从学术界到初创企业,再到代理商和咨询公司,或大型企业,设计思维仍然在各种组织中风靡一时。 这个概念在今天很流行,并不是因为它本身是新来的,而是其解决问题的方法与公司正在经历的数字化转型非常吻合。

人工智能和机器学习技术驱动的解决方案迫使企业重新组织整个业务流程,而正统的设计思维在这些过程中提供了帮助。 对于许多公司而言,有巨大的机会来开发利用高级数据分析的解决方案,以供内部使用和最终用户使用。 在开发这些解决方案时,设计思想可以为公司创建解决方案提供清晰的视野和理解。

在为公司内部团队和消费者构建高级数据分析解决方案时,应运用设计思想,从人机交互的角度出发,优先考虑所需内容。 它补充了技术上可行的可能性,并为底线增加了增量价值。

考虑到这一点,以下是公司构思和开发新的大数据解决方案的三种设计思维最佳实践,以及它们为何如此重要:

始终从询问用户实际需要开始
在设计利用大量企业或消费者数据的解决方案时,首先要问的是最终用户的实际需求。 尽管经济可行性和获利能力不可避免地在所有业务决策中发挥作用,但退后一步并将重点放在最终用户上至关重要。 无论是设计对消费者有很大影响力的解决方案(例如Netflix或Spotify推荐引擎,Apple Health App),还是设计企业用户的解决方案(Tableau,IBM Watson),首先定义最终用户真正需要什么以及它要完成的工作很重要。满足需求。

设计决策完全由CTO或CEO来驱动会违反直觉。 相反,这些应该受到实际上将要使用该解决方案的人员的影响,这需要转变思维。 尽管企业可能需要某种功能,但这并不意味着他们应该自动进行构想。 业务用例或需求不一定会转化为最终用户的价值。 因此,采用以用户为中心的方法将用户置于企业之前是一种合理的策略。 取悦领导者的压力可能是设计思维中的绊脚石,但最终,如果您使最终用户满意,则业务结果自然会随之而来。

采取整体观点并避免视野开阔
在进行设计思考时,观察分步过程很重要。 遵循经过深思熟虑的步骤和准则有助于发现用户的需求和期望。 在进行设计思考时,重要的是要有整体的看法,而不是专注于一个特定的用例。 花费时间进行深入的研究有助于更好,更广泛地了解解决方案的潜力。 避免隧道视野并接受以不同方式解决任何单个问题的方法,最终将节省资源,因为团队越早发现问题,改变方向就越容易且成本更低。 一般的经验法则是,在需求阶段进行更改的成本为1美元,在设计阶段进行更改的成本为10美元,在开发阶段进行更改的成本为100美元。 因此,在需求阶段花费大量时间来确定可行性并在整个过程中尽早省钱是有利的。

更加敏捷的方法不仅更加透明,而且可以让您更快地改变路线图,经历多次设计迭代并更快地进行迭代。 在设计思维中,您会经历许多迭代。 如果不起作用,则尽早花费时间和金钱的一小部分,则需要完全开发解决方案并在以后理解新的要求。

了解领域专业知识和协作的重要性
在任何大数据项目的设计阶段都不可避免地面临挑战。 为了克服这些障碍,设计和业务团队必须与主题专家合作,以获取有关特定垂直领域或主题的知识。 了解特定公司在垂直环境中的流程和应用程序也很重要,因为它是金融服务,医疗保健,媒体/娱乐等行业。构思过程很关键,因为它允许团队与之合作。主题专家来确定业务或域需求是什么。

最后,以开放的心态进入设计过程将为您成功做好准备。 如果您的产品或公司经历了这一过程并且年复一年地提供相同的产品,则不会取得任何进展。 开放的思维开辟了打破障碍和发现以前没有这些特定领域知识就不会想到的新功能的可能性。

结论
设计思维应该是一个协作且知情的过程,需要团队将自己置于最终用户的脚下。 重要的是始终将焦点重新放在最终用户身上,了解他们的工作流程,并展示利用和可视化大数据的新功能或解决方案如何为他们增加价值。 团队还应该采取整体观点,相互协作,依靠领域专家,并持开放态度以确保最大程度的成功。 在构建任何大数据解决方案时的设计思路可以帮助发现最终用户的真正需求,降低与产品开发相关的风险和成本,并将增量更改转化为可能对行业产生潜在影响或破坏的解决方案

上一篇

数据科学团队和软件工程团队之间的真正区别是什么?

下一篇文章

为什么我们现在需要打开AI黑匣子