在对情境、隐喻、情感的自然交流的注重,尽管加入了时间的维度来交互式叙事,讲述人事物的关系和事理,但在物质流、信息流和资金流三大流基于过去、现在、未来三大时间和赛博空间、信息空间、思维空间三大空间的三元三体转化关系仍然不够惟精惟一;其次在物质流方面,材料与能源的技术已经使得人机交互从物质诞生的初始状态和物质的原子层面加入了比特信息,即能够将数字信息与非数字信息集于一身,而信息流也由此回到元信息的奇点状态,信息流的量子不确定特性为交互的初始基准以及交互行为模式的捕捉带来了无穷尽的变化,信息宿主的所有权与控制权已变得不重要,而信任索取权与使用权则日渐突出;资金流方面则充满了万物互联带来的分享长尾理论与法制转为人治垄断的帕累托的角逐,各个国家主权货币和黄金加碳货币组合的世界单一货币的零和博弈。
在信息文明、工业文明、农业文明的兴衰更替之下,交互设计已不再仅仅是狭义范围的讲故事逻辑和建立角色情境,依靠隐喻、转喻、隐转喻等来建立虚拟代理和化身原型,通过关联和预测来培育用户按照设计师的设定来“体验”产品和服务,而是涵盖私有、公有、官有、国有、世界所有的各种所属交互关系的多样化情感与个体及群体的文化信仰所带来的直觉体验。小数据通过个体体验参与到设计创造与使用产品和服务中,小数据又通过万物互联的关系汇聚为大数据,在生产分享与索取控制中,形成大数据信息时代的大交互。交互基于“信息交换价值”“界面交流媒介”“功能交互手段”“内容交通评测”相互作用。大交互设计也从关注交互形式层面的技术、行为与交互的信息内容情境,转而关注人的感知、认知、情感在何种动因之下在万物互联的生态系统环境中信息衍生为群体文化与智慧文明的意义。
图 以意义为中心的设计方法
结论
《书•大禹谟》谈到做人的十六心法:“人心惟危,道心惟微,惟精惟一,允执厥中。”做设计,先做人。大交互设计思考古今中外的所有人,无论种族、国别、性别和文化差别,也思考人所在的时间与空间维度发生的故事旅程。宇宙大数据与信息构成的浩瀚烟海之下,人人运承着小数据,也如沧海一粟,地中有山。然而一沙一世界,百川东到海的始终是孕育人类生存发展的各种爱意,各种对主体与客体,I(我)、WE(我们)、IT(它)、ITS(它们)的生命的意义。在公(Public)与私(Private)连接处,是趋近无限大与无限小的奇点,以及回到初心的本真。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29