Skip to main content

Home/ 互联网之'我的阅读'/ Group items tagged 数据应用

Rss Feed Group items tagged

Filter: All | Bookmarks | Topics Simple Middle
ocean wu

数据挖掘资源和研究汇总（转）_张正华BLOG_新浪博客 - 0 views

blog.sina.com.cn/...blog_4d9b3c0a01000a8q.html

数据挖掘 列表 links

shared by ocean wu on 16 Feb 09 - Cached
  • 什么是数据挖掘 http://www.seamlessit.com/documents/DataMiner/DM2002-05-24A.htm 数据挖掘-技术与应用 http://www.seamlessit.com/documents/DataMiner/DM2002-05-24B.htm 数据挖掘助竞争 http://www.cai.com.cn/suc_story/0426.htm 数据挖掘讨论组 http://www.dmgroup.org.cn/ 数据挖掘在CRM中的应用 http://www.chinabyte.com/20020726/1622396.shtml Open Miner 数据挖掘工具 http://www.neusoft.com/UploadFile/0.4.3/217/217.htm 数据挖掘-概念与技术（影印书） http://www.hep.edu.cn/books/computer/photocopy/20.html 数据挖掘在科学数据库中的应用探索 http://www.sdb.ac.cn/thesis/thesis5/paper/p6.doc
  • 数据挖掘概述 (一) http://www.ccf-dbs.org.cn/pages_c/datamining1.htm 数据挖掘概述 (二) http://www.ccf-dbs.org.cn/pages_c/datamining2.htm 数据挖掘在CRM中的核心作用 http://www.cndata.com/sjyw/dcd_knowlege/texts/article491.asp 网络数据挖掘 http://www.pcworld.com.cn/2000/back_issues/2014/1436a.asp
  • <构建面向CRM的数据挖掘应用> 2001 人民邮电出版社 http://www.e-works.net.cn/business/category18/126700621324531250.html 数据挖掘在CRM中的应用 http://www.e-works.net.cn/ewkArticles/Category38/Article9809.htm 数据挖掘及其工具的使用 http://eii.dlrin.edu.cn/zjlw/zhlw17.htm 数据挖掘-极具发展前景的新领域 http://www.creawor.com/biforum/bi_02.htm 数据挖掘的研究现状 http://www.creawor.com/biforum/bi_03.htm 数据挖掘-数据库技术的新时代 http://www.china-pub.com/computers/emook/1188/info.htm
  • ...7 more annotations...
  • XML 与面向Web的数据挖掘技术 http://www.aspcool.com/lanmu/browse1.asp?ID=719&bbsuser=xml http://www.swm.com.cn/rj/2000-10/25.htm http://www.ccidnet.com/tech/web/2001/09/04/58_3176.html 上海市计算机学会数据挖掘技术讨论网站 http://scs.stc.sh.cn/main/sjwj.htm 数据挖掘与统计工作 http://www.bjstats.gov.cn/zwxx/wzxw/zzwz/200207020115.htm 数据仓库、数据集市和数据挖掘 http://eii.dlrin.edu.cn/zjlw/zhlw16.htm 数据挖掘-图书馆员应掌握的基本工具 http://www.zslib.com.cn/xhlw/wk.doc 数据挖掘技术概述 http://www.china-pub.com/computers/emook/0903/info.htm 数据挖掘及其在工程诊断中的应用(博士论文) http://www.monitoring.com.cn/papers/GaoYilong_C_D.htm
  • 知识型企业研究中心 2006-12-26 http://business.queensu.ca/index.php   这是一本关于数据挖掘的一本书的章节 数据挖掘课堂笔记 2006-11-10 http://infolab.stanford.edu/~ullman/mining/mining.html 国外大学关于数据挖掘相关课程的课件。 智能科学网站 2006-11-10 http://www.intsci.ac.cn/   数据挖掘的词汇表 智能工具,数据挖掘,可视化2005国际会议 2006-11-09 http://www.infonortics.com/idv/05pro.html
  • Data Mining: What Is Data Mining ? http://www.anderson.ucla.edu/faculty/jason.frand/teacher/technologies/palace/datamining.htm Data Mining - An Introduction http://databases.about.com/library/weekly/aa100700a.htm?iam=excite_1&terms=data+mining Data Mining - An Introduction Student Notes http://www.pcc.qub.ac.uk/tec/courses/datamining/stu_notes/dm_book_1.html Data Mining Overview http://www.megaputer.com/dm/index.php3 Data Mining - Award Winning Software http://www.salford-systems.com/?source=goto Data Mining With MicroStrategy Best In Business Intelligence http://www.microstrategy.com/Software/Mining.asp?CID=1818dm Data Mining, Web Mining and Knowledge Discovery Directory http://www.kdnuggets.com/ Data Miners Home Page http://www.data-miners.com/ Data Mining and Knowledge Discovery Journal http://www.digimine.com/usama/datamine/ Data Mining and Knowledge Discovery Journal http://www.kluweronline.com/issn/1384-5810 Effective Data Mining Technology http://www.enablesoft.com/ Find Data Mining Solutions http://www.knowledgestorm.com/SearchServlet?ksAction=keyMap&x=data+mining&site=Overture Data Mining Solutions - Business Intelligence http://www.netsoft-usa.com/01_bi.aspx Data Mining Resources http://databases.about.com/cs/datamining/index.htm?PM=ss15_databases The Data Mine Information Index About Data Mining http://www.the-data-mine.com/ ITtoolbox Business Intelligence http://businessintelligence.ittoolbox.com/
  • Mining Data For Actionable Business Decisions http://internet.about.com/library/aa_data_mining_041202.htm?iam=excite_1&terms=data+mining The Data Mining Group http://www.dmg.org/ Data Mining Software http://www.knowledgestorm.com/SearchServlet?ksAction=keyMap&x=Data+Mining+Software&site=LOOKSMART IBM Data Mining Project/Group Quest http://www.almaden.ibm.com/cs/quest/ Data Mining Resources http://psychology.about.com/cs/datamining/index.htm?iam=excite_1&terms=data+mining Data Mining, Text Mining and Web Mining Software http://www.megaputer.com/ Data Mining and Data Warehousing Links http://databases.about.com/cs/datamining/index.htm?iam=excite_1&terms=data+mining Data Mining Software : EDM & DMSK http://www.data-miner.com/ Data Mining and Knowledge Discovery In Databases http://db.cs.sfu.ca/sections/publication/kdd/kdd.html DM Review: Strategic Solutions For Business Intelligence http://www.dmreview.com/ Data, Text and Web Mining http://internet.about.com/cs/datamining/index.htm?iam=excite_1&terms=data+mining First SIAM International Conference On Data Mining http://www.siam.org/meetings/sdm01/ Data Mining 2002 International Conference On Data Mining Methods and Databases For Engineering, http://www.wessex.ac.uk/conferences/2002/datamining02/ SIGKDD - ACM Special Interest Group On Knowledge Discovery and Data Mining http://www.acm.org/sigkdd/ Data Mining News http://www.idagroup.com/ NCDM National Center For Data Mining http://www.ncdm.uic.edu/ Data Mining Benchmarking Association (DMBA) http://www.dmbenchmarking.com/ Data Mining In Molecular Biology http://industry.ebi.ac.uk/~brazma/dm.html Data Mining and Machine Learning http://www.cs.helsinki.fi/research/fdk/datamining/ NCBI Tools For Data Mining http://www.ncbi.nlm.nih.gov/Tools/ Guide Your Organization's Future With Data Mining http://www.spss.com/spssbi/applications/datamining/ URLs For Data Mining http://www.galaxy.gmu.edu/stats/syllabi/DMLIST.html
  • SAS Analytic Intelligence Data & Text Mining http://www.sas.com/technologies/data_mining/ Analysis of Data Mining Algorithms http://userpages.umbc.edu/~kjoshi1/data-mine/proj_rpt.htm BIOKDD, 2001 Workshop On Data Mining In Bioinformatics http://www.cs.rpi.edu/~zaki/BIOKDD01/ Advances In Knowledge Discovery and Data Mining http://www.aaai.org/Press/Books/Fayyad/fayyad.html Online Program In Data Mining http://www.ccsu.edu/datamining/ Data Mining: Concepts & Techniques (Book) 2000 http://www.cs.sfu.ca/~han/DM_Book.html Tutorial On High Performance Data Mining http://www-users.cs.umn.edu/~mjoshi/hpdmtut/ GMDH Group Method Of Data Handling http://www.gmdh.net/ The Serendip Data Mining Project http://www.bell-labs.com/project/serendip/ Data Mining Forum http://www.data-mining-forum.de/ Open Directory: Data Mining http://dmoz.org/Computers/Software/Databases/Data_Mining/ Data Warehouse Information Center - Data Mining http://www.dwinfocenter.org/datamine.html
  • Generate maximum return on data in minimum time with Clementine http://www.spss.com/spssbi/clementine/ ICDM'02 The 2002 IEEE International Conference On Data Mining http://kis.maebashi-it.ac.jp/icdm02/ DMI: Data Mining Institute http://www.cs.wisc.edu/dmi/ Data Mining On The Web http://www.webtechniques.com/archives/2000/01/greening/ Data Mining Lecture Notes http://www-db.stanford.edu/~ullman/mining/mining.html ITSC Data Mining Center http://datamining.itsc.uah.edu/ Imperial College Data Mining Research Group http://ruby.doc.ic.ac.uk/ Knowledge Discovery & Data Mining Foundation http://www.kdd.org/ Untangling Text Data Mining http://www.sims.berkeley.edu/~hearst/papers/acl99/acl99-tdm.html Directory Of Data Warehouse, Data Mining and Decision Support Resources http://www.infogoal.com/dmc/dmcdwh.htm Data Mining Techniques http://www.statsoftinc.com/textbook/stdatmin.html Knowledge Discovery In Biology and Medicine http://bioinfo.weizmann.ac.il/cards/knowledge.html
  • Data Mining Magazine http://www.mining.dk/ Data Mining Server http://dms.irb.hr/ NAG Data Mining Components to Create Critical Competitive Advantage http://www.nag.co.uk/numeric/DR/drdescription.asp Data Mining and Multidimensional Analysis http://www.ics.uci.edu/~eppstein/gina/datamine.html ADC's Data Mining Resources For Space Science http://adc.gsfc.nasa.gov/adc/adc_datamining.html Laboratory For Knowledge Discovery In Databases (KDD) http://www.kddresearch.org/Groups/Data-Mining/ NCSA Data, Mining and Visualization http://archive.ncsa.uiuc.edu/DMV/ CRoss Industry Standard Process For Data Mining http://www.crisp-dm.org/ International Workshop On Visual Data Mining http://www-staff.it.uts.edu.au/~simeon/vdm_pkdd2001/ Mathematic Challenges In Scientific Data Mining http://www.ipam.ucla.edu/programs/sdm2002/ Mining Customer Data http://www.db2mag.com/db_area/archives/1998/q3/98fsaar.shtml Constraint-Based Multidimensional Data Mining http://www-sal.cs.uiuc.edu/~hanj/pdf/computer99.pdf  
ocean wu

当大数据遭遇深不可测的人性 - 0 views

tech.sina.com.cn/...pid_8459326.htm

数据挖掘 数据应用 数字化营销

shared by ocean wu on 03 Sep 14 - No Cached
  • Target建立了一个非常规范的大数据管理系统，它拥有一个数据分析团队，在查看准妈妈们的消费记录之后，找出了20多种关联物，通过这些关联物对顾客进行“怀孕趋势”预测，并寄送相应的优惠券，为消费推波助澜。只要有可能，Target的大数据系统会给每一个顾客编一个ID号。你刷信用卡、使用优惠券、填写调查问卷、邮寄退货单、打客服电话、开启广告邮件、访问官网，所有这一切行为都会记录进你的ID号。而且这个ID号还会对号入座的记录下你的人口统计信息：年龄、是否已婚、是否有子女、所住市区、住址离Target的车程、薪水情况、最近是否搬过家、钱包里的信用卡情况、常访问的网址等等。Target还可以从其他相关机构那里购买你的其他信息：种族、就业史、喜欢读的杂志、破产记录、婚姻史、购房记录、求学记录、阅读习惯等等。
  • 线上实时优化渠道
  • 因此在传统营销时代，品牌经理经常都会质疑他们的代理商的一个问题是：“我知道我的广告费有一半是浪费掉的，问题是我不知道是哪一半”，从Target的故事来看，大数据可以非常精准地锁定甚至预测用户的下一个消费行为，这让在传统营销时代摸不清用户需求的品牌经理拥有了一个利器。
  • ...22 more annotations...
  • 通过什么渠道(in which channel)、对谁(to whom)、取得了什么效果(with what effect )，这三点在传统营销时代无法解决的问题，似乎可以迎刃而解，因为大数据营销的本质是影响目标消费者购物前的心理路径，它主要应用在三个方面：1、大数据渠道优化，2、精准营销信息推送，3、线上与线下营销的连接。在大数据营销应用的影响下，营销环节中最难解决的一个问题——如何精准地预测目标用户的需求并提供解决方案，这也是大数据营销所存在的价值
  • 一、to whom？——大数据能精准锁定目标人群。
  • 借助大数据技术，营销者可以无限的接近、近乎准确的判断每一个人的属性。一些企业通过收集海量的消费者信息，然后利用大数据建模技术，按消费者属性(如所在地区、性别)和兴趣、购买行为等维度，挖掘目标消费者，然后进行标签层的分类，再根据这些对个体消费者进行营销信息推送
  • 1，属性标签层
  • 2，行为标签层
  • 3，目标人群层
  • 二、in which channel？——大数据能实时优化传播渠道。对于公开的媒体资源，为了覆盖尽可能多的受众，创造与受众的接触机会，广告主往往需要跨媒介传播。但是预算如何分配呢？大数据此时是最佳决策参考，基于海量用户数据，在营销渠道的投放比例分配上进行调整，获得最优的投放组合。
  • 大数据可以通过抓取微博、人人网以及各种论坛的数据，获取到消费者对品牌对产品的即时的看法和态度
  • 线下实时获取反馈
  • 线上线下协同实现效果闭环
  • 三、with what effect？——大数据能实时反馈效果，大数据是一种实时分析引擎。根据投放过程中的实际数据、如受众行为、流量构成及其他实时投放数据，找到广告目标受众最集中的时间点，找出受众反应最好的创意版本，确定竞品深度用户，挖掘新进潜在消费者等，对广告进行及时的判断和调整，而以上的过程是动态的、实时的。
  • “大数据”营销者近乎实时的各种传播效果反馈数据，信息详尽，并具有跟踪性
  • “说什么(say what)”，恰恰就是大数据营销不能解决的最后一个难题。因为“说什么(say what)”是取决于对消费者真实需求的洞察，而这种洞察是源自于对消费者人性的探测，这不是机器和程序在现阶段所能取代人力的经验的。
  • 能实现5W传播模式大数据营销闭环的行业是电商行业，因为像电商这类广告主将其大部分数字媒介预算通过程序化购买，是完全合理的。因为这类公司主要投放效果广告，关注消费者看了广告后的转化率，即是否会立刻在线购买。程序化购买可以获得更便宜的广告位，通过优化算法达到更多的目标人群。　　然而对于以产品、服务等核心的品牌而言，大数据营销并不能帮助他们解决品牌建立的问题
  • 对于非电商类产品而言
  • 它们最重要的工作除了销售之外，就是持之以恒地建立并保持与消费者之间有意义的关系，这种关系就是我们所熟知的“品牌的建立和维持”，它正是源自于对人性最深层次的洞察，而非其他冷冰冰的数据分析和程序筛选。
  • 拉斯韦尔模式是广告传播模式的最基本模式，它是1948年由美国政治学家、心理学家哈罗德·D·拉斯韦尔提出的一种具有代表性的线性模式，又简称“5W模式”，广告信息传播过程包含的五大要素是：谁(who)、说什么(say what)、通过什么渠道(in which channel)、对谁(to whom)、取得了什么效果(with what effect )。
  • 而潜藏在消费者潜意识里他们说不出来却又驱动他行为的因素，就是消费者洞察，这是品牌跟消费者建立“有意义”关系所不可或缺的一个环节，大数据无法取代人力进行。绝大多数消费者洞察不是来自于量化的研究数据和书面的研究报告，而是来自于与消费者的直接、深度接触中，比如街头暗访、消费行为的观察、与目标人群的谈话等等更接地气、更原始的方法，而非一串串冷冰冰的数码符号、人群标签所能替代的。
  • 大数据营销并不能取代基于人性的消费者洞察，但是可以改变广告公司过往几个星期做一个创意的工作的节奏，大数据基于实时的数据挖掘技术推动广告公司创造与热点相关的内容，传播公司可以根据表现不断更换创意。
  • 根据消费者在社交媒体上的热点话题创作出一个新创意，而确定延展哪个话题的创意，则是由从渺如烟海的社交大数据中挖掘出来最热门的话题。
  • 为了建立忠诚持久的良好消费者关系，广告主必须回归到传播的本质，即旨在创作有价值的、创新的品牌信息，这也是移动互联网传播中被人所津津乐道的“内容营销”，内容的创造也就是5W传播中最重要的say what
  • 大数据营销大潮中，广告公司必须学会如何地合理使用大数据这个非常好用的工具去触达目标人群，并通过智能化的方式把这些信息传递给用户，以深化同消费者的情感关系。
ocean wu

一些重要的算法 - 0 views

news.cnblogs.com/77871

数据分析

shared by ocean wu on 22 Oct 10 - No Cached
  • 下面是一些比较重要的算法，原文罗列了32个，但我觉得有很多是数论里的，和计算机的不相干，所以没有选取。下面的这些，有的我们经常在用，有的基本不用。有的很常见，有的很偏。不过了解一下也是好事。也欢迎你留下你觉得有意义的算法。（注：本篇文章并非翻译，其中的算法描述大部份摘自Wikipedia，因为维基百科描述的很专业了）
  • A*搜寻算法俗称A星算法。这是一种在图形平面上，有多个节点的路径，求出最低通过成本的算法。常用于游戏中的NPC的移动计算，或线上游戏的BOT的移动计算上。该算法像Dijkstra算法一样，可以找到一条最短路径；也像BFS一样，进行启发式的搜索。 Beam Search束搜索(beam search)方法是解决优化问题的一种启发式方法，它是在分枝定界方法基础上发展起来的，它使用启发式方法估计k个最好的路径，仅从这k个路径出发向下搜索，即每一层只有满意的结点会被保留，其它的结点则被永久抛弃，从而比分枝定界法能大大节省运行时间。束搜索于20 世纪70年代中期首先被应用于人工智能领域,1976 年Lowerre在其称为HARPY的语音识别系统中第一次使用了束搜索方法，他的目标是并行地搜索几个潜在的最优决策路径以减少回溯，并快速地获得一个解。 二分取中查找算法一种在有序数组中查找某一特定元素的搜索算法。搜素过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜素过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间元素开始比较。这种搜索算法每一次比较都使搜索范围缩小一半。 Branch and bound分支定界(branch and bound)算法是一种在问题的解空间树上搜索问题的解的方法。但与回溯算法不同，分支定界算法采用广度优先或最小耗费优先的方法搜索解空间树，并且，在分支定界算法中，每一个活结点只有一次机会成为扩展结点。 数据压缩数据压缩是通过减少计算机中所存储数据或者通信传播中数据的冗余度，达到增大数据密度，最终使数据的存储空间减少的技术。数据压缩在文件存储和分布式系统领域有着十分广泛的应用。数据压缩也代表着尺寸媒介容量的增大和网络带宽的扩展。 Diffie–Hellman密钥协商Diffie–Hellman key exchange，简称“D–H”，是一种安全协议。它可以让双方在完全没有对方任何预先信息的条件下通过不安全信道建立起一个密钥。这个密钥可以在后续的通讯中作为对称密钥来加密通讯内容。 Dijkstra’s 算法迪科斯彻算法（Dijkstra）是由荷兰计算机科学家艾兹格·迪科斯彻（Edsger Wybe Dijkstra）发明的。算法解决的是有向图中单个源点到其他顶点的最短路径问题。举例来说，如果图中的顶点表示城市，而边上的权重表示著城市间开车行经的距离，迪科斯彻算法可以用来找到两个城市之间的最短路径。 动态规划动态规划是一种在数学和计算机科学中使用的，用于求解包含重叠子问题的最优化问题的方法。其基本思想是，将原问题分解为相似的子问题，在求解的过程中通过子问题的解求出原问题的解。动态规划的思想是多种算法的基础，被广泛应用于计算机科学和工程领域。比较著名的应用实例有：求解最短路径问题，背包问题，项目管理，网络流优化等。这里也有一篇文章说得比较详细。 欧几里得算法在数学中，辗转相除法，又称欧几里得算法，是求最大公约数的算法。辗转相除法首次出现于欧几里得的《几何原本》（第VII卷，命题i和ii）中，而在中国则可以追溯至东汉出现的《九章算术》。 最大期望（EM）算法在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。最大期望经常用在机器学习和计算机视觉的数据聚类（Data Clustering）领域。最大期望算法经过两个步骤交替进行计算，第一步是计算期望（E），利用对隐藏变量的现有估计值，计算其最大似然估计值；第二步是最大化（M），最大化在 E 步上求得的最大似然值来计算参数的值。M 步上找到的参数估计值被用于下一个 E 步计算中，这个过程不断交替进行。
  • 快速傅里叶变换(FFT)快速傅里叶变换（Fast Fourier Transform，FFT），是离散傅里叶变换的快速算法，也可用于计算离散傅里叶变换的逆变换。快速傅里叶变换有广泛的应用，如数字信号处理、计算大整数乘法、求解偏微分方程等等。本条目只描述各种快速算法，对于离散傅里叶变换的性质和应用，请参见离散傅里叶变换。 哈希函数HashFunction是一种从任何一种数据中创建小的数字“指纹”的方法。该函数将数据打乱混合，重新创建一个叫做散列值的指纹。散列值通常用来代表一个短的随机字母和数字组成的字符串。好的散列函数在输入域中很少出现散列冲突。在散列表和数据处理中，不抑制冲突来区别数据，会使得数据库记录更难找到。 堆排序Heapsort是指利用堆积树（堆）这种数据结构所设计的一种排序算法。堆积树是一个近似完全二叉树的结构，并同时满足堆积属性：即子结点的键值或索引总是小于（或者大于）它的父结点。 归并排序Merge sort是建立在归并操作上的一种有效的排序算法。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。 RANSAC 算法RANSAC 是”RANdom SAmpleConsensus”的缩写。该算法是用于从一组观测数据中估计数学模型参数的迭代方法，由Fischler and Bolles在1981提出，它是一种非确定性算法，因为它只能以一定的概率得到合理的结果，随着迭代次数的增加，这种概率是增加的。该算法的基本假设是观测数据集中存在”inliers”（那些对模型参数估计起到支持作用的点）和”outliers”（不符合模型的点），并且这组观测数据受到噪声影响。RANSAC 假设给定一组”inliers”数据就能够得到最优的符合这组点的模型。 RSA加密演算法这是一个公钥加密算法，也是世界上第一个适合用来做签名的算法。今天的RSA已经专利失效，其被广泛地用于电子商务加密，大家都相信，只要密钥足够长，这个算法就会是安全的 并查集Union-find并查集是一种树型的数据结构，用于处理一些不相交集合（Disjoint Sets）的合并及查询问题。常常在使用中以森林来表示。 Viterbi algorithm寻找最可能的隐藏状态序列(Finding most probable sequence of hidden states) 　　附录 关于这个世界上的算法，你可以看看Wikipedia的这个网页：http://en.wikipedia.org/wiki/List_of_algorithms 关于排序算法，你可以看看本站的这几篇文章《一个显示排序过程的Python脚本》、《一个排序算法比较的网站》
ocean wu

对社会图Brad的思想 - 0 views

bradfitz.com/social-graph-problem

社群

shared by ocean wu on 29 Apr 11 - No Cached
  • 人们越来越讨厌现场登记和重新申报的每个朋友。 ，而且： 开展“社会应用”的工作太多了 。
  • 目标： ¶ 最终使社会图一个社会的资产 ，利用不同地点的数据，从所有的，但不依赖于任何公司或业主组织“这个”中央图。 ¶ 建立一个非盈利性和开放源码软件 （与利润版权持有的非），收集，合并，并重新分配图的图表汇总成一个由全球所有其他社会网络网站。 background-image: initial; background-attachment: initial; background-origin: initial; background-clip: initial; background-color: transparent; border-top-width: 0px; border-right-width: 0px; border-bottom-width: 0px; border-left-width: 0px; border-style: initial; border-color: initial; font-size: 1
  • 非目标： ¶ 我们的目标是 不 更换注册。 事实上，大多数注册Facebook！人，我已经谈过恋爱，只是想多一点资料他们已经公开更方便，并希望减轻对任何单一的数据网站所有者的恐惧/平台锁定。 与Facebook的早期谈判有关项目参与对此一直非常看好。 ¶ background-image: initial; background-attachment: initial; background-origin: initial; background-clip: initial; background-color: transparent; border-top-width: 0px; border-right-width: 0px; border-bottom-wi
  • ...2 more annotations...
  • 假设： ¶ 社会图包含一个边缘节点结合公共，私人节点，公共边和私人的。 重点是只对公共数据现在，因为这是你可以在网上自由地喷到其他各方。 虽然数据集中在公共不能解决100％的问题，它解决，也就是说，10％的复杂性在90％的问题。 私人数据可以补充后，也许在一个更高的层次。 现在，唯一的公共数据。 ¶ 此外，重点主要放在朋友的数据，看不到数据，如照片（ <font
  • 发展现状： ¶ 截至2007年8月16日，一对上述地段已原型： 得到的数据，5大社会网络，他们在图形建模 上述工作原型的API实现（很多性能优化，缓存和并行的余地，但要得到正确的第一次） 能够找到我所有的失踪LiveJournal和Vox的朋友，根据我在其他地方的关系。 启动一个Firefox插件工作与MySpace background-image: initial; background-attachment: initial; background-origin: initial; background-clip: initial; background-color: transparent; border-top-width: 0px;
ocean wu

30+ Professionally Designed & Useful Mac Applications | Web Resources | WebAppers - 0 views

www.webappers.com/...signed-useful-mac-applications

mac PPC tool

shared by ocean wu on 21 Dec 09 - Cached
  • FontcaseFontcase是一个优雅的字体管理软件。它综合了所有下一个精简的工作流程简单，原材料的权力。它举办了强大的标签系统，可自动处理您安装的字体。喜欢 iTunes的 音乐是Fontcase是字体！
  • 邮箱邮箱，由Mozilla技术驱动是一个强大的邮件管理与尖端已为新标准的电子邮件客户端软件的功能。它有一个强有力的信息，并自动完成功能，内容搜索。它提供了一个聪明的信息，并简化了邮件的机构，以及追踪他们的内容交换意见。它具有优越的消息处理和组织的功能，以及强大的安全功能。
  • DropzoneAptonic推断的拖放Mac功能，无限的可能性。利用核心动画功能，自适应网格系统，可以培养安装的应用程序都接受拖放。例如，通过删除一个文件到您的FTP客户端图标，FTP客户端将执行操作上载文件。或者，如果您要安装不做秀一个程序，则只需将安装到网格，软件将被安装。它提供了一个特殊的Flickr上传，您可以拖动图像的网格，它会立即上传到Flickr或保存它下降到区域中的文本。是有特殊的复制和移动网格文件功能以及 邮编 和电子邮件功能。由于Dropzone是在Ruby编码，任何人都可以编辑它以满足您的要求。
  • ...21 more annotations...
  • QueriousQuerious是一个SQL数据库管理应用程序在Mac OS X量身订做它提供了一个新的角度来理解和使用您的SQL数据库。功能丰富的查看，搜索，编辑，输入，输出，数据和结构; Querious提供几个点击的SQL工具域。它还提供CSV或标签文件，以便您可以查看speradsheet风格数据库的易用性，同时还支持数据导出多种工具。
  • 这份暗杀名单纠正的暗杀名单，以创新创造落实这项名单的混乱的生活。命中名单易于使用，您的文章，并有大量的热键，如果你想更有效。它有不同的卡一样，能够帮助你集中在一个时间或今天的名单提供了一个为某一天的事情的清单中列出一个工作的意见。它还与iCal同步，因此让你计划在咨询活动。由于计时器功能，您可以让您的活动跟踪Quickentry使得从任何设备和从任何地方名单不容修正。它还提供的AppleScript插件，扩大应用范围。
  • 时报你的新闻，您的方式。时报改造提出了新闻的艺术。 RSS阅读器不同，它表现为电子邮件消息，时代提出的一个地方，作为各种新闻和图片新闻。这使用户不同的和令人振奋的经验，使您的文件真正的个人文件。
  • 领结您的iTunes经验的提高。它允许您控制您的iTunes使用快捷键，并更新您的last.fm帐户。这是制定了一个JavaScript，CSS和XHTML添加了主题到您的领结。新增样式与领结您的iTunes。
  • 专业代码收藏家总之，代码收藏家Pro是你的代码段的钱包。它提供了易于片段组织工具，以及全球搜索键，可以通过与步枪非常有效的片段。它拖动文件到柬允许你创建一个文本文件拖动到其接口片段。它共享和传输功能使本守则收藏家临护照和一个钱包，来帮助你。
  • 科达一个硬编码的软件。科达是软件，可帮助您在从头开始建立一个网站，并协助与已知的传输FTP功能档案的管理。开发的恐慌，这是一个所有开发一站式解决方案。您可以管理文件，编辑代码，预览和调试从终端由科达提供的所有。调试是外包到Subversion，一个流行的调试工具。如果您仍丢失，已包括在程序员的软件服务台参考来指导你。
  • 直板Norml图标的混乱。此外，他们让你的Mac电脑局势一片。可以支配的直板机凭借其创新的图标您的桌面。设计您的Mac图标，以适应你的风格。它的包装，如iContainer，迅速下降，快速码头等它也可以连接为获得新的图标集iconfactory的功能。把你的计算机到您的涂鸦。
  • RapidWeaverRapidWeaver四是最好的工具，集成了所有的 网页 设计 特征。其屡获殊荣的特性提供了简单但最强大的接口，使网站的建立容易。这是斑驳陆离数据库包含任何网站类型的格式，由播客企业网站创建工具。它最大特点是一按出版社已出版的网站被吸入的痛苦了。您可以发布在网站的支持，内置的FTP，SFTP和MobileME部门。
  • 社会名流以前称为事件箱后，苹果软件的实时收购了3页的声誉有所增加。这个强大的软件，结合了来自Flickr，简易信息聚合，Twitter和其他帐户的社会账，在一个界面，您可以使这一次软件更新一次团伙。该社会名流2即将在11月推出！
  • 比林斯3在2009年苹果设计奖得主，符合网站的计费要求，即当您创建一个购物网站。它可以管理好你的钱比你还添加到它的风格。它的实时计费功能，可跟踪的时间和金钱。它可以使用这些数据自动发送发票到客户端谁欠你的钱。它还创建报表，这使得一个完整的会计配套服务，满足您的基本需要。发票的发言和可定制的同步与您的网站。
  • ExpanDriveExpanDrive是最终的USB你是否曾经想过，而不必担心它可能属于你的口袋里了。该ExpanDrive允许您远程访问您的文件，编辑和保存他们到自己。 ExpanDrive适合每程序数据，因此可以节省的任何程序数据。这好比一个硬盘驱动器从硬盘驱动器了。该ExpanDrive是由MACFuse由谷歌，这使得它易于处理任何本机Mac程序开发。它还具有耗电量的连接功能集支持的SFTP，FTP和亚马逊三取景。可笑吧？
  • 西尔弗贝克大猩猩是一个用户的测试软件，对所有适合Mac的软件。它提供了现场屏幕活动的可用性，参加视频采集，音频意见和飞行记录反馈功能的开发与出口。这真使大猩猩软件，均码！流动流是一个简单的FTP客户端的MAC支持，如FTP，SFTP发布，亚马逊三，WebDAV和MobileME部门iDisk的多方面的协议。它还港口，如快看，快看雾滴等一个直观的多种功能允许用户无需打开它得到的雾滴允许甚至没有运行的应用程序上载文件的文件内容。这些接口已流夺取文件传输客户端类的奖项地段upperhand。
  • PixelmatorPixelmator是一个美丽的设计工具，整合了简便和功能，以形成强大的图片编辑器。它提供了多种精确 选择 工具，产品组合的各种工具，绘画工具，所有匹配层basedimplementation。它还具有快速的校正工具和特殊效果的工具，它将打击你的脑袋。版本版本是一个颠覆，功能强大的调试客户前端应用程序。同一引擎为基础，让Subversion版本可用的新手，以及性感的用户。它包含了多种工具，可让您简化您的项目，与其他projectmembers，并提供方便的工具图标，Subversion的同步。其主要功能包括时间表，恢复到修订，固体SSH支持，书签分组和仓库工具。
  • 焦虑焦虑在这里为你做一些事情，减轻了一些麻烦你。重量轻做的列表管理软件，即可以同步iCal和邮件造成了一个精简的，易于访问的界面。这是伪装在任何环境你有你的系统，将出现在您召唤，或在需要时。Skitch阿有趣的图像采集和共享只需点击一下软件。通过媒体寺的支持，这是叽叽喳喳的图像。它使图像共享只需一次点击即可与您的网络谁可以发表评论，标签或分享，从而重新定义图像共享概念股了。这是新时代的相机 互联网.
  • 的CSS编辑CSSEdit帮助所有用户的青睐。它可以帮助您设计美观和创新以及业绩为中心的网站。该CSSEdit能够提供这些功能，由于其对样式表的重点，同时还具有功能，按照你的舒适程度。在选择生成器和先进的可视化编辑器将帮助您了解CSS和取得的惊人的敏捷完成工作。它还包括实时预览和智能源环境，减少时间的帮助。它还包括万能的X射线检查的网页，最好的CSS整个万维网调试套件。咖啡我们都醒来了一杯咖啡，同样的开发人员可以醒来Macrabbit的咖啡这是一个良好酿制的网站开发工具软件的完美结合杯所有。它为您提供了在开发过程中的统一，从而使其成为强大的，华丽而时尚的工具，可以让你上瘾的工作流程跳跃。
  • DeskShade安排桌面是坏的清理你的房间。有了Deskshade，你可以改变，因为它会帮助您清理。 DeskShade添加到您的桌面生活通过除去不需要的图标，提供了多样的调色板，可以恢复您的桌面。此外，它的动态背景，能够活跃您的桌面。其中一个DeskShade特色是DeskMovie，这里您可以玩而不被通知纠缠电影。CleanMyMac这是一个很好的桌面宠物。 CleanMyMac可以去除不需要的桌面文件和数据，只是趴在你的系统有两个左右的点击。 CleanMyMac功能，您可以顺利的系统性能相结合的埋地从你的应用程序不再使用超薄通用二进制代码，清洁不需要的语言，记录旋转，清洁缓存，快速和安全擦除，应用卸载，和杀死垃圾留下了这样的基本特征。总之，这可以帮助您保存的RAM容量和磅吨麦角让您的系统运行速度比它应该。
  • 涂鸦Scibbles可以帮助您将在您的涂鸦艺术涂鸦。这简化了绘图软件，并为每个用户级别的功能特性。它革命性的用户界面的方式否定二十年正常的做法，采取由图像 编辑 软件 并充分利用了新时代系统的力量。它提供了无限的空间，让绘画素描你想要的任何地方和中风的渲染工具把它转换到一个美丽的艺术。它还提供了1点击共享设施，能适应片剂接口。事情事情是又一个简单而强大的任务管理软件与设备的一系列的Mac兼容：iMac电脑，MacBook Air的，iPhone等它为我们提供了这样的项目，搜索，iCal的强大的管理工具的结合提供了简单直观的用户界面同步，iPhone同步，文件徽章，快速查询，聚光灯和巨大的AppleScript列表，可以添加到改变软件到您的特殊需求。诚然，是当之无愧的苹果软件设计奖2009年得主。
  • 续集专业续集Pro是SQL数据库管理软件，为用户提供良好的用户界面。这是定制的Web开发中的作用作出的同伴。它还提供广泛的连接解决方案。这是一个和蔼可亲的支持MySQL的应用程序的意见，充分表管理指数和多卡接口。它集成了一个强大的查询编辑器来突出你的错误，也有自动完成功能。没有后遗症临，因为它与任何形式的SQL数据库兼容的续集。DiscoApp如果你真的想与CD刻录应用到迪斯科，那么你需要一个像迪斯科专业软件。它创建了一个唱片，这是所有被烧毁的文件数据库。它横跨功能可以自动分割文件到多个燃烧会话如果数据不适合在一个光盘。迪斯科是通过每一个有明晰而不是由任何其他软件的领域划定敏锐的步骤，它指导您在与互动grapic用户界面应用程序界面的十字路口。对于高级用户，有电动工具，可以帮助确定多会话的支持和其他先进的功能。在烟雾功能显示进展情况，每一次您激活使用您的麦克风。
  • 美味图书馆2图书馆的美味多汁的2是一个软件，可以导入您的Mac iSight摄影机任何东西。它甚至会变得更加美味多汁的奖项，因为它sweeped一切已经找上门来。它可以导入任何东西的图书馆和分享上，让一个网络摄像头iSight摄像酒吧类似超市的代码在你的照片互联网上。由于其独特的向量处理器的代码重新调整图像，图像反卷积;美味图书馆是唯一的软件，该软件具有这种能力，扫描，只需在您的iSight前大量刷卡。仓库仓库是一个基于网络的应用为Subversion。这是简单的浏览器，让你对你的Subversion储存库控制以及分享您的信任与点击几组了。通过ssh代码没有更多的麻烦，仓库应用为标志点外围的行为，使你不会在代码的复杂性丢失。茶清
  • 茶清2.0让您对您的个人财务的完全控制。您可以输入数据的swish中，更容易理解分裂交易以及跟踪功能的智能采集和国旗交易功能理财。它也可以管理法案和打印报告，使你对你的财务状况慎重。它可以与iCal同步，并提醒您经常性支出以及与iPhone同步及时提醒你。它也有一个风格，它声当你有低结余警告。通知因为我们都使用的是谷歌邮件，但我们大多数人都没有与谷歌对话通知功能是很迟高兴。雅歌，填补这一空白，是由通知这是对谷歌邮件最好的通知应用程序。它有一个优雅的标签式界面，支持多个帐户，可以随时将您的邮件帐户的所有轨道。它也支持咆哮！
ocean wu

10种地理定位正在改变世界 - 0 views

www.bethkanter.org/location

SNS 商业模式 位置 社群

shared by ocean wu on 19 Oct 10 - No Cached
  • 真正的价值却并非技术本身，而是我们如何使用它。 如今，创新的第二次浪潮是在定义一个新的时代和设置在未来的十年变化的阶段。 移动技术将扩大与移动设备的全球在线网络，同时使无数人的本地网络，形成了真实的世界。 我们已经分散媒体的制作和发行。 我们正在做同样的能源。 我们将继续这个社会网络，社会行动和商业趋势。 识别应用程序的联合力量的智能手机，移动宽带和地点将连接方式与我们更有意义的人，组织，活动，信息，和公司给我们，最重要的──即那些生活在我们附近的一个物理当我们。 可以 基于位置的服务background-image: initial; background-attachment: initial; background-origin: initial; background-clip: initial; background-color: transparent; border-top-width: 0px; border-right-width: 0px; border-bottom-width: 0px; border-left-width: 0px; border-style: initial; border-color: initial; font-size: 100%; margin-top: 0px; margin-right: 0px; margin-bottom: 0px; margin-left: 0px; outline-width: 0px; outline-style: initial; outline-color: initial; padding-top: 0px; padding-right: 0px
  • 1。 在良好的检查：如果 Gowalla 和 四方 已经告诉我们什么，那就是人对简单的奖励。 通过提供徽章，mayorships，无形资产和其他奖励，以百万计的人在检查到他们去的地方。 <font styl
  • 2。 吃当地：可持续发展的要求，我们源我们尽快食用为接近其生产点。 许多所谓的 locavores 订阅 100英里的饮食，这需要一个“吃
  • ...9 more annotations...
  • 3。 政治组织：在下届总统选举，政治不仅是本地，但定位功能。 我们看到了胜利的权力社会化媒体在奥巴马2008年的滑坡。 2012年，基于位置的应用程序和技术将发挥核心作用的组织在如何宣传，管理，并最终获胜。 这个浏览器的大部分将通过移动应用程序，可见位置感知。 积极分子和志愿者将更加权力。 选民们将更多地参与在当下，一直到投票。 在幕后，但是，我们会看到，大量新的和优化的能力集的数据提供给运动的目标。 党，候选人和/或事业上有更好的处理将有一个可衡量的地理位置优势。 （该 background-image: initial; background-attachment: initial; background-origin: initial; background-clip: initial; background-color: transparent; border-top-width: 0px; border-right-width: 0px; border-bottom-width: 0px; border-left-width: 0px; border-style: initial; border-color: i
  • 4。 寻找绿色企业：Web已经取代本地的企业和有效服务的纸黄页，以此来发现。 但是，这种“固定网络”的经验迅速被取代由移动网络和移动应用，这给我们获取这些信息时，我们最需要它。 的 狗吠声 和 我周围的background-image: initial; background-attachment: initial; background-origin: initial; background-clip: initial; background-color: transparent; border-top-width: 0px; border-right-width: 0px; border-bottom-width: 0px; border-left-width: 0px; border-style: initial; border-color: initial; font-size: 100%; margin-top: 0px; margin-right: 0px; margin-bottom: 0px; margin-left: 0px; outline-width: 0px; outline-style: initial; outline-color: initial; padding-top: 0px; padding-r
  • 5。 旅游更高效：我们已经进入到GPS导航系统和静态交通信息一段时间，但我们现在才看到这些技术的全部潜力。 通过访问更详细的交通信息特定于您的路线和时间的实时更新，我们可以最大限度地减少交通拥堵和提高流量（尽可能多的体力）。 新一轮由转动 Mapquest服务4移动 应用程序是一个良好的开端，因为你可以得到特定的交通警示你的路线方案。 然而，用户生成的，如信息应用程序从 background-image: initial; background-attachment: initial; background-origin: initial; background-clip: initial; background-color: transparent; border-top-width: 0px; border-right-width: 0px; border-bottom-width: 0px; border-left-width: 0px; border-style: initial; border-color: initial; font-size: 100%; margin-top: 0px; margin-right: 0px; margin-bottom: 0px; margin-left: 0px; outline-width: 0px; o
  • 6。 产品伦理扫描：通过在线购物，我们已经习惯阅读评论和进行比较，然后才购买。 现在可以做到这在物理世界，通过像游戏 MyTown ，像服务 Stikybitsbackground-image: initial; background-attachment: initial; background-origin: initial; background-clip: initial; background-color: transparent; border-top-width: 0px; border-right-width: 0px; border-bottom-width: 0px; border-left-width: 0px; border-style: initial; border-color: initial; font-size: 100%; margin-top: 0px; margin-right: 0px; margin-bottom: 0px; margin-left: 0px; outline-width: 0px; outline-style: initial; outline-color: initial; padding-top: 0px; padding-right: 0px; padding-bottom: 0px; padding-left: 0px; vertical-align: baseline; display
  • 7。 网络邻里：地理位置最热门的类别之一的是邻里网络。 这些应用远见，对于很多人是为了加强我们的社区很面料。 随着 DeHood，使人们可以追踪所发生的事情在你的社区，分享你最喜欢的地方，实际上会议油脂轮子。 毕竟，如果您进行了接触，通过应用程序，这是一个非常容易地说，现实世界“你好”的。 background-image: initial; background-attachment: initial; background-origin: initial; background-clip: initial; background-color: transparent; border-top-width: 0px; border-right-width: 0px; border-bottom-width: 0px; border-left-width: 0px; border-style: initial; border-color: initial; font-size: 100%; margin-top: 0px; margin-right: 0px; margin-bott
  • 8。 跟踪环境灾害：灾害的规模和范围的环境似乎是越来越大。 2008年，我们有 田纳西煤灰泄漏，这是被标榜为“美国最大的环境灾难，其实物。”而这是以前我们意识到这是三倍大于原先估计。 最近，BP石油泄漏事件为“每日记录的最大的环境灾难，美国 background-image: initial; background-attachment: initial; background-origin: initial; background-clip: initial; background-color: transparent; border-top-width: 0px; border-right-width: 0px; border-bottom-width: 0px; border-left-width: 0px; border-style: initial; border-color: initial; font-size: 100%; margin-top: 0px; margin-right: 0px; margin-bottom:
  • 9。 镜头看世界，通过一个生态：增强现实（AR）的地理位置移动如下技术作为热趋势之一。 它使您可以查看世界智能手机相机通过一个（或类似的设备）和地理信息层看到特定内容或。 应用程序的一个最流行的是 拉亚，一个增强现实的浏览器/平台，让您选择特定的数据层或经验。 绿色的内容潜力和事业有关的是巨大的。 你可能认为绿色标记的企业，LEED认证的建筑物，或虚拟温室气体排放量，因为它们进入大气层。 background-image: initial; background-attachment: initial; background-origin: initial; background-clip: initial; background-color: transparent; border-top-width: 0px; border-right-width: 0px; border-bottom-width: 0px; border-left-width: 0px; border-style: initial; border-color: initial; font-size: 100%; margin-top: 0px; margin-right: 0px; margin-botto
  • 10。 捕捉瞬间：更好地进入我们的信息是什么周围发生的事情，现在，可以显着提高生活质量。 这种“意义上的”地理空间的认识是有可能通过今天的智能手机，即一个或一块内容的信息，一个时刻，是捕捉和保存基于独特的时间和地点，其中发生。 它本质上是文件时空。 抗议，自然灾害，体育赛事，政党，政治危机...实时信息的时候任何事发生在任何地方，以及历史上发生什么。 这将需要几年的时间和应用数量的不同来实现。 最后，虽然，这将彻底改变我们如何访问和使用的内容。 将完成的时间和地点的新闻和信息...基础上，民主化和权力下放。
  • 隐私是一个 最大的问题 在位置服务产业。 重要的是要了解哪些信息是谁分享关于你的位置和。
ocean wu

国务院关于印发新一代人工智能发展规划的通知（国发〔2017〕35号）_政府信息公开专栏 - 0 views

www.gov.cn/...content_5211996.htm

人工智能 物联网 政策

shared by ocean wu on 29 Sep 17 - No Cached
  • 人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。大数据驱动知识学习、跨媒体协同处理、人机协同增强智能、群体集成智能、自主智能系统成为人工智能的发展重点，
  • 芯片化硬件化平台化趋势更加明显，人工智能发展进入新阶段。
  • 正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。
  • ...92 more annotations...
  • 工智能技术可准确感知、预测、预警基础设施和社会安全运行的重大态势，及时把握群体认知及心理变化，主动决策反应，将显著提高社会治理的能力和水平，对有效维护社会稳定具有不可替代的作用。
  • 在大力发展人工智能的同时，必须高度重视可能带来的安全风险挑战，加强前瞻预防与约束引导，最大限度降低风险，确保人工智能安全、可靠、可控发展。
  • 国家部署了智能制造等国家重点研发计划重点专项，印发实施了“互联网+”人工智能三年行动实施方案
  • 语音识别、视觉识别技术世界领先
  • 按照“五位一体”总体布局和“四个全面”战略布局
  • 加快人工智能与经济、社会、国防深度融合为主线
  • 突出企业在技术路线选择和行业产品标准制定中的主体作用
  • 跨媒体感知计算理论重点突破低成本低能耗智能感知、复杂场景主动感知、自然环境听觉与言语感知、多媒体自主学习等理论方法
  • 大数据智能、跨媒体智能、群体智能、混合增强智能、自主智能系统等基础理论和核心技术实现重要进展，人工智能模型方法、核心器件、高端设备和基础软件等方面取得标志性成果。
  • 初步建成人工智能技术标准、服务体系和产业生态链
  • 第二步，到2025年人工智能基础理论实现重大突破
  • 第三步，到2030年人工智能理论、技术与应用总体达到世界领先水平
  • 形成涵盖核心技术、关键系统、支撑平台和智能应用的完备产业链和高端产业群
  • 坚持人工智能研发攻关、产品应用和产业培育“三位一体”推进。
  • 1.建立新一代人工智能基础理论体系。
  • 加强大数据智能、跨媒体感知计算、人机混合智能、群体智能、自主协同与决策等基础理论研究。大数据智能理论重点突破无监督学习、综合深度推理等难点问题，建立数据驱动、以自然语言理解为核心的认知计算模型
  • 第一步，到2020年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点
  • 混合增强智能理论重点突破人机协同共融的情境理解与决策学习、直觉推理与因果模型、记忆与知识演化等理论
  • 群体智能理论重点突破群体智能的组织、涌现、学习的理论与方法，建立可表达、可计算的群智激励算法和模型
  • 自主协同控制与优化决策理论重点突破面向自主无人系统的协同感知与交互、自主协同控制与优化决策、知识驱动的人机物三元协同与互操作等理论
  • 高级机器学习理论重点突破自适应学习、自主学习等理论方法
  • 类脑智能计算理论重点突破类脑的信息编码、处理、记忆、学习与推理理论，形成类脑复杂系统及类脑控制等理论与方法
  • 量子智能计算理论重点突破量子加速的机器学习方法，建立高性能计算与量子算法混合模型
  • 新一代人工智能关键共性技术的研发部署要以算法为核心，以数据和硬件为基础，以提升感知识别、知识计算、认知推理、运动执行、人机交互能力为重点，
  • 知识计算引擎与知识服务技术。重点突破知识加工、深度搜索和可视交互核心技术，实现对知识持续增量的自动获取，具备概念识别、实体发现、属性预测、知识演化建模和关系挖掘能力
  • 跨媒体分析推理技术。重点突破跨媒体统一表征、关联理解与知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成等技术，实现跨媒体知识表征、分析、挖掘、推理、演化和利用，构建分析推理引擎。
  • 群体智能关键技术。重点突破基于互联网的大众化协同、大规模协作的知识资源管理与开放式共享等技术，建立群智知识表示框架，实现基于群智感知的知识获取和开放动态环境下的群智融合与增强
  • 混合增强智能新架构与新技术。重点突破人机协同的感知与执行一体化模型、智能计算前移的新型传感器件、通用混合计算架构等核心技术
  • 数据和知识成为经济增长的第一要素，人机协同成为主流生产和服务方式，跨界融合成为重要经济模式，共创分享成为经济生态基本特征，个性化需求与定制成为消费新潮流
  • 虚拟现实智能建模技术。重点突破虚拟对象智能行为建模技术，提升虚拟现实中智能对象行为的社会性、多样性和交互逼真性
  • 智能计算芯片与系统。重点突破高能效、可重构类脑计算芯片和具有计算成像功能的类脑视觉传感器技术，研发具有自主学习能力的高效能类脑神经网络架构和硬件系统
  • 自然语言处理技术。重点突破自然语言的语法逻辑、字符概念表征和深度语义分析的核心技术，推进人类与机器的有效沟通和自由交互，实现多风格多语言多领域的自然语言智能理解和自动生成。
  • 建设布局人工智能创新平台，强化对人工智能研发应用的基础支撑。
  • 人工智能范式的统一计算框架平台，形成促进人工智能软件、硬件和智能云之间相互协同的生态链。
  • 设立人工智能专业，推动人工智能领域一级学科建设，尽快在试点院校建立人工智能学院，增加人工智能相关学科方向的博士、硕士招生名额
  • 自主无人系统的智能技术。重点突破自主无人系统计算架构、复杂动态场景感知与理解、实时精准定位、面向复杂环境的适应性智能导航等共性技术，无人机自主控制以及汽车、船舶和轨道交通自动驾驶等智能技术，服务机器人、特种机器人等核心技术
  • 突破图形处理器等核心硬件，
  • 完善智能机器人硬件接口标准、软件接口协议标准以及安全使用标准
  • 加强车载感知、自动驾驶、车联网、物联网等技术集成和配套
  • 建立试验鉴定、测试、竞技等专业化服务体系，完善空域、水域管理措施。
  • 突破高性能软件建模、内容拍摄生成、增强现实与人机交互、集成环境与工具等关键技术，研制虚拟显示器件、光学器件、高性能真三维显示器、开发引擎等产品，建立虚拟现实与增强现实的技术、产品、服务标准和评价体系
  • 发展支撑新一代物联网的高灵敏度、高可靠性智能传感器件和芯片，攻克射频识别、近距离机器通信等物联网核心技术和低功耗处理器等关键器件。
  • 研发智能产品及智能互联产品、智能制造使能工具与系统、智能制造云服务平台，推广流程智能制造、离散智能制造、网络化协同制造、远程诊断与运维服务等新型制造模式，建立智能制造标准体系，推进制造全生命周期活动智能化。
  • 开展智能农场、智能化植物工厂、智能牧场、智能渔场、智能果园、农产品加工智能车间、农产品绿色智能供应链等集成应用示范。
  • 完善智能物流公共信息平台和指挥系统、产品质量认证及追溯系统、智能配货调度体系等。
  • 建立金融风险智能预警与防控系统。
  • 推动人工智能在教学、管理、资源建设等全流程应用。开发立体综合教学场、基于大数据智能的在线学习教育平台。开发智能教育助理，建立智能、快速、全面的教育分析系统。建立以学习者为中心的教育环境，提供精准推送的教育服务
  • 研发适应不同应用场景的家庭互联互通协议、接口标准，提升家电、耐用品等家居产品感知和联通能力。
  • 鼓励大型互联网企业建设云制造平台和服务平台，面向制造企业在线提供关键工业软件和模型库，开展制造能力外包服务，推动中小企业智能化发展。
  • 重点推广生产线重构与动态智能调度、生产装备智能物联与云化数据采集、多维人机物协同与互操作等技术
  • 支持人工智能企业加强专利布局，牵头或参与国际标准制定。
  • 推动国内优势企业、行业组织、科研机构、高校等联合组建中国人工智能产业技术创新联盟。
  • 鼓励地方围绕人工智能产业链和创新链，集聚高端要素、高端企业、高端人才，打造人工智能产业集群和创新高地。
  • 建设国家人工智能产业园。
  • 建设国家人工智能众创基地。
  • 推广基于人工智能的新型商务服务与决策系统。
  • 开发人机协同的手术机器人、智能诊疗助手，研发柔性可穿戴、生物兼容的生理监测系统，研发人机协同临床智能诊疗方案，实现智能影像识别、病理分型和智能多学科会诊
  • 开展大规模基因组识别、蛋白组学、代谢组学等研究和新药研发，推进医药监管智能化。加强流行病智能监测和防控。
  • 智能健康和养老。加强群体智能健康管理，突破健康大数据分析、物联网等关键技术，研发健康管理可穿戴设备和家庭智能健康检测监测设备，推动健康管理实现从点状监测向连续监测、从短流程管理向长流程管理转变。建设智能养老社区和机构，构建安全便捷的智能化养老基础设施体系。加强老年人产品智能化和智能产品适老化，开发视听辅助设备、物理辅助设备等智能家居养老设备，拓展老年人活动空间。开发面向老年人的移动社交和服务平台、情感陪护助手，提升老年人生活质量。
  • 研制面向开放环境的决策引擎，在复杂社会问题研判、政策评估、风险预警、应急处置等重大战略决策方面推广应用。加强政务信息资源整合和公共需求精准预测
  • 促进人工智能在证据收集、案例分析、法律文件阅读与分析中的应用
  • 实现对城市基础设施和城市绿地、湿地等重要生态要素的全面感知以及对城市复杂系统运行的深度认知
  • 促进社区服务系统与居民智能家庭系统协同
  • 实现智能化交通疏导和综合运行协调指挥，建成覆盖地面、轨道、低空和海上的智能交通监控、管理和服务系统
  • 建立涵盖大气、水、土壤等环境领域的智能监控大数据平台体系
  • 研发资源能源消耗、环境污染物排放智能预测模型方法和预警方案
  • 国家重大战略区域环境保护和突发环境事件智能防控体系建设
  • 研发集成多种探测传感技术、视频图像信息分析识别技术、生物特征识别技术的智能安防与警用产品
  • 支持有条件的社区或城市开展基于人工智能的公共安防区域示范
  • 促进区块链技术与人工智能的融合，建立新型社会信用体系，最大限度降低人际交往成本和风险。
  • 促进人工智能技术军民双向转化
  • 研发布局第五代移动通信（5G）系统，完善物联网基础设施
  • 加强与国家科技重大专项的衔接，在“核高基”（核心电子器件、高端通用芯片、基础软件）、集成电路装备等国家科技重大专项中支持人工智能软硬件发展。加强与其他“科技创新2030—重大项目”的相互支撑
  • 深海空间站、健康保障等重大项目，以及智慧城市、智能农机装备等国家重点研发计划重点专项部署
  • 按照国家级科技创新基地布局和框架，统筹推进人工智能领域建设若干国际领先的创新基地。
  • 按规定程序，以企业为主体、产学研合作组建人工智能领域的相关技术和产业创新基地
  • 为有实力的人工智能企业开展海外并购、股权投资、创业投资和建立海外研发中心等提供便利和服务。鼓励国外人工智能企业、科研机构在华设立研发中心。
  • 加强人工智能相关法律、伦理和社会问题研究
  • 建立追溯和问责制度
  • 建立伦理道德多层次判断结构及人机协作的伦理框架
  • 落实对人工智能中小企业和初创企业的财税优惠政策，通过高新技术企业税收优惠和研发费用加计扣除等政策支持人工智能企业发展。
  • 建立人工智能公共专利池，促进人工智能新技术的利用与扩散。
  • 构建动态的人工智能研发应用评估评价机制
  • 开发系统性的测试方法和指标体系，建设跨领域的人工智能测试平台，推动人工智能安全认证
  • 建立适应智能经济和智能社会需要的终身学习和就业培训体系
  • 鼓励广大科技工作者投身人工智能的科普与推广
  • 鼓励社会力量参与寓教于乐的编程教学软件、游戏的开发和推广。
  • 面向公众开放人工智能研发平台、生产设施或展馆
  • 支持开展人工智能竞赛，鼓励进行形式多样的人工智能科普创作
  • 依托国家科技计划（专项、基金等）管理部际联席会议
  • 成立人工智能规划推进办公室，办公室设在科技部
  • 成立人工智能战略咨询委员会
ocean wu

【8090在职场】技术型营销人必知的8个领域！你的知识足够吗？ | SocialBeta（解读社会化商业的价值） - 0 views

www.socialbeta.com/...-technologist-should-know.html

技术 团队管理

shared by ocean wu on 06 Aug 14 - No Cached
  • “技术型营销人”有时会被泛泛地解释为“在营销领域使用各种科技的人”。然而，在这个时代，所有营销人员都要或多或少的在营销活动中使用现代科技（尤其是信息技术），如何区分技术型营销人就变得很重要了——他们在技术领域到底走得比普通的营销人远多少呢？
  • 邮件自动化&amp;营销自动化——半自动化的“客户培养基”平台的配置及操控，请见Email Insider,MarketingAutomationSoftware.com,Propelling Brands以及Eloqua 客户关系管理——客户关系管理系统，如Salesforce，以及现代化营销的中流砥柱——全新的社会化客户关系管理方法，详见CustomerThink以及Destination CRM 内容管理系统&amp;数字资产管理——（网络）内容管理系统和数字资产管理，组织元数据，请看CMS Wire,&nbsp;Digital Asset Management,&nbsp;Drupal以及Nimble report 付费点击广告管理&amp;竞价管理——针对谷歌，必应和Facebook的点击付费广告管理策略及工具,请看PPC Hero,Clix Marketing,WordStream,&nbsp;Click Equations&nbsp;以及&nbsp;this post 行为定向——受众定位/市场细分以及广告网络内部的数据交换，再营销或者兴趣导向广告，请看Behavioral Insider,BlueKai及Quantcast
  • 他们应当了解这八个领域中的专业化知识，并且精通其中至少两或三个领域。 数据收集与分析——数字化营销驱动力的管理、测量和处理 营销应用——营销软件的配置、操作和整合 广告网络——整个数字化广告系统的管理和优化 社交&amp;移动平台——Facebook, Twitter, LinkedIn等等，以及这些网站使用的工具和应用程序界面 内容营销——管理内容营销过程的整个生命周期，尤其是搜索引擎优化方面。 网络机制——对于网络和浏览器平台的完整详尽而又清晰的理解 软件设计——如何陈述、阅读、编写技术领域的通用语言 IT运营——利用云计算和IT强大的联络关系网
  • ...6 more annotations...
  • 数据挖掘与解析——数据专家是那些“能够捕获、过滤、探索数据并进行建模、总结说明等工作的人，他们是骇客，统计学家和机器学习专家的融合体”，详见“数据科学韦恩图” &nbsp;网络&amp;社会化媒体解析——对于工具——从Google Analytics（网站）到Radian6（社交媒体）——技术性和解释性的理解、掌握，详见Avinash Kaushik和Web Analytics Association A/B测试&amp;多元化测试——数据分析和内容营销（最重要的是包含测试导向型营销）的混合体，详见Conversion Science,Which Test Won?以及ion’s post-click marketing blog
  • 据此，我们可以清楚地分辨普通的营销人和技术型营销人：
  • 移动&amp;社交应用程序界面——超越那些长得几乎一模一样、使用同一UI的山寨应用，直接开发平台提要，实现功能和设计上的融合，请看Facebook APIs,Twitter APIs,Google APIs,Mashery还有Programmable Web 社会化媒体优化——社会化媒体优化是为了最大化内容分享数和影响力，加强分享键、徽章标志和工具条的作用，详见Open Graph protocol,OAuth,Rohit’s 16 SMO rules以及5 new rules 视频网络&amp;传输网络——视频制作、格式转换、编码和传播的过程，内容传播网络的技术性和经济性，详见Akamai,CloudFront,Ooyala和Brightcove
  • 搜索引擎优化——搜索引擎优化的目的是使公司在谷歌/必应上的排名不断上升并尽可能排到高位，请看SEOmoz,100% Organic,Google Rich Snippets,GinzaMetrics还有Conductor HTML, XML &amp; CSS——提高对于网络标记，浏览器功能和全新的HTML5的功能的熟悉程度，请看QuirksMode,CSS Zen Garden,XML.com和Visibone’s HTML cheatsheet HTTP, REST &amp; Cookies——网络协议，IP和DNS，URLs和可以使用表属性状态转移（REST）的接口，SSL是如何发挥作用的，高速缓存，cookies以及第三方cookie约束，请看Fielding/Taylor paper Javascript——网络应用程序的客户端语言，Web 2.0时代的行为，Ajax，参见jQuery,Mozilla Developer Network,Visibone’s Javascript card以及regular expression cheatsheet 应用程序框架——服务器端网络软件的开发，iPhone和Android的APP，你自己的实用程序和自定义设置，参见PHP,Rails,Django,Stripes和ASP.NET MVC 敏捷开发过程——对于进行软件的敏捷开发的经验（比如Scrum的开发经验），改编后应用至敏捷营销之中。详情参见Agile Manifesto和Agile Marketing blog “云”计算——评估，安装，操纵和监控基于“云”技术的设施、平台和应用，松散耦合结构的集成，参见Amazon Web Services,Heroku和Azure
  • 隐私与安全——如何强化隐私策略，网络与云端的安全问题，请看Google Privacy Principles,Network Security Blog以及CERT 数据库与大数据——相关数据库以及SQL,NoSQL数据存储站点，第三方数据设置，大规模数据处理Factual,InfoChimps,Hadoop以及Google’s MapReduce paper
  • 你或许需要平衡技术深度和电子商务平台，事务处理，行业技术标准，产品技术整合（比如射频识别等等）之间的关系。
ocean wu

2018年中国企业数据化应用分析报告 - 0 views

www.199it.com/...761481.html

商业 数据应用 BI

shared by ocean wu on 18 Aug 18 - No Cached
  • 上线BI商业智能系统的企业，占据受访企业的22.47%。
    • ocean wu
      ocean wu on 18 Aug 18
       
      BI（Business Intelligence）即商务智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确地提供报表并提出决策依据，帮助企业做出明智的业务经营决策。 更倾向于决策，对事实描述更多是基于群体共性，帮助决策者掌握宏观统计趋势，适合经营运营指标支撑类问题
  • 企业应用BI产品，最期待获得的数据价值，一是数据整合方面，二是数据展示效率，三是辅助管理决策。
  • 运营管理、营销、财务是企业应用BI最广泛，也是最为成功的三个领域。
  • ...7 more annotations...
  • 企业对数据大屏有兴趣，希望通过炫酷的数据大屏效果，来满足参观、会议、生产现场的数据展示等场景需求。
  • 企业已愈加重视数据资产管理。
  • 企业对外部购买的数据和政府免费开放的数据需求越来越多
  • 越来越多的企业认识到服务和学习资源，对自己信息部门日后承担其BI项目运维与开发，有着至关重要的影响。
  • 对于机器学习、自然语言识别、人工智能这些未来BI的功能，企业并不感冒
  • 一半的受访企业认为，数据人才的培养和数据分析工具的选择，也是主要难点。
  • 超过六成的企业已经成立数据分析相关部门
ocean wu

投资回报率(ROI)分析五步走 - 0 views

www.itongji.cn/...0GH4122013.html

商业模式 数据分析 ROI

shared by ocean wu on 04 Dec 13 - No Cached
  • 如果你打算投资某个项目或采购某种设备，在做决定之前，好好地做一下ROI分析是很有必要的。但是，很少有人真正懂得如何使用这个工具，或者是到哪儿去找“正确”的数据。ROI分析能给我们带来许多好处，可惜其中有不少是无法用钱来衡量的。而且，要达到公司定下的回报率通常很难。
  • 最重要的就是准确计算企业的收益
  • ROI分析的目的就是要把分析出来的投资回报结果作为投资决策过程中的一个主要考虑因素，而不是在已经做出决策后，才用它来为这个“既成事实”做辩护。
  • ...44 more annotations...
  • 需要寻找那些一旦企业能抓住或解决，就可以获得巨额利润的机会和问题；把解决方案放到它们能够在其中获得最佳效益的领域去做评估；找到正确的解决方案之后，尽量简化需要做的调整。
  • ROI分析结果看成是确定投资机会的流程的一部分
  • 必须把真实的成本输入到ROI分析中，并且只考虑那些有可能获得的收益。不要妄想通过降低成本或修改收益数据来让方案变得可行。
  • 输入数据：确保精确可信
  • 通常，你要确保ROI模型的详细程度足以应付某些问题，比如有关成本的数据是怎么拿到的，还有收益是怎么计算的。
  • 先确定最重要的衡量标准，然后再启动试点项目，而在项目实施过程中所搜集的数据则是它的“副产品”。
  • ROI分析的精确度完全取决于用于分析的数据。
  • 这些收益就是方案真正的价值所在，而它们的精确度决定了ROI分析结果的可信度。
  • 在估算成本的时候，尽量从各个方面来考虑可能发生的成本：实施和运作该方案所需要耗费的成本，以及由可能产生的“副作用”所造成的成本
  • 只要有可能，尽量使用实际数据，避免那些估算或假设的数据。例如，在计算一个测试解决方案的价值时，你应该使用本公司的有关软件缺陷率的历史数据，而不要用行业平均缺陷率。不
  • 当有需要为ROI分析做一些假设时，不同的假设基础将会使结果的可信度大不相同。不要“代表”别人做假设。让那些实际负责的人来提供数据。
  • 另一个真实数据的优质来源是试点项目
  • 如果这个分析是其他公司拿出来的，人们总会觉得他们肯定在其中做了手脚，把数据调得让人满意，这样才好卖他们的产品或服务。而如果这个分析是公司内部做的，那它也只不过是用来证明分析者事先已经得出的结论而已。每个人都有一套方法来保证自己不喜欢的项目通不过回报测试，而他们喜欢的项目似乎都能给企业带来巨大的生产力回报。
  • 分析收益：从全局出发
  • 对于ROI分析的应用，最大的不满是寻找和量化收益的难度。
  • 比如提升士气和提高顾客满意度，听起来很不错，但是在绝大多数情况下都很难用财务术语对其进行量化。
  • 举例来说，假设某家企业有10名销售代表，平均每人的薪水、佣金和费用是每年10万美元，那么总共每年在这些人身上就需要花去100万美元。每位销售代表都能带来100万美元的营业收入，那么年总收入就是1,000万美元（企业总收益）。或者说，减去付给销售人员的费用之后，企业的经营收入有900万美元（净利润）。如果我们需要一种“神奇的”销售工具来帮助提高10%的收益，有两条路可以选：通过改进来降低成本（少投入多收益）或在原有的基础上通过提升销售能力来增加销售收入。如果我们把销售代表减少到9个人，那就能每年节省10万美元，而销售收入保持1,000万美元不变，这样，净利润就增加到910万美元。 　　 相反，我们也可以仍旧保留10名销售代表，运用增加的销售能力来有效地创造出一个新的“虚拟的”销售代表。如果选择这种做法，薪水支出保持100万美元不变，但是我们能够把销售收入提升到每年1,100万美元，这样我们企业的净利润就达到了1,000万美元。很明显，对企业来说，第二种做法要比第一种更好。
  • 从总体去分析收益而不是单纯追求降低成本对企业的重要性。
  • 有六大领域可供企业从中找出可量化的收益，它们是：增加销售额（增加收入）、提高生产力（增加收入，降低成本）、降低运营成本（降低成本）、提高顾客满意度（增加收入，有可能降低成本）、提高安全性（降低成本）和增强竞争力（增加收入）。
  • 为了评估哪些收益对你的ROI分析有帮助，你需要考虑它们的下列特点。
  • “推销”结果：用幻灯片演示
  • 运用表格：直观显示信息
  • 不要幻想做出一个无论任何投资机会都能套用的简单的“填数”模板，你要知道每一种情况都不一样，但有很多通用的应用软件能为你节省不少时间。
  • 一般来说成本和收益的计算期都在3到5年左右。
  • 下面所列的内容已经可以满足大部分的需要。
  • &nbsp;·损益表：在该表中，收益代表财务收入，成本代表费用，最后得出盈利或亏损的额度。资本支出都是要进行折旧的。 　　&nbsp;·现金流量表：格式与利润表相似，在该表中，现金流出（不包括折旧费用）代表费用，以此来说明投资项目对企业现金状况的影响。它还是后面三种计算的基础。 　　&nbsp;·投资回收期：计算在收回初始投资之前总共所需要的时间。许多公司都会给投资项目设定初始投资回收的最长期限，并把它当作一个因素来考虑。 　　&nbsp;·净现值：用贴现率计算的投资价值。它假定今天的1美元的价值比明天的1美元的价值更高。净现值常用来比较投资的长期影响。 　　&nbsp;·ROI：计算投资的回报率。常用来比较某个被提议的项目或购买方案和其他投资选择的优劣。
  • &nbsp;·实质：这种收益是不是有形的，能否量化？例如，收入增加10%就是一种有形的收益。相反，提高员工的满意度虽然可能从长期来讲对企业有利，但它是无形的，因为它难以衡量，更难以和金钱挂钩。 　　&nbsp;·潜力：如果能够完全实现这一收益，它能有多大呢？在前面的例子当中，企业有可能节省下来的成本是10万美元，而有可能增加的收入则是100万美元。 　　&nbsp;·确定性：企业得到这一收益的可能性有多大呢？如果原有的电话服务的成本是每年20万美元，而另一种同样的服务不但成本只是前者的一半，还保证极有可能赚到10万美元的收入，那当然是选择后者取代前者。通过提高10%的销售能力，应该能使总收入增加10%，但是这个结果是没有任何保障的，因此这类收益的确定性也就被降低了。 　　&nbsp;·受益人：谁真正受惠于这些收益？是项目的发起人？还是公司的顾客？不同的受益人对于收益的看法都非常不一样。
  • 撰写一份证明报告来介绍该项投资，并展望该方案付诸实施后将会带来的美妙前景，以及保证该方案将使尽可能多的与项目有关的人员获益，无论这些利益是有形的还是无形的。
  • &nbsp;“推销”一个正面的ROI分析结果的最好方法，就是围绕该项投资及其收益编一个“故事”。
  • 通过视觉效果和演示等来说明方案实施后将会产生的效果，特别是该方案是如何为相关人员带来特定利益的。
  • 如果某方案能够简化销售管理人员的工作，就简短地演示一下它是如何实现这一点的。
  • 通过这种方法，可以把每一种成本或收益分析都与方案中的有形部分联系到一起。
  • 最后，把ROI分析作为你在“故事”中所推荐的那个方案的财务证明提出来。在演示结束时提出推荐方案和接下来的工作步骤。
  • 建议在做ROI分析演示时，把Excel的电子表格也加入到演讲的幻灯片中去。当假设受到质疑或发生变化时，你可以很方便地“顺手”调整一下，就能够向听众演示不同假设对计算结果的影响。
  • 可以考虑把现金流工作表作为展示项目财务内容的第一份电子表格。现金流工作表的长处在于，它能比照预期的收益，反映出真实的现金影响（真正的投资金额）。让听众在看到成本的同时也看到巨大的收益，和单纯地给他们讲成本相比，项目遭到反对的可能性会小一些。
  • 通常，反对的原因与下列因素有关：数据的可信度（“培训成本的数据是谁给你的？”）、对收益的怀疑（“你是怎么算出生产力能提高10%的？”）和对分析的全面性的质疑（“你有没有考虑过把销售人员送去培训，会给销售能力造成什么影响？”）。
  • 验证结果：必不可少的一步
  • 这一步的目的是要证明ROI的成本假设是有效、准确、全面的，同时还要确定预期收益是否能够真正实现。
  • 最理想的ROI分析建立在一系列客观的衡量标准和假设的基础之上，而这些标准和假设必须在项目实施之后，还能够被追溯和评估。
  • 它提供了一个学习和继续改进ROI流程的机会。
  • 它能够发现一些以前没有预见到的成本和收益，这些数据的搜集有助于人们对以后的成本或收益做调整。它还能够帮助人们了解产生误差数据的原因，避免以后再犯同样的错误。
  • 其次，验证ROI结果有助于改进整体的ROI流程，因为它能够帮助确定和纠正问题。
  • 例如，如果没有达到预期收益，是不是在方案的实施上出问题了呢？
  • 最后，它还能提高你的ROI分析方法的可信度。
  • ocean wu on 04 Dec 13
     
    投资回报率应考虑哪些问题，要点是什么，实施的案例。
ocean wu

如何实现应用用户周期价值最大化？ - 0 views

www.199it.com/64566.html

用户体验 移动网络 app 周期价值

shared by ocean wu on 23 Aug 12 - No Cached
  • 寻找合适的方法来提高应用的用户重复使用率，来达到长期提高收入的目的，这在营销领域中被称为用户的“周期价值（LTV）”
  • 根据开发者的具体目标，这些工具大致可分为以下三类： 提高应用的启动次数 提高应用的使用时间 提高用户的满意度
  • 一、提高应用的启动次数 通知 提高应用启动次数的最普遍方法就是“通知”。
  • ...4 more annotations...
  • 另一种用来提高应用启动次数的方法是对应用进行定期更新，通过添加一些新的功能来鼓励用户经常关注你的应用，看看新的版本又增加了哪些功能。
  • 二、提高应用使用时间 数据分析 在利用“通知”和“更新”激励用户再次启动应用的同时，还有比较重要的一点是尽量延长用户的单次使用时间
  • 提高用户对你的应用的认知价值。在应用里集成完备的社交功能能够提高应用的参与度，并延长用户的使用时间。
  • 三、提升用户满意度 Bug报告
ocean wu

「CarBlock」用区块链激活车辆数据价值 - 0 views

www.ittime.com.cn/...news_20410.shtml

区块链 商业模式 汽车后市场

shared by ocean wu on 15 Apr 18 - No Cached
  • 整套智能车载挖矿设备预计在几个月后上线。车主或驾驶员使用APP“ZUS”并开放行车数据授权，即获得CAR(CarBlock的token)。CAR还可用于维修、租车等服务，以及购买保险(CarBlock将与保险公司签约合作)。而上文提到的几大数据需求方支付CAR即可获取一手数据。CarBlock希望以此促进数据价值流通。
  • Nonda依靠整套ZUS智能硬件，包含电瓶、娱乐系统、车钥匙、车辆健康监测器、车充、倒车影像等，可采集到65个维度的数据。当涉及需要“人车对应”的数据使用场景(如保险)，APP“ZUS”会确认人的身份，车载硬件则确认车的身份，软硬件相互绑定。
  • 区块技术应用于物联网、车联网领域，CarBlock在汽车行业和数据应用方面有积累，在整体生态系统的运转设计上具有可行性。
  • ocean wu on 15 Apr 18
     
    利用区块链中的激励模型，可以在保护个人数据隐私的前提下，将数据的使用权、变现后的收益权还给数据的生产者(车主或司机)，需求方也可以在得到授权后，获取更完整、真实的车辆数据。
ocean wu

2017，你不可不知的视频监控新趋势 - 电子工程专辑 - 0 views

www.eet-china.com/...201704040917

物联网 网络安全

shared by ocean wu on 13 Aug 17 - No Cached
  • IHS的数据显示，2016年全球专业安防摄像头的出货量超过一亿台，比2015年增长约14%。但相比2015年30%的增长率，增速放缓了不少。王玉君对此分析称，一方面，面对国内外市场的长期增速预期下行，各大视频监控厂家都在寻求多元化和差异化发展；另一方面，随着视频监控行业不断的技术革新和数据积累，从视频监控的上游芯片厂商，到视频智能分析算法的软件开发公司，再到视频监控设备厂商和下游的系统集成商都在围绕智能分析、物联网和大数据技术来布局安防行业，以求在产品日趋同质化的竞争中占领未来视频监控技术发展的高地：  从产品来看，虽然视频监控行业整体增速不如预期，但某些产品线会远高于市场的平均增速。2017年消费类视频监控产品、移动视频监控产品和视频监控企业级存储产品的销售额在全球范围都会保持15%以上的增长。  从服务来看，2017年全球视频云服务(VSaaS)的销售额会突破9亿美元(不包括安保远程监控服务)，未来5年VSaaS销售额的平均年复合增长率将超过18%。  从技术来看，支持H.265技术的网络摄像机在2017年会有爆发式增长。视频智能分析会因为深度学习技术的应用又一次成为行业发展的热点。
  • 通过几年的市场培育，用户意识到视频智能分析确实可以为城市交通治理、公安刑侦和商业管理带来很大价值，因此市场对具备高性能的优秀的视频智能分析产品是充满期待的，深度学习技术在视频监控领域的应用也正是在这样的背景下开始蓄势待发。
  • 深度学习技术从长期来看会降低智能分析应用的成本，也会拓展带有智能分析功能的视频监控设备的应用外延。除了价格因素外，从短期来看深度学习技术在视频监控领域应用的最大挑战就是如何将那些优秀的算法根据实际的应用情景进行二次开发，实现真正的技术落地。
  • ...16 more annotations...
  • 使用视频分析实现目标和事件检测，无论是实时的还是后期的，将持续位于视频监控技术创新的前沿。
  • 视频监控产品一般使用运动检测来触发视频捕捉，这很容易出错。“从好几个小时的视频中寻找出某一个事件非常耗时。因为视频包含了大量的信息，如何分辨哪些是有价值的，哪些应该删掉，这给用户带来了挑战。
  • 把人工智能引入传统的视频监控领域，将取决于在摄像机、网络存储和后期处理之间分配的视频分析功能。
  • 视频分析作为一种服务，是一个微型的垂直市场，可以利用第三方专利分析功能获得增长。
  • 安防无人机往往用于紧急事件后的快速侦察，可以在区域入侵或自然灾害等事件发生后，快速飞入现场进行侦察。但由于其续航时间有限(一般在30分钟左右)，无法进行长时间的巡逻监测。安防机器人的优势除了有更长的续航能力外(可以长达8小时)，还可以安装多个摄像头和传感器，提供360度全景图像和各种环境数据，往往用于电力、能源、化工等厂区的巡逻作业。
  • 机器学习的应用正快速扩展到越来越多的终端市场，在边缘、在云端或者以混合的形态，将基于边缘的处理与基于云的数据分析结合在一起。
  • 深度学习和人工智能技术通过运用模式辨识软件，
  • 系统通常具有三大使命： 系统不仅要会思考，而且还能对情境立即做出“响应”。这就要求一个从感应到处理、分析、决策、通信和控制整个流程中更一致的视图。同时还要高效实施、部署最新机器学习技术，满足8位及更深层面的精确性要求。 鉴于神经网络和相关算法的快速变化以及传感器的快速发展，必须实现灵活性，能通过软硬件的可重配置性升级系统。 由于许多新系统都连接到了一起(物联网)，因此需要与传统的已有设备通信，要与未来推出的新设备通信，还要能够进行云端通信。
  • 根据IHS Markit 2016年发布的预测显示，2016年全球专业服务机器人(相对于工业制造机器人)和专业服务无人机的销售额分别为26亿美元和3亿美元，未来5年平均复合年增长率分别达到了38%和70%。
  • 相比传统的安防产品，安防无人机和安防机器人进入门槛更高
  • 众多的传统嵌入式视觉应用通过采用机器视觉和传感器融合技术后都在发生巨变，下一代应用包括协作机器人、具有感应和躲避功能的无人机、增强现实、自动驾驶汽车、自动化监视和医疗诊断等。
  • 无人机已经在边境控制、区域跨度较大或高危区域执法中得到了应用。安防机器人也许在与人互动创造价值的场景中比较有用，例如公园、大学、医院和机场等。
  • HD CCTV在中国普及率不高的原因主要来自三方面： 中国的视频监控项目大多来自新建楼宇和设施，不需要考虑原有模拟视频监控的布线系统； 网络摄像机在中国的平均售价远低于全球其他地区的售价； 3.HD CCTV对于小型的项目可能更理想，但对于中国的很多中大型项目来说，网络视频监控会有更好的扩展性。
  • IP摄像机更容易安装，在很多情况下依靠一粒电池就可运行很长时间，网络连接也变得易于部署。当然，云存储也进一步推动了IP摄像机的增长。但考虑到IP摄像机容易受网络稳定性、黑客、掉帧和一些其他问题的影响，Raman Sargis认为专业的安防视频市场还将依赖高质量的有线高清摄像机。
  • 任何连网设备都会面临黑客和恶意攻击的风险。IP摄像机本质上是物联网的一个节点，可以获得物联网架构中实施的同等级别的安全保护。我认为IP摄像机的安全性应该归类为广义物联网安全的一部分，长远来看它将无缝地融合到物联网结构中。
  • 其实不仅仅是视频监控产品，所有接入网络的物联网设备都面临着网络安全问题。加强视频监控设备的安全加密和认证是最直接的避免网络病毒袭击的方法。此外，也可以安装嵌有网络安全监测的视频监控交换机，信息通信技术(ICT)提供商或系统集成商也可以利用已安装的ICT网络安全产品对视频监控产品进行保护。当然，视频监控网络安全问题也带来了一些新的商业机会，例如第三方网络安全测试和认证的服务、提供给系统集成商的ICT网络安全咨询服务等。
ocean wu

因果树通过人工智能技术和创新金融产品，提升一级股权市场投融资效率 - 0 views

www.cyzone.cn/...302741.html

互联网金融 数据应用 投资

shared by ocean wu on 24 Aug 16 - No Cached
  • 依托平台大数据、通过人工智能技术和创新金融产品，提升一级股权市场投融资效率。
  • 平台整合并披露全网数十万项目信息，对项目进行精准赛道划分，通过行业分析和项目信息披露、优质项目预测、精准信息定制及精品投行服务，为投资人和创业者提供投融资服务。
  • 科技金融的核心包括三个部分：数据源、人工智能(机器学习)、使用场景，三者缺一不可。因此，因果树将从数据源获取、人工智能技术预测行业走势以及科技金融的应用场景三个方面来具体操作。
  • ...7 more annotations...
  • 多渠道获取数据源
  • 未公开企业的信息，包括合作企业和一些运营商的信息，以及国外关于国内企业的信息，通过不同的方式进行合作。
  • 60%左右的数据来源于全网公开数据源，另外的40%左右的数据来源于定点有偿数据源。
  • 因果树通过大数据抓取超过15万家在互联网上有信息披露的项目，并将项目信息结构化展示，涵盖了公司工商注册信息、股东信息、投融资状况、竞品分析、用户表现(包括APP下载量、DAU、MAU)、团队状况、品牌及媒体影响力等各方面的信息。
  • 数据源主要分两大块：一块是搜索引擎去搜，是公开的信息，因果树通过技术，可以获取到更多深入的信息;另一块是来自于各家合作伙伴，比如运营商。就在8月18日，与中国联通大数据合作，推出《互联网投资指数》等。
  • 因果树的大数据分析主要从两个方面：第一，是不是风口，或者说有没有前景;第二，竞品有哪些，和竞品相比有什么优势。
  • 因果树在行业分类、竞品归类上做得很深，找准竞品，并绘制行业的成长轨迹图谱，帮助投资人找准有潜力的行业、有投资价值的项目。
  • ocean wu on 24 Aug 16
     
    平台整合并披露全网数十万项目信息，对项目进行精准赛道划分，通过行业分析和项目信息 披露、优质项目预测、精准信息定制及精品投行服务，为投资人和创业者提供投融资服务。
ocean wu

访问的数据可视化的Sparklines | - 0 views

www.webappers.com/...-accessible-data-visualization

数据应用 技术架构 图表

shared by ocean wu on 10 Mar 11 - Cached
  • 如果我们希望包括数据可视化作为网站的一个组成部分，而不仅仅是一个孤立的数字或交互式的图表？ 当我们正在设计用于浏览数据驱动的网站接口，它的价值能够创建导航元素，也可视化工具。 我们可以随时了解他们探索的用户，所以他们可以对他们是怎么看待和他们是怎么点击更好的决策。我们需要的是什么之间，标记，对导航适当的东西，但也有一些额外的语义和结构挂钩。除了有一个名单发表了“的文章的 访问的数据可视化与Web标准 “，共享的导航模式三种基本技术为标准纳入一些简单的数据可视化。 他们都是先从HTML导航建筑块：一个链接的无序列表。background-image: initial; background-attachment: initial; background-origin: initial; background-clip: initial; background-color: transparent; border-top-width: 0px; border-right-width: 0px; border-bottom-width: 0px; border-left-width: 0px; border-style: initial; border-color: initial; font-size: 100%; margin-top: 0px; margin-right: 0px; margin-bottom: 0px; margin-left: 0px; outline-width: 0px; outline-style:
  • ocean wu on 10 Mar 11
     
    有一个名单发表了"的文章的 访问的数据可视化与Web标准 "，共享的导航模式三种基本技术为标准纳入一些简单的数据可视化。 他们都是先从HTML导航建筑块：一个链接的无序列表。你也应该看看 Sparkline PHP的图形库 。 它提供了广泛的图形呈现怎样的选择的范围。
ocean wu

DSP如何用大数据做营销 - 0 views

news.china.com/...19456578_all.html

广告 DSP 移动营销 数据应用

shared by ocean wu on 17 Sep 15 - No Cached
  • DSP英文全称是Demand-Side Platform，中文名是“需求方平台”，其实是一种利用第三方技术在数以百万计的网站上针对每一个用户展示行为进行评估以及出价的竞价技术。
  • DSP的核心是整合多方流量，通过精准定向技术，帮助广告主高效完成营销需求。
  • 广告交易市场在向DSP发送竞价请求的时候，会附有媒体、设备型号、地理位置(IP或经纬度)等基础信息，这是DSP为广告主挑选流量的信息基础。DSP可以根据这些信息来决定投放什么样的广告。
  • ...5 more annotations...
  • 移动DSP是怎么帮广告主挑选到最合适流量的呢？
  • 还可以把基础信息和外部数据源结合起来。比如气象局的天气和空气质量数据，通过手机、导航仪采集的实时路况信息等，都可以实现更加多样化的定向。
  • DSP为每一个在广告请求里出现过的用户建立了数据库，能够知道他装了什么APP，最常用什么APP，什么时候使用手机，在哪里使用手机，通过这些信息DSP能够勾勒出用户的兴趣图谱和生活习惯。
  • 除了利用线上数据，DSP还会和线下数据公司合作，打通线上线下数据，让DSP能更深入了解用户的消费习惯。线下数据公司可利用WiFi和iBeacon技术，跟踪到用户在商场中的行动轨迹。
  • 利用这些数据，DSP可以了解到一个用户经常去什么样的店铺，在店铺的停留时间，据此判断出用户的消费习惯;之后通过设备重定向技术，向目标用户发送定向的促销信息，为商家找回用户。
ocean wu

奥巴马在大选中的互联网应用分析 - 0 views

ohmymedia.com/1030

网站运营 美国总统 SNS 活动 web2.0

shared by ocean wu on 17 Dec 08 - Cached
  • 奥巴马在大选中的互联网应用主要体现在三个方面：建立官方网站、“奥巴马无处不在”和网络广告营销。
  • 奥巴马的官方网站为他打造了一个注册成员超过百万的在线社区“我的奥巴马”（MyBO）。奥巴马官方网站47%的访问流量来自这个社区，其次才是首页（40%流量）；而麦凯恩官方网站访问流量95%来自首页。
  • ...10 more annotations...
  • 在这个建立于2007年2月的在线社区里可以做些什么？“发现你所在地的活动与团体，联系你周边那些犹豫不决的选民，在blog上分享你的故事”。花费几十秒填写姓名、电子邮件地址、密码即可完成注册，进入社区。一个有效的美国邮政编码，就可以帮助你找到周边人群、活动和团体，由此融入政治共同体。 “我的奥巴马”社区中的电话呼叫功能 “我的邻居”、“我的团体”、“我的朋友”分别对应着经由地域、兴趣/话题/立场、现实人际关系区分并建立的社会网络。该社区还整合了选民数据库，让支持者们可以在线拨打电话给周边其他犹豫不决的选民。 事实上，在线游戏玩家们也会从该社区找到熟悉的元素：它有自己的任务系统，只不过那些任务需要在网下生活中完成：打电话、上门拜访、组织活动、募捐、成为志愿者。如何完成这些任务？社区用多种方式细致地进行指导。它会提示任务完成进度，甚至有积分、等级、排名的设置（2008年8月以后取消了积分与排名，代之以升级和“最近行动”提示面板）。
  • 通过“MyBO”，线上与线下、地方与全国、虚拟与现实被有机地整合起来，富于社区工作经验的奥巴马也建立起了他的核心支持者网络。通过手机短信和电子邮件列表，奥巴马可以在任何时间方便地把信息直接送到上千万人面前。 此外，流行文化元素的应用也让奥巴马的形象更亲切，例如网站上提供的富于感染力的手机铃声下载、专门为iphone用户设计的软件、一群支持奥巴马的著名音乐人制作的18首歌的专辑(点击可试听)，等等。
  • 第二，“无处不在的奥巴马”（Obama Everywhere）成为奥巴马竞选团队的理念。除了建立官方网站，更要在最热门、最聚集人气的web2.0网站树立奥巴马的化身或者频道，让选民在自己最常用的互联网应用中就能接触到奥巴马的信息，就能与其他奥巴马的支持者建立联系与互动。
  • 通过互联网应用，建构无处不在的虚拟主体。如果不主动建立官方网站，主动在各热门站点建立具备传播、交流、行动能力的虚拟主体（形式可以是ID、帐号、档案、频道、页面等），就永远是被人谈论、搜索、质询的客体，在信息传播过程中无法占据主动权，传播效果也无从预料。对奥巴马竞选这样目的性极强的政治活动，这一点非常重要。同时这也将成为互联网时代的生存法则：小到个人，大到公司和组织，甚至国家政府，都需要建构这样的虚拟主体，并通过时间流逝和网络扩张来不断增强其信誉和社会资本。
  • 通过互联网应用，建构专属自己的、跨越不同媒介形态和平台的复合媒体，发布一对多的信息流。考察奥巴马诸多虚拟主体的网络日常活动，尽管它们不断地添加“好友”，但它并不像普通用户那样和这些“好友”进行互动。不论奥巴马还是他的竞选团队，都不可能去关注近百万个Myspace“好友”的日常动态，也不会去细读在Twitter上“追随”的十多万人的絮絮叨叨，不会回复在Youtube和官方blog上的无数留言。这仍然是一种“广播”，但却不是简单的“推送”，因为千万的受众是主动选择了这一主体来“接收”信息。
  • 这一“新媒体”被建构起来之后，其效率之高、成本之低都是惊人的。例如奥巴马团队在Youtube上传的视频中，有数十段都已获得上百万次浏览量，其当选后在芝加哥发表演讲的视频，上传两周后的浏览量超过360万次。而通过两年的选举活动拥有的超过千万的电邮地址列表、无数的手机订阅用户，则构成了这一“新媒体”规模最稳固可靠的保障。
  • 在SNS网站上出现的当然不是奥巴马本人，而是他的团队和部门，但这无疑打造出适应互联网用户认同的形象，从而聚集起更多支持者，进而为这些支持者提供彼此互动和联系的机会，编织起一张又一张社会网络。基于某种认同、“迷”（fandom）、共同利益和话题而建立起来的这些社会网络，在持续的互动中继续扩大规模，且用群体智慧带来更多普通人群创造的东西。
  • 在竞选成功后，奥巴马用以助选的各种互联网应用大部分暂停更新，告一段落。他立即开始建构符合自己身份的新的虚拟主体：例如下任总统官方网站，例如在Youtube上开通新帐号和频道“ChangeDotGov”以发布总统官方视频，如“总统每周致辞”，颇有点罗斯福当年“炉边谈话”的味道。看起来，奥巴马还将在自己的执政中尽可能地应用互联网。
  • ocean wu on 17 Dec 08
     
    建立官方网站、"奥巴马无处不在"和网络广告营销。 新主体、新媒体、新社会群体无处不在的虚拟主体。建构专属自己的、跨越不同媒介形态和平台的复合媒体，建构自组织、自生长、自创造的社会化群体。
ocean wu

《中国区块链与物联网融合创新应用蓝皮书》发布 - 0 views

www.prnasia.com/...187856-1.shtml

物联网 区块链

shared by ocean wu on 20 Jan 18 - No Cached
  • 当前物联网的大规模应用推广依旧受诸多因素的制约，尤其是人与物的信任体系、数据信用体系和价值体系等，而区块链作为一种互联网全新的革命性技术，所具备的去中心化、链式数据块、防伪造和防篡改、透明可信和高可靠性等特征，能为物联网的大规模应用提供重要支撑，同时，物联网也能为区块链网络创造丰富的高价值数据资产，形成共生共荣的发展格局。
  • 唤起物联网和区块链两大领域更多的一些创新思考，使得区块链与物联网等新一代信息技术能更好的融合发展和相互促进。无论对于区块链还是物联网，当前正处于快速起步阶段，通过融合发展，加快培育新模式、新业务尤为重要。
  • 物联网与区块链的融合发展，需要有序推进，由于物联网与行业融合本身的复杂性，需要从物联网顶层设计和商业生态两方面入手，再通过区块链强化应用生态中的数据信用和价值交互体系
  • ...1 more annotation...
  • 农业领域的落地实践来看，物联网和区块链的融合更为必要和迫切，如农产品及相关信息溯源、农业科技信贷、农业科技保险等创新应用，一方面，依托物联网可以极大提升传统农业效率，连接孤立的产业链环节和小幅土地资源，创造增量价值；另一方面，依托区块链技术链接各农业数字资源要素，可以建立全程的信用和增值服务体系。
ocean wu

专栏观察：25种全球最流行的企业实用管理工具 - 派代网-做电商，上派代！ - 1 views

www.paidai.com/...display.php

CRM tools 管理

shared by ocean wu on 22 Oct 10 - No Cached
  • &nbsp;当前，全球的企业管理者都在使用大量的管理工具。这些工具既包括战略规划和基准管理等广泛适用的方法，也包括射频识别标签应用等专业化的方法。事实上，关注并选择管理工具，几乎已经成为每一位管理者的责任。1993 年，贝恩公司（Bain）推出了一项跨年度的调查，以了解在世界范围内管理工具使用的状况。我们的目标是为管理者提供信息，帮助他们选择并实施那些有助于他们实现战略目标与利润目标的管理工具。 我们的调研涉及公司对工具的使用情况，管理者对所使用的工具的满意度，以及他们对热点商业问题的看法。12 年以来，这项调查帮助贝恩公司建立了一个有 7,000 多位问卷应答者的全球数据库。今年，针对中国大陆管理者的调查是贝恩公司与财富（中文版）合作完成的。调查研究了中国公司打算如何竞争以及中国的管理者使用什么样的工具来获得帮助。报告主要关注 25 种最流行的管理工具和技术。 所选择的工具必须符合以下要求:&nbsp; 与高层管理者相关&nbsp; 当前热点问题，主要以其在商业新闻中出现的频率来衡量&nbsp; 可测量性的 &nbsp;
  • 25种全球最流行的管理工具表:&nbsp;&nbsp; 目录 1&nbsp;客户关系管理(Customer Relationship Management,CRM)&nbsp; 2&nbsp;全面质量管理(Total Quality Management,TQM)&nbsp; 3&nbsp;顾客细分（Customer Segmentation）&nbsp; 4&nbsp;外包（Outsourcing）&nbsp; 5&nbsp;企业核心能力(Core Capability of Enterprise)&nbsp; 6&nbsp;供应链管理(Supply Chain Management ,SCM)&nbsp; 7&nbsp;战略规划（Strategic Planning）&nbsp; 8&nbsp;业务流程再造（Business Process Reengineering,BPR）&nbsp; 9&nbsp;知识管理（ Knowledge Management,KM）&nbsp; 10&nbsp;使命书和愿景书&nbsp; 11&nbsp;平衡记分卡(The Blanced ScoreCard,BSC)&nbsp; 12&nbsp;作业导向管理&nbsp; 13&nbsp;忠诚度管理&nbsp; 14&nbsp;六西格玛(6σ)&nbsp; 15&nbsp;战略联盟（Strategic Alliance）&nbsp; 16&nbsp;基准管理（benchmarking）&nbsp; 17&nbsp;变革管理计划（Change Management）&nbsp; 18&nbsp;增长战略（Growth Strategies）&nbsp; 19&nbsp;经济附加值增值分析(Economic Value Added,EVA)&nbsp; 20 价格优化模型（Price Optimization Models）&nbsp; 21 开放市场创新&nbsp; 22&nbsp;规模定制(Mass Customiza．tion，MC)&nbsp; 23&nbsp;情景设定和突发计划(Scenario Planning)&nbsp; 24&nbsp;海外经营&nbsp; 25&nbsp;射频识别(Radio Frequency Identification，RFID) &nbsp; &nbsp;&nbsp;
  • 中国管理工具使用现状 近年来，中国公司低成本制造的能力享誉全球。没有哪个国家能够像中国那样，以如此低的价格向世界市场提供大量标准化的产品。 然而，中国的管理者也面临各种竞争压力，其中包括来自那些以高质量的产品侵占市场的跨国公司的挑战。贝恩公司与财富（中文版）近期合作进行了中国经理人管理工具使用的调研，调研涉及25种最流行的管理工具（见上图表）。调研显示，中国公司并不打算永远都做低价值商品的制造者。 在调研中发现，88% 的中国经理人认为，他们的产品和服务趋向于低值商品化。很明显以提供差异化的、更富创新性的商品; 78%的中国管理者担心，顾客洞察力方面的欠缺是影响他们业绩的一大障碍。此外，他们似乎对那些能够帮助其实现创新的大胆举措非常有兴趣。例如，大约 80% 的人（这个比例甚至高于其他国家）认为，在新产品、工艺流程和服务的开发过程中，通过与其他公司甚至竞争者合作，可以大大提高创新能力。 &nbsp;
  • ...5 more annotations...
  • &nbsp;25种全球最流行的管理工具内容 1. 客户关系管理(Customer Relationship Management,CRM) 最早提出该概念的Gartner Group认为：所谓的客户关系管理就是为企业提供全方位的管理视角；赋予企业更完善的客户交流能力，最大化客户的收益率。 Hurwitz Group认为：CRM的焦点是自动化并改善与销售、市场营销、客户服务和支持等领域的客户关系有关的商业流程。CRM既是一套原则制度，也是一套软件和技术。它的目标是缩减销售周期和销售成本、增加收入、寻找扩展业务所需的新的市场和渠道以及提高客户的价值、满意度、赢利性和忠实度。CRM应用软件将最佳的实践具体化并使用了先进的技术来协助各企业实现这些目标。CRM在整个客户生命周期中都以客户为中心，这意味着CRM应用软件将客户当作企业运作的核心。CRM应用软件简化协调了各类业务功能（如销售、市场营销、服务和支持）的过程并将其注意力集中于满足客户的需要上。CRM应用还将多种与客户交流的渠道，如面对面、电话接洽以及Web访问协调为一体，这样，企业就可以按客户的喜好使用适当的渠道与之进行交流。 而IBM则认为：客户关系管理包括企业识别、挑选、获取、发展和保持客户的整个商业过程。IBM把客户关系管理分为三类：关系管理、流程管理和接入管理。 从管理科学的角度来考察，客户关系管理（CRM）源于市场营销理论；从解决方案的角度考察，客户关系管理（CRM）是将市场营销的科学管理理念通过信息技术的手段集成在软件上面，得以在全球大规模的普及和应用。 &gt;&gt;&gt;详细介绍&lt;&lt;&lt;&nbsp; 2. 全面质量管理(Total Quality Management,TQM) 20世纪50年代末，美国通用电气公司的费根堡姆和质量管理专家朱兰提出了“全面质量管理”（Total Quality Management，TQM）的概念，认为“全面质量管理是为了能够在最经济的水平上，并考虑到充分满足客户要求的条件下进行生产和提供服务，把企业各部门在研制质量、维持质量和提高质量的活动中构成为一体的一种有效体系”。60年代初，美国一些企业根据行为管理科学的理论，在企业的质量管理中开展了依靠职工“自我控制”的“无缺陷运动”（Zero Defects），日本在工业企业中开展质量管理小组（Q.C.Cycle）活动行，使全面质量管理活动迅速发展起来。 &nbsp;&gt;&gt;&gt;详细介绍&lt;&lt;&lt; 3. 顾客细分（Customer Segmentation） 客户细分是20世纪50年代中期由美国学者温德尔·史密斯提出的， 客户细分是指根据客户属性划分的客户集合。 它既是客户关系管理（customer relationship management, CRM ）的重要理论组成部分，又是其重要管理工具。它是分门别类研究客户、进行有效客户评估、合理分配服务资源、成功实施客户策略的基本原则之一，为企业充分获取客户价值提供理论和方法指导。 &gt;&gt;&gt;详细介绍&lt;&lt;&lt; 4.&nbsp;外包（Outsourcing） 外包是一个战略管理模型,所谓外包（ Outsourcing），在讲究专业分工的二十世纪末，企业为维持组织竞争核心能力，且因组织人力不足的困境，可将组织的非核心业务委外给外部的专业公司，以降低营运成本，提高品质，集中人力资源，提高顾客满意度。外包业是新近兴起的一个行业，它给企业带来了新的活力。 &gt;&gt;&gt;详细介绍&lt;&lt;&lt; line-height: 22px; margin-top: 0px; margin-right: 0px; margin-bottom: 0px; margin-left: 0px; padding-top: 0px; padding-righ
  • 6. 供应链管理(Supply Chain Management ,SCM) 供应链管理(Supply Chain Management ,简称SCM)，就是指在满足一定的客户服务水平的条件下，为了使整个供应链系统成本达到最小而把供应商、制造商、仓库、配送中心和渠道商等有效地组织在一起来进行的产品制造、转运、分销及销售的管理方法。供应链管理包括计划、采购、制造、配送、退货五大基本内容。 &gt;&gt;&gt;详细介绍&lt;&lt;&lt; 7. 战略规划（Strategic Planning） 所谓战略规划，就是制定组织的长期目标并将其付诸实施，它是一个正式的过程和仪式。一些大企业都有意识地对大约50年内的事情做出规划。 制定战略规划分为三个阶段，第一个阶段就是确定目标，即企业在未来的发展过程中，要应对各种变化所要达到的目标。 第二阶段就是要制定这个规划，当目标确定了以后，考虑使用什么手段、什么措施、什么方法来达到这个目标，这就是战略规划。 最后，将战略规划形成文本，以备评估、审批，如果审批未能通过的话，那可能还需要多个迭代的过程，需要考虑怎么修正。&nbsp; 8. 业务流程再造（Business Process Reengineering,BPR） BPR（Business Process Reengineering）即业务流程重组是90年代由美国MIT教授迈克尔·哈默（Michael Hammer）和CSC管理顾问公司董事长钱皮（James Champy）提出的，1993年，在他们联手著出的《公司重组—企业革命宣言》一书中，哈默和钱皮指出，200年来，人们一直遵循亚当·斯密的劳动分工的思想来建立和管理企业，即注重把工作分解为最简单和最基本的步骤；而目前应围绕这样的概念来建立和管理企业，即把工作任务重新组合到首尾一贯的工作流程中去。他们给BPR下的定义是：“为了飞跃性地改善成本、质量、服务、速度等现代企业的主要运营基础，必须对工作流程进行根本性的重新思考并彻底改革。”它的基本思想就是—必须彻底改变传统的工作方式，也就是彻底改变传统的自工业革命以来、按照分工原则把一项完整的工作分成不同部分、由各自相对独立的部门依次进行工作的工作方式。 &gt;&gt;&gt;详细介绍&lt;&lt;&lt; 9. 知识管理（ Knowledge Management,KM） 知识管理（KM, Knowledge Management）是网络新经济时代的新兴管理思潮与方法，管理学者彼得·杜拉克早在一九六五年即预言：“知识将取代土地、劳动、资本与机器设备，成为最重要的生产因素。”受到1990年代的资讯化蓬勃发展，知识管理的观念结合网际网络建构入口网站、资料库以及应用电脑软件系统等工具，成为企业累积知识财富，创造更多竞争力的新世纪利器。 &gt;&gt;&gt;详细介绍&lt;&lt;&lt; 10. 使命书和愿景书 参见 企业使命说明书 和 企业愿景
  • 11. 平衡记分卡(The Blanced ScoreCard,BSC) 平衡计分卡方法打破了传统的只注重财务指标的业绩管理方法。平衡计分卡认为，传统的财务会计模式只能衡量过去发生的事情（落后的结果因素），但无法评估组织前瞻性的投资（领先的驱动因素）。在工业时代，注重财务指标的管理方法还是有效的。但在信息社会里，传统的业绩管理方法并不全面的，组织必须通过在客户、供应商、员工、组织流程、技术和革新等方面的投资，获得持续发展的动力。正是基于这样的认识，平衡计分卡方法认为，组织应从四个角度审视自身业绩：学习与成长、业务流程、顾客、财务。 &gt;&gt;&gt;详细介绍&lt;&lt;&lt; 12. 作业导向管理 作业基础管理(ABM)，是指利用作业成本信息，帮助管理人员找出不增值且消耗资源的作业。作业是指相关的一系列任务的总称，或指组织内为了某种目的而进行的消耗资源的活动。 作业基础管理是一种系统范围的、综合的方法，它使管理层的注意力放在那些目标是增加顾客价值、并通过提供这种价值获得利润的作业上。作业基础管理包括产品成本计算和流程价值分析。ABM利用作业成本计算作为其主要信息源。 &gt;&gt;&gt;详细介绍&lt;&lt;&lt; 13. 忠诚度管理 所谓忠诚管理，并不仅仅是指面向个人或团体的忠诚，更重要的是忠于某个企业据以长期服务于所有成员的各项原则。具体说来是指仔细的挑选顾客、雇员和投资者，然后想办法留住他们。顾客、雇员、投资者可以说是一个商业体系的基本要素，我们将其称为“忠诚的力量”。长期的研究发现，这三种要素之间有着极为微妙的关联：没有忠诚的雇员就不可能出现忠诚的顾客；缺乏忠诚的顾客，企业也无法留住忠诚的雇员。而一旦顾客和雇员这个忠诚的基础不存在，企业的投资者也不会再保持对企业的支持，顾客和雇员的忠诚也建立在投资者忠诚的基础上。因此，商业忠诚实际上是三维的，即顾客、雇员、投资者三维，其力度、广度和相互关联性远远超过了我们的预想。 &gt;&gt;&gt;详细介绍&lt;&lt;&lt; 14. 六西格玛(6σ) 20世纪90年代发展起来的6σ（西格玛）管理是在总结了全面质量管理的成功经验，提炼了其中流程管理技巧的精华和最行之有效的方法，成为一种提高企业业绩与竞争力的管理模式。该管理法在摩托罗拉、通用、戴尔、惠普、西门子、索尼、东芝行众多跨国企业的实践证明是卓有成效的。为此，国内一些部门和机构在国内企业大力推6σ管理工作，引导企业开展6σ管理。 6σ管理法是一种统计评估法，核心是追求零缺陷生产，防范产品责任风险，降低成本，提高生产率和市场占有率，提高顾客满意度和忠诚度。6σ管理既着眼于产品、服务质量，又关注过程的改进。 &gt;&gt;&gt;详细介绍&lt;&lt;&lt; 15. 战略联盟（Strategic Alliance） 战略联盟（Strategic Alliance）近年来，已成为全球竞争策略的重要环节，其实起源于企业在面临国际竞争压力时，基于本身资源及能力的不足。期望透过合资，共同研发，交互授权，物流协议等方式，结合各自稀缺的有限资源，共同分担研发的成本及风险，掌握市场流通，制定产业标准。 战略联盟成功的四大关键在于：订立联盟策略；选择合适对象；建立联盟结构与管理制度；订立终止联盟计划。
  • 16. 基准管理（benchmarking） 基准化分析法（benchmarking）就是将本企业各项活动与从事该项活动最佳者进行比较，从而提出行动方法，以弥补自身的不足。 benchmarking是将本企业经营的各方面状况和环节与竞争对手或行业内外一流的企业进行对照分析的过程，是一种评价自身企业和研究其他组织的手段，是将外部企业的持久业绩作为自身企业的内部发展目标并将外界的最佳做法移植到本企业的经营环节中去的一种方法。实施benchmarking的公司必须不断对竞争对手或一流企业的产品、服务、经营业绩等进行评价来发现优势和不足。 总的来说，基准化分析法(Benchmarking)就是对企业所有能衡量的东西给出一个参考值，benchmarking可以是一种管理体系、学习过程，它更着重于流程的研究分析。 &gt;&gt;&gt;详细介绍&lt;&lt;&lt; 17. 变革管理计划（Change Management） 变革管理的三项基本方法为： 　　一、解冻：承认现况不好，释放原先被掩盖的组织不利讯息。 　　二、改变：利用沟通与引进学习型组织，使组织成员逐渐接受改变是正向价值的观念。 　　三、某定而后动：先确定变革策略，拟定明确的目标、环境评估、行动方案与各种配套措施。 &gt;&gt;&gt;详细介绍&lt;&lt;&lt; 18. 增长战略（Growth Strategies） 从企业发展的角度来看，任何成功的企业都应当经历长短不一增长型战略实施期，因为从本质上说只有增长型战略才能不断的扩大企业规模，使企业从竞争力弱小的小企业发展成为实力雄厚的大企业。 与其他类型的战略态势相比，增长型战略具有以下特征： 实施增长型战略的企业不一定比整个经济增长速度快，但他们往往比其产品所在的市场增长得快。市场占有率的增长可以说是衡量增长的一个重要指标，增长型战略的体现不仅应当有绝对市场份额的增加，更应有在市场总容量增长的基础上相对份额的增加。 &gt;&gt;&gt;详细介绍&lt;&lt;&lt; 19. 经济附加值增值分析(Economic Value Added,EVA) 经济附加值(Economic Value Added,简称EVA）是美国思腾思特咨询公司（Stern Stewart &amp; Co．）提出并实施的一套以经济增加值理念为基础的财务管理系统、决策机制及激励报酬制度。它是基于税后营业净利润和产生这些利润所需资本投入总成本的一种企业绩效财务评价方法。公司每年创造的经济增加值等于税后净营业利润与全部资本成本之间的差额。其中资本成本包括债务资本的成本，也包括股本资本的成本。目前，以可口可乐为代表的一些世界著名跨国公司大都使用EVA指标评价企业业绩。
  • 20. 价格优化模型（Price Optimization Models） 21. 开放市场创新 22. 规模定制(Mass Customiza．tion，MC) 在新的市场环境中企业迫切需要一种新的生产模式，大规模定制(Mass Customiza．tion，MC)由此产生。1970年美国未来学家阿尔文·托夫(AlvinToffler)在《FutureShock》一书中提出了一种全新的生产方式的设想：以类似于标准化和大规模生产的成本和时间，提供客户特定需求的产品和服务。1987 年，斯坦·戴维斯(StartDavis)在《FuturePerfect》一书中首次将这种生产方式称为“MassCustomization”，即大规模定制(MC)。1993年B·约瑟夫·派恩(B·JosephPinelI)在《大规模定制：企业竞争的新前沿》一书中写到：“大规模定制的核心是产品品种的多样化和定制化急剧增加，而不相应增加成本；范畴足个性化定制产品的大规模生产：其最大优点是提供战略优势和经济价值。” &gt;&gt;&gt;详细介绍&lt;&lt;&lt; 23. 情景设定和突发计划(Scenario Planning) 情景规划（scenario planning）是理清扑朔迷离的未来的一种重要方法。情景规划要求公司先设计几种未来可能发生的情形，接着再去想像会有哪些出人意料的事发生。这种分析方法使你可以开展充分客观的讨论，使得战略更具弹性。 情景规划（Scenario Planning）最早出现在第二次世界大战之后不久，当时是一种军事规划方法。美国空军试图想象出它的竞争对手可能会采取哪些措施，然后准备相应的战略。在20世纪60年代，兰德公司和曾经供职于美国空军的赫尔曼?卡恩（Herman Kahn），把这种军事规划方法提炼成为一种商业预测工具。卡恩后来成为美国顶尖的未来学家。 &gt;&gt;&gt;详细介绍&lt;&lt;&lt;&nbsp; 24. 海外经营&nbsp; 25. 射频识别(Radio Frequency Identification，RFID) RFID是射频识别技术的英文(Radio Frequency Identification)的缩写，又称电子标签,射频识别技术是20世纪90年代开始兴起的一种自动识别技术，射频识别技术是一项利用射频信号通过空间耦合(交变磁场或电磁场)实现无接触信息传递并通过所传递的信息达到识别目的的技术。
ocean wu

滴滴、携程……大数据杀熟只是开始，算法立法？！ - 1 views

www.sohu.com/226349204_116441

商业模式 数据应用

shared by ocean wu on 26 Mar 18 - No Cached
  • 微观经济学中，有一个经典的供需关系图，横轴代表一个产品的需求量，纵轴代表一个产品的价格，而商家需要做的是找到一个价格的中间点，使得边际利润最大化。
  • 大平台已经垄断了几乎全部市场，市场不再是模糊的，而是可预测的，时间预测、用户消费能力预测、承受需求能力预测等等都被数据化。
  • 普通人都进入到了无法选择的状态，这才是最让人感到愤怒与无奈的。
  • ...2 more annotations...
  • 《未来简史》曾预言，未来的时代将会进入算法社会，这个社会的一切都将由算法定夺，由于技术掌握了你的数据，因此比你自己更了解你自己，因此通过数据就可以对人定制出一些更为合理的方案。
  • 滴滴们所暴露出的大数据杀熟，正在反映着这一问题，没有人相信这样的动态价格歧视是合理的，我们更愿意被“一刀切”，而不是被机器动态定义。
  • ocean wu on 26 Mar 18
     
    大数据的价值应用，将改变商品定价的方式，这是不可逆的趋势，阵痛带来的是我们对于个体选择权的如何定义，这也是法律所思考的。
1 - 20 of 92 Next › Last »
Showing 20▼ items per page