设计每日一贴-专注优秀UI设计与软件开发-北京兰亭妙微

252015-3

交互设计师来收！如何设计复杂信息架构产品？

complex-information-architecture-product-1

@EDC尤原庆：最近写了一篇关于复杂信息架构设计的文章，记录ToB产品设计的一些想法和经验 >>>

以下。

最近忙于一个技术平台类项目，信息架构非常复杂，所以想写一些关于设计复杂信息架构产品的想法和经验。

我们做产品设计的设计师日常工作粗略分一下，可以分为两类，一类是ToC产品，面向消费者的产品，一类是ToB产品，面向企业或者特定用户群体的面商类产品。平常大家讨论比较多的是ToC类产品，因为大家都在使用，且设计师很多在从事ToC类产品的设计工作。

评论(0) 浏览(4175)

242015-3

看看移动健康医疗界YC——Rock Health，41亿美元都花在哪了？

蓝蓝设计的小编

当跨入2015年，毫无疑问在医疗改革的推动下，我们的整个医疗系统都正在经历着一场技术性的变革。企业家和投资人都注意到了这一趋势。随着风险投资增长的是显而易见的退出问题。我们在过去一年追踪了大约200亿美元的并购活动，而另外100亿的资本则通过IPO创造。总的来说，2014年在新产品发布和退出方面表现较弱，在这个领域投入重金的风投们也需要找到退出之路。2015年很有可能将会是比2014更加精彩的一年，将会有更多的交易和更多的退出，所以请大家继续关注。

2014年针对互联网医疗企业的投资总额超过了40亿美元，几乎相当于之前3年（2011-2013）的总和

从1月份的快速启动可以看出，互联网医疗领域的风险投资将会达到一个新的高度。到第二季度末，投资额就已经超过了2013年的总和。投资额同比增长率在去年短暂放缓为30%之后今年猛增到125%，2011—2014年的复合年增长率达到了45%，2014年的4个季度还分别创造了互联网医疗投资的单季度最大投资额，其中第2季度的单季度投资额甚至就超过了2012年的总和。

评论(0) 浏览(3240)

242015-3

浅谈医学大数据（中）

蓝蓝设计的小编

本文接上篇浅谈医学大数据（上）。

数据分析框架（传统数据分析框架，大数据分析框架）

医疗大数据有着前面第一节提到的所有特征。在医疗大数据带来各种优势的同时，大数据随之带来的各种特性使得传统的数据处理和数据分析方法及软件捉襟见肘，问题多多。在大数据时代出现之前，受限于数据量的可获得性和计算能力的有限性，传统的数据管理和分析采用着不同的思路和流程。传统上，对于问题的研究建立在假设的基础上进行验证，进而研究事物的相关因果性，希望能回答“为什么”。

而在大数据时代，海量数据的涌现提供了从不同角度更细致更全面观察研究数据的可能，从而打开了人们的好奇心，探索欲望，人们想知道到数据告诉了我什么，而不仅仅是我的猜想是否被数据验证了。人们越来越多地用大数据挖掘各种感兴趣的关联，非关联等相关性，然后再进一步比较，分析，归纳，研究（“为什么”变成一个选项而不是唯一终极目标）。大数据与传统数据思路上的不同导致了分析流程的不同，如图一所示：

评论(0) 浏览(2987)

242015-3

手机屏幕尺寸扩展是如何影响用户体验设计的

用心设计

评论(0) 浏览(3519)

242015-3

交互设计师修炼指南！教你从零开始成为优秀交互设计师

周周

Interaction-3

本文全系列满满干货，是从众多交互设计前辈们分享的宝贵经验里挑选出的最实用的方法，不仅能让你彻底了解交互设计，还能帮有志在这个领域发展，却苦于没有老师的童鞋，从零开始学习成为一名优秀的交互设计师。

评论(0) 浏览(3258)

232015-3

2015 不要在移动端菜单设计中犯这些错误

用心设计

cdsj

评论(0) 浏览(3873)

232015-3

浅谈医学大数据（上）

蓝蓝设计的小编

大数据定义及其特征

大数据顾名思义就是数量极其庞大的数据资料。从上世纪80年代开始，每隔40个月世界上储存的人均科技信息量就会翻倍 (Hibert & Lopez, 2011)。2012年，每天会有2.5EB量的数据产生 (Andrew & Erik, 2012)。现在，2014年，每天会有2.3ZB量的数据产生 (IBM, 2015)。这是一个什么概念？现在一般我们电脑的硬盘大小都以GB，或者TB为单位了。1GB的容量可以储存约5.4亿的汉字，或者170张普通数码相机拍摄的高精度照片，或者300-350首长度为5-6分钟的MP3歌曲。那GB和TB, EB，ZB的关系又是怎样？

1ZB=1024EB=10242PB=10243TB=10244GB。如果你有一台1TB硬盘容量的电脑，那1ZB就是大致等于10亿台电脑的容量,远远超出了我们一般的想象。

早期，IBM定义了大数据的特性有3个：大量性（ Volume）, 多样性（Variety）, 快速性（Velocity） (Zikopoulos, Eaton, deRooos, Deutsch, & Lapis, 2012)。后来又有学者把价值（Value）加到大数据的特性里。随着时间的推移和人们思考的进一步完善，又有三个大数据的特性被提出：易变性（Variability），准确性(Veracity)和复杂性(Complexity)。

作者认为价值本质上是数据被分析后体现出来的有用信息知识的程度，和其他几个特性有根本区别。其他几个特性可以说是数据工作者具体实践中面临的挑战，而价值则是征服这些挑战后获得的回报。

评论(0) 浏览(3116)

232015-3