不只是数据整合：为机构投资者打造"单一事实来源"的决策体验

项目概况

Wilshire Omnia在概念初始就确认了其【云端】、【集成系统】的基调，接着在设计环节中，我需要根据产品特性来确认其设计目标和设计方向。 在此过程中，我与产品经理、技术团队需要紧密合作，确保设计方案不仅符合用户需求，也具备技术可行性，这样才能让各类想法得到真正的落地。
接下来我会从产品定位、设计目标、设计方向、目标群体来介绍 Wilshire Omnia 的项目概况。

产品定位

Wilshire Omnia 平台是一个专为机构投资者和资产管理者设计的综合性投资分析平台。其核心定位是解决投资领域中的【数据碎片化】问题，将风险分析（Risk）、业绩归因（Attribution）和绩效通过（Performance）整合在一个单一的云端平台上，为用户提供全面集成方案。

设计目标

Wilshire Omnia 的设计目标可以概括为一个核心理念：【在单一平台上建立投资数据的'单一事实来源'（Single Source of Truth）】。为了可以解决投资决策流程【碎片化】问题，使机构投资者能够在一个统一的、云端的、数据一致的环境中，完成从风险监控到业绩评估的闭环。

设计目标可分为以下四个方面：

设计方向

针对 Wilshire Omnia 这样一个复杂的 B2B 金融 SaaS 平台，【设计方向】（Design Direction）不能仅仅停留在【好看】或【极简】上，必须体现出功能性、专业性与效率的结合。Omnia 的设计方向提炼为以下 3 个核心支柱（Core Pillars），以此来解释我的设计决策来源。

用户目标群

设计挑战

在项目的探索初期，我并没有急于打开 Sketch 画图，而是先与内部的 5 位公司内部负责投资分析的同事进行了深度访谈。通过梳理他们的日常工作流，我发现最大的挑战并非来自功能的缺失，而是【认知的断层】：现有的工具过于通俗化，无法承载他们对高密度数据和复杂金融模型的依赖。这让我意识到，要做好 Omnia，我必须【打破"少即是多"】的常规 C 端设计思维，重新定义 B2B 场景下的【易用性】。

1. 如何缓解高密度数据带来的认知负荷？

· 痛点描述：机构投资者的投资组合包含成千上万个证券股票，每个证券又有几十个数据点（价格、久期、Beta、VaR等）。过载的数据信息极容易使用户疲惫，难以快速捕捉关键信息。

· 具体挑战：如何在有限的屏幕空间内展示海量数据，既不让用户感到眼花缭乱，又能保证关键信息不被遗漏？

2. 如何统一割裂的工作流（风险 vs 绩效）？

· 痛点描述：在传统模式下，【风险管理】（Risk）和【绩效归因】（Attribution）往往使用不同的软件或 Excel 表格，导致数据不一致，用户需要在多个系统间频繁切换。

· 具体挑战：如何在一个界面中融合这两种截然不同的思维模式？ Risk关注的是未来，而Performance关注的是过去。

3. 如何兼顾宏观概览与微观下钻表现？

· 痛点描述：不同的用户角色关注的颗粒度完全不同。例如投资管理层关注全公司的总风险，而基金经理需要分析单只股票的因子贡献。

· 具体挑战：如何设计一套能同时满足这两种极端需求的交互模式，实现从"全组合视角"到"单证券视角"的无缝流转？

4. 如何将复杂模型转化为可行动的洞察？

· 痛点描述：Wilshire 的后端算法非常复杂（如多因子模型）。如果直接把原本的数学模型丢给用户，用户很难理解"这对我意味着什么"。

· 具体挑战：如何通过数据可视化，把枯燥的数学计算结果，翻译成用户能一眼看懂的图表，并支持他们做决策（如：是否该卖出？是否该调仓？）。

解决方案

在多次的用户采访中，我将用户旅程总结为以下四个步骤：【摄入、验证、合成、行动】。 这一路径揭示了一个关键洞察：机构投资者的工作流不仅仅是线性的数据处理，更是一个从"怀疑"到"确信"的信任构建过程。
基于此，Omnia 的设计解决方案旨在打破传统金融软件的"黑盒"状态。我们不只提供结果，更通过可视化设计将数据清洗与协调的全过程透明化。通过在 Ingestion 和 Validation 阶段植入清晰的反馈机制与纠错工具，我们将原本后台的"技术逻辑"转化为前台的"决策掌控力"，确保用户在最终采取 Action 时，拥有基于"单一事实来源"的绝对信心。

视觉体系

视觉不仅仅是装饰，更是功能的延伸。Omnia 的视觉体系旨在消除金融数据的'噪点'，通过理性的色彩策略与模块化布局，为机构投资者打造一个高专注度、零干扰的沉浸式工作台。

色彩策略：传承与焕新

关键字：品牌传承、信赖、活力 作为成立于 1972 年的老牌金融机构，Omnia 的色彩体系旨在平衡"历史的厚重"与"数字的敏捷"。我们延续了 Wilshire Associates 标志性的品牌基因，以深海蓝奠定专业与理性的基调，象征机构级的稳健；同时引入明亮黄作为交互高亮色，打破传统金融软件的沉闷感。这不仅是对品牌资产的致敬，更定义了新一代金融终端"专业而不失温度"的视觉语言。

布局设计：结构化的高效体验

关键字：模块化、聚焦、可扩展性 针对高频交易与深度分析场景，采用了高密度的模块化布局。界面被严格划分为全局导航区、核心功能区与沉浸式内容区。通过大色块区分层级，确保信息流的逻辑清晰；同时预留了灵活的响应式框架，让复杂金融数据在不同视窗下依然井然有序，为用户构建一个无干扰的决策空间。

图标设计：直观与亲和力

关键字：现代扁平、认知减负、柔和感 图标设计摒弃了繁复的装饰，拥抱现代扁平化风格。为了中和金融数据的冰冷与刚硬，所有 Icon 均采用圆形外轮廓或圆角处理。这种设计不仅在视觉上提供了更好的点击热区暗示，更在心理层面传递了产品的包容性与友好度，确保用户在长时间操作下依然保持视觉舒适，减少认知负荷。

项目成果

Omnia 的上线不仅仅是一次界面的更新，更是一次生产力的重塑。通过将数据协调流程透明化，我们成功帮助机构投资者从繁琐的 Excel 手工比对中解放出来。最终，我们将原本耗时数小时的【数据清洗-决策】周期缩短为分钟级，让投资团队能够将 80% 的精力回归到高价值的策略分析上。

复盘与学习

在完成了Omnia整个项目研发周期后，让我对这个项目最大的感触是：在金融 B2B 领域，设计的好坏不仅仅取决于界面是否美观，更取决于我们是否真正理解了用户的工作流。在深入了解项目业务后，我也发现自己所要完成的内容不仅仅是一个"枯燥的 B2B 数据产品"而已，而是一款能真正帮助用户做好行为决策的实用工具。

针对Omnia的复盘，我形成了以下几点的看法，想在这里记录并与各位分享：

1. 先懂业务，再做设计
刚接触这个项目时，我发现如果不理解 VaR（风险价值）或 Alpha/Beta 这些术语背后的含义，我根本无法设计出合理的交互。仅仅画出漂亮的图表是不够的，如果我不知道这些数字对投资经理意味着什么，我的设计就是空洞的。 所以我意识到，在 Fintech 领域，设计师必须先成为"半个分析师"。我花了很多时间去啃晦涩的业务逻辑，这让我后来在评审会上能自信地和产品经理讨论，为什么这个字段应该放在这里，而不是那里。

2. 所谓"清晰"，不是简单的留白
在做 C 端产品时，我们习惯用大量的留白（White Space）来营造呼吸感。但在这个项目中，我学到了重要的一课：对于机构交易员来说，高密度就是高效率。 他们需要在单屏内看到尽可能多的关键指标，过度的留白反而是对空间的浪费。我面临的真正挑战，并不是去做减法（删除数据），而是如何在维持高信息密度的同时，通过排版和层级来建立秩序感。我学会了驾驭复杂，而不是逃避复杂。

3. 不做一次性设计，建立系统的力量
"单一事实来源"不仅仅是一个概念，也需要反映在我们的设计架构上。考虑到未来可能会引入 如ESG 等新模块，我没有为每个页面做单独设计，而是建立了一套可复用的组件库。 这种模块化的思维方式，不仅让开发团队能快速搭建新页面，也保证了当业务扩展时，用户体验依然是一致且流畅的。这也让我确信：好的 B2B 设计，一定是为了"规模化"而生的。