DataV作為大屏可視化建構工具，提供了豐富的元件和靈活的配置。
BUT……設計者在面對浩如煙海的可選方案時仍然會覺得手足無措，實作起來也費時費力。針對這個問題，DataV在去年推出了馬良功能，利用智能化的能力，可以迅速學習和識别手繪草圖、資訊圖表、大屏截圖等資料，在DataV中自動生成可配置的可視化應用。詳情參見這個貼子：
手繪稿如何1秒變身資料大屏？深度學習讓人人成為可視化專家 是不是很鵝妹子嘤？但是感覺還缺點什麼？
在設計大屏可視化時，資料的添加、圖表的選擇、布局的設計和顔色風格的統一，缺一不可。除此之外，還需要添加諸如标題、邊框、背景色塊等細節輔助加強美感、強化使用者認知。馬良解決了圖表的選擇和初步的布局設計，而這次我們推出美化工具箱，專注于完善顔色風格和布局細節。
美化工具箱秉承馬良人機智能融合的設計思路，通過自動化、智能化降低使用者所需的專業技能，同時還能減少工作量。其核心理念在于，發揮雲計算作為基礎設施的便捷和優勢。
“人工很貴，而機器計算能力很強大”
方法上，我們通過智能化算法結合人機互動技術融合使用者意圖和專業設計。
具體來說，我們首先對大屏可視化設計步驟進行抽象概括；以此為指導，解析通過人機互動手段擷取的使用者設計意圖；基于從中得到的關鍵資訊，然後以專業設計模型對其進行重構和補全。
這樣，使用者隻需要進行部分指定（partial specification）便可以得到完善的設計結果。在使用者意圖的識别上，我們支援多種人機互動手段，除了正常的WIMP（Window/Icon/Menu/Pointer）模型和嵌入畫布的互動外，還支援手繪草圖、以圖檔表達顔色風格等。
那麼，我們到底該如何建構一個好看的大屏可視化結果呢？
其實大屏可視化的設計實作就和繪畫一樣，是個自頂向下、逐漸求精的過程。會畫畫的人都知道，進行繪畫時首先需要對整體有所把握，先添置主體，再優化細節就大功告成了！于是我們得到了著名素描教程《怎樣畫馬》。
我的一個朋友表示，這個第五步太難學了，沒有十年的功夫做不好。我表示這個我幫不了你，但是如果你要做的是大屏可視化，那DataV新鮮出爐的美化工具箱可以幫你省掉十年的功夫。整個步驟比畫馬還簡單，隻要三步就可以完成：
這裡的顔色設計用到了美化工具箱的智能主題功能，支援上傳圖檔從中提取主色調。整個過程就是這麼簡單，一切工作都由智能算法自動完成，使用者僅需要審閱給出的備選結果，選擇最喜歡的一款，讓你輕松嘗試各種風格的大屏。
設計理論
實際的大屏可視化設計流程會更加複雜，需要通過不斷的疊代将模糊的設計思路提煉成最佳的解決方案。
這個過程可以用英國設計協會（British Design Council）的雙鑽模型來描述。
整個過程分為四個階段，先發散，再集中，再發散，再集中。
第一個發散發現功能
通過嘗試各種圖表和布局設計的的思路，以其找到最合适目前需求和業務的資料展示方式；而随後通過功能評估進行集中，定義最佳的圖表布局設計。
第二個發散優化設計
嘗試不同的細節和顔色風格，最終通過設計評估集中為實用又美觀的大屏可視化産出。
在整個過程中，最為耗時耗力的就是在菱形最寬部位的方案實作。期間，需要嘗試大量的設計思路 ⇨ 在實際可用的結果上進行評估 ⇨ 找出最正确可行的解決方案。
馬良和美化工具箱就分别針對兩個實作階段，幫助使用者減少工作量，加速設計疊代。
後續工作
未來我們還會進一步提升智能設計的能力，包括多個方面的強化。
首先，加強風格化能力，除了布局、顔色和标題邊框等，還要涵蓋更多細節；
其次，增加基于資料的智能設計，不光考慮資料中的特征，還包括資料語義，提供人性化的設計體驗；
最後，還要增加更多人機互動手段。
敬請期待！