
利用大数据发展创新设计
“工业设计的发展进入了加速期,借助大数据的分析,将从鼓励创业、推动产能升级各方面影响人们的生活。”日前,在泉州市经信委牵头,泉州市工业设计协会组织的“泉州市工业设计名师讲堂”第十四讲课堂上,浙江大学现代工业设计研究所所长孙守迁说,新的产业革命时期已经到来,中国的创新设计力量必须快速崛起,抓住这一发展时机。
数据将成为新的生产要素“在第一次工业革命时期,蒸汽机推动了发展;第二次是电机设备,第三次则是计算机与互联网,而新的产业革命时期数据将成为新的生产要素。”孙守迁说。
大数据时代已经到来。孙守迁认为,设计必须从跟踪模仿向突破的方面努力。全球工具类的软件开发都集中在发达国家,而这些软件将是未来掌握数据的利器。目前国家层面已经出台具体措施,最大限度地鼓励开发具有自主知识产权的关键设计工业软件。依托数据的分析应用,信用体系将进一步完善,人们的潜在需求将被开发,这将是巨大的经济增长点。
“以信息、能源、材料、生产等技术为主导的新技术革命和产业变革将成为推动新一轮全球经济增长和产业结构变革的动力。”他说,创新设计正在利用互联网、大数据、智能制造、物理信息系统、云计算等新技术,催生出创客、众包、众筹及个性化、定制式设计制造、网络设计制造等新业态。
泉州市经信委相关负责人也提及,经过几年的耕耘,泉州在工业设计引领方面取得了一定的成绩,特别是孙教授提及的数据这一生产要素。目前泉州已经开发了自己的工业设计产业互联网平台——矮凳网,充分利用互联网工具获取企业需求、设计能力等方面的数据信息,逐步占领设计领域里的“阿里巴巴”位置。孙守迁教授也十分认可矮凳网等相关模式。他说,目前国内不少知名工业设计企业都在进行这方面的有益尝试。
传统产业嫁接智能占领终端
既然新产业革命会诞生数据这一生产要素,那么又该如何加以应用呢?孙守迁认为,最佳的办法便是发展创新设计。在他看来,创新设计是原本工业设计的升级版。
何为升级版?孙守迁说,创新设计的重点在于创新,不再只是以往帮助单一产品设计外观等简单的服务,而是要实现将用户的黏性发挥到极致。目前众多企业在线上的营销都要依靠马云的阿里巴巴平台,可是苹果等产品却不需要。因为他们拥有自己的管状生产及网状的营销体系,并且即使你不再购买使用苹果手机,他所属的各项软件你也还都在使用。落实到泉州传统制造业也是如此,建议可以运用例如鞋等终端产品,开放性地融合各项智能技术,将客户交互发挥到极致,后期哪怕不再购买鞋子,可是其沉淀下来的健康数据还可以为企业带来其他领域的交互收益。再比如消防器材也是如此,是否可以运用互联技术,令灭火器材拥有搜索被困人员的功能等,以此实现减少救灾人员损失的目标。未来物联网时代里,智慧生活的环境下,各种终端产品都将拥有数据入口。
“鞋产业的同质化竞争激烈,我们也正在试图通过体验及举行各类马拉松活动,增强与客户的关联度。”特步体育相关负责人说,就如孙教授所提的,未来开放融合、网络智能、共创分享、绿色减排都将是创新设计的大方向,为了成为最后的王者,他们正在往这方面努力。
孙守迁说,通过新生产要素大数据的分析,最后将带来大规模社会化协作,创业风险进一步降低,只要有符合需求的创意出现,便可以利用协作关系将之生产出来并送达需求者面前。在他看来,未来将会诞生越来越多专业化的数据分析共享平台,谁能更好地将艺术的自由创造与科学的严谨分析相结合,把握创新设计的新动向,谁就将获得乘方式的新增长。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10