首页电商正文

傅彦生获得中国经济领航者人物奖 What Does ‘Big Data’ Mean and Who Will Win?

2024-03-21 16:05

1月18日，由新华社《经济参考报》、新华网以及《财经国家周刊》联合主办的第二届财经领袖年会在北京昆仑饭店隆重举行，本届年会的主题为：新改革·新希望·新梦想。本次年会汇集了经济学家北京大学光华管理学院名誉院长厉以宁教授、中国建设银行董事长王鸿章、易盟天地95081家庭服务中心董事长傅彦生等各界精英。

（左三为：易盟天地95081家庭服务中心董事长傅彦生）

目前我国家家政行业注册量近60万家，从业人员达到3000多万人。全年交易额达到1.2万亿，且每年以30%的增速高速增长。

凭借于对中国家庭服务业的巨大贡献易盟天地95081家庭服务中心董事长傅彦生获得经过学校培训的服务人员有近40万人，提供就业岗位近百万个。

傅彦生带领团队又率先推行管家模式，免费管家服务，通过门店与管家连接家庭服务需求的O2O平台、月嫂、保姆等为主，维修、配送等为辅以及蔬菜配送。这种模式要深入家庭，发掘需求，帮助其制定提升生活品质的解决方案，并负责执行。很多人的需求是不明确的，一定要用管家模式，站在客户的角度，把客户的隐性需求显性化，而不只是简单根据用户的需求对接上就完了。只有实现了这一点，才能使行业有一个更好的发展。

会后傅彦生表示：获此殊荣并不只是我个人的荣誉，是对95081家庭服务中心的一种信任和认可，更是组委会对整个家政行业乃至整个家庭服务业的褒奖。希望借此殊荣能够促进整个家庭服务行业在未来能更好更快的发展。

95081获2014中国家政服务行业领航者企业奖

傅彦生：家政O2O重心下沉势在必行

责编：李拜天

原创声明：品途网尊重原创作者及单位版权，本文为品途网原创内容，转载请注明出处，违者品途网有权追究其法律责任。

WhatDoes‘BigData’MeanandWhoWillWin?

TheMeaningofBigData-3V’s

BigVolume

—Businessstuffwithsimple(SQL)analytics

—Businessstuffwithcomplex(non-SQL)analytics

BigVelocity

—Drinkfro

firehose

BigVariety

—Largenumberofdiversedatasourcestointegrate

BigVolume-LittleAnalytics

•Welladdressedbydatawarehousecrowd

•WhoareprettygoodatSQLanalyticson

—Hundredsofnodes

—Petabytesofdata

•Buttherehasbee

dramaticseachangeinthelastdecade!

TraditionalRowStoreArchitecture(circa2005)

E.g.DB2,Oracle,Sybase,SQLServer,Greenplum,Netezza,Teradata

ColumnStoreArchitecture(now)

TheFacts

•Acolumnstoreis5

fastertha

rowstore!!!!

•Thesuccessfulvendorswillallrun“sharenothing”multi-nodecolumnstoresforscalability

•Mosteverybody–exceptOracle–hasgottenthereoverthelastdecade

OracleExadataisnot:acolumnstore，ascalableshared-nothingarchitecture

BigData-BigAnalyticsTheNextBigThing!

•Complexmathoperations(machinelearning,clustering,trenddetection,….)

—Theworldofthe“quants”andthe“rocketscientists”

—Mostlyspecifiedaslinearalgebraonarraydata

•Adozenorsocommon‘innerloops’

—Matrixmultiply

—QRdecomposition

—SVDdecomposition

—Linearregression

BigData-BigAnalyticsAnExample

•Considerclosingpriceonalltradingdaysforthelas

yearsfortwostock

andB

•Whatisthecovariancebetweenthetwotime-series?

(1/N

sum(Ai-mean(A)

(Bi-mean(B))

NowMakeItInteresting…

•Dothisforallpairsof4000stocks

—Thedataisthefollowing400

1000matrix

ArrayAnswer

•Ignoringthe(1/N)andsubtractingoffthemeans….

Stoc

StockT

•TrythisinSQLwithsomerelationalsimulationofthestockarray!!!!

DataScientistJobDescription

•Cleanandcuratethedata(majorityofhistimerightnow–forwardpointertoVariety)

•Until(tired){

Datamanagementoperation(s);

Complexanalyticsoperations(s);

}

UseCaseRequirements

•Complexanalytics

—Covarianceisjustthestart

—Definedonarrays

—Graphsarejustsparsearrays!!!

•Datamanagement

—Leaveoutoutliers

—Justonsecuritieswit

marketcapover$10B

•Scalabilitytomanycores,manynodesandout-of-memorydata

SolutionOptionsR,SAS,Matlab,etal

•Weakornon-existentdatamanagement

—Dothecorrelationonlyforcompanieswithrevenue>$1B?

•Filesystemstorage

•Rdoesn’tscaleandisno

parallelsystem

—Thisissueisgettingbetter!

SolutionOptionsRDBMSalone

•SQLsimulator(MadLib)isslooooow

—Andonlydoessomeoftherequiredoperations

•CodingoperationsasUDFsstillrequiresyoutosimulatearraysontopoftables---sloooow

—SupportforUDFsi

isslowlycoming..

SolutionOption

+RDBMS

•HavetoextractandtransformthedatafromRDBMStabletomathpackagedataformat(e.g.dataframes)

•‘movetheworld’nightmare

•Needtolear

systems

•An

stilldoesn’tscaleandisno

parallelsystem

SolutionOptions

•NewArrayDBMSdesignedwiththismarketinmind

•Forexample,SciDB(SciDB.org)

—SQLoperationsonarrays

—Withbuilt-inanalytics

—Opensource,Linux

ArrayDatabasesbeatRelationalDatabasetablesonstorageefficiency&arraycomputations

SolutionOptions:Hadoop

•3Levelstack(circa)

—HDFS(afilesystem)atthebottom

—Map-Reduceinthemiddle

—Hive,Pig,Mahout,SQ

atthetop

•But....

—Map-Reduceisnotaninterestingdistributedcomputingplatform

—Map-Reduceisnotaninterestingdatamanagementplatform

SoWhoisAbandoningMap-Reduce?

•Google

—BigTablefortheircrawl

—Dremmel,F1

forotherstuff

•Cloudera

—Impala(theirnewDBMSisnotbuiltonMap-Reduce!!!

•HortonWorks,Facebookhavesimilarprojects

TheFutureoftheHadoopStack

•HDFSatthebottom

—Butithasbadperformanceproblems

—Whichwillassuredlygetfixed….

•SQLatthetop

—Wit

datawarehouse-styleexecutor

—AvailablefromImpala,Vertica,…

•DatawarehousemarketandtheHadoopmarketwithmerge!!!

•LatestmarketingspeakfromHadoopvendors:datalakes(staytuned)

WhatAboutSpark?

•SparkSQLhasalltheaction(70%accordingtoMateiZaharia)

—NoXacts

—Nopersistence

—Nosystemcatalogs(metadata)

—Noindexes(filtersaresequentialscans–20Xsloweronjoins)

•Presumablythiswillallgetfixed(Sparki

movingtarget)

—WillbecompetinginthewarehousemarketagainstImpala,…

WhatAboutSpark?

•30%isdistributedcomputing(mostlyScala)

—WayfasterandmorefunctionalthanMap-Reduce

—RDDswillgivewaytodataframes

—Holdontoyourseatbelt

BigVelocity

•Sensortaggingeverythingofvaluesendsvelocitythroughtheroof

—E.g.carinsurance

—E.g.IOT

•Smartphonesa

mobileplatformsendsvelocitythroughtheroof

•Stateofmulti-playerinternetgamesmustberecorded–sendsvelocitythroughtheroof

TwoDifferentSolutions

•Bigpattern-littlestate(electronictrading)

—Findm

‘strawberry’followedwithin100msecb

‘banana’

•Complexeventprocessing(CEP)isfocusedonthisproblem

—Patternsi

firehose

•StreamBase,Storm,Kafka

addressthismarket

TwoDifferentSolutions

•Bigstate-littlepattern

—Foreverysecurity,assemblemyreal-timeglobalposition

—AndalertmeifmyexposureisgreaterthanX

•LookslikehighperformanceOLTP(NewOLTP)

—Wanttoupdat

databaseatveryhighspeed

SolutionChoicesforNewOLTP

•OldSQL

—Theelephants

•NoSQL

—75orsovendorsgivingupbothSQLandACID

•NewSQL

—RetainSQLandACIDbutgofastwit

newarchitecture

WhyNotUseOldSQL?

•Sloooow

—B

coupleordersofmagnitude

•Becauseof

—Disk

—Heavy-weighttransactions

—Multi-threading

•See“ThroughtheOLTPLookingGlass”

—VLDB2007

NoSQL

•GiveupSQL

—InterestingtonotethatCassandraandMongoaremovingto(yup)SQL

•GiveupACID

—IfyouneedACID,thisi

decisiontotearyourhairoutbydoingitinusercode

—Canyouguaranteeyouwon’tneedACIDtomorrow?

MyPredictionSQLandNoSQLwillmerge

•NoSQLmeans

—NoSQL()

—NotonlySQL(2014)

—NotyetSQL(2015)

•SQLguysareaddingJSONandimprovingtheir“outofbox”experience

•NoSQLguysareaddingSQLandXacts

VoltDB:anexampleofNewSQL

•Anopen-sourcemainmemorySQLengine

•Sharednothing,Linux,TCP/IP

•Light-weighttransactions

—Run-to-completionwithnolocking

•Single-threaded

—Multi-corebysplittingmainmemory

•About100xRDBMSonTPC-C

BigVariety

•Typicalenterprisehas5000operationalsystems

—Onl

fewgetintothedatawarehouse

—Whatabouttherest

•Andwhataboutalltherestofyourdata?

—Spreadsheets

—Accessdatabases

—Webpages

•Andpublicdatafromtheweb?

TraditionalSolution--ETL

•Construc

globalschema

•Foreachlocaldatasource,haveprogrammer

—Understandthesource

—Mapittotheglobalschema

—Writ

scripttotransformthedata

—Figureouthowtocleanitand“dedup”it

•Masterdatamanagement(MDM)isthenewbuzzwordforETL

•Worksfor20datasources.Whatabouttherest?

PossibleNewApproaches

DataTameret.al.

—Orientedtowardtheenterpriseandthelongtail

•Trifacta,Paxata,GoogleRefine,et.al.

—Orientedtowardtheindividualdatascientist

—Whoneedstointegrat

fewsources

—Vis-focused

TwoSlidesonTamr

•Datacurationis

—Ingest

—Transform(eurostodollars)

—Clean(-99oftenmeansnull)

—Schemamapping(yoursalaryismywages)

—Entityconsolidation(MikeStonebrakerandMichaelStonebrakerarethesameentity)

•Historicallythishasbeenincrediblyexpensive

—The800poundgorillainthecorner

TwoSlidesonTamr

•Tamrisanend-to-enddatacurationsystem

—Usesmachinelearningandstatisticstopickthe“lowhangingfruit”automatically

—Leveragesanexpertcrowdsourcingsystemwhe

humanisneededtoresolvesomething

—SignificantROIrelativetoothertechniques!

WhatAbou

DataLake?

•Dumpallyou“raw”dataintoHDFS

—Thedatalake

•I.e.thisistheingestpieceofdatacuration

—Whichistheeasypart

—Therestofcurationisthehardpart

•Uncurateddatai

dataswamp–no

datalake!!!!

TakeawayOneSizeDoesNotFitAll

•Columnstore(stupidanalytics)

•Arraystore(smartanalytics)

•Streaming(velocitysolution)

•NewSQL(othervelocitysolution)

•NoSQL(lowend;semi-structureddata)

•Legacystuff(inplacenow–butobsolete)

•Oneormorecurationsystems(800poundgorilla)

•Usetherighttoolforthejob!!!!!

信息转载自网络，更多相关信息请点击：整合营销案例http:///wlyx/zhyx/

麦当劳中国市场急着“卖店”，为什么？麦当劳即将改朝换代掌门人斯金纳今年6月份退休

对未来合作伙伴的选择，麦当劳也颇为挑剔：它可以来自餐饮业外，但必须“高度诚信、财务稳健、深入了解中国市场，并具备独特竞争优势”。,除了中国，日本、台湾、香港和韩国这四个亚洲市场，麦当劳表示也在寻找接盘侠，让售特许经营权。,自笔者开始报道麦当劳以来，这家公司共经历了五位CEO，但却没有一位的离职像吉姆•斯金纳这般体面。

2024-03-21 16:38
后家电O2O市场成“蓝海” Q1，O2O移动应用发展报告

记者了解到，魅族手机也将开展O2O上门维修业务，首批城市为北京、上海、广州、深圳。,比如，家里的康佳电视、苏泊尔电器、容声冰箱等需要维修，只要扫描“中国联保”微信，就可寻求维修服务，并对服务进行点评。,正因为如此，我们制定了今年底下一轮3000万~5000万元的融资计划，目前已经有不少意向机构在接洽中。

2024-03-21 16:06
互联网软装，让奢华漂亮走进千家万户中国O2O行业发展报告

在零售业、本地生活服务行业表现尤为明显O2O行业发展现状中国电子商务市场交易规模中国电子商务市场细分行业构成中国网络购物市场交易规模中国移动购物市场交易规模移动购物用户规模及在网购用户的占比各渠道优势互补，实现信息与数据的共享在线上，企业集中布局线下流量入口，发挥信息及数据优势在线下，企业结合门店、物流及体验优势，扩大业务范围总体来讲，目前传统零售企业布局O2O主要通过以下途径：1）构建线上平台，

2024-03-21 16:05
卡萨帝的跨界之道！ Spark在TalkingData的应用

文/易北辰跨界亦无界，工业设计泰斗遇上国际时尚会激荡出什么样绚丽的火花？,高级定制香知凝品牌创始人杨丽、俏江南餐饮集团董事长张兰、中国艺术研究院副院长谭平、今日美术馆理事长张宝全、意大利驻华使馆文化参赞史芬娜教授Ms.StefaniaStafutti星耀京城。,艺术家黄莺以代表作《无限的温度》为题，为卡萨帝冰吧设计了一套艺术造型。

2024-03-21 16:05
定制家具O2O平台丽维家拓展B2B业务深度学习如何对机器视觉市场报告（英文版）

对此，丽维家CEO周宇翔表示，“本次已与成都优客逸家，上海寓见，广州you+三家合作，将为上万家户型定制家具，这不但能在短期带来大量销售额，更是对丽维家家具产品和服务的一次考验，也是与互联网公寓O2O品牌一起成长的最好机会。,我们为这么多住户负责，一定要选最高性价比家具，不但是价格上可承受，更需要健康环保、使用耐用，而且根据户型不同，要做定制。,深度学习如何对机器视觉市场报告（英文版）Tracti

2024-03-21 16:04
雷军青睐的家居O2O企业是啥样？智慧城市建设中的几个问题和案例探讨

另外需要强调下这其实不是一家创业公司，或者准确地说品牌形象和口号是全新的，但创始团队和能力是“老牌”的：从宇笛电器专营店成立到12月B2C平台倍安心商城上线，公司业务以橱柜、衣柜起家；品牌更名为“丽维家”，从电商模式逐渐转向垂直O2O平台，如今定位于互联网木匠。,传统企业（线下起家）：林氏木业，得到阿里的支持，在淘宝天猫成交量大，去年双十一林氏木业单店销售1.12亿元，位居家居类销售业绩第一；居然

2024-03-21 16:04
郭美美事件背后的人性思考马丁飞行器公司 Martin Jetpack研究报告(完整版)

郭美美先卖后装，包装以后则是为了吸引更多人嫖，因此她自称很多人想与之发生关系。,这个时代同时也是“潜规则”的时代，为什么出出现潜规则?同样是因为需要，男人需要在潜规则中寻找刺激，女人需要在潜规则得到所需，功名利禄自然是所需，更重要的是与陌陌兴起以后，“约炮”这个词迅速火了起来，什么叫约炮?顾名思义，人人皆知，这个词的深层意识反映了人们对性的诉求，这甚至已经形成主流文化，从酒桌到娱乐再到酒店，都脱离

2024-03-21 16:04
多元化和去厨师、去服务员化是未来餐厅的趋势人工智能和适合的应用场景报告

􀀁3月，复旦大学联合成立“脑科学协同创新中心”，积极推进和参与“中国脑计划”的实施。,深度神经网络在训练上的难度，可以通过“逐层初始化”来有效克服。,机器学习是人工智能的核心技术全球主要机器学习公司列举语言识别及自然语言处理语音应用爆发需要的条件已经逐步成熟：1、关键技术持续进步，达到实用门槛；2、智能终端、无线网络、云计算平台等环境条件基本完备。

2024-03-21 16:04
苏宁转型之殇，上不及京东下国美逆袭达芬奇机器人系统，个人机器人的时代即将来临

在苏宁发布财报之前，就有人跟我沟通说，请千万不要对此发表什么意见。,•与传统手术相比，达芬奇的优点为精准、稳定、安全，小切口、微创伤,降低术后感染风险,减少医生疲劳。,达芬奇机器人系统•突破人眼局限•3D高分辨内窥镜•视野放大10倍以上•突破人手局限•更大活动自由度•更小操作空间•防人手抖动达芬奇机器人

2024-03-21 16:04