首页 > 传媒 > 关键词  > 正文

MasterGo助力数梦工场UED:重构设计系统,打造政务领域设计新标杆

2023-11-21 13:42 · 稿源: 站长之家用户

“MasterGo带给我们的影响更重要的是重塑设计价值,影响整个团队的协同方式与流程,让团队在整个公司影响力得到提升。”

——数梦工场UED负责人田微

案例亮点

提升To G 业务的规范化和标准化

沉淀组件库,搭建具有业务属性的设计模式

安全有效的设计资产管理与协同

杭州数梦工场科技有限公司(简称“数梦工场”) 创立于 2015 年 3 月, 总部位于杭州云栖小镇,在全国三十一个省市设有分支机构,公司 70% 以上为技术人员,是大数据行业的独角兽企业。作为数据资源体系基础设施供应商,数梦工场致力于为政务/城市/产业客户提供行业领先的大数据产品及数据智能综合解决方案,助力构建行业一体化数据资源体系,帮助客户搭建数据治理平台,进行数据间的共享与流通。

强化设计规范,应对G端业务特殊性

To G 业务的复杂性和受众的特殊性并存,需要规范化提效,释放基础设计工作人力,投入更多精力在用户理解、业务理解和产品易用性的提升与打磨上。

“我们公司的产品或项目面向的客户很大一部分是政务客户。对比常规To B/To C公司,从用户到业务,都有很大的特殊性,设计团队作为一个公司公共资源池,横跨多条产品线,多个开发团队和30+产品模块,用户的多样性、场景的复杂性、业务的多变性,这都导致我们在设计的过程中会遇到各种挑战,那要如何突破,怎么去突破?这是我们一直在解决的问题。”数梦工场UED负责人田微告诉我们,“我们团队的目标很明确,就是用专业的设计解决方案去影响和驱动公司业务落地,不断打磨政务领域产品的体验标准,成为政务领域的设计头部。”

作为深耕G端业务领域的公司,数梦工场的设计团队在工作中面临很多业务特殊性。首先,G端产品用户群体众多,业务背景差异较大,产品设计上需要考虑到各类客户和职能的差异性。此外,G端客户其实并不是大家往往所理解的“又专又红”的常规印象,在产品体验与界面品质的需求上越来越高。

借助MasterGo,数梦工场如今已输出了四大组件库,包括UI组件库、视觉组件库、原型组件库,在UI组件库的基础上继续向上构建了一套业务模板库,针对不同的场景,赋能多岗位的同学。组件库除了覆盖基本的B端组件外,结合了公司产品的特殊性并封装成了在线业务组件以及低代码模版,开发可以直接在在线UI库与低代码模版库中调用组件与页面。而视觉组件库,则极大的丰富了数梦工场G端后台产品的视觉表达,在很大程度上提高了一体化产品UI界面的视觉一致性与品质感,让G端产品注重效率的同时,注重品质,这恰恰贴合了数梦工场DTD规范的设计理念:有效、多元、品质、领先。

数梦工场设计团队在使用MasterGo进行设计评审

沉淀组件库,搭建具有业务属性的设计模式

产设研跨部门协作是全局提效的重中之重,通过MasterGo强大的在线协同功能,实现各部门同频协作,大幅降低沟通成本,减少沟通时间和重复性工作,真正实现全局提效。

“打造统一灵活的设计规范和设计模式,是我司大数据类型产品的共性需求。MasterGo是一款契合我们业务特点的设计协作工具,借助MasterGo首先我们完成了本地化工具到线上工具的转化,其次我们在 2 个月内重构了59+设计基础原件的制作,按进度实现了数梦工场的产品设计规范和前端组件的升级。当团队在面对高密度并行的工作时,‘设计规范’成为了保障高质有效持续输出的一个必要条件。”田微讲述了设计规范的重要性。

作为一款成熟的在线协同工具,MasterGo对产设研的全局提效是非常明显的,数梦工场智能产品线设计负责人张懿丹分享道,“在线评审、评论标注、实时更新、一键分享等协同功能,为跨团队协作提供了一个高速通道,减少沟通障碍、提升决策效率、缩减交付成本。而MasterGo在视角跟随、文字评论等细节功能上的设计,在细微处提升协同的体验感,大大节省了低耗重复的工作,将设计师从流水线机械化和琐碎标注中释放出来,更多时间去思考创新的设计方案,更多精力去关注用户的交互体验。”

数梦工场设计师讨论设计方案

数梦工场UX设计师张路补充说,“文字评论也是UED团队特别称赞的一个细节功能。对于数梦工场来说,文字校对是To G 业务的一个重要环节,政府类客户对于某些文字的内容会比图片的要求更严格,交付的设计稿需要经过质量部的文案评审环节。在MasterGo 文字评论功能的协助下,质量部的同学每次检查文案的时候,可以直接把有错误的文字一键替换掉,节省了复制粘贴时间,而且不会出现漏查、错改等问题,大大提升了协作效率。”

协同时代已然势不可挡,设计工作模式的变化,既给予设计师从产品设计层面去解决问题的空间,也支持设计师尝试沉淀具有指导性设计模板的能力。田微还提到了MasterGo的设计工程化能力,“数梦工场UED团队以设计规范原件为基础,深耕To G业务领域,不断沉淀并搭建出更符合数梦工场服务特质的设计模式,实现高复用、可赋能的场景化设计目标。”

重塑设计价值,提升设计团队影响力

基于强设计规范带来的协同提效,设计师有更多的精力专注于业务理解和用户思考,从而推动整个设计团队去实现更高的价值目标,产生更大的影响力。

“我们 23 年在推动数梦工场产品体验提升工程,从提效上讲,随着公司业务的不断拓展,在人力有限的情况下,设计团队需要提高业务影响力,必须自驱增量,释放“呈现阶段”的投入,让设计师有更多的精力投入到“发现阶段”去,去更深入的理解业务、洞察用户,发现更多的设计机会点;从拓展性上讲,之前的规范拉通不够彻底,存在一些前端技术债务问题,如果要做更完善的体验链路升级,需要先解决最基础的原子问题,也就是设计规范与组件;第三个方面,我们需要做品牌升级,提高界面先进性与用户使用体验,重新定义公司产品的视觉语言,从而提升品牌影响力,工欲善其事必先利其器,结合 MasterGo 的帮助,我们极大的提高了工作效率与标准化输出能力,成功完成了数梦工场设计系统3. 0 的全新升级。它的意义不单是提效降本,更重要的是影响了我们的协同方式和流程,为我们接下来聚焦产品易用性提升,推动产品体验升级,打磨精品都奠定了基础。”

设计师使用MasterGo工作

数梦工场与MasterGo的合作,为G端业务的协同提效,呈现了一个优秀的本土企业级实践案例。重构设计规范、实现产设研协同提效、提升设计团队影响力,每一步的成绩的提升,都展现了MasterGo陪客户共同成长的初心。目前,数梦工场在使用 MasterGo 一年以后,选择升级企业版,这是对MasterGo产研实力、使用体验的认可。相信随着 MasterGo 2.0 版本的迭代,设计工程化、MasterGo AI 、企业级解决方案等三大引擎的推出,MasterGo将会和更多本土企业级客户一起,创造AI时代下的更多企业级本土最 佳实践。

推广

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

  • 相关推荐
  • 大家在看
  • Nemotron-4-340B-Reward:多维奖励模型,助力构建自定义大型语言模型。

    Nemotron-4-340B-Reward是由NVIDIA开发的多维奖励模型,用于合成数据生成管道,帮助研究人员和开发者构建自己的大型语言模型(LLMs)。该模型由Nemotron-4-340B-Base模型和一个线性层组成,能够将响应末尾的标记转换为五个标量值,对应于HelpSteer2属性。它支持最多4096个标记的上下文长度,并能够对每个助手轮次的五个属性进行评分。

  • Nemotron-4-340B-Instruct:NVIDIA的高级语言模型,优化于英文对话场景。

    Nemotron-4-340B-Instruct是由NVIDIA开发的大型语言模型(LLM),专为英文单轮和多轮对话场景优化。该模型支持4096个token的上下文长度,经过监督式微调(SFT)、直接偏好优化(DPO)和奖励感知偏好优化(RPO)等额外的对齐步骤。模型在约20K人工标注数据的基础上,通过合成数据生成管道合成了超过98%的用于监督微调和偏好微调的数据。这使得模型在人类对话偏好、数学推理、编码和指令遵循方面表现良好,并且能够为多种用例生成高质量的合成数据。

  • BookSlice:让阅读更有趣,用游戏化的方式增加阅读量。

    BookSlice是一款面向忙碌人群的游戏化阅读应用,通过心理学原理帮助用户建立阅读习惯,并通过设置每日挑战来维持阅读连续性。它利用实施意图、习惯叠加等心理工具,使阅读变得习惯性和上瘾。此外,BookSlice还提供AI问答功能,帮助用户在阅读过程中获得上下文答案。

  • agentUniverse:基于大型语言模型的多智能体应用开发框架

    agentUniverse 是一个基于大型语言模型的多智能体应用开发框架,提供了构建单一智能体和多智能体协作机制的所有必需组件。通过模式工厂,允许开发者构建和自定义多智能体协作模式,轻松构建多智能体应用,并分享不同技术与业务领域的模式实践。

  • HunyuanDiT Distillation Acceleration:高性能图像生成模型的蒸馏加速版本

    HunyuanDiT Distillation Acceleration 是腾讯 Hunyuan 团队基于 HunyuanDiT 模型开发的蒸馏加速版本。通过渐进式蒸馏方法,在不降低性能的情况下,实现了推理速度的两倍提升。该模型支持多种GPU和推理模式,能够显著减少时间消耗,提高图像生成效率。

  • WonderWorld:从单张图片生成交互式3D场景

    WonderWorld是一个创新的3D场景扩展框架,允许用户基于单张输入图片和用户指定的文本探索和塑造虚拟环境。它通过快速高斯体素和引导扩散的深度估计方法,显著减少了计算时间,生成几何一致的扩展,使3D场景的生成时间少于10秒,支持实时用户交互和探索。这为虚拟现实、游戏和创意设计等领域提供了快速生成和导航沉浸式虚拟世界的可能性。

  • ChatTTS_Speaker:基于ERes2NetV2模型的音色稳定性评分与音色打标。

    ChatTTS_Speaker是一个基于ERes2NetV2说话人识别模型的实验性项目,旨在对音色进行稳定性评分和音色打标,帮助用户选择稳定且符合需求的音色。项目已开源,支持在线试听和下载音色样本。

  • fastc:轻量级文本分类工具,使用大型语言模型嵌入。

    fastc是一个基于大型语言模型嵌入的简单且轻量级的文本分类工具。它专注于CPU执行,使用高效的模型如deepset/tinyroberta-6l-768d生成嵌入。通过余弦相似度分类代替微调,实现文本分类。它还可以在不增加额外开销的情况下,使用相同的模型运行多个分类器。

  • MeshAnything:3D资产的自动生成工具

    MeshAnything是一个利用自回归变换器进行艺术家级网格生成的模型,它可以将任何3D表示形式的资产转换为艺术家创建的网格(AMs),这些网格可以无缝应用于3D行业。它通过较少的面数生成网格,显著提高了存储、渲染和模拟效率,同时实现了与先前方法相当的精度。

  • HunyuanDiT-v1.1:多分辨率扩散变换器,支持中英文理解

    HunyuanDiT-v1.1是由腾讯Hunyuan团队开发的一款多分辨率扩散变换模型,它具备精细的中英文理解能力。该模型通过精心设计的变换器结构、文本编码器和位置编码,结合从头开始构建的完整数据管道,实现数据的迭代优化。HunyuanDiT-v1.1能够执行多轮多模态对话,根据上下文生成和细化图像。经过50多名专业人类评估员的全面评估,HunyuanDiT-v1.1在中文到图像生成方面与其他开源模型相比,达到了新的最先进水平。

  • UniAnimate:高效生成一致性人物视频动画的模型

    UniAnimate是一个用于人物图像动画的统一视频扩散模型框架。它通过将参考图像、姿势指导和噪声视频映射到一个共同的特征空间,以减少优化难度并确保时间上的连贯性。UniAnimate能够处理长序列,支持随机噪声输入和首帧条件输入,显著提高了生成长期视频的能力。此外,它还探索了基于状态空间模型的替代时间建模架构,以替代原始的计算密集型时间Transformer。UniAnimate在定量和定性评估中都取得了优于现有最先进技术的合成结果,并且能够通过迭代使用首帧条件策略生成高度一致的一分钟视频。

  • LVBench:长视频理解基准测试

    LVBench是一个专门设计用于长视频理解的基准测试,旨在推动多模态大型语言模型在理解数小时长视频方面的能力,这对于长期决策制定、深入电影评论和讨论、现场体育解说等实际应用至关重要。

  • Mo:通过卡片式学习,轻松掌握AI科技知识。

    Mo是一款结合超现实主义艺术和堂吉诃德理想主义精神的AI科技学习APP。它通过卡片形式,以图文、动画、视频、语音等多样化内容,使AI和科技知识的学习变得生动有趣。Mo不仅覆盖了AI的基础知识,还包含了元宇宙、大数据、大模型等前沿技术,适合各种背景的学习者,旨在打造一个个性化的学习体验。

  • 开搜AI搜索:面向大众的AI问答搜索引擎

    开搜AI问答搜索引擎是一款面向大众的、直达答案的AI问答搜索引擎,它能够帮助用户从海量的文献资料中筛选出有用的信息,提供直接、精准的答案,并且能够自动总结重点、生成大纲、思维导图并下载。

  • AI Math Notes:一个交互式绘图应用,用于数学方程的绘制和计算。

    AI Math Notes 是一个开源的交互式绘图应用程序,允许用户在画布上绘制数学方程。应用程序利用多模态大型语言模型(LLM)计算并显示结果。该应用程序使用Python开发,利用Tkinter库创建图形用户界面,使用PIL进行图像处理。灵感来源于Apple在2024年全球开发者大会(WWDC)上展示的'Math Notes'。

  • VideoTetris:文本到视频生成的创新框架

    VideoTetris是一个新颖的框架,它实现了文本到视频的生成,特别适用于处理包含多个对象或对象数量动态变化的复杂视频生成场景。该框架通过空间时间组合扩散技术,精确地遵循复杂的文本语义,并通过操作和组合去噪网络的空间和时间注意力图来实现。此外,它还引入了一种新的参考帧注意力机制,以提高自回归视频生成的一致性。VideoTetris在组合文本到视频生成方面取得了令人印象深刻的定性和定量结果。

  • Visual Sketchpad:多模态语言模型的视觉推理工具

    Visual Sketchpad 是一种为多模态大型语言模型(LLMs)提供视觉草图板和绘图工具的框架。它允许模型在进行规划和推理时,根据自己绘制的视觉工件进行操作。与以往使用文本作为推理步骤的方法不同,Visual Sketchpad 使模型能够使用线条、框、标记等更接近人类绘图方式的元素进行绘图,从而更好地促进推理。此外,它还可以在绘图过程中使用专家视觉模型,例如使用目标检测模型绘制边界框,或使用分割模型绘制掩码,以进一步提高视觉感知和推理能力。

  • GoMate:基于RAG框架的可靠输入和可信输出系统

    GoMate是一个基于Retrieval-Augmented Generation (RAG)框架的模型,专注于提供可靠输入和可信输出。它通过结合检索和生成技术,提高信息检索和文本生成的准确性和可靠性。GoMate适用于需要高效、准确信息处理的领域,如自然语言处理、知识问答等。

  • SD3-Controlnet-Canny:一种用于生成图像的深度学习模型。

    SD3-Controlnet-Canny 是一种基于深度学习的图像生成模型,它能够根据用户提供的文本提示生成具有特定风格的图像。该模型利用控制网络技术,可以更精确地控制生成图像的细节和风格,从而提高图像生成的质量和多样性。

  • Tencent EMMA:多模态文本到图像生成模型

    EMMA是一个基于最前沿的文本到图像扩散模型ELLA构建的新型图像生成模型,能够接受多模态提示,通过创新的多模态特征连接器设计,有效整合文本和补充模态信息。该模型通过冻结原始T2I扩散模型的所有参数,并仅调整一些额外层,揭示了预训练的T2I扩散模型可以秘密接受多模态提示的有趣特性。EMMA易于适应不同的现有框架,是生成个性化和上下文感知图像甚至视频的灵活有效工具。

今日大家都在搜的词:

热文

  • 3 天
  • 7天