精华内容
下载资源
问答
  • 阿里云产品体系介绍

    千次阅读 2019-05-08 22:47:32
    阿里云产品体系 阿里云作为一个典型的IaaS层的云计算公司,架构从底层数据中心到上层产品解决方案的整套架构体系如下图所示(本文中的两个图片均引用自知途网的ACF课件): 首先最底层毫无疑问是遍布全球的的...

    什么是云计算?

    云计算的商业本质在于资源租赁。云服务厂商批量购买服务器、建设数据中心,云客户按需租赁计算资源、网络资源、存储资源,并购买增值服务。对云客户而言,租赁云服务器可以节省布置机房、购买机器、雇用专业运维人员的费用,也可以以增值服务的形式享受专业的架构指导、安全保障和监控分析,尤其对中小企业而言,是一种性价比很高的选择。

    云计算的特征

    水和电等现有公共资源的特征包括: 
     - 使用简单(没有门槛,打开开关/水笼头即可使用) 
     - 按量付费(用多少付多少费用) 
     - 社会共享(公共资源谁可以能用,只要接通电线/水管) 
     - 快速扩展(想要多用电/水,只需增加开关/水笼头,不影响现有结构) 
     - 无所不在(覆盖面广)

    云计算的5个重要特征: 
     - 通过图形化界面自助服务,所见即所得,对管理技能要求低 
     - 按计算资源使用量付费,业务高峰期多付费,低谷期少付费 
     - 数据中心里的服务器资源、带宽资源等由用户共享 
     - 可以快速实现从1台服务变为2台3台服务器的弹性配置,应对突发业务需求 
     - 广泛的网络访问,有稳定网络的地方都可随时接入使用

    阿里云产品体系

    阿里云作为一个典型的IaaS层的云计算公司,架构从底层数据中心到上层产品解决方案的整套架构体系如下图所示(本文中的两个图片均引用自知途网的ACF课件):

    阿里云架构体系
    首先最底层毫无疑问是遍布全球的的数据中心,在数据中心里统一维护管理了大量的服务器。
    数据中心的物理硬件上运行了Linux操作系统,Linux操作系统上运行着阿里云自主研发的飞天分布式操作系统(图中灰色模块),包括分布式文件系统、调度系统、安全策略、集群部署和监控等底层功能。
    在飞天操作系统上运行了数目繁多的云产品,包括ECS/RDS/OSS等,从这一层开始才被广大用户所熟知。

    最上层是阿里云的行业解决方案和云市场里第三方合作方的种种云服务方案。

    ACF认证主要侧重在上数第二层,云产品层。阿里云官网上列举的不同功能的云产品及服务有好几十个,这个数字还在不断增加中…好在ACF只涵盖ECS/RDS/OSS/SLB/Auto Scaling等几个主要产品。

    云产品分别归属于下图列举的6大产品家族:

    阿里云产品体系

    存储与内容分发服务 
     - CDN内容分发网络:可以将源站资源备份到多个CDN节点上,这样如果用户(在北京)要看一个视频,就不用从源站(广州)获取,直接取离自己最近的一个CDN节点上的备份即可,加快内容分发速度,尤其适合直播类应用。 
     - OSS对象存储服务:非结构化存储,支持大量存储视频、语音等对象。 
     - OAS开放归档服务:如果有的数据已经过了几年,不再有高重要性,可以采用便宜大碗的云端归档存储。 
     - KVStore键值存储:使用键值对存储方法,使用于对快速检索有需求的业务。

    弹性计算服务 
     - ECS云服务器:阿里云最最基础的产品,很多小型用户只租用一台云服务器就能满足基本需求。 
     - SLB负载均衡:当服务器比较多形成集群后,为了科学有效地分摊负载,需要购买负载均衡产品。 
     - VPC专有网络:多为大型企业选购,用于内网搭建,提升数据安全。 
     - ESS自动伸缩:自动完成资源自动扩展或缩减,适用于并发量大的业务。

    数据存储&云计算 
     - RDS:云数据库,也是阿里云基础产品之一。 
     - OTS:大规模快速查询,适用于药品查询、图书查询等业务。 
     - OCS:内存存储。 
     - DRDS:当有多个RDS对象时,进行统一访问与管理。

    大规模计算服务 
     - ODPS:最基础的大规模计算产品,用于大量数据的批量离线计算。用户可以写一段批处理sql,提交任务后可能选择在凌晨开始运行,上班前拿到结果(根据数据量而定)。 
     - ADS:适用于业务紧急、无法忍受ODPS离线计算时长的用户,秒级的大规模查询分析。

    应用服务 
     - ACE云引擎:用户可以通过安装云引擎简化对开发环境的部署和运维过程,直接在上面编写程序即可。 
     - PTS:实现对程序的海量压力测试,模拟真实环境。

    安全与管理服务 
     - 云盾 
     - 云安全 
     - DDos

    展开全文
  • 【阿里云】1.阿里云大数据产品体系

    千次阅读 2019-11-04 16:59:15
    文章目录阿里云大数据产品体系1.大数据基础知识1.1数据分析1.2数据仓库1.3大数据1.4云计算与大数据1.5大数据基本思路2.大数据产品体系2.1概况2.2公共云数加平台2.3基础产品云数据库——RDS分布式关系型数据库——...

    阿里云大数据产品体系

    1.大数据基础知识

    1.1数据分析

    基于某些商业目的,有目的进行数据收集、整理、加工和分析数据,提炼有价值信息
    

    流程如下:

    需求目的&明确目标
    数据收集&加工处理
    数据分析&数据展示
    分析报告&提炼价值

    1.2数据仓库

    是一个面向主题的,集成的,非易失的,时变的数据集合,用于支持管理决策
    
    分析需求
    确认数据源
    ELT处理
    汇总/整理
    数据建模
    分析展示

    解决的问题

    • 为业务部分提供及时准确的报表
    • 为管理人员提供更强的分析能力
    • 为数据挖掘和知识发现奠定基础

    1.3大数据

    无法在可承受的时间范围内用常规软件工具进行捕捉
    

    特征:volume(体量巨大) varietty(种类繁多) value(价值密度低) velocity(处理速度快)

    1.4云计算与大数据

    云计算提供存储和计算的基础设施
    

    1.5大数据基本思路

    • 减治:简单化
    • 分治:划分

    离线,在线,流式

    2.大数据产品体系

    2.1概况

    在这里插入图片描述

    2.2公共云数加平台

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Zjz1zRjI-1572857423915)(en-resource://database/2182:1)]

    2.3基础产品

    云数据库——RDS

    • 稳定可靠、可弹性伸缩的在线数据库服务
    • 即开即用,DMS可视化界面
    • 兼容MySQL,SQL server,PG等关系型数据库
    • 提供数据库在线扩容,备份回滚,性能监控及分析等功能
    • 只读实例和临时实例

    优势:

    • 双机热备——秒级切换,服务可用性达99.5%
    • 安全防护——防DDOS攻击,SQL注入警告,数据多重备份
    • 简单易用——一键式数据迁移,可视化管理操作

    分布式关系型数据库——DRDS

    • 基于RDS的分布式数据存储和检索产品
    • 水平拆分可平滑扩展
    • 解决用户单RDS无法支撑业务的苦难
    • 降低用户使用分布式数据库的难度

    优势

    • 简单易用——兼容MySQL(交互协议、SQL)
    • 稳定可靠——共享阿里组件
    • 分布式——水平拆分,容量达到单节点百倍
    • 可扩展——增减节点对应用几乎无影响,高效数据迁移

    表格存储——TS

    • 构建在阿里云飞天分布式系统上的NoSQL数据存储服务
    • 海量结构化数据的存储和实时访问
    • 弹性资源预留
    • 实时监控显示

    优势

    • 稳定——自动故障检测和恢复,系统可用性99.9%
    • 安全——用户级别的数据隔离、访问控制和权限管理,数据冗余备份
    • 大规模——单表到百TB级数据存储
    • 高性能——毫秒级别单行读写延迟,十万级别QPS

    分析型数据库——ADB

    • 海量数据实时高并发在线分析云计算平台
    • 自由的计算和查询能力
    • 高可用性和高安全性
    • 全面兼容MySQL协议

    优势

    • 高度的计算自由——通过SQL进行灵活的多维分析、数据透视、数据筛选等
    • 急速的响应时间——毫秒级的千亿级数据透视,毫秒级的大表关联计算
    • 简单的使用方式——标准SQL,支持标准MySQL协议,内置多种云平台数据的输入输出
    • 丰富的特点功能——高性能自动索引,海量数据的急速导出等

    大数据计算服务——MaxCompute

    • 针对TP/BP级数据、实时性要求不高的分布式处理能力
    • 大数据运算能力
    • 开箱即用
    • 数据安全

    优势

    • 分布式——分布式集群架构,可灵活扩展
    • 安全性——自动存储容错机制,所有计算都在沙箱进行
    • 易用性——全面支持基于SQL的数据处理,提供标准API,高并发高吞吐量的数据上传下载
    • 管理与授权——多用户管理协同分析数据,多种方式对用户权限管理,灵活的数据访问控制决策

    数据集成

    在这里插入图片描述

    对象存储

    在这里插入图片描述

    阿里云数加平台

    大数据开发平台——DataWorks

    在这里插入图片描述

    qiuck BI

    在这里插入图片描述

    机器学习

    在这里插入图片描述

    其他产品

    在这里插入图片描述

    大数据产品典型应用场景

    场景一

    在这里插入图片描述

    场景二

    在这里插入图片描述

    场景三

    在这里插入图片描述

    场景四

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-aM2e9K7I-1572857423925)(en-resource://database/2229:1)]

    场景五

    在这里插入图片描述

    总结与回顾

    在这里插入图片描述

    展开全文
  • 数据产品-指标标签体系构建

    千次阅读 2020-04-14 11:37:07
    数据产品-指标标签体系构建 作为刚毕业不到一年的数据产品经理,今天和大家分享一下我接触到和认知范围内的数据产品经理关于数据指标标签体系的构建过程是什么样子的 1、解读数据库数据 ①在我们公司(家居互联网...

    作为刚毕业不到一年的数据产品经理,今天和大家分享一下我接触到和认知范围内的数据产品经理关于数据指标标签体系的构建过程是什么样子的

    1、解读数据库数据

    ①在我们公司(家居互联网行业),我们作为数据部门,能够查看公司全部的数据,所以我们日常会接收到来自其他部门的提数申请,有简单的导出关于家居行业中设计方案的素材的使用情况、也有需要我们经过数据加工分析后的数据分析表等,说这个不是想说我们日常工作只是提数分析,而是想说,在一个数据中台和业务中台还没成体系化的公司中,开放这样一个数据出口,能够让我们快速接触到各条业务线中对于数据的需求情况,以及各业务线关注的业务信息。
    ②通过自己试用期期间的业务积累,当然不当当通过上面的提数通道了解到的,以及每次数据需求的积累,给我最大的感受就是:作为试用期的数据产品经理,最需要的就是对公司底层数据的熟悉度,已经能够运用sql查询出业务方所需要的数据,并能在excel进行分析。
    ③回顾自己对解读数据库数据的认知经历,大概就是:业务需求->业务对应的数据库是什么->不同库之间是怎么关联的,包括业务关联和字段关联->该库里面存放的表的业务是什么->表里面的字段含义是什么。对于前部分的业务和数据库、数据库和数据库之间的关联,在我入职时去年的师姐已经整理好了好几份比较详细的文档,我觉得这样的数据逻辑图非常重要,非常能够辅助我快速认知业务关系和数据库关系,样例如下图:
    在这里插入图片描述

    2、解读业务需求

    通过试用期期间对底层数据有了很好的认知之后,这里的很好认知我认为至少是你知道大部分数据库都是存放什么样子的业务数据,每个库里面经常用的表有哪些,这些表里面那些字段是比较常用的,并能够在不看相关的解释文档的前提下,运用sql快速查找出你想要的数据。有了数据认知后,我觉得对自己核心竞争力有帮助的不是你对底层数据的了解情况,更重要的是你能够把你接触到的数据需求汇总成为具体的业务共性,就比如:常用部门想知道某些东西的拖拽频率、使用频率。但他们的最终需求都是想要把更好的东西推荐给用户,这就是一个共性的东西,而作为数据产品经理,就是需要把这些共性的需求聚合成为整个能够指导业务发展的东西,并用相关的指标标签进行描述。下面这个是之前的一个项目中构建的一些指标标签的部分截图:
    在这里插入图片描述

    3、指标逻辑实现

    ①构建完相关业务的指标标签体系之后,就是又要回归底层数据了。像我之前做的项目,我们所有新构建的指标和标签,都是需要通过大数据部门,重新建立新的数据库和数据表,因此我们需要对每个字段的源数据逻辑和数据聚合逻辑进行详细的中文说明和sql说明,一方面是便于大数据进行开发建表,另一方面是方面后面内容推出后,其他部门的人对我们东西使用的方便性。在这个过程中,我才后知后觉原来数据产品已经是半个开发了,不仅要梳理底层指标sql,对于可视化在BI界面上面的sql也要我们来梳理。但是有个好处就是,作为数据产品,我暂时还不需要考虑到sql的效率问题,因为我们的sql只是辅助大数据的人员理解指标和标签,他们在新建表的时候会对你的sql进行优化提升。
    ②为了方便指标的实现,前期还是需要做很多相关的整理工作的,比如对指标进行分类整理,因为你不可能把所有的指标标签都建在一张表里面,所以还需要了解一下建表的一些简单事项,比如标关联、索引等,比如要是大数据的小伙伴人比较好的话,会帮你一起想这些东西。这里说下指标和标签的区别,指标可能就是最基础,常用用户认知的,比如使用量,近七天活跃这些,但是标签是对这些进行分层处理,比如使用量,那多少时高,多少是低,可能你就需要通过聚类算法,构建出一个能够衡量高低的定义了。比如我当初构建的其中一个标签:素材价值度,通过对历史使用数据的聚类分析,后面构建出的公式和定义为:

    价值度划分=>划分为五个等级:一星-两星-三星-四星-五星
    价值量=搜索次数0.3+在优秀方案中使用次数0.4+收藏数*0.3
    一星:价值量=0
    二星:0<价值量<=1.5
    三星:1.5<价值量<=10
    四星:10<价值量<=40
    五星:价值量>40

    接下来讲下指标标签的具体实现过程,这里我会拿一些例子来做解释,主要是讲解一下sql的实现,当然,其实我自己的sql也不是很好,但是我觉得够用就行,能够满足自己日常业务工作的数据提取需求,很多函数都是在业务中在慢慢去百度查找。之前的项目我是把全部构建的指标和在BI上面可视化的逻辑分成了五个表,下面只对部分进行说明:
    在这里插入图片描述
    数据逻辑分层表
    ①基本信息表中:主要是对一些不可或缺的字段的直接迁移,因为不管构建什么样子的标签,有些基本属性是不可或缺的,所以这一块 的逻辑一般是比较简单的,一般是直接从源库中把字段提取出来就行。这里有个建议就是:竟然我们的逻辑是写给大数据开发看的,所以就尽可能的解释的详细,可以减少很多后面的沟通工作

    #素材的基本信息#
    #放置位置:pmc.designmaterial#
    #字段:素材名称-素材id-素材url-上传时间-上传人员-上传部门-上传机构-产品id#
    #是否在3D中-是否公用-是否可渲染-素材标志-材质属性-使用区域#
    #-素材是否有商品-零售价格-批发价格-成本价格-搭配组合内容-放置规则-素材颜色-是否关联到组合#
    select materialid,materialname,imagepath,posttime,author,deptid,organid,
    productid,IS3D,ispublic,isrender,modelflag,property,usearea, 
    ishasproduct,retailprice,wholesaleprice,costprice,placeheight,placerule,color,isrelate
    from pmc_kudu.designmaterial
    

    ②使用信息表中:主要是对一些常用的使用情况进行统计,因为有很多业务部分会经常想知道某些商品素材的七天使用情况、30天使用情况、收藏情况等等,每次我们查询的时候都需要关联很多表才能够查出来,效率非常低下,所以就考虑直接构建相关字段,便于后面查找。当然,这里不是说想构建啥就能构建啥的哈,因为每个字段后台每天都回去更新,都会消耗服务器资源的呀,而且后面项目结束时,所有构建的字段都需要有合理的解释,说明你构建的意义的。所以还是回归产品的初心,做什么都要讲价值。

    #以下的使用信息都只统计一个时间段,其他时间段的只要改变时间信息就可以#
    #统计素材的拖拽信息,近30天拖拽次数#
    select materialid,sum(dragTimes) as darg_cnt30,substr(sendtime,1,10) as nowtime from 3D_point_kudu.materialDragInfo 
    where datediff(now(),sendtime )<=30
    group by materialid,substr(sendtime,1,10)
    
    #统计素材在UGC中的使用次数,近30天#
    select a.materialid,sum(a.dragtimes) as use_yx_cnt30,a.nowtime from
    (select materialid,dragtimes,schemeid,substr(sendtime,1,10) as nowtime from 3D_point_kudu.materialInfo
    where datediff(now(),sendtime )<=30)a
    left join 
    (select id,scheme_name from ugc_scheme_kudu.home_scheme)b
    on a.schemeid=b.id
    group by a.materialid,a.nowtime
    

    ③标签表:标签表是构建指标标签的核心,因为这里的所有标签的合理程度一定要明确,而且逻辑一定要说得通,要不很容易别人就质疑你构建的标签合不合理或者必不必要。特别是用了相关数据挖掘的东西的话,也需要做相关的技术说明。我觉得构建标签也是最难的一块,当你对业务认知不深的时候,你所构建的标签所描述的东西就很浅,这也是我在做完这个项目后一直在思考的问题。但是东西总是循序渐进的,那时候的自己也懂的很少。所以我建议以后再做相关的数据产品时,一定要多调研,不管是对自己公司内部的还是对公司外部竞品相关的,都要有足够的认知。还有就是标签的sql逻辑一般比较复杂,当初有好几个都是我中文描述逻辑,然后让同组的小伙伴帮忙写的,还好她们人都比较好,所以我学的sql很多也是她们教我的,还是挺感谢的。下面就只举两个标签吧,偷偷说下,查询效率超级低,要跑很久才能跑出数据哈哈,不过大数据的小伙伴会帮你优化的,不用管那么多。

    --1、素材价值度
    #价值度划分=>划分为五个等级:一星-两星-三星-四星-五星#
    #字段名:active_value#
    #价值量=搜索次数*0.3+在优秀方案中使用次数*0.4+收藏数*0.3
    #一星:价值量=0
    #二星:0<价值量<=1.5
    #三星:1.5<价值量<=10
    #四星:10<价值量<=40
    #五星:价值量>40
    select  z.materialid,
    case when (isnull(z.sc_cnt,0)*0.3+isnull(h.ss_cnt,0)*0.3+isnull(y.yxsy_cnt,0)*0.4)=0 then '一星'
         when (isnull(z.sc_cnt,0)*0.3+isnull(h.ss_cnt,0)*0.3+isnull(y.yxsy_cnt,0)*0.4)>0 and (isnull(z.sc_cnt,0)*0.3+isnull(h.ss_cnt,0)*0.3+isnull(y.yxsy_cnt,0)*0.4)<=1.5 then '两星'
         when (isnull(z.sc_cnt,0)*0.3+isnull(h.ss_cnt,0)*0.3+isnull(y.yxsy_cnt,0)*0.4)>1.5 and (isnull(z.sc_cnt,0)*0.3+isnull(h.ss_cnt,0)*0.3+isnull(y.yxsy_cnt,0)*0.4)<=10 then '三星'
         when (isnull(z.sc_cnt,0)*0.3+isnull(h.ss_cnt,0)*0.3+isnull(y.yxsy_cnt,0)*0.4)>10 and (isnull(z.sc_cnt,0)*0.3+isnull(h.ss_cnt,0)*0.3+isnull(y.yxsy_cnt,0)*0.4)<=40 then '四星'
         when (isnull(z.sc_cnt,0)*0.3+isnull(h.ss_cnt,0)*0.3+isnull(y.yxsy_cnt,0)*0.4)>40 then '五星'
         end as active_value
    from 
    (
    --统计素材的收藏次数,没有时间信息#
    select c.materialid,d.collectcount as sc_cnt from
    (select materialid,materialname from pmc_kudu.designmaterial)c
    left join 
    (select materialid,collectcount from pmc_kudu.modelcollectext)d
    on c.materialid=d.materialid
    )z
    left join
    (--统计素材在优秀方案总的使用次数,近30天#
    select a.materialid,sum(a.dragtimes) as yxsy_cnt from
    (select materialid,dragtimes,schemeid from 3D_point_kudu.materialInfo
    where datediff(now(),sendtime )<=90)a
    inner join 
    (select id,scheme_name from ugc_scheme_kudu.home_scheme)b
    on a.schemeid=b.id
    group by a.materialid
    )y
    on z.materialid=y.materialid
    left join 
    (--统计被搜索次数
    select d.materialid,a.cnt as ss_cnt from pmc_kudu.designmaterial d 
    left join 
    (select value,count(uuid) cnt from 3d_point_kudu.datainfo 
    where value in (select materialid from pmc_kudu.designmaterial) and datediff(now(),sendtime )<=90
    group by value)a
    on d.materialid = a.value
    )h
    on z.materialid=h.materialid
    
    --20、优推指示
    #字段名:advantage_level
    #一级指示(近7天都被拖拽)-二级指示(近14天都被拖拽)-三级指示(近21天都被拖拽)-四级指示(近28天都被拖拽)-五级指示(近35天都被拖拽)
    select materialid,
    case when max(cnt)=7 then '一级指示'
         when max(cnt)=14 then '两级指示'
         when max(cnt)=21 then '三级指示'
         when max(cnt)=28 then '四级指示'
         when max(cnt)=35 then '五级指示'
         end as advantage_level
    from (
    select materialid,count(distinct substr(sendtime,1,10)) as cnt from 3D_point_kudu.materialDragInfo 
    where datediff(now(),sendtime )<=7 group by materialid having count(distinct substr(sendtime,1,10))=7
    union all
    select materialid,count( distinct substr(sendtime,1,10))as cnt from 3D_point_kudu.materialDragInfo 
    where datediff(now(),sendtime )<=14 group by materialid having count(distinct substr(sendtime,1,10))=14
    union all
    select materialid,count( distinct substr(sendtime,1,10))as cnt from 3D_point_kudu.materialDragInfo 
    where datediff(now(),sendtime )<=21 group by materialid having count(distinct substr(sendtime,1,10))=21
    union all
    select materialid,count( distinct substr(sendtime,1,10))as cnt from 3D_point_kudu.materialDragInfo 
    where datediff(now(),sendtime )<=28 group by materialid having count(distinct substr(sendtime,1,10))=28
    union all
    select materialid,count( distinct substr(sendtime,1,10))as cnt from 3D_point_kudu.materialDragInfo 
    where datediff(now(),sendtime )<=35 group by materialid having count(distinct substr(sendtime,1,10))=35
    )a
    group by materialid
    

    4、可视化产品

    经过上面的指标和标签逻辑梳理后,就是要可视化成数据产品了。在对于一个数据中台还很不完善的公司来说,要想让别人看到我们的价值,最好的方式就是拿出实际的产品出来,因此作为数据产品,我们需要想数据将构建的指标和标签通过业务方所需要的方式进行可视化,而且数据产品和传统的产品有很大的不同,在我认为哈,就是我们的数据产品面向的群里是很分散的,因此我看可视化的东西要很有共性并能够满足绝大部分的需求,而且数据产品最注重的就是逻辑性,这点也是我现在在不断学习的。这里涉及到相关隐私问题,就不把我们最后实现的产品放出来了哈。

    5、对外输出

    通过这段时间的工作,我深深感受到对外输出的重要性,需要准备好相对应的材料,而且一定要让别人看到你的专业性,因为其实公司很多人都不知道你的水平,你只有准备的足够充分,东西做的足够好,他们才会感受到你的专业性,才会认同你。像我们当初的上线会发很正式的邮件,画出对应的逻辑图,我觉得当初画的这个还挺好看的哈哈
    在这里插入图片描述
    最后,这篇文章是基于我毕业不到一年的认知所写的,有写得不对的地方欢迎和我交流。因为自己认识的做数据产品经理的朋友也比较少,不太清楚别人的数据产品经理是什么样子的。所以有想一起学习成长的朋友可以加个qq:624488342 ,一起交流沟通哈!

    展开全文
  • 产品设计-电商中商品体系

    万次阅读 2017-01-04 16:17:37
    您也许是购物达人、您也许是资深码农、或者您也是产品精英,可是什么是商品,您真... 头疼于产品妹子对于设计和分析的浅见,胡乱下本文,勿喷。 有人说是电商逼死了实体经济。其实电商只是多了一种售卖途径。2014年 0

    您也许是购物达人、您也许是资深码农、或者您也是产品精英,可是什么是商品,您真的懂么?
    从宏观上讲,2016年的中国,是实体经济和制造业萎缩的一年。互联网充斥着别让曹德旺跑了的惊悚言论。但不论跑与不跑,税负在那里,只增不减。走与不走、商业模式在这里,只多不少。
    头疼于产品妹子对于设计和分析的浅见,胡乱写下本文,勿喷。

    有人说是电商逼死了实体经济。其实电商只是多了一种售卖途径。2014年 020的那片饕餮盛宴之后,留给 2016年寒冬的,除了雾霾.还是走不出去的彷徨。 依稀见得17年的宠儿,共享经济的来临。
    经济学上的破事儿牵动不了码农的神经,追本溯源回眸看看,目前的APP分类,从产品架构来说,我认为只有两套体系,一是社交、二是电商。
    不论B2B/C2C/O2O/P2P各类炫酷的名词多么扯人眼球。落在纸上,总是售卖商品的一套体系。从古至今,社会的基础建设就在于流通,流通的载体就是商品。从古时学得文武艺、卖与帝王家 到今日的共享服务、共享经济。 都可归纳于电商体系。在电商系统中,商品模型至关重要,是整个电商的核心,本文的重点,就落在商品。
    首先商品是什么? 政治课有讲商品是用于交换的劳动的产品。那么在电商体系中,只要用于售卖不止是物品,还有服务,都可以看做一个商品。
    其次商品由哪些部分组成?这点对于我们产品设计和数据结构设计很重要。 以淘宝为例。请看下图
    这里写图片描述
    上图是一款运动鞋的商品详情。在以上术语中,对于单品与商品的关系,规格与单品的关系做了详细描述。综上所述,一件商品的基本构成如下:

    1. 品类(类型) 商品分类,一种抽象概念,如登山鞋、手机。
    2. 商品 在电商中上架销售的产品,如可口可乐,我们可以称为一种商品.
    3. 单品 特指出售给客户的实际产品,比如,超市货架上摆放的355毫升的可口可乐(易拉罐)是一种单品,2.5升的大瓶的可口可乐是另一种单品。换句话说,一种商品由多种单品组成,每种单品,其库存量和单价一般不同。
    4. 规格 规格是用来区分单品的主要指标。如鞋类商品,由颜色、尺码两种规格区分单品。
      如可口可乐,以容积来区分单品。规格选项,即某种规格的具体选项,如可口可乐的容积有355毫升,600毫升,2.5升。 如Nike的男子运动鞋 819803, 颜色有炭黑、星蓝、夜红.
    5. 属性/参数 商品的产品参数/属性,以运动鞋为例. 鞋帮高低、功能、闭合方式、材质等都可能是其产品参数
    6. SPU 可理解为商品编码,对应一个商品
    7. SKU 可理解为单品编码,对应一个单品

    这里写图片描述

    弄清楚商品的产品设计结构后,我们参考有赞,设计一个极简的商品上架.
    商铺需要提供商品,首先有管理、上架商品的入口。我们需要在管理后台提供商品管理模块,供协会管理、上架商品使用。
    在淘宝、京东或各类微商都有类似的模块,但目标对象、平台规模、使用场景不同,复杂度和功能点也有繁简之分。我们平台的特点是社交活动为主、电商为辅,商品种类不多、售卖量不大,因此应走简单路线。 这里选择有赞作为参考平台,以此为模板实现商品上架的功能.请注册有赞,并发布数个商品,体会其流程。
    有赞:https://login.youzan.com/sso/index?service=kdt#id=319340757
    新增商品,应首先选择商品类型,之后录入商品基本信息,设置商品规格,再填写各单品信息、库存、单价。最后完成商品上架。
    在商品上架后,依然可以修改、删除商品信息,均不作限制。
    商品类型
    品类目前分为三类:服装、装备、鞋.
    由运营管理员维护在数据字典中,无需专门的品类维护模块,商铺不能自定义品类. * 想想为什么商铺不允许自定义品类。
    商品规格
    商品规格的设置请参考有赞,因前期只上架会服、少量户外装备,因此注意以下限制:
    这里写图片描述
    1.规格种类:包含颜色、尺寸、尺码、款式、型号 五类. 维护在数据字典中.
    2.规格选项:由用户自定义,最多录入60个汉字.
    3.规格限制:默认可*不选择规格. 用户可添加至最多3种规格.
    4.规格图片:V1.0不考虑
    允许上传规格图片,目前只支持为第一个规格设置不同的规格图片,设置后,用户选择不同规格会显示不同图片
    Note:
    1.*不选择规格代表该商品只有一种单品,无需选择。这种场景从结构上来讲,依然是商品和单品是一对一的关系. 换句话说,单品表中必须有一条数据,其规格设置为默认.库存为总库存.
    2.关于元素的最小、最大长度,有效性判断请参见有赞,不做特殊说明,但务必符合实际业务场景。
    单品单价/库存设置
    单品数量依赖于商品规格,每种单品的单价/库存通常不同.允许批量设置单品价格和库存,单品的最低价格就是商品的展示价格。例如下图所示就有4种单品。
    这里写图片描述
    图例供参考,仅包含以下元素:
    元素 必填 有效性 说明
    单品所属规格选项 显示 依据商品规格自动生成
    价格 是 默认0,最大为10万 *单品的最低价格=商品展示价格
    库存 是 默认0,最大为10万 总库存为各单品库存累计. 当库存为0时,代表单品缺货
    销量 显示 默认0 销量为实际单品销售数量,新增时默认为0.

    商品信息
    商品信息包含商品名、价格、总库存、商品展示图、商品简介、详情这六个元素.
    这里写图片描述

    售卖规则
    电商的售卖规则包括售卖形式(如定价、拍卖、众筹、一元拍)、是否折扣、是否允许使用卡券、积分抵扣、售卖对象等.

    以上就是极简的商品分析及商品管理设计。尚未涉及上下架、订单、多价格、售卖规则。以管窥豹,其实一个简单的商品,并不是想象的那么简单。产品之路,也非看起来那么简单。

    详细结构可参考另一篇好文
    http://www.cnblogs.com/leefreeman/p/4060227.html
    Note:该文的货品理解我有保留意见,对于单品的解析并不严格。

    展开全文
  • 产品经理知识体系专题

    千次阅读 2017-05-22 10:03:39
    产品经理,除了会竞品分析,还要会写产品分析。 26663人已学习22篇文章 产品经理必备文档技能 PRD、MRD、DRD、BRD各种文档撰写方法在这里。 23507人已学习4篇文章   产品经理必懂的技术知识 作为产品...
  • 产品经理知识体系——能力

    千次阅读 2018-05-30 22:28:03
    目前的产品经理和运营岗位的知识体系,都是各行各业产品运营的大佬在架构。这套体系并没有教科书式的权威,都带有自己的影子。经验丰富的产品经理发表的言论就是对的吗?做出了好的产品,一定是产品经理的功劳? 带...
  • 技术运营体系

    千次阅读 2019-11-24 20:47:13
    技术运营体系 概念 诞生背景 技术运营诞生于腾讯大规模业务 技术支持与产品运营 过程中逐步演进而产生的 是什么 技术运营以企业产品或业务投入产出比为核心关注点,并围绕此关注点开展一系列\n的解决方案...
  • 给开发向产品转型的同学的3句话

    千次阅读 2019-06-09 22:51:44
    先谈谈我自己的经历哈,在华为和索尼的时候做的都是开发,后来到阿里云这边做了人工智能产品经理,然后还很扯的在做产品经理的时候了本技术书《机器学习实践应用》。对于开发怎么转产品这个话题还是有一些想法的,...
  • 我们在经营一家B2B电商,在开发会员管理系统时,我们做了...不会代码也要做增长黑客--产品经理常用数据分析工具 本文由PMCAFF产品经理社区作者 @lh0635     原创, 未经允许,禁止转载。
  • 为什么挤破头进大厂,大厂如何设置薪资职级体系? 互联网大厂新入职员工各职级薪资对应表(技术线)~
  • 数据中台是一个系统工程,不仅是一个单纯的产品&技术的问题,同时也涉及到企业战略、组织架构等诸多方面。通过抽象与概况,我们可以把数据中台的建设相关的因素,抽象为人和事两个方面。人的层面是数据中台组织;事...
  • 在前面为什么要聊体系化?最重要的一个原因是“卷”。假期和朋友聊天,说我们在搞“产品体系化解决方案”,究竟怎么搞呢?不知道。我说“你们不是才搞完产品领域化吗?怎么又搞新的?产品领域化有什么...
  • 软件体系结构期末复习总结

    千次阅读 多人点赞 2020-08-18 21:14:41
    什么是软件体系结构? 软件体系结构是具有一定形式的结构化元素,抽象的讲,软件体系结构包括构成系统的设计元素的描述,设计元素的交互,设计元素组合的模式,以及在这些模式中的约束。具体的讲,体系结构 = 组件+...
  • 第1章 给-1到3岁的产品经理/11 1.1 为什么要做产品经理/13 坏产品:无处不在的危险/14 好产品:从垃圾桶到洗手间/15 1.2 我们到底是不是产品经理/20 产品究竟是什么/20 产品经理横空出世/21 他们真是招产品经理吗...
  • 项目交付体系

    千次阅读 2020-08-05 13:56:46
    项目是为了提供独特产品或服务而暂时承担的任务,项目的特征是临时性和唯一性。伴随公司的逐步发展尤其是产品型软件公司,企业的产品逐步趋于精品及完善,但如何能够提高项目交付速率...建立项目交付体系,提升项目交付
  • 软件体系结构期末复习题

    万次阅读 多人点赞 2019-06-11 15:05:54
    1.软件体系结构主要包括哪3个部分? 答:软件体系结构=构件+连接件+约束。软件体系结构是具有一定形式的结构化元素,即构件的集合,包括处理构件、数据构件和连接构件。处理构件负责对数据进行加工,数据构件是被...
  • 软件测试工程师发展方向知识架构体系图,会告诉你该往哪里努力:01Linux必备知识linux作为现在最流行的软件环境系统,一定需要掌握,目前的招聘要求都需要有linux能力。02互联网程序原理自动化必经之路:前端开发...
  • 本文来自于:零缺陷文化中心 零缺陷读后感:本文的非常清晰到位,重点介绍了华为公司质量管理前后的发展历程,同时也给我们一些质量管理的思路和指引。希望感兴趣的同学能够领悟下质量管理的精髓。从2000年开始,...
  • 产品开发管理之流程和体系(总篇) 前言 秋风瑟瑟,夏日的灼热犹在,就瞬间迎来刺骨寒风。凛冬将至,今天对我们来说,像贴面的利刃一样冰冷而真实。农民、建筑工人、司机、程序员、私企高管、私企老板、资本巨富,都...
  • 从测试流程角度,对产品质量的一些总结思考一、熟悉的场景二、测试流程拆解分析1、需求评审2、技术设计评审3、测试方案设计4、线下测试(含灰度)5、线上测试6、测试复盘7、线上监控三、总结 一、熟悉的场景 生产...
  • 微服务:架构体系的深度治理

    千次阅读 2019-09-05 16:03:47
    单纯依靠微服务框架层面的治理是远远不够的,需要构建贯穿研发、测试、运维、管理各领域的立体式的深度治理体系。 本文整理自天弘基金(余额宝)移动平台技术总监兼首席架构师李鑫在 QCon 全球软件开发大会(北京站...
  • 计算机网络体系结构

    千次阅读 2018-12-12 22:27:48
    计算机网络体系主要有两种,一种是OSI/RM国际标准的七层结构,由低到高分别是物理层、数据链路层、网络层、传输层、会话层、表示层和应用层,另一种是TCP/IP的非标准的,但是应用最广泛的四层体系结构,由低到高依次...
  • 数据分析-如何搭建业务指标体系

    千次阅读 2019-04-14 21:23:24
    如何搭建指标体系 一、为什么要搭建指标体系 一)对业务质量提出衡量标准 没有指标对业务进行系统衡量,我们就无法把控业务发展,无法对业务质量进行衡量,尤其现在很多企业多项业务并行,单一数据指标衡量很可能...
  • 会员体系的存在已经有了很长的历史,并且广泛应用于各行各业。本文以京东为例,分析其会员结构和激励策略,希望能给会员体系的构建与激励策略带来优化思路。
  • 计算机组成原理 — ARM 体系结构

    万次阅读 2020-05-05 13:30:58
    这种体系结构可以使操作系统控制整个系统的资源。 当应用程序发生异常中断时,处理器进入相应的异常模式。在每一种异常模式中都有一组寄存器,供相应的异常处理程序使用,这样就可以保证在进入异常模式时,用户模式...
  • 计算机体系结构.指令集架构

    千次阅读 多人点赞 2019-06-08 22:28:19
    计算机体系结构.指令集架构 微结构与ISA 微结构(Microarchitecture)对应的是底层硬件如何实现指令执行的,那么指令集架构(Instruction Set Architecture)对应的是程序员所看到的程序的模样。 具体指令是如何...
  • 计算机体系结构要点

    千次阅读 多人点赞 2017-11-21 16:22:06
    chapter1 计算机的种类 大型主机 小型机,超级计算机 微处理器 ...计算机体系结构定义—>两个概念 概念结构与功能特性 抽象层设计 计算机系统结构与计算机组成,实现的关系 程序员看到的计算
  • 软件体系结构与架构五大设计模式

    千次阅读 2019-11-28 20:22:50
    工厂和产品最好在一个包里,产品类就可以不是public的,这样只有工厂才可以访问产品,其他不在这个包里就无法直接访问这些产品,起到屏蔽产品类的作用。 可以看着下面的代码来理解一下简单工厂模式具体代码说明 //...
  • 软件工程---6.体系结构设计

    千次阅读 2019-12-11 09:16:50
    体系结构模型是什么? 体系结构模型,该模型描述系统如何被组织为一组相互通信的构件 体系结构分类 **小体系结构关注单个程序的体系结构。**在这个层次上,我们关注单个的程序是如何补分解为构件的。 大体系结构...
  • 软件体系结构基本概念汇总

    千次阅读 2020-06-01 17:45:57
    二、名词解释(每题2分,共20分) 1、B/S 答:浏览器/server风格,是三层应用结构的一种实现方式。 详细结构:浏览器/Webserver/数据库server...答:层次消息总线的软件体系结构风格(Hierarchical Message Bus—based S

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 142,844
精华内容 57,137
关键字:

产品体系怎么写