2014年是中国智能硬件发展的元年。2015年以来，智能硬件产业不断迎来政策、资本、技术等方面利好，产业结构也逐渐趋于完整，越来越受到各方关注，行业参与热情高涨。
2015年7月-9月，艾瑞与京东智能合作，携手发起智能硬件产业深度研究，从行业、用户、资本、市场等维度进行分析，描述和总结中国智能产业的发展现状、产业特点、未来趋势等，帮助更多行业参与者加深认知。
今天，大麦村和智能硬件产业的小伙伴们一起分享第一篇《中国智能硬件产业链图谱》。
智能硬件产业的小伙伴们，看完这个报告，希望对你们未来产品的定位和发展规划能有所帮助。

使用图数据分析产业链时序数据
数据模型的设计
函数与过程功能介绍
完整实现 - 构建公司与产品时序图数据
查询案例-分析'消费品商贸'产业2020Q2季度总营收
其他资料

数据模型的设计

行业、产品、公司相关的产业链数据建模，包含产品层级图谱、行业分层图谱、产业链上下游图谱、公司与产品图谱等。如下主要是公司与产品营收的时序图数据建模实现方案。

函数与过程功能介绍

HTTP请求

RETURN olab.http.post('api-address','input')


重置MAP-移除传入的KEY

RETURN olab.reset.map({map},{keys}) AS value


生成JSON-STRING

RETURN olab.convert.json({object})

完整实现 - 构建公司与产品时序图数据

在下面的实现中营收相关的时序数据使用JSON格式数据建模存储在关系的属性中


下述实现中集成了GRAPH-API、olab-apoc组件、访问数据库等操作，构建的图数据最终是将时序数据存储在了一个JSON数组中。

CALL apoc.periodic.iterate('CALL apoc.load.jdbc(\'jdbc:mysql://contentdb.crkldnwly6ki.rds.cn-north-1.amazonaws.com.cn:3306/database?user=datalab_dev&password=datalabgogo&useUnicode=true&characterEncoding=utf8&serverTimezone=UTC\', \'SELECT calc.company_id AS fromCompanyId,pro.`name` AS `to`,CONVERT(DATE_FORMAT(calc.report_date,\\\'%Y%m%d%H%i%S\\\'),UNSIGNED INTEGER) AS report_date,income,profit,product_income,product_income_ratio,product_profit,product_profit_ratio,\\\'id\\\' AS uniqueField,calc.id AS uniqueFieldID,\\\'chinascope_supply_chain.fin_secu_sam_product_calc\\\' AS jsDataApi FROM fin_secu_sam_product_calc calc RIGHT JOIN dict_product_rs pro ON calc.product_code=pro.`code` WHERE calc.update_time>=DATE_SUB(NOW(),INTERVAL 1 DAY)\')','WITH REPLACE(\'{"query": "{  horgByName(sourceCode: \\\\\\"company-id\\\\\\", sourceFlag: \\\\\\"chinascope\\\\\\") {    name    hcode  }}","variables": null}\',\'company-id\',row.fromCompanyId) AS query,row WITH apoc.convert.fromJsonMap(olab.http.post(\'http://10.20.13.130/ongdb/graphql\',query)) AS result,row WHERE result IS NOT NULL WITH result.data.horgByName[0].hcode AS fromHcode,result.data.horgByName[0].name AS fromName,row WHERE fromHcode IS NOT NULL WITH fromHcode,fromName,row.to AS toName,row WITH fromHcode,fromName,\'HPRDCLS\'+apoc.util.md5([toName]) AS toHcode,row MERGE (from:HORGProductCalc {hcode:fromHcode}) SET from.name=fromName,from:HORG WITH from,toHcode,row MATCH (to:产业 {hcode:toHcode}) WITH from,to,row WHERE from<>to WITH from,to,olab.reset.map(row,[\'fromCompanyId\',\'to\']) AS row OPTIONAL MATCH (from)-[r]->(to) WITH from,to,row,apoc.coll.union(apoc.convert.fromJsonList(r.detail),[row]) AS detail WITH from,to,row,olab.convert.json(detail) AS detail,SIZE(detail) AS detail_size MERGE (from)-[r:产品]->(to) SET r.detail=detail,r.detail_size=detail_size', {parallel:false,batchSize:100}) YIELD batches,total,timeTaken,committedOperations,failedOperations,failedBatches,retries,errorMessages,batch,operations RETURN batches,total,timeTaken,committedOperations,failedOperations,failedBatches,retries,errorMessages,batch,operations;


查询案例-分析’消费品商贸’产业2020Q2季度总营收

查询’消费品商贸’行业下级分类中所有相关产品


数据建模时产品与行业有关联关系，因此在这里使用时可以直接得到，关注的某行业下属子子孙孙行业的所有产品。

MATCH (indus:行业) WHERE indus.name='消费品商贸' WITH indus
CALL apoc.path.expandConfig(indus,{maxLevel:3, relationshipFilter:'NEXT>|<BELONG_TO', labelFilter:'+产业|/产品', bfs:false, filterStartNode:true,uniqueness:'NODE_GOLBEL', limit:-1}) YIELD path WITH path
RETURN path

MATCH (indus:行业) WHERE indus.name='消费品商贸' WITH indus
CALL apoc.path.subgraphNodes(indus,{maxLevel:3, relationshipFilter:'NEXT>|<BELONG_TO', labelFilter:'+产业|/产品', bfs:false, filterStartNode:true,uniqueness:'NODE_GOLBEL', limit:-1}) YIELD node WITH node
RETURN node



'消费品商贸’行业相关的产品2020Q2营收分析【案例实现营收加总】

MATCH (indus:行业) WHERE indus.name='消费品商贸' WITH indus
CALL apoc.path.subgraphNodes(indus,{maxLevel:3, relationshipFilter:'NEXT>|<BELONG_TO', labelFilter:'+产业|/产品', bfs:false, filterStartNode:true,uniqueness:'NODE_GOLBEL', limit:-1}) YIELD node WITH node
MATCH p=(node)<-[r:产品]-(:HORGProductCalc) WITH apoc.convert.fromJsonList(r.detail) AS detail
UNWIND detail AS map
WITH map WHERE TOINTEGER(map.report_date)>=20200331000000 AND TOINTEGER(map.report_date)<=20200630000000
WITH TOINTEGER(map.income) AS income
RETURN SUM(income)
# 加总后的总营收两万亿
╒═════════════╕
│"SUM(income)"│
╞═════════════╡
│2215100453627│
└─────────────┘


产品与公司的样例图结构。



其他资料

olab-apoc组件

https://github.com/ongdb-contrib/ongdb-lab-apoc


apoc组件【Neo4j官方开源组件】

https://github.com/neo4j-contrib/neo4j-apoc-procedures

利好政策、技术进步和市场需求驱动下，全球主要经济体加速推进5G商用落地，目前中国5G产业已形成规划、建设、运营和应用四大产业链环节，产业发展前景广阔，预计2025年中国5G连接数将达4.28亿个，带动直接经济产出达3.3万亿元。2018年中国5G产业链不同环节相关企业营收均超亿元，行业处于快速发展阶段。iiMedia Research（艾媒咨询）数据显示，73.0%的网民看好5G技术未来发展，智能制造、车辆网、无线医疗是网民关注热点领域。随着5G融入多项技术的程度加深，未来5G在传统行业的创新应用将成为重要的经济增长点。

5G定义：标志性能力指标与一组关键技术

5G移动通信基站不同类型对比
据国际电信联盟（ITU）的分类，5G移动通信基站主要有四种类型，根据覆盖能力划分从大到小分别是宏基站（宏站）、微基站（微站）、皮基站（微微站、企业级小基站）以及飞基站（毫微微站、家庭级小基站）。在5G基站建设中，微基站、皮基站和飞基站由于具有小型化、低发射功率、可控性好、智能化和组网灵活等特点，成为基站建设热点。

全球5G价值链产出与就业端矩阵分布

完整版行业报告，更多行业交流，可加v：iimediaLucy

近日，大数据领域垂直专业媒体数据猿正式发布《2021中国数据智能产业图谱2.0版》，盘点中国数据智能产业的典型代表企业。Stratifyd凭借在技术创新和行业应用中的领先优势，经过严格评选入选该图谱五大细分领域，包括数据&智能技术服务中的大数据分析平台、数据科学平台、BI&可视化和行业应用中的零售、金融领域。



为了系统梳理中国数据智能行业发展现状，理清行业发展脉络，数据猿工作人员与外部专家成员组成评选推荐委员会，历时2个多月，依据数据产业价值链条，通过直接申报交流、外界评价、匿名访问等交叉验证的筛选推荐机制，盘点数千家企业、机构，寻找出本年度中国数据智能产业具有突出市场表现，且极具商业合作价值的典型性代表企业。

这份图谱不仅能为业界带来认知层面的普及了解，发掘那些一直“在自己所属垂直专业领域背后默默付出的英雄企业”，还是一部行业参考宝典，帮助企业寻找2021年更靠谱的合作伙伴。

欲获取《2021中国数据智能产业图谱2.0版》超高清原版大图，关注Stratifyd微信公众号并在后台回复关键词“图谱”或“产业图谱”关键词即可。



本次入选代表市场以及数据猿对Stratifyd在大数据分析平台、数据可视化、数据科学平台等领域取得成绩的高度肯定。近年来，Stratifyd也因为在数据智能领域的领先优势屡获殊荣。比如，就在上个月，Stratifyd凭借突出的技术能力和在数据驱动智能决策领域的领先应用荣登2020大数据产业创新服务产品榜单；得益于客户的肯定和支持，Stratifyd还于近日成功上榜G2 Crowd发布的2021文本分析软件魔力象限报告，并凭借优异的客户满意度跻身高成长者象限。Stratifyd强大的数据分析能力获得权威分析和研究机构的多次推荐，比如2018年，Stratifyd荣膺Gartner 2018 年度分析领域 Cool Vendor（全球仅三家），2019和2020年Stratifyd连续上榜Forrester优秀数据分析厂商榜单。

外界评价

来自礼来制药的声音：

在新冠肺炎疫情这段艰难时期，Stratifyd给我们提供了非常大的帮助。通过Stratifyd的企业级数据连接器，数据分析团队快速提取到患者关于这次疫情的热议话题，并找到带有负面情绪的焦点问题。我们将这些发现及时反馈给管理层，并针对问题制定解决方案，确保患者在各个渠道的声音都能得到及时响应，患者的用药体验得到提升，挽回了大量可能流失的“高风险客户”。

来自Contact Energy的声音：

我们坐在一座数据的金矿上，但是如何将数据价值释放出来，让它变得有用，通过数据驱动业务发展是我一直在思考的问题。我们一年会接到100万个投诉电话，通话内容里蕴含了大量有价值的信息值得去挖掘。今年我们用Stratifyd尝试了一下，有了焕然一新的体验。Stratifyd帮助我们快速揭示数据背后的业务洞察，让导致NPS分数下滑的负面评论快速浮出水面，我们意识到许多之前没有察觉的故事场景，整个画面都变得清晰明朗起来。Stratifyd 给我带来非常奇妙的体验，我的工作效率提高了，工作体验也提升了，我能为客户做的事情越来越多，这是一个多方共赢的过程。

来自某财富500强金融服务公司的声音：

通过跟 Stratifyd 合作，我们的数据分析能力变得更强大、更灵活了。Stratifyd 的语音转写和语音分析功能恰恰满足了我们当前的业务需求，帮助我们找到提升座席响应、网站导航以及客户体验的良方。有了 Stratifyd，我们可以将所有数据整合到一个地方，处理整个生态系统中（包括数字媒体、产品平台、市场营销）进入呼叫中心的信息。使用Stratifyd 增强智能数据分析平台，可以将原来两个月的任务在15分钟内完成，大大提升了工作效率，节省时间和人力成本。

作为全球领先的增强智能数据分析服务提供商，Stratifyd将自己的使命植根于非结构化数据的挖掘和分析，依托自然语言处理和理解（NLP&NLU）、神经网络、随机森林等 AI 算法，Taxonomy 话题监控技术、可交互的BI可视化看板技术等，深挖数据价值，深耕行业应用，致力于将让更多企业享受前沿数据科学带来的技术红利，实现数据驱动的科学决策！



Stratifyd增强智能数据分析平台适用于全行业、多场景的应用，在客诉分析、潜客挖掘、竞品对比、产品优化、舆情监控、药物研发等领域都有成功案例。成立至今，Stratifyd在零售、快消、电商、客服、汽车、医疗、IT、金融、政府等行业成功服务了包括欧唯特中国、奥美中国、礼来制药、联想集团、惠普、万事达卡、花旗银行在内的诸多世界500强客户，客户遍及美国、中国、澳大利亚、新西兰、日本、新加坡等十多个国家。

诸多荣誉都强有力的证明了Stratifyd强大的产品力和市场影响力。未来，Stratifyd将继续深耕数据智能领域，发挥多年来积累的行业知识和技术服务优势，深化数字技术在业务领域的应用，引领更多企业走上数字化转型道路，实现商业价值最大化。

THE END

获取产业图谱原版高清大图

欲获取数据猿《2021中国数据智能产业图谱2.0版》完整高清大图，关注Stratifyd微信公众号，并在后台回复“图谱”或“产业图谱”关键词即可。后台回复“粉丝群”还可加"AI&大数据交流群“，及时获取更多干货资料哦~

关于斯图飞腾（Stratifyd Inc）

斯图飞腾（Stratifyd Inc）总部位于美国南部金融重镇夏洛特，是全球领先的增强智能（Augmented Intelligence）数据分析服务提供商。公司拥有强大的非结构化数据语义分析能力，致力于推进AI在企业数据分析以及商业智能领域的进步。Stratifyd增强智能平台通过整合多个数据源的结构化和非结构化数据，深入洞察消费者反馈数据背后的故事场景，在短时间内呈现出价值非凡的商业见解，助力企业提高客户体验和满意度，提升客户转化与留存，实现高质量的收入增长。访问官网或关注微信公众号，立即注册试用Stratifyd，体验增强智能驱动下的极致数据洞察。