精华内容
下载资源
问答
  • 品质与业务的关系
    千次阅读
    2020-08-26 11:48:08

    在IT行业随波逐流了多年以后,我发现了一个共性的问题,那就是无论是在传统行业还是互联网行业,无论是做那种业务的公司,那么对于做业务的人和做系统研发的人来说,他们之间就会存在巨大的鸿沟,有的时候大到难以互相理解。因为本人现在在金融科技领域,所以试图从这个行业来进行解释。

    对于业务人员,常见疑问:

    1. 需要这么长时间的开发?我需要一个月之后上线,给你加人行不行?
    2. 业务系统都已经在线上运行了,为什么还需要投入研发?
    3. 为什么有些大到不可思议的改动很快就可以实现,而有些很小的改动却需要很长时间?
    4. “系统什么都能做”到底是不是忽悠?

    对于开发人员,常见疑问:

    1. 为什么需求老是变化?
    2. 为什么不找到一个最好的产品/模式,这样系统只用开发一次就行?
    3. 为什么系统优化这么重要的事情,都没有人关注?

    这种鸿沟无论是从认知层面还是从沟通层面都有体现,以至于他们之间的矛盾长期不可调和,那么这到底是怎么回事呢,又是怎么解决呢?且看下图:
    在这里插入图片描述这个图中蓝色的线表示需求的数量,绿色的线表示IT产出量,它描述了一个核心的矛盾,那就是业务诉求的变化剧烈程度远远超过IT产出能力的变化程度。而IT产出能力的提升有其自身的变化规律,可以描述为:

    1、在短期内,IT产出能力无法大幅提升,也就是说它有个“上限”。

    IT类型的工作有一个特点,那就是短期之内不容易被替换,这种特点可以用另外一种工作来类比,那就是绘画。对于一副画到一半的半成品,如果换一个人来继续画,那么要么就是画出来的画严重偏离了原作者的意图,要么就是需要比原作者更长的时间来完成。研发类的工作有类似的规律,一个设计都是有很多的意图或者潜在的设计思路在其中的,换了一个人很难快速以及完整的理解这些意图和思路,以至于时间反而会花的更加长。

    还可以引用另外一个段子,说一个女人花九个月就可以生一个孩子,那么加大人力投入,九个女人是不是能够在一个月就生出一个孩子?这种荒谬的想法却被换了一种形式在IT行业经常发生,例如常见的人月算法,一项1个人月的事情,是否可以用5个人在6天完成?很遗憾的是大部分情况是不行的,因为可以这样计算的前提是系统的细分模块互相之间关联度很小,可以“并行开发”,但是细分到一定层次就不能再细分了,就像怀孕只能由一个女人来完成一样,这个事情不能接力了。短期之内加人的结果就是投入产出严重不成正比,整体上影响其他项目的进度。

    2、IT产出能力也有一个“下限”,即使没有业务需求,研发也需要持续投入。

    这是怎么回事呢?IT系统的这个特征也可以用另外一个东西来类比,那就是汽车。汽车买完了之后不是说就可以一直开下去,它每年是要进行维护的,换个机油,换个滤芯,喷个漆打个蜡什么的,只不过IT系统的维护需要更加频繁。常见的情况有:

    • 依赖的第三方系统升级
    • 配合安全部门、合规部门、数据统计部门、财务部门进行系统、数据改造
    • 现有系统组件被检测出安全漏洞
    • 基础网络设施变化
    • 数据量累积定期迁移
    • 系统在大促期间的扩容和缩容
    • 升级的客诉工单的处理

    而通常这些变化和业务本身并没有直接关系,但是又不能不投入,用一句俗话来说,管生不管养是不行的,对于C端的业务来说,一个业务系统一旦上线并正常开展了业务,那么把业务和系统下掉就是一个漫长的过程,而无论它上面的业务是否发展的很好。当业务发展不好的系统越来越多的时候IT能力将会严重受制于这个“下限”,可以说是积重难返,应对业务变化的能力越来越小,速度越来越慢,整体效率越来越低。

    这些特征应该可以解答上面提到的一些问题。对于系统改动大小的问题,对于业务人员来说一般难以辨别什么改动算是大的改动,什么改动算是小的改动,因为有时候觉得很难的不可思议的改动居然很快就改了,而一些看起来很小的改动却被告知需要很长时间,这个问题其实也可以用盖房子进行类比,开始的诉求是一个人居住,所以盖了一间平房,然而过了五年因为人丁兴旺,需要盖一个楼房,但是平房的地基不深,无法承载一个楼房的重量,必须重新从打地基开始建起。对于不懂建筑的人来说,很难判断什么情况需要重新打地基,什么情况不需要,就像不了解系统的人看系统一样,很难判断什么是巨大的改动,什么是很小的改动。

    而对于IT系统能力的问题,可以说,IT系统的能力非常强大。从大的时间跨度来讲,信息技术已经对人类生活产生了翻天覆地的变化,而且这种变化还在无时无刻的进行之中;从小的范围来讲,余额宝这些宝宝类产品已经把人们的消费理财观念和习惯提升了一个档次;从一个公司的业务的角度来讲,IT能力还有巨大的潜力可以挖掘。这通常会给人一种错觉,认为技术什么都能实现,那么真的是这样的吗?其实不然,可以分两个层面来说:

    • 原理上无法实现的东西不能实现。例如开发一个可以准确预测股市走向的系统,一个可以在短时间内破解高强度加密信息的系统。
    • 原理上能实现的都能实现,但是通常会有人力物力财力的投入作为前提条件。然而业务人员一般只是喜欢听肯定的结论,忽视或者不愿意提起隐含的前提,使得实际操作上来说不可实现。即使强行推进,也会很容易陷入无休无止的成本泥潭,进入一种进退两难的境况,同时也错失了业务发展的良好时机。

    所以,“技术什么都能实现”要么是业务人员的一厢情愿,要么是技术人员刚拿完奖金的酒后豪言壮语,再要么是一个无知少年对技术的盲目崇拜。

    反过来看,对于技术人员来说,业务也是难以理解的,最大的问题恐怕就是:需求为什么老是变化?

    今天提的需求,过两个星期就变了,旧的项目刚做完又要开始新的模式的新项目…为什么不能稳定呢?解释这个问题其实也是很简单,因为业务系统是人们真实的生产生活的映射,交易类系统是人们现实交易在计算机上的一种表示,所以系统的复杂性来源于业务的复杂性,业务复杂系统就复杂,业务简单系统就简单,业务变化快系统就变化快,业务变化慢系统就变化慢。

    对于互联网金融交易系统来说,业务系统复杂性取决于金融业务的复杂性,其他行业也适用于这个结论。举个例子,资管机构在控制资金端流动性风险的时候,通常会采用很多控制策略,例如每个月固定时间开放一天(月固定定开)、每个月开放一天(月开)、每个月相对某天开放(月对开)、每日开放、每周开放等,对于研发人员来说眼花缭乱毫无头绪,系统设计的模式根本赶不上变化,隔三差五需要修改,但是对于业务人员来说,都很简单啊,控制流动性嘛。所以对业务本质理解的深入程度直接决定了对系统进行架构的优良程度。

    另外一个问题,为什么不能找到一个收益最高的产品,一直卖就好了?就像华为苹果小米的手机,长期卖的很好,为什么不能采用这样的模式呢,系统也可以少开发几套?这个问题其实也是好解释,那就是实物商品的好坏很好判断,但是金融产品的好坏是很难判断的,而且实物商品品质很稳定,但是金融产品的“品质”却很不稳定。所以无法找到一个“好”的金融产品并且一直卖下去。

    还有,研发人员会对系统优化有持续的热情,但是对系统优化的强调却基本得不到业务人员的认同,这是为什么?很简单,角度不一样,业务关注的是交易的交易量,收入,业务的利润等,系统优化是什么,具体能够对业务指标提升多少呢?如果无法明确,那么还是算了吧。那么这种说法到底有没有道理呢,其实是不矛盾的,业务人员关注的是短期目标,研发人员关注的是长期目标,只是通常需要在这些目标之间进行权衡。系统优化对业务的提升通常是缓慢温和的,但是长期来讲是巨大和根本的,行业领先的金融机构例如招商银行,二十年来一直在系统方面大力投入,积累起来的综合实力已经使其远远领先于其他金融机构,并且竞争壁垒极高,难以复制。

    综上所述,业务人员和研发人员的分歧往往来源于自己的认知领域的不同,对于同一件事情在不同的角度观察的不同,对于短期目标和长期目标的认知不同。但是IT产出能力与业务需求的变化之间的矛盾却是一个长期和固有的矛盾,这个矛盾恐怕不能消除,但是可以不断的缓解:

    1、提升IT产能

    通过多种方式可以将IT提升业务的“上限”持续提升,例如:

    • 增加人员。当然远水不解近渴,加人可以在中长期提升产能,但是短期不能。
    • 增加时间。对于大部分互联网公司来说,这点上面已经做得“很好了”,但是这种方式最严重的问题就是不可持续,而且有天花板,就是到了一定程度再怎么增加时间也不能继续提升产能。
    • 优化流程。同样几件事情,如果换一种方式做就会更加高效,举个例子,研发和测试的边界点,在目前的实践中普遍采用了研发面对面交付测试的模式,虽然对研发带来更多的工作量,但是整体效率却提升了。
      优化架构。同样一个目标,如果换一种实现方式或者思路,就能更快更好的完成,例如非业务功能尽量中台化,可以称之为“拿来主义”,使用第三方提供的公用平台可以加快系统建设速度。
    • 需求排序和分期。在短期产能无法快速提升以及架构无法短期优化的情况之下,怎么缓解需求矛盾呢,这个时候就需要仔细评估需求的投入产出比,或者依据项目的重要程度进行一定的排序了,实际情况是每个项目都很重要,每个项目都很紧急,但是再紧急也需要排序,从中找到当下最需要做的事情,这个当然是需要业务人员和研发人员密切配合才能进行。

    2、降低系统维护难度

    其实是降低IT产能的“下限”,使得最低投入越来越小,例如:

    • 业务下线。通常一个业务上线了之后会运行很长的时间,出于合法合规的要求,一般的业务一旦有了存量,那么除非用户主动同意,否则是无法对用户进行清仓的,从而导致即使业务发展较差甚至亏损也不能将业务下线。这个情况直接导致各种各样的系统一直存续,按照上面的分析,IT能力的下限将会变得很高,也就是固定投入将会是长期和持续的,所以需要把业务下线也作为一个重要的事项来推进,简单来说,业务人员不能只是关注上线一个又一个的业务,也需要关注下线一个又一个的业务。下线的过程仍然是需要业务、运营、系统研发各方的密切配合,其结果将有效降低固定IT投入,同时还能提升IT能力上限。
    • 系统优化。俗话说,磨刀不误砍柴工,系统优化和升级是个长期和不断需要进行的事项,因为它会长期和有效的提升IT产能,这个是业务人员通常会忽视的事情。拿跑步来说,穿一双不太舒服的鞋子一样能够跑,那么是否需要换一双好点的鞋子?这个问题,通常在短期很难看到效果,长期来讲会得到很好的收益,但是业务人员通常迫于眼前的压力,会选择不是很好的方案,并在压力解除的时候也不会主动推动系统优化。

    简单来说,业务人员和技术人员需要真正深入的互相理解和互相配合才能解决效率问题,因为从业务盈利的目标上来讲,两者是密不可分的。【END】

    本文作者:京东数科 邹保威
    文章来源:“京东数科技术说”微信公众号
    原文链接: https://mp.weixin.qq.com/s/M76sUGmbMhc6whnh7dWyZQ
    更多好文欢迎关注“京东数科技术说”微信公众号,我们只凭技术说话!

    更多相关内容
  • ASON作为业务网,可以直接为客户提供高品质的专线,BoD和OVPN等新业务。本文主要探讨了ASON作为业务网时,提供BoD和OVPN等新业务的方式。  1、引言  随着ASON技术的不断发展和应用,传送网正在经历从承载网络向...
  • 优质的服务质量已成为...运维如何从客户的角度促进服务的提升和产品/业务品质的提高,是目前各运营商迫切需要改进的问题。本文分析了客户感知和运维之间的关联关系,并针对运维部门如何提高客户感知提出了解决策略。
  • 以用户体验为准则,以业务需求为核心,以直播技术为依托, 全方位打造品质直播,会成为企业当下推动营销和培训增长,最大程度释放直播价值的必然路径
  • 广智书店业务综合管理系统
  • 算法数据中台:网约车业务实践

    千次阅读 2020-09-15 17:52:21
    在O2O 模式下,网约车平台成为其中最为经典的案例,无论是美国的 Uber 还是国内的滴滴都已经发展成为社会的基础设施。...业务和产品的快速迭代需要依靠优良的系统架构,而算法数据中台在整体架构中又发挥了

    在O2O 模式下,网约车平台成为其中最为经典的案例,无论是美国的 Uber 还是国内的滴滴都已经发展成为社会的基础设施。
    网约车平台的使用界面
    网约车平台的使用界面

    从这两大巨头的发展史来看,尽管前期它们都是利用补贴大战来完成对市场的占领的,但是随后它们也都专注于更为精细的运营和服务,以便满足乘客、司机和平台这三方的利益诉求。

    为了实现这些目标,Uber 和滴滴等网约车平台都聚焦于技术的深耕和创新,它们的成功实践经验表明技术是业务发展的强大驱动力。业务和产品的快速迭代需要依靠优良的系统架构,而算法与数据中台在整体架构中又发挥了极为重要的作用,它是实现数据驱动和智能调度的核心组件

    本文选自《算法与数据中台:基于Google、Facebook与微博实践》一书,我们将围绕着网约车平台来探讨一下算法与数据中台在该业务中的重要意义和实践经验。
    在这里插入图片描述

    数据中台技术架构

    从乘客和司机的角度来看,网约车平台的整个运行过程是十分简单的,他们似乎感知不到背后互联网技术的存在。但实际上正是由于技术的支持和赋能,才给予了使用者更简单、更流畅和更智能的体验。
    这里我们着重围绕整体架构与核心算法来阐述网约车平台背后的技术力量。

    ▊ 1 分层系统架构

    我们可以把网约车平台的典型系统架构简化为这样的分层设计模型。
    在这里插入图片描述网约车平台的分层系统架构

    其包含了产品接入平台、业务中台、算法与数据中台以及基础架构这四个互相依赖的层次。

    产品接入平台 : 该平台不仅为乘客(用车需求方)和司机(用车服务方)提供了对接入口,而且也满足了来自不同业务线的乘车产品的功能性需求。

    业务中台 : 它包含了网约车业务中最核心和最通用的业务,其中需求池、运力池、调度系统、订单系统、司机系统、分单系统、定价系统和策略引擎等是业务中台里至关重要的组成部分。业务中台是网约车业务区别于其他互联网业务的核心部分,它体现了与打车最为密切的功能特性和业务策略。

    算法与数据中台 : 它是支持网约车业务中各种产品与功能进行数据驱动和智能化升级的关键组件。通常来说,它由用户画像服务、司机画像服务、LBS 数据服务、机器学习平台、在线预估服务和样本拼接系统等部分构成。

    基础架构 : 作为底层支持,它为网约车业务中的上层建筑提供了必要的存储保障、算力保障、资源保障、运维保障以及其他必要的支撑。该层面的系统和其他互联网系统中的基础架构组件没有本质区别。

    ▊ 2 业务中台

    业务中台管理着打车、分单、接单和定价等核心业务流程,因此它也集成了如下网约车平台中最通用的业务系统。

    需求池和运力池:这两个系统分别管理着出行需求信息和车辆运力信息。

    调度系统:它可以根据不同的分单场景和需求,在资源调度的过程中选择抢单模式或者分单模式。

    订单系统:它管理着所有的历史订单以及当前的订单状态。

    司机系统:它管理着所有司机端的数据和状态。

    分单系统:作为最核心的业务系统,它需要从全局的角度将订单和司机进行高效匹配。

    抢单系统:在抢单模式下,它需要对乘客订单在多个司机间的争抢来进行仲裁。

    策略引擎:它需要根据机器学习模型、专家规则和人工策略对业务系统的运行过程进行干预与指导,从而提高系统的智能化水平。

    定价系统:它需要根据里程、时间、供需关系以及其他数据对行程进行动态定价。

    在这些业务系统中,分单系统占据着核心地位,因此,我们着重对这一部分进行介绍。在任意时刻都会有众多的乘车需求和闲置运力等待匹配,分单系统便承担了对供需进行高效匹配的重任。为了满足多种打车产品的功能性需求,平衡多方的利益诉求,并且实现资源的优化配置,分单系统通常都有着复杂的运行逻辑。我们需要知道,当分单系统完成了订单和司机的匹配后,乘客会有一定的概率进行订单撤销操作,同时司机也会有一定的概率选择拒绝接单。因此,分单系统的一个重要优化目标就是降低这些有损订单成交的操作,系统需要在算力可行和决策时间有限的约束下来实现总成交量或总成交额最大化的分单目标。

    以城市或者行政区域为界限,我们可以把这个范围内的所有订单和司机的匹配需求按照 DO(Driver-Order)匹配矩阵抽象为数据模型。
    在这里插入图片描述
    司机与订单的 DO 对矩阵和二分图最佳匹配示意图

    上图左侧横行代表了所有的订单,竖列代表了所有的司机,它们之间都是可以匹配的,但是匹配的概率各不相同。此外,这里有一个重要的现实约束条件,即一个司机在同一时刻只能匹配一个订单,并且一个订单在同一时刻只能被一个司机接单。因此,匹配问题又可以转化成一个如右侧所示的二分图最佳匹配问题(连线代表有一定的权值),它的最终优化目标是使得所有连线的权值之和最大化,经典的 KM 算法(Kuhn Munkres Assignment Algorithm)比较适合解决此类问题。在进行二分图匹配的求解过程中,系统需要对权值进行数值定义。如果以交易额为优化目标,那么权值就是订单价值乘上预估的成交概率;如果单纯以交易量为优化目标,那么权值就是成交概率。平台可以在不同的阶段和场景下采用不同的权值定义,并且权值的设定也需要考虑一些运营策略和安全因素,例如,评分较低的司机或者乘客需要被降权。
    在这里插入图片描述

    分单系统的大体运行流程图
    上图展示了分单系统的大体运行流程,它包括权值计算和权值调整两个关键阶段。权值计算基本上是根据行车距离以及其他硬性规则来进行成交额的估算,这里的距离可以被定义为球面距离或者路面距离。权值调整则是根据模型预估以及一些运营策略和安全策略来进行权值的加权、降权或者过滤操作。从分单的全流程来看,整个过程涉及多种数据,以及包括应答率预估、等车时长预估以及安全预估等多个机器学习模型的使用,因此算法与数据中台在这个场景中为分单系统提供了重要的数据和智能支撑。

    ▊ 3 算法与数据中台

    算法与数据中台是网约车业务进行数据驱动决策和智能化升级的必要条件,正如前文中所探讨的,业务系统中的各个环节均需要它来提供支撑。在网约车业务中,最为核心的数据可以被归纳到用户数据、运力数据和订单数据三个方面。

    用户数据 : 从平台的角度来看,用户数据包括乘客信息和司机信息两部分,完善的用户画像对于网约车平台进行资源的有效调度起着关键作用。乘客画像一般包括乘客的性别、年龄、身份和是否为车主等信息,这些数据可以被平台用来进行价格的动态调整,从而实现运力资源的调配和优化。司机画像一般包括司机的年龄、性别、驾驶习惯、信用分以及投诉记录等信息,这些数据可以被平台用来进行激励策略的动态调整,以便实现运力的有效配置。

    运力数据 : 运力数据在网约车业务中有着不可替代的影响力,通过对与运力相关的实时特性以及历史特性的掌握,平台可以有效地实现资源利用效率和多方利益的最大化。网约车平台一般将地理区域按照一定规则划分为多个较小的子区域并统计各个子区域的实时运力信息和历史运力信息。实时运力信息一般包括当前的司机数、订单数、未播发的订单数等信息,而历史运力信息一般包括过去一段时间的司机数以及相同时间段的订单数等信息。

    订单数据 : 订单数据包括两部分,即当前订单的详细信息和历史订单的统计信息。当前订单的详细信息里包含了预估价格、预估时间、预估距离、折扣率和产品选择等,而历史订单的统计信息里一般包含了历史订单数、历史消费金额、历史订单取消数、历史打车产品类型以及历史投诉订单数等信息。

    要将上面这些数据充分应用和赋能到网约车业务中,则需要借助机器学习模型和业务策略机制来实现。下面我们就算法模型在网约车平台中的使用场景进行简要介绍。

    订单展示:平台可以依据算法模型对出行时间和出行价格进行准确预估。

    订单定价:平台可以利用算法模型对应答率、转化率和留存率等指标进行精准预估,并将这些预估值作为定价策略的依据。

    运力估算:平台可以构建供需预测模型,并基于模型预估值为乘客提供打车排队时间的预估值。

    智能分单:平台可以利用诸如强化学习等更为复杂的算法来进行订单的分发。

    乘车安全:平台可以建立相应的机器学习模型来预测司机和乘客的冲突概率,或者司机对乘客的骚扰概率,进而提升乘车的安全性和乘车体验。

    通过上面的介绍,我们可以看到数据和算法已经成为网约车业务中不可替代的决定性要素,而算法与数据中台则为业务的快速发展和智能化升级提供了重要支撑。
    接下来,我们从打车定价和打车安全这两个核心场景进行探讨,并阐述算法与数据中台在这些场景中的应用。

    案例一:打车定价场景

    网约车平台需要同时兼顾乘客、司机和平台这三方的利益诉求,而在所有因素中出行价格则占有核心地位,它直接影响了乘客对出行方式的选择、司机的服务利润以及平台的商业利益。本节我们将对打车定价场景进行探讨并分析算法与数据中台在该场景中的作用。

    ▊ 1 场景描述

    为了兼顾灵活性和执行效率,网约车平台一般会将规则定价策略和智能定价策略结合起来,进而实现动态价格。

    规则定价策略
    它与传统的出租车定价策略并无本质区别,该策略会按照城市、里程和时间等有明确定义的规则来产生基准的出行价格,这些规则也都会以明文的形式在打车应用中进行公布。由于这部分内容一般由运营团队和数据分析团队来制定,因此这里不做过多描述。

    智能定价策略
    作为规则定价的重要补充,智能定价是网约车平台所具备的独特定价方式。相比于司机和乘客,网约车平台不仅可以感知全局的即时供需情况,它也拥有丰富的历史数据积累。智能定价的一个核心目标是负责统筹全局来满足乘客和司机的需求,并在此基础上完成自己的商业目标。

    一个完善的动态价格机制需要考虑闲置运力、乘客意愿、使用场景以及历史数据等一系列因素,由于现实场景的复杂性,在专家规则的基础上,平台需要更多地借助数据和算法来进行价格的动态调整。举例来说,价格的动态上浮比例以及下浮折扣率都需要基于大量历史数据和准确的机器学习模型来计算得到。由此可见,算法与数据中台在智能定价场景中有着举足轻重的影响,我们可以用下图来描述它在这个业务场景中的应用。
    在这里插入图片描述
    算法与数据中台在定价场景中的应用

    ▊ 2 价格动态下浮策略

    价格的动态下浮在网约车平台里十分常见,其通常采用抵用券、打折和一口价等方式来展现。
    在这里插入图片描述
    打车价格浮动示意图

    价格的动态下浮是一定发展阶段下和某些市场营销需求下的运营手段,也是实现三方利益最大化的技术手段。一般来说,通过对价格进行合理尺度的下浮操作,平台可以在自己利润正向的前提下来促进订单总量和司机留存的提升。

    网约车平台里的动态定价策略通常涉及订单转化率和订单价值这两个核心指标。

    前者衡量的是乘客看到预估价格等信息后所表现出来的用车意愿的强烈程度,后者衡量的是订单的实际价值。订单价值在不同的平台或者不同的运营阶段有着不同的含义,平台既可以将订单价值定义为订单费用的数额,也可以把它定义为司机在单位时间内的收益。价格下浮定价策略的一个典型应用场景就是寻找到那些订单转化率很低但是订单价值却很高的订单,并针对这些订单进行降价操作。

    价格下浮定价策略会给予这类订单一定比例的折扣(如下图),以便在保障订单价值不受过大损失的情况下来快速提升订单转化率,从而实现整体利益的最大化。
    在这里插入图片描述
    打车定价场景下的订单转化率和订单价值的关系

    降价的幅度通常以折扣率来表示,因此我们可以建立折扣率和订单转化率之间的关系,这种关系完全可以通过机器学习模型来描述,其中折扣率是该模型中一个非常重要的特征
    在这里插入图片描述
    订单转化率模型的特征选择和模型演进方向

    在特征选择方面,除了折扣率,乘客的画像特征、打车记录特征、行程、预估价格和运力供给等因素也与订单转化率有非常大的相关性。在机器学习模型的选择上,我们也看到了从简单的 LR 模型到 XGBoost 模型再到DNN模型的演进方向。无论是特征的选择还是模型的迭代,除了最基本的离线评估,网约车平台都需要借助算法与数据中台里的 AB 实验平台在真实场景下进行验证和评估。

    ▊ 3 价格动态上浮策略

    价格的动态上浮一般出现在诸如高峰期、极端天气和特别活动等供需不平衡的场景下。

    在供远小于需的场景下,由于闲置运力的缺乏,再多的出行订单也无法被有效满足,长时间的等待还会严重影响乘客的用户体验。通过对价格进行合理的动态上浮,平台可以迫使部分非刚需乘客放弃用车,从而更好地满足刚需乘客的用车需求。同时,平台利用较高的服务报酬也可以有效地吸引其他区域的空车司机前来接单,从而从更大的空间尺度上来实现供需平衡。

    价格动态上浮的尺度可以用司机的应答率来衡量,因此我们可以建立价格上浮比例和司机应答率之间的关系,这种关系完全可以通过机器学习模型来描述,其中价格上浮比例是该模型中一个非常重要的特征。在特征选择方面,除了价格上浮比例,司机应答率与下面这些因素也密切相关。

    历史特征:平均价格、昨天的历史应答率、一周前的历史应答率。

    实时特征:实时订单数、实时未播发订单数、实时空车司机数。

    空间特征:周围空车司机数、周围已创建订单数、周围抢单和发单比。

    订单特征:预估价格、预估时间、预估行驶距离、行驶方向。

    从机器学习模型选择的角度来看,该场景下的模型也经历了从简单到复杂的演进。目前来说,深度神经网络模型已经成为主流选择。理所当然地,特征和模型的迭代上线都需要将离线评估指标与AB 实验平台产生的在线指标作为主要评判依据。

    / 案例小结 /

    这个案例所阐述的智能定价方式只是网约车平台里定价策略的一种基本形式,在不同的时期和市场状况下,网约车平台所追求的目标是不一样的。在发展的初期,平台追求的是订单量的最大化而非运营利润;而在发展的中后期,平台则更多地考虑乘客、司机和平台这三方利益的平衡。在平台的不同发展阶段以及定价策略的迭代过程中,数据和算法总是发挥了重要作用,特别是在平台转入精细化运营阶段后,算法与数据中台则发挥了决定性作用。

    案例二:打车安全场景

    出行安全是所有乘客都关心的首要问题。相比于出行费用和出行品质,出行安全对于网约车平台来说是一个更基本的要求,特别是在多起安全事故之后,对于乘客和司机的安全保障成为网约车行业中一个极为关切的话题。

    ▊ 1 场景描述

    各类网约车平台为了切实保障乘客和司机的出行安全,纷纷出台了实名认证、行程分享、全程录音等多种安全保障措施。但这些基本上都属于事后补救措施,要做到事前预防,则需要在撮合订单和司机过程中进行,这就是本节所要阐述的派单安全保障机制。

    部分女性乘客可能会有这样的经历,在深夜里打车去往地点较为偏僻的地方时,她们往往需要等待较长时间才会有司机接单。同理,对于女性司机来说,在深夜时也基本不会接前往偏僻目的地的乘客订单,这些现象背后都有派单安全保障机制的参与。派单系统将自动地分析安全事故在各类场景下的可能性,从而避免高风险订单的分发。系统通常会结合乘客的出行习惯、司机驾驶习惯、历史订单信息和投诉记录等特征来进行综合判断。派单安全保障机制往往需要借助机器学习模型来进行风险预测,它可以在上文中介绍的二分图匹配算法里降低那些具有较高风险匹配对的权值。

    举例来说,我们可以为派单安全保障机制建立如下一些机器学习模型。

    司乘冲突模型:用来预估司机和乘客发生冲突的概率。

    司机骚扰模型:用来预估司机对乘客实施骚扰的概率。

    醉酒伤人模型:用来预估乘客醉酒可能导致伤人的概率。

    ▊ 2 安全策略

    限于篇幅,这里我们仅对司机骚扰模型在派单安全保障机制中的可能应用方案进行探讨。

    司机骚扰模型在派单安全保障机制中的应用方案原理示意图。
    在这里插入图片描述
    派单系统会利用司机骚扰模型来预测乘客订单 O4 和司机 D1 或司机 D4 之间发生骚扰的概率。假设该订单与司机 D4 之间的预估骚扰概率大于某个设定阈值,那么该匹配会被直接过滤;假设该订单与司机 D3 之间的预估骚扰概率较小,那么该匹配会被降权处理。

    在这类场景下的模型中,乘客和司机双方的用户画像具有突出的特征重要性,具体来说,模型可以考察如下一些特征数据。

    乘客特征:年龄、性别、近期订单次数、用券情况、打车产出选择等。

    司机特征:年龄、性别、驾驶习惯、历史订单信息、信用分、投诉记录等。

    订单信息:目的地坐标、行驶路线、行驶距离、当前时间和天气等。

    司机骚扰预测这类的安全机制模型和其他场景下的模型有一些不同之处,由于样本稀疏且实验成本很高,因此它无法完全依赖 AB 实验平台来进行在线评估。这类模型一般会转而利用订单请求回放的方式来进行离线评估。在线评估一般只是为了试探模型对诸如应答率和订单数等其他指标的影响,从而避免过度惩罚对于用户正常出行需求的负面影响。

    / 案例小结 /

    对于出行安全的保障是网约车平台得以生存的根本所在,除了全程录音等事后补救措施,更重要的机制是提前预防安全事故的发生。在订单和司机的匹配过程中加入多种与安全策略相关的机器学习模型是一个可行的技术方案。

    (完)

    本文有删减,完整案例详解请见《算法与数据中台:基于Google、Facebook与微博实践》一书。
    在这里插入图片描述
    算法与数据中台:基于Google、Facebook与微博实践

    詹盈 著

    智能数据中台横空出世

    Facebook、Google、Uber、阿里、腾讯技术带头人领衔力荐

    本书作者依据在Google、Facebook、新浪微博及滴滴出行等中美一流互联网公司的实际工作经历,对算法技术、数据技术,以及围绕它们进行的技术中台建设实践进行了全面的探讨,并在此基础上对信息流推荐、计算广告及智能出行等核心互联网业务进行了案例剖析。

    展开全文
  • 代理商合作合同协议(平台业务)-6页.doc
  • 搜索事业部产品负责人思函从业务的角度,尤其是技术和商业结合的角度,对技术在整个阿里巴巴商业环境中所能起到的作用进行了阐述和分享。 思函,阿里巴巴研究员。2005年加入阿里巴巴,最早在雅虎中国从事搜索产品...

    阿里妹导读:近期,阿里巴巴在美国加利福尼州森尼韦尔市举办了首个“搜索和计算技术开放日”,分享全球化背景下阿里互联网技术前沿应用经验和未来发展观点。搜索事业部产品负责人思函从业务的角度,尤其是技术和商业结合的角度,对技术在整个阿里巴巴商业环境中所能起到的作用进行了阐述和分享。

                       

    思函,阿里巴巴研究员。2005年加入阿里巴巴,最早在雅虎中国从事搜索产品工作,从2009年开始,一直负责淘宝和天猫核心搜索推荐的产品及运营业务。


     

    “如果没有技术参与的话,整个阿里巴巴要引领商业变革的理想是很难完全实现的,而技术在这个过程中越来越起到核心的作用”,思函在当日的活动现场如是说。下面是他演讲稿的内容整理。

     

    一、技术促进繁荣生态


    很多人都知道阿里巴巴是一个生态。它有一个非常重要的特点,也就是阿里巴巴,尤其以淘宝天猫为核心的整个阿里巴巴新零售的生态,在全球范围内算得上是独一无二的。为什么独一无二呢?

     

    第一,就中国的消费领域来讲,用户众多且多元化,我们既有北上广深这种消费水平与欧美大都市接近的地方,又有许多贫穷落后的地方,不同地方用户的消费能力以及他对商品和商业的理解是有很大差异的。而且每个多元化中间的细分领域都有足够多的用户,可以支撑足够大的产业。这种用户多元化的特点是阿里新零售独一无二多元化生态的基础之一。

     

    第二,中国被称为世界工厂,我们的设计生产和制造能力有着完整、丰富、敏捷的特征。简单地讲,我们什么都能生产,而且还非常快速。就拿浙江来说吧,浙江本身就有大量工厂,市场上需要什么东西,工厂很快就能生产,杭州本身也是服饰类商品的重要集散地,而义乌又是全国最重要的小商品集散地。所以整个供应链是非常及时、敏捷的,只有这样的供应链才能快速响应不同用户的多元化需求,不然光有用户需求没有商品供应也不行的。


    中国在生产方面的特点也是全世界其他地方所没有的,所以跟用户多元化的需求结合起来,就构成了阿里最丰富的多元化生态的基础。同时,也正是有淘宝天猫这种多元化的平台,也反向促进了中国多元化的生产形态,比如我碰到过一个案例,有一个淘宝卖家生产的是一种很特殊的螺丝,在没有淘宝的时候,他所在的一个城市可能只有很少的用户,但有了淘宝,全国的用户加起来,就可以支撑他持续生产这种产品。

     

    第三,除了电商生态外,整个新零售的体系是一个更大的生态,我们的用户非常多样,用户的需求也逐渐升级,比如有些用户的购物目的性很强,有些用户可能就只是想享受“逛一逛”的乐趣,甚至现在有的用户上手淘上根本就不是要买东西,而是要看看有意思的直播、视频和文章。我们的商品也一样,有奢侈品、有品牌商品,还有小众的特色商品,有高端的,也有性价比高的。


    我们还有网红、达人的参与,最火的网红和特色卖家已经有数千万计的粉丝,所以目前淘宝现在逐渐已经从一个购物货架,发展成一个消费者社区和消费平台。围绕着整个生态,我们还有很多服务机构,线上线下打通。我们所覆盖的场景也越来越多元化,线上不同客户端的产品、搜索推荐场景、营销场景等,同时线下也有大量覆盖的新零售场景等。

     


    所以对于这么一个复杂的生态,一方面,我们的根本目标是促进这个生态的持续繁荣,而不是只解决个别的、局部的、短期的问题,这是与其它互联网应用完全不同的地方,比如我们不是要满足用户需求就够了,我们还需要让商家、达人都能快速成长,好的东西能快速浮现出来提供给用户。另一方面,由于我们生态体量庞大,千万级的商家,亿级的用户,数十亿级的商品,每天海量的用户行为,并且大量需要实时处理。所以这些问题已经完全不是传统方法所能解决的,必须有技术的深度参与,技术已经越来越成为生态繁荣的核心驱动力;同时,这种独一无二的生态特点,也给技术提供了其它领域完全无法比拟的挑战和机遇。

     

    讲的再具体一些,从生态角度和业务角度而言,对技术造成的具体挑战是什么?我们觉得核心是通过技术对多目标进行优化,并且这个优化还不是短期优化,必须是长期乃至前瞻性的优化。比如一个算法优化不是带来用户指标提升就可以的,必须重视对商家和商品的影响,尤其是对商家长期经营行为和平台商品丰富性的影响。我们要让用户满意,同时也要让平台的品牌商家、特色商家、性价比商家都能找到很好的发展空间。


    再举个例子,很多用户都喜欢买打折促销的商品,这种商品的短期成交也普遍很好,那我们是不是要主推这种商品给用户?事实上这里边有商业逻辑的,卖家的新品通常不希望打折,而积压的库存会非常愿意打折,而有的卖家打折商品是亏钱的,目的是引流用户去组合购买店内的其它商品,如果我们只把促销商品展现给用户,而不考虑商业端的特性,必然损害商家长期利益,商家对平台的粘性会逐步下降。从另一方面讲,总是把打折促销的商品展现给用户,也容易使用户对平台产生促销平台的认知,用户有正常或者中高端购物需求的时候,相反就会选择其它平台。



    所以我们技术在构建和优化的时候就必须要适应和理解这种商业生态,不能简单地做单目标局部短期优化,必须多目标长期地把这种商业生态需求同算法融合在一起。这对我们的算法有很大的挑战,同样也带来了很大的发展空间。

     

    二、技术提升商业效率


    与传统商业相比,互联网商业是有着较大不同,这种不同主要体现在三个方面。

     

    第一,流量集中化。线下的商业会有地理位置的限制,线下开一个店,能够自然而然地吸引周围的部分用户过去。它带来的问题,是好的东西不能快速呈现给更多用户,而不好的东西也会有一定生存空间,并不利于商品的优胜劣汰,比如三线及以下城市和乡村地区的假货,跟线下实体店的模式是有关系的。而线上最重要的特点是用户和流量集中化,不再有地理位置限制,可以显著提升商业效率。这里对技术有非常强的依赖和挑战,要求我们能快速把好的商家和商品筛选出来给用户,把不好的淘汰掉,甚至要针对不同类型的用户和场景,更多体现某一类商品或商家的特点。一旦我们做不好,负向结果也会迅速扩大,会把不好的或者不适合的商品迅速推送给某个场景下某个用户群体,这样对生态对用户的损害也是非常显著的。

     

    第二,产品化。线上基于互联网的商业跟线下商业最大的不同就是,用户和卖家的自我选择权其实被一定程度限制了,尤其是卖家,他们必须依靠平台提供的产品和系统才能经营,如果没有工具和产品,卖家寸步难行,这和线下完全不同,线下卖家只要自己开个店,总能做一些事情。所以这方面也体现了我们技术和产品的价值,不是参与不参与或者参与多深入的问题,而是我们已经参与必须参与,甚至没有技术和产品,这个体系根本没有办法运转,卖家根本无法经营,买家根本无法挑选。

     

    第三,大数据赋能。在流量集中化和产品化的前提下,之所以技术能够提升商业效率,核心也在于线上环境有丰富的大数据,例如用户、商品、商家、交易、评价等数据,而这些大量的数据是结构化和打通的,在这个基础上技术才能有发挥的空间,才能去提升商业效率。在这方面,阿里的数据能力也是得天独厚的,我们的数据不但丰富真实,而且和商业有关的数据其实是最有价值的数据,这种肥沃的土壤也是在其它领域所无法比拟的。

     

    三、技术洞察商业本质


    商业系统是非常复杂的,要去理解它,远远没有想象的容易,这里也需要技术的深度参与。

     

    第一,用户是非常复杂的。也许很多人觉得,用户很简单,只要我拿到了数据,我就知道他是个什么样的人。但其实这件事情非常不简单。打个比方,在购物领域,针对不同领域的购物需求,用户的购物行为是不一样的。


    比如有的工程师,他总是穿公司发的衣服,一穿好几年,买的衣服都很便宜,但他买电子产品的时候,会买很贵高端的电子产品。还有一些女性用户,她不只是会给自己买东西,也会给全家人买东西。一个用户今天买了建材,过了半年就该买家具了,因为他在装修。在地铁里的时候,很多用户不会买很贵的需要长期决策的东西,而更容易买快消品这种不需要思考的东西。有很多这样的例子,所以如果你掌握了技术做搜索推荐,但搞不清楚用户的复杂性,没有精准挖掘用户的需求,那你推的东西可能就完全错了,这是很需要技术深入挖掘的,在技术上也有很大的机会。

     

    第二,面向的商家也是非常复杂的。阿里的平台上,存在各种不同类型的商家以不同的商业模式在经营,我们必须通过技术和算法去有效分析识别他们,让他们都能有充分的发展空间。举个例子,有些商家是品牌商家,这种商家可能今年双十一要卖的货,现在已经在设计甚至开始生产了。但很多商家不一定是品牌商家,他也有很强的生命力,不过模式不同。



    比如淘宝有很多从批发市场挑选货物,再到平台上进行售卖的商家。他们的特点就是可以在大量的商品中挑选中对消费者最有吸引力的商品,一个这样的大商家,可能每个星期可以从市场上的几千个款式的衣服中间选择几十款推给他的用户,所以他的优势就是快速响应,同时挑的款都很好看很吸引人,但他们的问题是因为不控制生产和供应链,所以品质会不稳定。这两种商家对消费者的服务和体验完全是不一样的,需要深入分析识别,然后个性化的对不同类型的用户和场景进行推荐和匹配,如果我们把他们混成一团的话,随意处理,对商家对消费者都会产生很多损害,甚至导致整个生态的不可持续。

     

    第三,我们面对数十亿计的商品,形形色色非常复杂。这种巨大的体量和复杂性,意味着我们是不可能靠人工把它们准确定义出来的,必须靠算法。举个例子,我们看一件衣服,什么叫“好看”?


    许多女性用户可以很快速地做出自己的判断,这件衣服很好看。把好看的衣服更多推荐给我们的消费者是算法系统的核心问题。但我们怎么用算法,用AI,把“好看”这件事情定义清楚?在浩如烟海的商品中自动找出最“好看”的商品?而且你还要分不同行业,男装、女装,鞋、裤子、箱包等,对“好看”的评价方法都是完全不同的。解决这个问题,除了需要把人的经验很好地体现在技术方面,也需要各种不同类型技术的结合,比如图像、文本、标签,也包括对用户偏好、对商家,对场景、对环境等各方面的深入了解。

     

    四、技术引领商业创新


    阿里巴巴在新零售领域,是要带来商业体系的巨大变革和创新,技术在这里边会起很大的作用,也是最核心的部分。

     

    第一,创新的智能商业体系。随着消费升级和用户需求的变化,越来越多以往的商业模式已经变得陈旧,带来很多问题,很多卖家也希望有本质的变化,这里边如果没有技术的参与,也是难以实现的。


    比如上边提到的去批发摊位选货的商家,因为不掌握上游供应链,所以商品品质不稳定,越来越难以适应消费者逐步升级的需求。所以很多这种卖家希望转型,有自己的设计团队,有自己的供应链,甚至有自己的原创品牌。但这里边面临一个问题,就是以前在市场选货,可以每周在几千款衣服里挑选合适的款式,选择面宽,被用户最后喜欢的几率也大。而自己有设计团队做原创之后,是没有办法设计出大量款式供挑选的,而自主设计的成本又很高。这里边就需要我们技术和算法帮助,能够针对他们的目标用户,去预测当前和近期市场的需求方向,甚至能精细到材质、风格、款式,来指导卖家的设计和生产方向,这样会大大增加卖家的收益,降低成本,使得自主设计生产成为一种新模式,并以此为基础培育淘宝丰富的特色商家生态。甚至于许多天猫的品牌商家,我们也可以用技术去帮他们来预测未来趋势,帮他们选品定款,显著提升成交量降低各种推广决策成本,完全改变以前传统的品牌经营模式。



    事实上,传统商业的分销代理渠道等模式,提升消费者的成本,降低了效率,换取的是商家可以分散风险,代理商的预定、批发等模式可以帮商家有计划地生产,有预期有规律地降低库存等。而线上模式取消了中间环节,极大提升了效率,但商家也面临风险的提升,所以技术在中间可以起到关键作用。一方面我们可以通过精巧的算法设计,让优质商品和商家可以比较稳定的获得用户,以指导其生产备货,更重要的是我们可以用大数据和人工智能来预测未来用户需求的走向,以帮助商家更高效精准的规划设计生产,降低成本和风险。

     

    第二,线上线下商业打通升级。在新零售背景下,线上和线下商业及大数据的结合,会带来商业模式根本的创新和改变。举个例子,现在大量家具商场,都是按照品类、品牌的方式来对顾客做展示。但不同的用户诉求是根本不同的,比如你不太可能既买北欧风格的餐桌,又买传统中式风格的沙发,你的消费能力也是有一个范围,不可能超出或者低于这个范围太多。所以当进入一个家具商场的时候,大多数用户是有不同的需求的。但我们现在很多家具市场并不是这样组织的,这样用户实际上耗费了大量时间。实际上只要我们能够把我们的线上线下的大数据,我们的算法能力有效地应用在这些场景下,我们就能够非常好地解决这个问题。


    首先我们线上线下数据是打通的,一个用户进到线下的这个场景,我们会知道他是谁,他是一个什么样的用户,他可能偏好什么样的东西,这样商场或品牌的导购员可能只需要用一个手机或者pad,就可以给用户制定一个合理的浏览路径,可以让用户首先对符合需求的品牌和商品有一个大致的认知,然后再有针对性地浏览。甚至于未来的线下的商场,都是要通过大数据的方法来对它的货品和品牌的摆放模式重新进行设计,也都是要通过算法和大数据来帮助消费者快速做选择和判断。这只是一个例子而已,在新零售背景下实际上有大量类似的场景可以给技术提供广阔的空间。

     

    第三,创新跨界市场的发现和培育。多元化的阿里生态,一个很重要的特征就是新物种和新模式的快速产生和成熟。这里边技术可以起到很强的催化剂作用。现在的用户越来越追求个性化,很多年轻用户并不希望自己和别人完全一样,而是希望能体现自身的独特价值和兴趣。而且这种独特价值的体现会越来越细分,越来越具体。而淘宝天猫由大量卖家和达人等组成的生态,具有很大的潜力去快速满足越来越多越来越细分的用户个性化需求,但另一方面我们的卖家往往对于“货”比较熟悉,对于用户潜在新的需求并不了解,即使他有这种设计生产能力,也不会有意识地进入这些新领域。而我们的买家有时候也根本不知道平台上已经有这种独特好玩的新事物。


    这就需要算法和技术能快速发现这些新的用户需求和新兴市场,一方面让对应的用户群体能接触到,激发他们的兴趣,另一方面也让供给端的卖家能够注意到这些市场的潜力,快速填补空白,带来创新市场的快速繁荣。比如我们前期基于技术和算法在原创设计和宠物服饰等领域进行了探索,使得这些市场短期内在淘宝上有了十几倍到几十倍的增长。这块工作还有大量的空间需要我们去探索。

     


    最后总结下来,阿里和新零售的生态,是在快速变化的,始终会给我们带来新的机遇和挑战。就拿我们自己团队举例子,一开始做搜索的时候,会觉得跟网页搜索区别不大,但事实上当我们了解了电商领域用户需求的特点和商家视角以后,就会发现其实这是一个崭新的世界。而后来我们把对商品认知场景的认知结合进来,又逐步把供应链和生产、营销领域的特点结合进来,过去一段时间又开始把线上线下打通,最近我们又开始在内容、社区、娱乐等方向拓展,每次探索技术的进步对我们的认知和方法都是一次很大的飞跃。我们在快速发展,也始终面临新的挑战和空间,这一点,无论对于技术还是产品团队,都是一件非常有吸引力、非常有挑战、又非常有意思的事情。

     

    而我们技术团队所从事的工作,不仅是对商业的升级和变革,还会实实在在影响那些在阿里和淘宝天猫平台上经营和生存的商家和合作伙伴,很多卖家和卖家背后的员工,因为我们所构建的平台和机制,有了新的希望和机遇,给他们带来人生和事业的转变。我们每一个优化和调整,可能都会影响到成千上万卖家的利益和经营方式。所以如何为这些卖家和合作伙伴,构建一个高效和持续发展的系统,始终可以让消费者满意,让诚信卖家可以不断发展,让卖家和他们背后的员工持续可以在这个平台上创新创业,实现他们的理想和价值,也是我们技术和产品团队做这项工作的核心价值所在。

    展开全文
  • 视频通信产品已经走入人们的生活,并衍生出许多应用,如视频会议、视频监控、应急调度、远程培训、远程协作等,它们极大地改善了我们的通信品质,为我们带来更大的方便更高的效率。  视频通信经过近年来在我国的...
  • 为了区分物料的材质、规格、品质、价格的差异一般将不同来源的物料编为不同的物料代码,但又希望简化管理,不因此建立新的产品BOM,因此在采购生产中产生物料替代的业务处理。 生产任务确认后,生产计划员或物料...

    先出整体流程图,详细功能后边补充。


    物料替代:某项物料在特定的条件下被另一项物料替代使用。

    业务背景:物料替代主要适用于企业在计划生产过程中某种物料不能满足需求时,可以用其他物料代替,以达到合理调配库存,保证正常生产的目的。

    在企业的实际的采购与生产中,基于下述原因或目的:

    • 分散风险,避免本企业的生产因外部供应的意外中断而被迫停产;
    • 促进外部竞争,迫使供应商提高品质、降低成本、改善交货与服务。经常采取一个物料由多个供应商竞争供货的措施。

    还可能存在下列情形:

    • 不同目标客户对品质的要求不同;
    • 为了降低成本而采用新的材质、规格型号的物料;
    • 工程更改等。

    为了区分物料的材质、规格、品质、价格的差异一般将不同来源的物料编为不同的物料代码,但又希望简化管理,不因此建立新的产品BOM,因此在采购与生产中产生物料替代的业务处理。

    生产任务确认后,生产计划员或物料计划员将物料分配给指定生产任务的业务处理,也可由系统自动分配,我们称之为生产投料。在投料时,可能会发生由于原生产任务单上的子项物料不足领料需要其他物料来替代的问题,那么就需要用到替代功能。根据应用的场院景不同,又分为自动替代和手工替代。

    生产投料时的物料自动替代的依据和原则
    1.自动替代的前提:生产任务单必须是由MPS或MRP跑出来的计划订单投放后产生,生产任务单的计划订单号与物料替代清单的上级单据号一致。
    2.自动替代的依据:如果系统参数“生产任务单确认时启用自动替代”为是,生产任务单在下达自动生成投料单时会考虑自动替代;如果该参数为否,则下达时不考虑自动替代。生产任务单在确认自动生成投料单考虑自动替代时,会按物料替代清单的子项物料的顺序依次替代,直至被替代的物料全部替代完全。

    3.自动替代的原则:考虑自动替代时,生产任务单按指定BOM生成投料的物料,如果发现物料是相关联的物料替代清单中的被替代物料,则生成投料单时,会将该物料进行替代。

    本文以工程更改驱动为线索,对金蝶K3的物料自动与手动替代逻辑和业务流程进行探讨。K3系统提供了完全自动替代和手工替代的功能,主要应用有以下几个步骤。

    一、设置替代关系
    进入 K3 系统,单击〖计划管理〗→〖生产数据管理〗→〖基础资料〗→〖物料替代关系-新增〗顺序进入“物料替代关系”新增界面;


    表单数据项说明:



    设置替代系主要有以下几个注意事项:
    1、替代关系是单向的。如果原始物料与替代物料可以相互替代,请手工建立反向的替代关系。
    2、一个物料也可以同时被几个物料替代,因此替代的优先级的设置尤为重要,替代优先级是必录项目,通过录入数字表示,比如录入1、2、3,那么优先级为“1”的物料优先级最高,“2”次之,“3”最低。
    3、如果被替代物料的属性“MRP计算是否合并需求”为是,则在定义物料替代关系时“适用BOM代码”处一定要为空,不能填入BOM代码,否则不能进行物料自动替代。这一点也是替代不能正常运行的重要原因。 因为这种情况下,需求是多个来源合并产生的,不同的来源可能是不同的 BOM引起的,系统无法判断是否应该替代,因此就不替代;反之如果该被替代物料属性“MRP计算是否合并需求”为否,则如果选择“适用BOM代码”,则系统将对指定的BOM中对应的物料进行替代,如果不选择“适用BOM代码”,则会进行物料替代。
    举例:假设有某被替代物料为“物料b”,在选择需求合并时,系统会将所有物料b的需求,按照需求日期进行合并,即多个BOM对应一个物料b,这种情况下如果需要定义物料c替代物料b,则在定义替代关系时“适用BOM代码”字段就不应该选择具体的BOM代码,而应该保持空白状态,因为b可能对应着多个BOM而不是一个BOM。如果客户确实存在需要选择所有包含物料b的BOM中的几个进行物料替代,则也应该定义物料属性“MRP计算是否合并需求”为否,而要在替代关系定义中定义多行明细,每行明细对应选择一个BOM代码。这样就可实现针对部分产品进行物料替代的功能。

    如果要设置物料自动替代,就需要先对MRP计算方案进行调整,如果只是要实现投料单的手工替代,可以跳过下文二-五章节。直接看第六章节内容即可。


    二、设置MRP计算运算方案
    编辑或修改MRP计算运算方案,在“运算参数”中的计算公式选择“预计入库数量+已分配数量”;在“其他参数”中的预计可用量计算中选择“考虑审核的物料替代清单作为预计量”;“考虑物料替代”。之所以需要进行这样设置,主要考虑替代本身就意味着被替代物料的预计入和替代物料的已分配,如果不考虑预计入库和已分配量则自然就不考虑物料替代了。系统中物料替代和考虑确认的物料替清单两个参数捆绑在一起,即只有考虑物料替代关系,才可考虑确认的物料替代清单。



    三、自动生成替代清单
    当上述两个步骤设置好以后,就可以进行MRP计算,在MPS对需求进行计算时会考虑到物料替代清单和物料的替代关系,同时会考虑替代关系中的优先级别,在MRP计算结束后,产生计划订单的同时会自动产生单据来源为“MRP产生”的物料替代清单。

    四、物料替代清单的维护
    物料替代清单的建立主要有以下两种途径:手工录入物料替代清单和通过MPS/MRP计算产生物料替代清单。只有计划状态的物料替代清单才可以修改和删除,物料替代清单一旦删除即不能撤消删除,只能重新建立。只有审核状态的物料替代清单才可以关闭,当物料替代清单中所有分录的投料替代量大于等于实际替代量时,单据自动变为业务关闭状态;当业务关闭的物料替代清单中所有分录中出现投料替代量小于实际替代量时,单据自动变为审核状态。手工关闭的物料替代清单才可以反关闭。

    五、生产投料单的自动替代
    必须是系统经过MRP计算的结果投放自动生成的生产任务单才可以实现生产投料的自动替代。步骤如下:
    1.在系统设置中的生产系统选项中选择“生产任务单确认时启用自动替代”选项。

    2.在“物料替代清单查询”中审核相关的自动生成的物料替代清单。

    3.将计划状态的生产任务单确认,自动生成的生产投料单中就会实现物料自动替代。供领料部门领料。

    六、生产投料单的手工替代:
    如果只有生产模块,没有购买计划模块,可以使用手工替代功能。
    本文主要讲手工一对一替代;
    按照第一章节维护好物料替代关系后,先由生产任务单/委外订单正常生成生产投料单,然后打开生产投料单;

    当然也可以在生产任务单页面查看下该物料的替代关系数据:

    打开未审核的生产领料单后,点击单据上方的“替换”按钮,系统将根据设置的替代关系自动完成生产投料单物料的替代,替代完毕后审核即可从生产任务单下推替代后的生产领料单:


    总结一下:
    1、如果要做物料替代,首先要维护物料替代关系;
    2、如果想实现自动物料替代,需要设置相关系统参数、MRP运算参数;
    3、如果没有计划模块,单据也不是MRP计划订单自动生成的,可以使用手工替换进行物料替代操作。

    FAQ:
    K3替代关系的时候,为什么替代料不会自动生产投料单上面去?
    1、替代关系没有审核;
    2、MRP运算没有勾选“考虑物料替代关系”;
    3、被替代的物料有库存或预计入库不需替代;
    4、如果没有用物料需求计划模块,不能实现自动替代,需要在投料单上进行手工替代。

    展开全文
  • 客户关系管理理论 期末复习

    千次阅读 2021-12-07 20:41:04
    客户关系管理理论 期末复习 参考教材:客户关系管理理论应用(第二版) 栾港 编著
  • Web Service SOA 关系 区别

    千次阅读 2013-06-30 11:39:04
    一个应用程序的业务逻辑(business logic)或某些单独的功能被模块化并作为服务呈现给消费者或客户端。这些服务的关键是他们的松耦合特性。例如,服务的接口和实现相独立。应用开发人员或者系统集成者可以通过组合一...
  • 基于业务描述语言BDL的需求方法论

    千次阅读 2020-07-25 17:09:30
    业务架构与业务需求之间是什么关系业务需求软件需求之间又是什么关系? 软件需求软件设计之间是什么关系? 设计实现、实现应用系统之间又是什么关系? 可以做到所需即所得吗? …… 说到需求我们爱恨...
  • 业务流程重组的概念

    千次阅读 2019-03-12 22:12:05
    业务流程重组(或企业过程重组、企业经营过程再造) BPR (Business Process Reengineering)是最早由美国的Michael Hammer 和Jame Champy提出的,在九十年代达到了全盛的一种管理...
  • WMS系统各业务环节规则及功能设计

    千次阅读 2021-03-27 00:56:12
    当有大量仓库的时候,要做好仓库间的关系处理,仓库间的具体关系取决于业务的实际情况,可能是中心仓-城市仓-前置仓,也可能是总部仓库-门店仓库,也可能增加一层仓库所属单位的关系。 3.有些特殊行业对仓库存储对象...
  • 2.产品经理:主要关注推动产品迭代、产品的实现效果、数据和业务、感知业务和产品的发展方向。 3.高级产品经理:主要关注商业价值和模式,以及和产品的全生命周期思考问题。 4.产品总监:主要关注战略规划、...
  • 供应链业务架构设计概览

    千次阅读 2021-04-05 18:08:16
    M公司作为国内一线品牌,资本雄厚,多家银行都有着长期稳定的业务联系, 能够以比较低的成本获得资金。这几年,随着供应链金融的发展,M集团也在积极尝试这方面的业务服务拓展。然而,由于缺乏信息系统的支持,中...
  • QConShanghai2013-[胡雷]-[移动互联网产品质量保证体系
  • 软件产品品质主要可以分为四个要素: 开发品质、测试品质、项目品质和产品品质。 本篇主要探讨开发品质
  • ( ISP(互联网服务提供商)业务发展可行性研究报告。。
  • ASP客户关系(CRM)系统源码

    热门讨论 2011-11-01 08:55:08
    CRM之王把客户交往过程中的记录,比如业务记录、业务员日程安排、客服记录、销售过程、工作报告、业务合同、销售记录、销售费用等,进行结构化的分类管理。这样,就把企业中离散的客户资料、销售过程及服务的全部...
  • EA企业架构管理方法需求受理流程.ppt
  • ERP公司理财ppt-PowerPointTempl.pptx
  • 运维业务相关知识总结

    千次阅读 2019-08-20 17:55:26
    这是一篇杂谈,可能会涉及很多概念性东西,目的是加深自己在运维这一业务领域的理念知识 二、运维简介及职责 运维是一个很宽泛的概念,这里一般是指互联网运维,运维在公司的日常运作中扮演着一个非常重要的角色...
  • 基于WEB的客户关系管理系统

    千次阅读 2017-11-20 14:29:26
    第一章 客户关系管理绪论 客户关系管理CRM(Customer Relationship Management)最早由美国artner Group提出,自1997年开始,经过几年的发展,全球的CRM市场一直处于爆炸性的快速增长之中。1999年全球的CRM市场...
  • Unity3D游戏开发——业务流程规划

    千次阅读 2020-01-25 07:44:59
    QQ 1285575001 ...确保游戏品质与开发进度的良好推进 规范的目的 让团队每个人都明确 要做什么(To Do) 什么时候完成 (Done) 完成到什么程度? (Doing) 悲剧 前期松散 (需求不明确,跟进不到位...
  • 作者简介携程前端框架团队,为携程集团各业务线在PC、H5、小程序等各阶段提供优秀的Web解决方案。产品涉及各类前端/Node端应用框架、研发工作台、前端中台化、静态资源发布系统等。当前主...
  • 以房屋建筑施工、基础设施建造、投资房地产开发为主营业务,拥有房建、市政、公路“三特三甲”资质。总资产超1500亿元,累计投资额超3500亿元,年合同额超3000亿元、营业收入超1500亿元。是投资商、建造商、运营商...
  • 客户关系管理(Customer Relationship Management,缩写 CRM)是一种企业现有客户及潜在客户之间关系互动的管理系统。通过对客户数据的历史积累和分析,CRM可以增进企业客户之间的关系,从而最大化增加企业销售...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 24,887
精华内容 9,954
关键字:

品质与业务的关系