工业产品外观设计决策问题已得到广泛关注且取得了一系列进展，但面对当前问题与挑战，未来仍存在以下发展方向。

1）基于多源数据融合的决策。目前工业设计决策研究均关注单源数据，鲜有有效的方法对多维用户数据（如实验数据、用户线上与线下评价数据等）进行综合集成。这无法满足未来在大体量、多维度、全面化评价数据支撑下的设计开发需求，设计决策数据的获取方式需要根据设计特点进行优化配置，多源设计决策数据的融合处理方式是未来的可能研究方向之一。

2）多阶段联合决策。工业设计过程一般包括多个阶段，前后不同阶段之间存在信息交流与反馈，线性设计模式在当前复杂的设计环境下并不适用。考虑工业设计的多阶段特点，将多阶段决策信息与数据进行综合考虑，将会使最终决策结果更为客观、全面和可靠。已有部分研究已考虑到该问题，但对多设计阶段之间的意见交互及对设计决策结果的影响研究考虑尚不够全面，未来尚需深入研究。

3）共识驱动的决策。工业设计过程的决策人员常具有多学科背景，知识背景、社会阅历、决策经验等的差异性决定了设计决策的异质性特征，决策信息多源异构会引发设计决策过程的矛盾冲突与不一致性。因此，当群体决策成为一种趋势，如何对设计决策中的共识进行检测、识别并促进共识达成，将成为研究者需关注的重要问题之一。笔者已对工业设计决策中的共识问题进行了初步研究，但当决策数据集发生改变时，共识的识别与达成仍是一个难点。

4）智能决策。随着网络化技术的发展，工业设计过程的决策数据日益复杂和多样，传统以人为主导的决策数据处理方法已难以满足大数据环境下的数据量级和维度要求，这使得融合大数据和人工智能技术的决策方法日益得到重视，建立自动识别、判断、推理并能做出实时决策与预测的智能化系统，将有利于实现设计需求预测、设计过程监测及设计结果用户满意度的动态检测。

5）借助更多的数学理论和方法。目前，模糊理论已成为工业设计决策问题的重要基础理论之一，为解决设计决策中的模糊、不确定、不准确问题提供了有效的方法。而复杂网络、大数据等理论在工业产品外观设计决策中已有应用，但应在进一步深刻理解其原理和应用基础上进行适应性改进和创新。

工业产品外观设计决策是工业设计过程必不可少的环节之一，它能够帮助设计师实现对设计目标的准确定位，集结多方决策人员的意见并进行综合处理，获取各设计方案的优劣顺序，确定各方案的用户需求满意程度，推动设计进程良性发展。随着设计环境日趋复杂，工业设计过程的异质性问题日益突出，决策数据呈现多元、多源、高维等特点，这将对设计过程带来挑战。关注工业设计决策问题，利用科学的实验手段、数学方法与系统化工具，从多源数据融合、多阶段联合决策、共识驱动决策、智能决策及借助更多的数学理论和方法等多方面推动工业设计决策的科学化、客观化与智能化发展，将对工业设计理论和方法的完善和发展起到积极有益的作用，为设计实践活动的有效开展提供重要支持。