Aralia 旨在創建一個開放且安全的全球數據交易平台，促進數據的自由流通。透過專利技術，Aralia使數據分析變得更加平民化，讓非技術專家也能輕鬆訪問和分析數據，從而發掘其價值。
為了達到產品目標，我們需在視覺上不斷優化並迭代進階功能，降低使用者理解數據上的負擔，以更舒適便利的方式觀察數據比較變化，協助客戶透過分析數據去看見洞察與機會，幫助企業做出更明智的決策。
◈ 理解使用者｜整理易用性測試回饋
此次專案目標為 —— 降低使用者理解數據上的負擔，以更舒適便利的方式觀察數據比較變化，因此讓使用者可以快速且正確地理解並使用分析和導出結果是我們的首要目標。
為了導出設計策略與目標，我們執行易用性測試，邀請六位「不同年齡層、有使用過處理數據的相關軟體經驗」的受測者初次使用未改版產品並觀察和紀錄他們過程中的行為和感受，釐清在每個階段過程中產生的問題和疑惑。並分類為「有效性 Effectiveness / 效率 Efficiency / 滿意程度 Satisfication」：
◈內部使用測試
另外我們也想觀察有經驗的使用者的回饋與進階需求為何，因此邀請公司內部的數據團隊和其他的產品使用者（ex: 行銷團隊與業務團隊）提供測試與使用回饋。
◈ 設計策略｜根據測試結果梳理設計策略
我們從易用性測試與內部使用測試回饋這兩份資料，整理所有觀察到的問題，並且分別導出四個痛點與機會點，痛點主要歸納現有產品的使用困難，而機會點則是統整使用者的期望需求。最後依據這些痛點與機會點設計執行方針，確保往後的設計迭代與新功能的設計都可以緊扣問題的核心。
◈ 設計迭代｜根據痛點迭代使用體驗
根據易用性測試所提到的使用痛點，我們分別在主頁、引導流程以及數據探索過程進行優化
01. 主頁優化卡片資訊，提升主頁查找能力
我們發現，因為主頁資料集顯示的資訊只有名稱，用戶往往在探索過程中需先點擊進入看見詳細資訊才能判斷是否資料集堪用，大幅增加完成任務的時長，因此我們將判斷資料集最重要的因素（資料更新時間/資料筆數）添加進資料集卡片，並加上標籤機制，讓使用者能一目瞭然資料集的屬性與特性，快速搜索到需要的資料集。
🆘
原先痛點：主頁無法有效選擇資料集，難以判斷資料集是否對分析有幫助
✅
解決方式：增加資料集的更新時間與數據量，並加上標籤機制
增加標籤機制，並強化資料集顯示資訊
02. 欄位加入視覺符碼與資料預覽，強化變數理解力
在探索拖拉變數時，我們發現這邊是使用者容易產生挫折的地方，因為變數名稱與欄位也許無法立即對應，或不了解欄位型態是文字或是數值因此無法判定要拖拉至Ｘ軸或是Ｙ軸，因此我們在變數前方加上型態分類的Icon，並提供資料預覽功能，讓使用者能更好判斷變數的樣貌，提高分析成功率。
🆘
原先痛點：拖拉變數時，難以判斷變數型態和放入的位置
✅
解決方式：增加欄位型態辨識符號與資料預覽功能
03. 優化引導流程，增強理解力
🆘
原先痛點：消費者初次接觸產品時，對功能和使用方式不了解，導致他們無法充分利用產品的潛力。
✅
解決方式：導覽擴展到全局，從頭解釋每個功能入口，並說明使用這些入口獲得何種資源與收穫。
針對全局——增加導覽，手把手引導使用
從易用性測驗中我們發現受測者對產品的認識和使用體驗十分重視。因此我們決定優化產品導覽，提供更加全面且詳細的指導，以便讓用戶能夠更清楚地了解我們的產品特性及功能。這一方面可以幫助顧客快速上手，另一方面也能提升他們的滿意度與使用體驗。
針對功能——增加圖說，加強功能使用理解力
產品中有些進階功能的操作界面或概念較為複雜，消費者可能在使用過程中感到迷惑，無法順利完成基本操作或造成失敗的狀況，影響了使用上的體驗，因此我們在較為進階的功能中使用大量增加圖說去解釋，利用插圖刺激使用者的視覺，加長頁面停留時間，更幫助使用者好好閱讀說明文字。
◈ 設計成果｜利用機會點，創造產品競爭力
我們針對易用性測試及內部測試中所發現的機會點進行分析，這些機會點為我們提供了寶貴的見解和靈感。我們的團隊致力於將這些構思具體化，力求在產品中融入創新的設計和實用的功能，最終提升用戶體驗，增強產品的競爭力。透過這樣的方式，我們不僅能夠滿足市場需求，還能在競爭激烈的環境中脫穎而出，為用戶帶來真正的價值，實現產品的持續進步與創新。
01. 建立交叉比對機制，支援探索不同主題
🔍
機會點：只能以單一資料比對，希望能同時探索多個主題
我們發現，因為主頁資料集顯示的資訊只有名稱，用戶往往在探索過程中需先點擊進入看見詳細資訊才能判斷是否資料集堪用，大幅增加完成任務的時長，因此我們將判斷資料集最重要的因素（資料更新時間/資料筆數）添加進資料集卡片，並加上標籤機制，讓使用者能一目瞭然資料集的屬性與特性，快速搜索到需要的資料集。
02. 串接公開數據API ，一鍵匯入更快速
🔍
機會點：無法快速導入公開數據，只能自己上傳，效率不佳
藉由導入最多政府及民間機構所使用的 CKAN 資料開放平台，使用者可以透過數據星球所提供的匯入 CKAN 功能或是直接貼上 CKAN URL 就能一鍵串接數據集，同時排除相容性問題。
03. 導入AI 協助製圖與分析
🔍
機會點：數據背景薄弱，無法理解圖表
我們透過AI，協助使用者將複雜的數據轉化為直觀的見解，讓使用者能輕鬆解讀圖表上的每一個數值及其所傳遞的結果。這不僅提升了數據分析的效率，更縮短了初心使用者與數據分析專業的知識距離。
◈ 學習與反思
設計一制性｜設計系統建置與管理的重要
進行專案時其實已有一套設計系統，但並未妥善整理，元件也較為散落，我發起了整理的計畫，將所有顏色、字體、圓角和間距等重新歸納並整理，也同時將所有元件分類，雖然這一步工程浩大，整理一份開發到一半的專案並不是一件容易的事，但在整理之後我非常慶幸自己做了這個決定，這一步在往後的設計工作中大幅增加了團隊的工作效率。
Design QA 有效管控開發品質
在任職過程中也將參加設計營隊中Design QA的觀念慢慢加入到團隊中，透過開發後後的畫面檢視，在發佈版本前快速Review，相對以前能更好地維持設計品質與產出。
