DataV作为大屏可视化构建工具，提供了丰富的组件和灵活的配置。
BUT……设计者在面对浩如烟海的可选方案时仍然会觉得手足无措，实现起来也费时费力。针对这个问题，DataV在去年推出了马良功能，利用智能化的能力，可以迅速学习和识别手绘草图、信息图表、大屏截图等资料，在DataV中自动生成可配置的可视化应用。详情参见这个贴子：手绘稿如何1秒变身数据大屏？深度学习让人人成为可视化专家
是不是很鹅妹子嘤？但是感觉还缺点什么？
在设计大屏可视化时，数据的添加、图表的选择、布局的设计和颜色风格的统一，缺一不可。除此之外，还需要添加诸如标题、边框、背景色块等细节辅助加强美感、强化用户认知。马良解决了图表的选择和初步的布局设计，而这次我们推出美化工具箱，专注于完善颜色风格和布局细节。
美化工具箱秉承马良人机智能融合的设计思路，通过自动化、智能化降低用户所需的专业技能，同时还能减少工作量。其核心理念在于，发挥云计算作为基础设施的便捷和优势。
“人工很贵，而机器计算能力很强大”
方法上，我们通过智能化算法结合人机交互技术融合用户意图和专业设计。
具体来说，我们首先对大屏可视化设计步骤进行抽象概括；以此为指导，解析通过人机交互手段获取的用户设计意图；基于从中得到的关键信息，然后以专业设计模型对其进行重构和补全。
这样，用户只需要进行部分指定（partial specification）便可以得到完善的设计结果。在用户意图的识别上，我们支持多种人机交互手段，除了常规的WIMP（Window/Icon/Menu/Pointer）模型和嵌入画布的交互外，还支持手绘草图、以图片表达颜色风格等。
那么，我们到底该如何构建一个好看的大屏可视化结果呢？
其实大屏可视化的设计实现就和绘画一样，是个自顶向下、逐步求精的过程。会画画的人都知道，进行绘画时首先需要对整体有所把握，先添置主体，再优化细节就大功告成了！于是我们得到了著名素描教程《怎样画马》。
我的一个朋友表示，这个第五步太难学了，没有十年的功夫做不好。我表示这个我帮不了你，但是如果你要做的是大屏可视化，那DataV新鲜出炉的美化工具箱可以帮你省掉十年的功夫。整个步骤比画马还简单，只要三步就可以完成：
这里的颜色设计用到了美化工具箱的智能主题功能，支持上传图片从中提取主色调。整个过程就是这么简单，一切工作都由智能算法自动完成，用户仅需要审阅给出的备选结果，选择最喜欢的一款，让你轻松尝试各种风格的大屏。
设计理论
实际的大屏可视化设计流程会更加复杂，需要通过不断的迭代将模糊的设计思路提炼成最佳的解决方案。
这个过程可以用英国设计协会（British Design Council）的双钻模型来描述。
整个过程分为四个阶段，先发散，再集中，再发散，再集中。
第一个发散发现功能
通过尝试各种图表和布局设计的的思路，以其找到最合适当前需求和业务的数据展示方式；而随后通过功能评估进行集中，定义最佳的图表布局设计。
第二个发散优化设计
尝试不同的细节和颜色风格，最终通过设计评估集中为实用又美观的大屏可视化产出。
在整个过程中，最为耗时耗力的就是在菱形最宽部位的方案实现。期间，需要尝试大量的设计思路 ⇨ 在实际可用的结果上进行评估 ⇨ 找出最正确可行的解决方案。
马良和美化工具箱就分别针对两个实现阶段，帮助用户减少工作量，加速设计迭代。
后续工作
未来我们还会进一步提升智能设计的能力，包括多个方面的强化。
首先，加强风格化能力，除了布局、颜色和标题边框等，还要涵盖更多细节；
其次，增加基于数据的智能设计，不光考虑数据中的特征，还包括数据语义，提供人性化的设计体验；
最后，还要增加更多人机交互手段。
敬请期待！
