大數據

大東鞋業一季大約有500款的新品。大區下轄的各個分公司要對這500款新品進行訂貨數量的提報，而這個數字來自於以往的經驗和高層下達的KPI。分公司確定了每款的訂貨數量，接下來就要考慮如何首鋪，什麼樣的鞋放在什麼樣的門店也靠經驗支撐。經過一段時間的銷售才能後置的根據經營狀況對暢銷款進行補單，補單量依舊是靠人為經驗或者既定規則。   在創業初期根據人的經驗做一些較為激進的決策，讓大東在市場快速擴容，屢創佳績。但當業務趨近飽和，越來越多的競爭對手湧現，經驗上的“激進”和“不穩定”就會變成一種賭博，一旦沒有賭準，便會面臨巨大的損失。   只有數據能幫助決策實現持續且極致的精細化   大東創建了全資子公司屹創，負責大東主品牌和子品牌的數字營銷技術與運營。   “數據化也有不同的發展階段，就像開車一樣，一開始認路靠的是老司機對一定區域熟悉的記憶，然後有了可以按圖索驥的地圖，之後是數字化的導航，最後就是實現自動駕駛了。我們現在利用AI+BI走在了數字化導航的階段。“ 屹創新零售總經理湯葉青說到。   Quick BI助力數字營銷與運營 2019年，大數據引擎在大東集團拉通，這是一個0到1的過程。 通過引入MaxCompute和Quick BI，將報表取數從業務系統中徹底剝離，不但解決了以往數據查詢即刻導致數據庫閃崩的狀況，還搭建起完善的報表體系，穩定應對高頻、高併發的數據分析。 Quick BI能力大圖   營銷管理數據門戶搭建 […]

coming soon！！

實體識別功能介紹 實體識別，全稱命名實體識別（Named Entity Recognition，簡稱NER），指對電商查詢詞中的具有特定意義的語義實體進行實體詞打標識別其中的品牌、品類、品類修飾、型號、款式等40種類別 。查詢分析根據識別的結果，依據實體類型的權重對查詢詞進行改寫，使得召回的文檔符合查詢的意圖。 類別 普通詞 材質 風格 款式元素 顏色 品牌 功能功效 尺寸規格 品質成色 場景 人群 套裝 時間季節 型號

6月24日，阿里雲聯合鯨準發佈“雲融資”產品，整合阿里系獨家投資人資源，以及鯨準在投融資行業內領先的大數據與專業服務優勢，致力於幫助企業在短時間內迅速對接到海量投資人，助力中小微企業全方位實現高效融資。 後疫情時代，中小微企業普遍面臨對資本市場認知度低、融資渠道有限、對資方瞭解程度有限、融資效率低等難題。而投資人也在海量的項目中尋求優質的投資標的，雙方之間缺乏有效的對接平臺與專業指導，信息不對稱一直是市場上面臨的普遍難題。 對此，阿里雲聯合鯨準推出“雲融資”產品，設立8大服務板塊：阿里系投資人群對接、鯨準平臺投資人定向觸達、資源位置頂曝光、資深分析師項目亮點梳理優化、商業計劃書梳理、融資文案梳理、估值建議、戰略規劃建議，為中小微企業批量創造與活躍投資人交流機會，全方位助力中小微企業加強資本市場認知，提供融資渠道，提升融資效率，為雙方創造高效可信賴的金融服務平臺。 01 阿里系投資天團集結+海量投資人一鍵觸達+頂級資源強曝光 五大阿里系獨家投資天團強強集結：“雲融資”集合五大阿里系投資人（阿里戰投、阿里雲戰投、湖畔山南、雲峰基金、元璟資本），提供1次阿里系投資人群對接機會，進行項目閱讀、約談和反饋。更有阿里雲智能企業戰略創新總監幫助企業對接阿里系內外資源，打造創新企業與地方政府、產業龍頭、阿里雲、投資機構和行業協會的交流機會，助力企業成指數倍成長。 200位活躍投資人一鍵精準觸達：鯨準4大通路批量定向匹配觸達投資人；依託鯨準對接平臺的獨家AI引擎與運營，“雲融資”可幫助企業更精準觸達投資人；生成專屬的項目報告和投資人行為圖譜，方便後期深度挖掘投融資線索。 兩天資源位置頂曝光：精品在融置頂展示，橫向卡片資源位前3位展示，曝光給所有活躍投資人；早期在融頁面前5位展示，直接曝光給早期投資人。鯨準APP置頂資源位+阿里雲創新中心資源位強曝光，讓你的項目被數千投資人看到。 02 資深分析師實戰輔導+全程專業化“伴跑式”服務 10年+從業經驗資深分析師1V1實戰輔導：分析師平均從業年限10年+以上，在各個細分領域有較強的認知，深刻理解行業，並擁有VC/FA/產業背景，比你更加懂得投資人看項目邏輯，併為您提供1V1實戰輔導，從而保障服務質量和效果。 細化的梳理和諮詢建議+“伴跑式”服務： A、項目亮點梳理優化：資深分析師通過前期訪談後，進行項目亮點梳理優化，協助項目方挖掘提取資本視角中的“投資亮點”及項目核心競爭力；B、商業計劃書梳理，站在資本的視角，提供BP優化建議，協助項目方打磨出更符合資方視角的商業計劃書；C、融資文案梳理：協助項目方將融資故事梳理成簡明扼要、亮點明確的文字；D、戰略規劃建議：協助項目方制定可實現、能增長、易調整的1-3年規劃；E、估值建議：為項目方提供合理的、符合市場客觀預期的融資估值建議，並提供相應的邏輯支撐。 5大BP模板+4節融資知識課程：5大行業BP模板，數千案例打磨出的真正定製化BP模板，包含通用行業、教育行業、企服行業、消費行業、科技行業等細分賽道；4節融資知識包，身邊的最好的融資寶典。課程導師為業內某知名硬科技投後及FA負責人，憑藉多年項目經驗，梳理出了一套獨家的融資know-how方法論，由淺入深的講解幫助中小企業完善融資認知。 8大標準化服務流程：通過前期需求溝通、資料完善和權益兌換、對接預熱、諮詢階段、分發階段、服務結束等八大標準化流程，高效完成對接。同時全流程服務結束後，還會輸出完整結案。 03 100+創企通過阿里雲創新中心及鯨準平臺實現融資夢想 作為科技型中小企業創新賦能平臺及投融資對接平臺，阿里雲創新中心及鯨準平臺致力幫助中小微企業精準對接資本、技術、園區、政策及其他創業資源，目前已有超百家企業通過平臺服務成功融資。 助月見初花48小時完成數百萬元天使輪融資 月見初花創始人CEO&總經理邢桂宇：“鯨準平臺為我們省下了許多時間和精力，最重要的是幫助我們獲得了數目可觀、難得可貴的天使輪投資。最終，從項目正式發佈到簽署融資協議，只用了48小時！這波非常精準，也非常極速！融資成功之後，小夥伴也提醒我做風險防控，以及排除任何不規範的運營，這樣才能給如此信任我們的投資人一個滿意的交代。”

1. 什麼是高精數據分發引擎 1.1 高精地圖概述 高精地圖(High Definitation Map,HD MAP)，和普通導航電子地圖的主要區別是精度更高、信息更豐富。精度更高主要體現在高精地圖的絕對座標精度更高(指的是地圖上某個目標和外部的真實世界事物所在位置之間的精度)，可以精確到釐米級別；信息更豐富主要體現在高精地圖不僅包含了道路信息，還涵蓋了幾乎所有與交通相關的周圍靜態信息。 相比於普通導航電子地圖，高精度地圖所包含的道路交通信息更豐富和準確。除此以外，在應用場景方面，普通導航地圖主要供駕駛員使用，而高精度地圖是面向機器的、供自動駕駛汽車使用的地圖。 精度是高精度地圖與普通導航電子地圖的最大區別。普通車載電子導航地圖的精度一般在10米左右，高精度地圖應用在自動駕駛領域，需要精確定位到具體某條車道上，還需要知道周圍所有可能參與自動駕駛決策的道路和交通信息，精度需要達到10~20釐米，這樣的精度基本上和一個車道邊線的寬度差不多，才能保證智能駕駛的汽車不會跨越到其他車道，避免與其他車輛發生側面碰撞的風險。 普通導航電子地圖要描繪出道路（link），而高精度地圖不僅要描繪道路，還會描繪出一條道路上有多少條車道（lane），真實地反映出道路的實際樣式。 高精度地圖信息更豐富主要體現在以下幾個方面： 準確的道路形狀：每條車道的坡度、曲率、航向、高程，側傾的數據。 詳細的車道線信息：車道之間的車道線是虛線、實線還是雙黃線，線的顏色，道路隔離帶，隔離帶的材質都會有描述。 此外，人行橫道，道路沿線看板，限速標誌，紅綠燈，路邊電話亭等等，這類通常統稱為LandMark Object的絕對地理座標，物理尺寸以及他們的特質特性等也都會出現在高精度數據中。 1.2 高精數據分發引擎 ADAS(Advanced Driver Assistant System,高級駕駛輔助系統)應用需要用車輛前方路網及屬性數據信息用於決策控制及判斷，普通數字地圖數據通常僅供導航系統使用，但高精地圖數據可供車輛內的其他ADAS應用使用，因此需要依賴高精數據及用於高精數據播發的高精數據分發引擎。

GitHub 地址 https://github.com/apache/flink歡迎大家給 Flink 點贊送 star~ 一、數據入湖的核心挑戰 數據實時入湖可以分成三個部分，分別是數據源、數據管道和數據湖（數倉），本文的內容將圍繞這三部分展開。 1. Case #1：程序 BUG 導致數據傳輸中斷 首先，當數據源通過數據管道傳到數據湖（數倉）時，很有可能會遇到作業有 BUG 的情況，導致數據傳到一半，對業務造成影響； 第二個問題是當遇到這種情況的時候，如何重起作業，並保證數據不重複也不缺失，完整地同步到數據湖（數倉）中。 2. Case #2：數據變更太痛苦

埋點作為記錄用戶行為的常規手段，伴隨著前端技術的發展早已歷經春秋，不過直到“ 增長黑客 ”系列理論出現，才真正讓埋點分析變得內涵豐富且有章可循。​與產品領域的“增長”類似，“提效”一直是研發領域裡長盛不衰的主旋律。在軟件研發過程中，伴隨著項目開展，同樣會以事件的形式記錄下許多與代碼庫、流水線、任務相關的行為數據。這些數據的來源雖與頁面埋點不盡相同，其實質用途卻有許多可類比之處。然而當產品經理們紛紛開始通過埋點的實時數據爭分奪秒調整市場營銷策略時，研發團隊的 TL 和 PM 們依然只能使用統計方法+彙總指標為主導的事後分析手段，在每個版本和迭代完成後對團隊效能進行回顧和評估，並樂此不疲地談論如何將迭代週期從一個月縮短到兩週，從而獲得“更快的反饋”。​本文將討論一種尚未被實踐過的方法論，即能否將“增長黑客”理論作用到研發過程的改進上，從而實現更可靠的定向效能優化？​ 一、研發團隊的北極星指標 ​在進行增長目標制定之前，團隊往往需要先確定一項能夠反映團隊成功情況且易觀測的“北極星指標”，譬如銷售額、簽單率、活躍用戶數等等。對於研發團隊來說，關鍵的指標主要是需求完成時長、功能缺陷率、用戶滿意度，諸如此類。以“需求完成時長”為例，這是一個相對客觀且直接反映開發團隊響應用戶需求速度的指標，即一個需求從提出到最終交付可用，所需要經歷的平均時間長度。​接下來我們定義一個相對理想的需求交付過程，並參考產品流量分析的“轉化漏斗”結構表示出來：​ 相應的，將項目中的所有需求都添加進來，可以繪製出類似這樣的“需求交付路徑圖”（示例，實際階段劃分應該更豐富）：​ 雖然略顯粗糙，但通過這種展現方式我們確實能夠追回不少在往常只統計結果數據的圖表裡丟失了的信息。譬如同樣是兩個花 10 天完成的需求，一個開發用了 7 天，另一個開發只用了 1 天，其餘時間花在了等待測試上，它們的差異在交付路徑圖上就能被清晰的區分出來。​這樣做的另幾項好處包括：​ 即使一個需要還未最終交付，而是被阻滯在了某個環節、或者出現了返工，也能夠在第一時間以異常流量的形式顯著的展現在路徑圖上，從而及時引起 TL 和

01 一個系統滿足多元需求 贏識科技成立於2018年7月，是專注為實體商業提供全鏈路數據智能服務的全棧AI科技企業。贏識科技方面表示，此輪融資將用於技術研發創新、產品打造、以及商務渠道建設和拓展。此前，贏識科技在2018年8月，獲得了2000萬元的天使輪融資。 “受數智化浪潮的推動，實體商業經營者需要一個體系化的系統工具，以實現數智化驅動的企業增長，完成線下數據採集、連接、計算、再實現輔助分析決策、商業洞察和智能決策，並讓這個過程可以低成本、高效的實施部署，做到‘規模化可複製’。”贏識科技的創始人兼CEO楚汝峰表示，市場的需求就是贏識科技的行業定位。 贏識科技採用端-邊-雲+全棧AI的系統架構，通過海量異構智能設備抽象管控連接，形成線下數據“埋點”，結合全場景ReID、智能感知識別+行為語義化技術，結合供給側與消費側的全鏈路營運服務工具，構建消費者數據資產，進而實現以數據驅動的智能商業閉環，為實體商業提供從精準營銷到精細化管理的整體數字化解決方案。 值得一提的是，贏識科技的核心團隊來自於阿里雲、阿里達摩院、天貓、中科院等企業和科研院所。核心成員在機器智能、數據平臺、分佈式系統、AIoT、消費者運營、品牌營銷等領域有10年以上工作經驗，在新零售業務有豐富的實戰經驗。團隊的複合型背景決定其在底層技術研發及產品閉環服務能力擁有較強的競爭力。 技術方面核心是構建一個線下數字化底座，即系統級平臺，支撐“人（消費端需求側）-貨（企業端供給側）-場（消費及管控場景）”的全面在線化。該平臺主要解決連接計算和數據產生的問題，其中涉及海量異構設備的管控，雲邊端協同的分佈式架構，數據感知和行為語義化的算法能力等，贏識科技在各方面都有堅實的技術積累。 在算法能力層面，贏識科技獲得了數⼗項專利、軟件著作權和國家信息安全認證。在跨境追蹤/行人再識別（ReID）國際公開數據集測評以及多個國際競賽中，贏識科技的技術成果獲得第一名的成績 。 此外，贏識科技解決了線下異構設備管控和分佈式架構技術挑戰，產品化大大降低部署、計算、管控和運維成本，如：支持億級大數據實時處理和多平臺部署，計算效率較業內平均水平近10倍提升；邊雲一體優化，大規模線下場景的落地週期從傳統3-6個月縮短到1周內，可規模化應用複製。 目前市場上許多賦能實體商業智能化的解決方案，更偏向選擇做客戶的單點需求滿足，如做客流分析、會員系統等。不過實際上行業客戶尤其是集團化的規模型企業，很難一次性把需求貫徹到位。所以，單點需求的產品設計思路容易面臨一個問題：客戶永遠服務不徹底，這也是眾多數字化轉型服務企業的困境。而系統級的能力則可以解決快速產品迭代的問題，基於靈活的架構可以實現功能不斷疊加。 贏識科技“全鏈路數據智能服務 ”的邏輯，可以覆蓋全場景數字化到數據資產化、數據智能化、業務智能化的企業經營與管控的整個生命週期。簡單來說，即：一個系統滿足客戶多元的需求。 02 如何將實體商業變為“消費者運營平臺” 目前，贏識科技已擁有萬達、國美、綾致等眾多線下零售業標杆客戶，商業化落地進展加速。 其產品落地的邏輯主要有兩個方向： 一是以消費者為中心的從消費側到供給側的產品服務鏈路，重用戶體驗和交付的營銷場景，如線下4S店的獲客接待、家居賣場的導購賦能等。主要服務範圍包括全域獲客、門店私域承接、智能接待、智能導購、售後個性化服務等，實現消費者全生命週期管理，掌握客戶數字資源，活化客戶數字資產。 二是深縱聯橫、由點及面演進。橫向服務於大流量場景行業如商業地產、購物中心等行業領域，主要為該類客戶提供人和場的全面數字化建設；縱向提供可跨行業服務的客群洞察、商圈洞察、活動管理、以及會員服務等的精細化運營系統。逐步形成從點狀的場景化服務到線狀的行業化場景覆蓋，最終形成可黏合各行業優勢資源形成產業生態的產品支撐體系。 “通過工具化賦能和平臺再造，將傳統的實體商業變成消費者運營平臺。”楚汝峰解釋，贏識科技可以助力商業地產類客戶運營消費者，實現流量活化，將傳統“流量”承接升級為“留量”服務，給入駐的商戶提供更優質的服務。

「看見新力量」欄目由阿里雲創新中心全新出品，挖掘創業者和企業創新背後的故事，以訪談、直播等形式，多視角、多緯度進行價值報道，讓你聽到創業者的真實聲音，看見科技創新的力量。 利用多算法融合分析，從而實現將配網線路識別準確率由原來的63.1%提升至98.9%，保持世界領先水平。第七期《看見新力量》採訪了中國5G產業創新創業大賽全國總決賽三等獎獲得者——宇曠則然聯合創始人王銘凱，和他一起探尋5G時代下電力系統革新和發展之路。 成立在2018年的宇曠則然，聚焦在電力系統配網端的智能化，用大數據及賦能電力系統的升級。 短短几年時間，宇曠則然的產品落地方面已經進行。目前，宇曠則然已為濟南市供電局提供服務，部署了4512臺終端，通過對配網線路的狀態精準診斷，提供故障報警服務。 此外，宇曠則然在國網，南昌等重點單位也實現了業務的規模驗證。“我們目前已在全國的五個省份完成了測試及可行性報告。截至2020年12月，宇曠則然已經累計部署終端96365臺，服務收益6093萬/年。未來三年，按照山東省一期的規模建設要求，我們預計能累計實現超7.32億/年的市場訂單。”聯合創始人王銘凱表示。 王銘凱還認為，取得成績的主要原因在於，“Aclara Technologies是行業內全球領先的公司。我們的核心創業團隊曾組建並帶領團隊參與到了Aclara Technologies從0到發展成為獨角獸創業公司的全過程。歷時近5年的算法沉澱，通過多個項目運維經驗積累和數萬場景下百萬樣本數據積累，宇曠則然率先解決了智能傳感在配網領域的關鍵難題。” 依託非線性DFA算法技術，宇曠則然提出了一個解決電網系統在配網端的智能化方案。 “從理論倒退來看，配網穩定性面臨的核心問題是故障監測。運行過程中最好在2小時內識別、處理，以免造成電網及用戶損失。”王銘凱表示。 不過網側故障識別基於環境、技術等因素，精準難度非常大。據悉，現有技術仍無法滿足原規定“2小時內識別處理故障”。但是這些就導致未來的損失更大，比如加劇了人工巡檢選線困難、耗時長，同時加劇了人員成本。 王銘凱介紹，利用多算法融合分析，宇曠則然推出了一套非線性DFA算法技術，可以實現包括單相接地、小電流接地等在內的57種精準狀態診斷，從而實現整個配網側的實時在線監測，將線路識別準確率由原來的63.1%提升至98.9%，該指標保持世界領先水平。 非線性DFA算法技術可以實現電力系統的狀態監測、缺陷狀態監測、運行狀態監測、電力質量監測以及配網設備監測，可以全鏈條及時監測整個電力配置。從而可以解決電網精益化管控的數據分析要求，還能實現線路動態增容分析和規模分佈式新能源接入等多種實現場景。 王銘凱表示，宇曠則然率先實現了電流診斷技術在配網側下故障診斷分析，截至目前也是國內唯一能夠達到98%以上的配網故障診斷團隊。 資料顯示，我國每年電力異常及停電帶來的經濟損失高達5000億元人民幣，我國電力平均停電時長是發達國家的幾倍之多。 王銘凱表示，痛點表現在誤報率高、信號傳輸有限，電力配網痛點未解。90%以上的用戶短時停電時間由配電網原因引起的。“問題的根源在於我國的電力配網自動化的覆蓋率不足。” 目前我國配網自動化覆蓋率只有8.9%，配網智能化變革落後導致配網狀態識別效率也低於65%，與法國、日本、韓國等發達國家相比有較大差距。以日本為例，自20世紀50年代開始改造，日本就已經有大部分配電線路通過饋線自動化實現故障診斷。 不過，從行業來說，好的現象是我國正在加速趕超，並大幅加大了配網投資佔比。 在以往的電網投資中，存在“重電源、輕電網，重輸電、輕配網”的情況，不過在國家能源局近來發布的“十三五”電力規劃中顯示，“十三五”期間，主網不再是電網發展的投資重點，貼近用戶和民生的配網將重點發展，比如電能替代，充電設施，分佈式發電等等，都需要堅強配網的支撐。 規劃還顯示，到未來10年甚至更長時間電網的投資重點將逐步轉向電網智能化及配電網建設轉變，更加偏向於配、用電側。

作者 | 阿里妹 來源 | 阿里技術星球公眾號 張雲皓：用心將自己的角色做到極致 ——阿里雲實習生的故事 蘇格拉底說：“世界上最快樂的事，莫過於為理想而奮鬥。”在阿里雲，有一位來自美國南加州大學（USC）的實習同學張雲皓，他的經歷，可謂是用心將自己的角色做到了極致。 Richard，今年21歲，從小在北京長大，12歲時來到美國波士頓開始留學生涯，現在是南加州大學的一名大三學生。今年，張雲皓來到了阿里雲，順利成為了一名阿里雲開發者團隊天池的實習生。 小學在北大附小，後來推優到了北大附中。剛到美國時，自以為英文較好的他，發現上課根本聽不懂，語言和文化的差異也讓他受到同學們的排斥，這種狀況過了一年半才有所好轉。 大學時，他加入了學校著名創業協會，一年後被選為主席，帶領組織成員培養大學創業環境，經常邀請著名企業家來校做個人分享、組織創業公司應聘活動、創立學生公司加速器等。 每一個留學生都會經歷自己獨特的困難，作為一個留美九年的學生，張雲皓學到最多的就是處理孤獨感。學校的人再多，總是會有自己獨處的時間，很多困難只能自己去解決，對於孤獨感，張雲皓說：“如果你的痛苦是別人造成的，第一步要去嘗試理解他人。比如我剛來美國被同學排斥，站在他們的角度看，十二三歲，剛離開父母進入寄宿式學校，很多行為都是因為自身沒有安全感。所以當我瞭解了這些，就會感覺好很多。” 高中時，張雲皓進入了校籃球隊，打籃球教會了他很多東西。“教練告訴我，作為團隊的一員，要知道自己的角色，瞭解自己的角色，並且要把這個角色做到極致。”張雲皓說，“我一直在想什麼是我做的最好的。雖然我沒那麼高，但速度很快，而且比較靈敏。其實外線防守最適合我。於是我開始看各種籃球的防守視頻，後來就專門做了這個角色，我從板凳的最尾端坐到了前面，最後獲得了當年最有進步球員獎。” 張雲皓說：“一個人用一臺電腦做出很多改變世界的東西，我認為這是一件特別強大的事情。”因為想了解這些全國最優秀的開發者們，瞭解這群改變世界的人，所以張雲皓來到了阿里雲。 對張雲皓來說，來到阿里最大的感受就是阿里的文化，這裡的人做事情都是自驅的，會給自己設很高的目標，想盡一切辦法、調動一切資源去實現。同事們都很友善，工作上是合作伙伴，平時生活中也會經常一起吃吃飯、聊聊天，這種感覺讓人很舒服。 大三的張雲皓此前經歷過四次實習，阿里雲是第五次。張雲皓說：“我的五份實習都是利用寒暑假時間做的，我從小就是一個喜歡做事的人，不喜歡閒著，這次在阿里雲實習是我今年最開心的時候，因為每天都過得特別充實。” 被問到自己是否是個很努力的人時，張雲皓說：“努力是和自己比較的，畢竟只有自己才知道時間有沒有被充分利用，所以我不想說自己努不努力，只看自己還有多大的進步空間，哪裡需要去優化工作和時間管理”。在阿里雲，張雲皓最想要的就是當回看這段經歷時，能為團隊創造出價值並和同事們成為朋友。 現在的張雲皓在阿里雲開發者團隊做產品，在他眼中，每一個產品都是一個科學實驗。張雲皓說：“就像我們的人生要反思，其實做產品也要反思。我們做任何產品都要用科學的方法，而且做數據分析的時候，要尊重數據，尊重事實，儘量避免無依據的觀點。”