导读 AntV 目前覆盖了统计图表、移动端图表、图可视化、地理可视化、2D 绘图引擎和智能可视化多个领域，主要包含 G2、G6、F2、L7 以及一套完整的图表使用和设计规范。得益于丰富的业务场景和用户需求挑战，AntV 经历多年积累与不断打磨，已支撑起阿里集团内外 20000+ 业务系统，通过了日均千万级 UV 产品的严苛考验，是阿里经济体数据可视化最重要的基础设施。跟往年的品牌日一样，今天依旧会有几个底层基础类库的大量更新发布，除此之外，非常高兴的向大家介绍 AntV 产品矩阵新添的三个成员： G2Plot，一个基于 G2，开箱即用、易于配置、具有良好视觉和交互体验的通用图表库； Graphin，一个基于 G6，专注关系可视分析领域的 React 组件库，简单，高效，开箱即用； ChartCube，一个可以快速完成图表制作的在线工具，只需要三步就可以创建出高品质的图表；他们都是 […]
作者：闲鱼技术——兰昊 闲鱼双十一金鳞抽奖玩法 相信今年在11月7日-11月11日期间使用过闲鱼的用户，可能已经被如下图所示的幸运海星“砸”到过了。只要用户进入到指定的几个页面，或者在某些指定的页面有点击行为，就会触发到这样一个幸运之星。这就是今年闲鱼双十一的金鳞项目中的玩法效果。该项目横跨了10多个业务，按之前传统做法是需要协调多个业务方参与进来一起开发。虽然其实现难度本身到不是那么难，但是沟通协作成本将会是非常之高。此外双十一过后，下线这些为了该玩法开发的代码又是一个工作量，而且还得安全地下线且不带有稳定性问题。 但是实际上，参与的业务仅仅只是补了几个缺失的点击埋点，剩下的工作就是与业务无关的poplayer弹层的开发以及与权益的对接，而各业务总投入的对接成本不到半天。这背后依靠的是一个基于标准DSL的实时事件规则计算驱动平台。下面就来讲述下该平台的起源与发展。 起源于闲鱼的用户增长业务 在年初时，我们在用户增长下做了多个实验，主要还是希望用户能在APP上多停留一会。当用户浏览时间越长，就越有可能发现闲鱼上还有很多有趣的内容，无论是商品宝贝还是鱼塘内的帖子。从而达到吸引用户下一次还能再回来的目的，进而促进了用户增长。其中两个实验如下： 我们做的实验上线后大部分都取得了不错的业务效果，但是在过程中也暴露了两个问题： 研发周期长。一开始，我们先用最快的实现方案来做，主要是为了快速验证规则策略的有效性，并没有做大而全的设计，每个需求都是case by case地写代码来实现。那么从开始开发真正能到上线，很可能就是三周，主要因为客户端发版是有窗口的。 运营效率慢。因为上线慢，导致获取业务数据后再分析效果就很晚了，然后还要根据数据再去做调整那就更晚了。这样算下来，一年也上不了几个规则策略。 工程化解法——基于事件流的规则引擎 针对上述问题，我们先做了一层业务抽象。运营先通过对用户的各种行为进行一个分析和归类，得出一个共同的具体的规则，再将这个规则实时地作用到用户身上进行干预。 针对这层业务抽象，我们再做了工程化，目的就是为了提升研发效率和运营效率。这样就有了第一个方案——基于事件流的规则引擎，我们认为用户的行为是一串顺序的行为事件流，使用一段简单的事件描述DSL，再结合输入和输出的定义，就可以完整地定义一个规则。 以上述用户增长的第二个实验为例，如下图所示的DSL即可简单表达出来： 规则引擎的局限性 该规则引擎可以很好地解决之前用户增长业务下的几个策略，随后我们进行了内部推广，准备在闲鱼C2C安全业务下也落地。在C2C安全业务上有如下描述： 在C2C安全业务上，也有一个看似是一个针对一系列行为作出的规则抽象，如下图所示： 但是将上述规则套上规则引擎后，就会发现无法将安全的规则套上规则引擎。假设我们的详细规则是1分钟内被拉黑2次，就对该用户打上高危标记。那么我们想一想，当来了第一个拉黑事件后，匹配上了。然后紧接着来了第二个拉黑事件，也匹配上了。此时按照规则引擎的视角，条件已经满足了，可以进行下一步操作了。但是再仔细看一看规则，我们的规则是要被不同的用户拉黑，因为有可能是同一个用户操作了多次拉黑（同时多开设备）。而规则引擎上只知道匹配到了2次拉黑事件，对规则引擎来说已经满足了。却无法知道是否是不同人操作的。起根本原因是因为在规则引擎里，事件都是无状态的，无法回溯去做聚合计算。 新的解决方案
2019年9月10日晚间，阿里巴巴董事局主席马云正式宣布卸任，已在阿里巴巴集团任职12年并担任4年阿里巴巴CEO的张勇正式接任阿里巴巴集团董事局主席。 今年双11，天猫成交额再次刷新纪录。作为双11的缔造者，张勇接受新京报记者专访，张勇表示，中国正在进入“新消费时代”，双11背后真正的力量，正是中国新消费崛起的力量。在张勇看来，新消费的爆发是今年双11创新纪录的重要动力，95后、50后和小镇青年，正在成为消费的生力军。而对于政府倡导夜间经济，张勇认为，“夜经济”背后正是新商业活力的体现。 未来经济的增长动能在哪里？他坚信，数字化没有国界，而且是大势所趋。对于任何一个国家和地区，未来经济的增长动能，本质上来自创新和数字化的驱动。中国未来经济的增长一定是消费驱动、体验驱动。 新消费的爆发是今年双11创新纪录的重要动力 新京报：刚刚过去的双11，被称为观察中国经济的一个绝佳窗口，今年的双11交易额再创新高。据你观察，这次购物狂欢反映了消费的哪些新动向、新趋势？ 张勇：这已经是阿里巴巴的第11个双11。11年来，双11已经成为一个广泛的经济和社会现象，见证和经历了中国商业领域的大变革、大爆发。每一年的双11，我们都能看到中国消费者、品牌和商家经历一次新的洗礼。每年“双11”我们一再挑战峰值，但是一路看过来，目前的峰值在未来两到三年以内，就将成为常态。 11年之后，中国正在进入“新消费时代”。双11背后真正的力量，正是中国新消费崛起的力量。为什么有这么多企业愿意全身心参与其中？正是因为品牌和商家看到了市场，看到了机会，看到了新消费的力量。新消费的核心驱动力正是创新。新消费深刻重构了人、货、场，驱动了前所未有的商业数字化变革。这样的变革，发掘了商业新人口，创造了商业新供给，带来了商业新行为。未来的双11必须要做到的正是创新，创新是不变的关键词。 新京报：我们注意到这次双11阿里在下沉市场、新品等方面提出了很多新的战略，阿里巴巴是如何制定出这些战略？这些战略的出台背景是否与新消费有关？ 张勇：所有这些新战略和新洞察，本质上都是我们看到了新消费时代带来的历史机遇。 可能很多人知道，双11最早的诞生，是为了解决“生存”问题。当时的淘宝商城刚刚诞生，我们想做一个活动，让更多人来记住我们。如今11年过去了，双11对品牌来说，早已不是一个处理尾货的选择。双11的成交额也从2009年的5200万美元激增到2019年的2684亿。今年的双11，超过299个品牌当天销售过亿。这正是一天之内爆发的强劲商业力量。 作为新消费的重要象征和表现，新品已经成为品牌实现增长、寻求增量的核心砝码。可以说，天猫双11已经渐渐取代西方传统圣诞节，成为全世界品牌最重视的新品首发节点。我在这里简单分享一些数字。超一半的美妆大牌打破惯例，改变了新品发布节奏，把圣诞礼盒提前到天猫双11发布。 下沉市场的爆发，本质上也是希望实现供给和需求能够更完美匹配，下沉市场的积极参与，也是今年天猫双11再创新纪录的重要动力，背后是中国内需的巨大爆发力。一系列国产品牌在今年双11有超过60%订单来自下沉市场，一大批国际大牌商品打破圈层壁垒，正在加速走进小镇青年的家中。我们的传统业务聚划算通过定制款货品的供给，深度触达下沉市场。 新京报：你怎么理解新消费？它与以往的消费有何不同？ 张勇：新供给创造所带来的新消费，绝对不只是原有消费的数字化，而是真正带来了新的消费增量。双11的2684亿元见证了新消费的崛起，背后是阿里巴巴数字经济体合力创造性满足消费者的需求，而背后是万千企业的增长。“新消费”正是以多元化供给和新的消费场景，调动了消费者最广泛的参与，也成功服务了更多的人。 还是和你分享一些这一次双11的发现。我们发现有三个人群——95后、50后和小镇青年，正在成为消费的生力军。这背后本质上是我们的平台能够更好地洞察这些人的潜在需求，激发了他们此前并不具备的消费潜力。这正是新消费的力量。它不仅通过更高效的匹配满足了人们的潜在需求，更多是创造了新的增量，拓宽了消费的边界和可能。新消费的核心不在于需求，需求一直都在那儿，而在于供给侧，在于我们能不能很好地满足需求，创造需求。有些产品可能几年前都不存在，但是今天变成大家生活的必需品，这正是新供给带来的新消费。 中国未来经济的增长一定是消费驱动、体验驱动 新京报：从新零售到新消费，是否反映了中国经济发展的新动能在转变？ 张勇：过去20年来，阿里巴巴很幸运地诞生和成长在中国这个世界上最大的消费市场。三年前我们提出了新零售，如今已经成为广泛的社会共识，从新零售到新消费，背后正是数字化所带来的巨大能量。中国目前社会零售总额达到38万亿，可以说，未来这38万亿都将会被完全的数字化，这当中所蕴藏的机会和潜力将是非常惊人的。 我们坚信，中国未来经济的增长一定是消费驱动、体验驱动。中国现在大概有3亿中产，5年之内，这个数字将会翻番。中国非常大的另一特点则是，一半以上的人口在农村。只有农村农民生活得好了，整个中国社会才真正走上一个新的阶段。过去一年阿里平台上净增一亿消费者，其中绝大多数是农村的消费者。如何更好地满足和创造更广大消费人群的需求，未来依然有巨大增量空间。 新京报：在你看来，未来经济的增长动能在哪里？
11月16日，阿里云大数据+AI技术沙龙，首战上海站取得圆满成功。我们邀请到阿里巴巴计算平台事业部 技术专家辛庸，辰山，抚月，诚历；高级技术专家铁杰，以及Intel软件工程师喻杉和大家进行分享交流。 以下是各议题相关资料沉淀。 议题一：基于 Spark 打造高效云原生数据分析引擎 视频观看链接：https://developer.aliyun.com/live/1712?spm=a2c6h.12873581.0.0.270f1566XWpLUS&groupCode=apachespark PPT链接：https://www.slidestalk.com/AliSpark/Meetup_Shanghai_16944 辛庸，阿里巴巴计算平台事业部 EMR 技术专家。Apache Hadoop，Apache Spark contributor。对 Hadoop、Spark、Hive、Druid 等大数据组件有深入研究。目前从事大数据云化相关工作，专注于计算引擎、存储结构、数据库事务等内容。 议题简介：由阿里巴巴 EMR 团队提交的 TPC-DS
使用中海创WEB组态产品，完成组态效果，下面以”水污染处理”为例，用海创微联采集设备数据上传到阿里云，中海创web可视化开发端获取阿里云的数据进行展示以及反馈变更的设备数据到阿里云。 水污染处理的组态看板如下图所示： 水污染处理的具体工艺流程如下： 这个组态实现的功能有： 数据展示 水管水流等级控制 前期准备 阿里云 中海创物联网 一、创建产品设备和规则引擎 我们打开阿里云，注册一个账号并登录，进入阿里云物联网平台。 1.1 产品创建 在左边设备管理中找到产品，创建后点击保存。 然后打开创建的产品，点击功能定义，根据实际设备的数据在自定义功能中添加原水池水位、厌氧池温度、厌氧池orp等。 1.2 设备创建 接着我们在产品中添加一个设备。 创建完成后有弹窗显示设备的三个唯一标识，点击一键复制，备用。 此时查看设备状态是未激活状态，查看设备，在设备运行状态中也能看到需要采集的数据暂时为空。
云时代对账单分析的强烈需求 对于传统的IT运维，通常上线机器，首先需要预估需求，然后申请预算，再发起采购单，等待采购完成，到最终上线，整个流程已经横跨几个月，甚至到1年。 云时代的到来，云厂商巨大的资源池，保证任何客户任意时刻都有足够的资源使用。云资源具备随时可用，规模弹性，规格丰富的特征。客户可以一键创建出需要的机器和服务。把传统IT横跨几个月的流程缩短到了秒级别。俗话说兵马未动，粮草先行，云资源正是业务的粮草，云的弹性保障了业务的弹性。基于云，出现了一个个疯狂扩张的独角兽。云的出现重构了整个IT的基础设施，而作为传统IT一环的财务预算流程，也理所当然的被重构。 传统的预算制度，跟不上业务的快速发展。假如我们需要做一个活动，临时购买一部分机器，已经超出了预算的规划。只能事后统计追踪资源使用。云资源除了包年包月，还有按量付费。对按量付费的资源使用，更是超出了预算管理的能力。因此，对账单统计分析，整理清楚钱花在哪里，怎么优化费用，成为云时代的刚需。 手工分析账单的痛点 通常手工分析账单怎么搞？首先从账单中心下载账单，有两种方式，一种写程序调用账单中心api，另一种手工下载csv。 数据再导入excel中进行分析。整个过程中，80%的时间在拉账单和对账。下载好账单之后，需要反复的核对金额，是否和账单中心显示的费用一致。如果有不一致的地方，要返工重新拉账单。拉取账单的工作，完全是脏活累活，重复性的劳动。账单维度、数据量一般比较大，用excel分析时，打开一个大文件都需要很长时间，更别说分析数据了。 怎么解决这些痛点？借助于云上数据中台，实现自动化，智能化的账单分析。 基于数据中台的账单分析 日志服务（SLS）推出了”成本管家”功能，一键开通后，自动从账单中心导入账单到日志库。日志服务是一个数据中台，提供时间序列数据的采集，存储，分析功能。账单正好是一种时间序列数据，借助数据中台的采集能力，无缝的采集账单数据，节省了财务分析人员的80%的脏活累活。使用户能够从低效的账单获取和整理工作中解放出来，精力专注于分析账单。 成本管家所具备的功能： 实时采集，账单产生一小时内传输到APP。 定制报表，提供常见账单分析场景，每日自动发送报告。 交互式分析，使用SQL分析数月账单，秒级可见结果。 分析结果可以图形化展示，更加直观。 机器学习算法，智能预测未来费用趋势，挖掘异常账单。 自定义告警，实时发送异常账单到手机。 自定义分析可保存到自定义报表。 账单分析涉及的数据存储和分析功能，均免费。 内置账单分析报表
1. 前言 无论是AD/ADAS还是智能网联车，前视感知都是其最基础和重要的能力之一。自动驾驶（AD）是前几年的热门话题。今天虽然稍微降温下来一些，但仍是大家关注的重点之一，毕竟它是人类长久以来的梦想之一。众所周知，美国汽车工程师学会（SAE）将自动驾驶分为 L0~L5共六个级别。其中L3及以上允许由系统在限定或不限定条件下完成所有的驾驶操作；而L2及以下还是需要由人类驾驶员一直保持驾驶状态，因此大多还属于高级驾驶辅助系统（ADAS），如车道偏离预警（LDW），前碰撞预警（FCW），自适应巡航（ACC），紧急自动刹车（AEB），车道保持辅助（LKA），交通标志识别（TSR），自动泊车（AP）等。和大多数智能机器人一样，自动驾驶的处理流程可分为三个阶段：感知、决策、执行。因此一旦感知出了问题，那后面基本就凉了。类似地，ADAS或AR导航也强依赖于对环境的感知。没有准确且实时的感知能力，上层做的再炫酷也容易成为鸡肋。ADAS和AD间的界线并没那么清晰，前者可看作到后者的过渡产品，因此很多技术是通用的。前视感知是个非常大的话题，因此本文主要聚焦在一些最为基础和通用的前视感知能力上。 2. 业界 本节我们从工业界和学术界两个方面简要聊下业界的相关情况。它们各有优缺点，学术界涌现出更前沿更先进的方法，且指标明确，易于定量比较，但方法往往专注于单点，且对实际产品中的各种约束（如计算资源）考虑不多；而工业界直接面对产品，更多地考虑实用性和整体性。但采用的指标、数据不透明，难以衡量和比较。只有全方面的了解，通过产学研的加速融合，才能打造更加完善、更好用户体验的产品。 ADAS有着几十年的发展历史。国内外都有一大批优秀的厂商。这几年，随着国家驾驶安全政策的推动和自动驾驶技术受到热捧，该领域出现了快速的增长。从老牌劲旅Bosch、Continental、Aptiv，Mobileye等，到一批相对年轻但很有竞争力的公司如Maxieye、Minieye、魔视、极目、纵目、Nauto等，这是一个既成熟，又充满机遇的市场。根据中投顾问的《2017-2021年中国汽车高级驾驶辅助系统（ADAS）市场深度调研及投资前景预测报告》，ADAS年复合增长率将达35%，2020年中国市场可实现近800亿市场空间。近几年，车载AR导航将传统的ADAS功能与导航功能、AR技术及HUD进行了融合，带来了更直观和人性化的用户体验，成为了市场的热点。在实现方式上，各家在传感器配置上也各有不同，有摄像头、毫米波雷达、激光雷达等。其中，基于摄像头的视觉方案由于其成本可控、算法成熟等优点，使用最为广泛。其中的主要代表如Mobileye和Tesla Autopilot都是主要基于视觉的方案。 图 1 Tesla Autopilot (来自https://www.youtube.com/watch?v=24dRkHdpEPo)图 2 Mobileye (来自https://www.mobileye.com/our-technology/) 虽然ADAS细分功能众多，但很多功能功能（LDW，FCW，LKA，ACC等）都依赖于对前方环境中几个基本对象的检测和识别，即车道线、物体（包括车辆、行人、障碍物、交通灯、交通标识等）、可行驶区域，因此本文也会主要聚集在这几类对象的检测识别上。在准确率上，各家的产品往往很难量化及横向比较，尽管大家的宣传中常会出现“准确率>XX%”或者“误报率/漏报率 在学术界，自动驾驶一直是经久不衰的热点之一。这些方法上的创新很多同样也可以用于ADAS和AR导航中。我们知道，2012年以来深度学习的快速发展使其成为机器学习中的绝对主流。基于深度学习的方法同样也给自动驾驶带来了巨大变革。基于传统CV算法的方法在泛化能力上容易遇到瓶颈。经常是在一段路段调优跑溜后，换一段路又需要大量调参。当然，基于深度学习的方法也无法完全避免这个问题，但可以说是大大缓解了。学术界的优点就是较为透明公开、且容易对比。新的方法就是需要在与其它方法比较中才能证明其优异，因此历史上通过竞赛的方式来推动发展的例子不在少数。2004年开始，由DARPA主办的几场无人车挑战赛开启了无人车的新时代。在深度学习时代，各种针对路面环境检测识别的榜单就如同ImageNet一样，催生出一大批新颖的方法。其中针对车道线、物体和可行驶区域的比较典型的有： KITTI：2013年由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是一套非常全面的算法评测数据集。其中覆盖了2D、3D物体检测，物体跟踪，语义分割、深度估计等多种任务。但其数据集数量在现在看起来不算多，如物体检测数据集训练集和测试集总共1W5张左右
离线大数据场景主要基于MaxCompute进行批量数据分析，实时数据场景主要是依靠实时计算做初步的数据清洗再对接数据库来完成数据的实时分析需求。但随着业务精细化运营的加深以及大促的常态化，单一的数据场景并不能满足业务的需求，而实时离线联合使用的场景诉求变得越来越多。例如双11大促当天快结束时，某手机店铺需要冲击一下销量，运营通过对实时数据分析发现当前店铺的加购率高但是转化不行，为了提高转化率，想针对部分人群发放一些优惠券或者红包来促进转化，但加购的实时人群数量庞大，如何选取最精准的人群成为一大难题。这时，运营调用历史购买数据即离线数据，通过对实时数据和离线数据在某个条件下的聚合查询对用户进行分层，最后筛选出最精准的人群来进行优惠券发放。交互式分析与大数据生态无缝打通，在离线数据场景上，与MaxCompute在底层打通，支持直接查询/导入查询MaxCompute数据；在实时数据场景上，提供connect接口，支持实时计算（Blink）数据实时查询实时写入，只需要维护一套系统，就能实现实时离线的交互式查询。今天小编就为大家介绍，如何使用交互式分析来同时完成实时离线联合查询。 本次案例基于交互式分析的开发平台HoloStudio完成，关于HoloStudio的使用可以请参见往期传送门：HoloStudio介绍：《交互式分析六脉神剑》之Dataworks-HoloStudio初体验HoloStudio直接查询MaxCompute：在吗？0代码加速查询MaxCompute请查收！HoloStudio查询实时计算：学会这个，实时数据（Blink）实时查询实时写入！ 开发平台 实时计算平台DataWorks–HoloStudio 前提条件 1.开通实时计算服务。2.开通MaxCompute服务。3.开通交互式分析服务。4.确保以上3个服务在同一个region。 操作步骤 1.准备MaxCompute离线数据 登录DataWorks，新建业务流程–数据开发–ODPS SQL，输入MaxCompute作业信息在MaxCompute中准备一张用户的离线数据表，主要用来存放以前用户的购买记录，本案例的示例数据如下： 2.准备实时数据 登录实时计算平台，新建作业，写入实时作业，对数据做初步的清洗，并引用资源包完成交互式分析与实时计算的连接。作业检无误后提交，在生产环境启动该作业，最终作业输出如下：（数据最终存储在交互式分析里） 3.交互式分析联合查询数据 登录HoloStudio，在SQL Console里面执行临时查询，查询经过实时计算初步清洗的部分实时数据如下：（HoloStudio新建外部表，查询的MaxCompute部分离线数据如下：（数据仍然存储在MaxCompute中）现将实时数据与离线数据按照某个条件做聚合，例如查询过去1-2年购买过且当前加购金额超过8000元的用户。 SELECT a_id, sum(a_cost) as total
演讲人：林伟整理 | AI前线 赵钰莹 人工智能生态发展趋势 大家好，我是林伟，我今天演讲的主题是《AI 突破无限可能—5 亿消费者的云上双 11》。我本人是做系统出身的，但在最近的一些会议上发现，越来越多做系统出身的人开始研究 AI。在 90 年代末的那波热潮里，我有幸在学校的人工智能实验室呆过，那时还在纠结模型效果，最后发现是自己想多了，那时做出来的东西还远远达不到可用的状态。在后来的一段时间内，AI 进入沉寂，最近几年又突然火爆，我在一些学校做交流的时候发现很多同学都在研究 AI 算法，但其实神经网络、遗传算法和模拟算法很多年前就已经出现，最近几年才爆发的最主要原因是数据和算力的提升。 在这之中，云计算也起到了很大作用，只有算力更加充足，才可以拟合出更加有效的模型，这也是阿里巴巴 2009 年坚定投入云计算的重要原因。说到阿里云，其实阿里云有个非常大的客户就是阿里巴巴自己的电商业务，而阿里电商全年最重要的一个活动就是双 11。 过去几年，阿里双
每周五，又到了分享MVP精彩内容的时刻。“在湖边”活动异彩纷呈，邀请了“奇葩大会”和“吐槽大会”的编剧人员面对面指导入选的12位CEO。刘洪峰作为MVP经历了集训，上场，点评，复盘四个环节的全过程。每个过程都让人耳目一新，感触颇深。本期精选还从数据角度探讨了5G对未来科学发展的影响，深入介绍了数据中台的概念，并对工业企业大数据平台构建提供了一些思路和方法。 阿里云MVP（阿里云最有价值专家），是专注于帮助他人充分了解和使用阿里云的技术实践领袖。在这里，您可以跟随各行各业技术达人快速Get到行业热点和前沿技术的发展现状。点击了解更多。 【MVP说】 刘洪峰：湖畔大学之在湖边 ● 畅谈1号位的技术观 第一次参加会后需要复盘的活动，金句频出，笑料不断。吐槽、辩论、专家点评，都只是一种可以让我们进入深入思考的形式。思考当今这个时代，是一个什么样的时代，我们在这样的时代，能做什么？怎么去做？才能不辜负这个时代–这值得我们每一个创业者去深思。 朱祺：5G对未来数据科学发展趋势的影响 本篇介绍了大数据特点，继续从移动互联网数据、物联网数据、产业互联网数据的特征方向探讨了5G对数据科学发展趋势的影响。 徐季秋：数字化与数据中台的价值思考 数据中台是指通过数据技术，对海量数据进行采集、计算、存储、加工，同时统一标准和口径。时下我们谈到的数据中台还包括数据模型，算法服务，数据产品，数据管理以及方法论。本文主要从传统企业数字化转型的角度，浅析了数字中台的价值。 朱丽霞：工业企业大数据平台构建的一些思路和方法 大数据平台统一管理、集中存储大数据资源，满足高并发，海量数据对高性能计算能力和大容量存储能力的需求，提供数据采集，数据计算，数据存储，数据分析，数据可视化等大量开放能力，确保各系统之间数据的互联互通和共享，为数据的全链条透明化、运营决策的高度智能化提供依据，尽早建立大数据平台具有重要意义。 【MVP时间】 刘洪峰：阿里云物联网平台属性、事件，服务详解 北京叶帆易通科技有限公司CEO刘洪峰，研发了物联网智能网关、YFIOs和YFHMI等物联网中间件软硬件平台。 本次公开课，刘洪峰老师主要从Alink通信协议及Alink物模型相关问题分享了行业中的案例，重点介绍了Alink协议简介，和物模型的属性上传和下发、事件触发、服务下发。 即刻关注“阿里云 MVP技术圈”，和MVP共同探索属于每个领域独一无二的道路，我们在阿里云开发者社区等您！ 第11期阿里云