位于杭州阿里巴巴西溪園區(qū)旁邊的大型商場(chǎng)“親橙里”2018年正式開(kāi)業(yè)。和傳統(tǒng)的線下綜合型商場(chǎng)不同的是，親橙里從規(guī)劃之初就定位為數(shù)字化商場(chǎng)，通過(guò)植入自研的IBOS平臺(tái)完成建筑內(nèi)的所有子系統(tǒng)的接入，而讓建筑和建筑內(nèi)的設(shè)備、空間、人的“在線”是我們數(shù)字化的第一個(gè)目標(biāo)。為了實(shí)現(xiàn)這個(gè)目標(biāo)，阿里工程師做了哪些動(dòng)作，一起往下看。

建筑數(shù)字化基礎(chǔ)——建筑IoT和邊緣計(jì)算

設(shè)備數(shù)據(jù)字典

建筑樓宇內(nèi)的設(shè)備紛繁復(fù)雜，包括設(shè)備種類、功能、性能、安裝方式、通訊方式、通訊協(xié)議等等各個(gè)方面都不一而同，而這些設(shè)備正是建筑樓宇正常運(yùn)營(yíng)和管理的前提，構(gòu)成了建筑樓宇自動(dòng)化的基礎(chǔ)。因此，建筑數(shù)字化的前提是建筑設(shè)備數(shù)字化，而設(shè)備數(shù)字化的前提是首先需要定義統(tǒng)一的數(shù)據(jù)字典。我們將建筑樓宇領(lǐng)域的空調(diào)、給排水、消防、安防、強(qiáng)電、弱電六大系統(tǒng)、100多種設(shè)備類型統(tǒng)一進(jìn)行編碼、分類、定義完整的數(shù)據(jù)模型。

Niagara——建筑IoT神器

上面提到建筑樓宇內(nèi)的設(shè)備類型繁多，雖然有一些行業(yè)標(biāo)準(zhǔn)，但標(biāo)準(zhǔn)本身也比較復(fù)雜、且沒(méi)有一個(gè)標(biāo)準(zhǔn)能接入所有或絕大多數(shù)子系統(tǒng);因此、建筑IoT系統(tǒng)中，設(shè)備統(tǒng)一接入一直是個(gè)挑戰(zhàn)。Niagara較完美地解決了這個(gè)問(wèn)題。Niagara是基于Java的開(kāi)放物聯(lián)網(wǎng)解決方案，其邊緣終端產(chǎn)品JACE支持多種通訊I/O端口、內(nèi)置了大量常見(jiàn)的樓控系統(tǒng)和設(shè)備驅(qū)動(dòng)，同時(shí)支持驅(qū)動(dòng)插件式管理、允許用戶二次開(kāi)發(fā);支持分布式部署架構(gòu)、兼容包括Haystack、LonWorks、BACnet在內(nèi)的多種行業(yè)標(biāo)準(zhǔn)。

??

Niagara的引入解決了兩個(gè)痛點(diǎn)問(wèn)題：

1)異構(gòu)子系統(tǒng)的接入、屏蔽了大量設(shè)備協(xié)議的開(kāi)發(fā)和適配;

2)按照標(biāo)準(zhǔn)數(shù)據(jù)類型、統(tǒng)一單位、精度等，將原始設(shè)備數(shù)據(jù)標(biāo)準(zhǔn)化為Haystack格式的數(shù)據(jù)報(bào)文，便于上層系統(tǒng)(IBOS)處理。

IBOS邊緣計(jì)算

人、設(shè)備、空間是構(gòu)成建筑的三個(gè)基本要素(類比商場(chǎng)的人、貨、場(chǎng))，因此人、設(shè)備、空間也是建筑領(lǐng)域的基礎(chǔ)領(lǐng)域模型，其他模型都可以在此基礎(chǔ)上進(jìn)行構(gòu)建。IB平臺(tái)的邊緣計(jì)算也正是圍繞這三種基礎(chǔ)領(lǐng)域模型來(lái)設(shè)計(jì)：IB-Connector接入設(shè)備數(shù)據(jù)的同時(shí)，會(huì)根據(jù)數(shù)據(jù)字典的定義，動(dòng)態(tài)轉(zhuǎn)換為人、設(shè)備、或空間模型;IB規(guī)則引擎，本質(zhì)是圍繞人、設(shè)備、空間模型實(shí)例之間互操作、基于事件驅(qū)動(dòng)的實(shí)時(shí)計(jì)算引擎。另外，它還提供豐富的組件支持，可以按需靈活自定義模型并把數(shù)據(jù)發(fā)送到云端、供云端服務(wù)消費(fèi)和使用。下圖簡(jiǎn)單示例了親橙里的水電表設(shè)備如何通過(guò)邊緣計(jì)算平臺(tái)把數(shù)據(jù)實(shí)時(shí)上送到云端并接入數(shù)據(jù)中心。

??

數(shù)據(jù)中心大圖

IB數(shù)據(jù)中心，以建筑業(yè)務(wù)數(shù)字化和數(shù)字業(yè)務(wù)化為目標(biāo)，對(duì)下采集建筑線上線下的各種數(shù)據(jù)，進(jìn)行建筑全域統(tǒng)一建模和加工;向上提供PaaS化的數(shù)據(jù)服務(wù)和算法服務(wù)，并最終為業(yè)務(wù)層提供輔助決策。

下面是數(shù)據(jù)中心的架構(gòu)大圖，依然是分層架構(gòu)?？傮w上自下而上可分為四層。

1)數(shù)據(jù)源，包括采集的各類線上的和線下的數(shù)據(jù)，來(lái)自IBOS、IB應(yīng)用、集團(tuán)DT(OneData、A+等)以及其他合作BU的數(shù)據(jù)，另外還包括外部數(shù)據(jù)等;

2)數(shù)據(jù)建模和計(jì)算，包括各種異構(gòu)數(shù)據(jù)源的數(shù)據(jù)接入和清洗、針對(duì)建筑領(lǐng)域的全域數(shù)據(jù)的數(shù)據(jù)模型設(shè)計(jì)、實(shí)時(shí)數(shù)據(jù)/離線ETL開(kāi)發(fā);

3)數(shù)據(jù)服務(wù)中臺(tái)，面向業(yè)務(wù)領(lǐng)域的應(yīng)用層數(shù)據(jù)OLAP分析，提供高性能、通用、開(kāi)放的數(shù)據(jù)服務(wù);

4)應(yīng)用，包括純數(shù)據(jù)類的應(yīng)用例如招商、選址(辦公/商業(yè)場(chǎng)景)、運(yùn)營(yíng)分析、消費(fèi)者洞察、客流動(dòng)線、財(cái)務(wù)模型分析等，以及基礎(chǔ)的商業(yè)、辦公/產(chǎn)業(yè)運(yùn)營(yíng)、資產(chǎn)管理類應(yīng)用中的數(shù)據(jù)統(tǒng)計(jì)/分析類場(chǎng)景。

??

數(shù)據(jù)模型建設(shè)

數(shù)據(jù)模型建設(shè)是數(shù)據(jù)倉(cāng)庫(kù)開(kāi)發(fā)中的關(guān)鍵環(huán)節(jié)。我們?cè)趯?duì)親橙里的所有業(yè)務(wù)系統(tǒng)(客流、停車、POS、CRM、多屏和導(dǎo)購(gòu)、招商租賃、物業(yè)和能效管理等)及其關(guān)鍵場(chǎng)景進(jìn)行梳理、識(shí)別出公共的業(yè)務(wù)領(lǐng)域、并抽象出核心的領(lǐng)域模型;在此基礎(chǔ)上進(jìn)行匯總分析，進(jìn)行邏輯建模、包括模型之間的關(guān)系和模型內(nèi)部的關(guān)鍵屬性。下圖簡(jiǎn)單示例了模型建設(shè)的整個(gè)過(guò)程。

??

在建模方法上，我們采用了目前業(yè)內(nèi)主流的Kimball維度建模(這也是集團(tuán)推薦的方式)。維度建模的特點(diǎn)總結(jié)了如下幾點(diǎn)：

1. 數(shù)據(jù)冗余小(很多具體信息都存在相應(yīng)的維度表中了)
2. 結(jié)構(gòu)清晰(表結(jié)構(gòu)一目了然)
3. 便于做OLAP分析(這個(gè)很重要、我們有很多業(yè)務(wù)數(shù)據(jù)分析的場(chǎng)景和需求)
4. 有一定的擴(kuò)展性：當(dāng)增加新的數(shù)據(jù)分析需求時(shí)，可以較容易地?cái)U(kuò)展模型
5. 一定程度上增加使用成本，比如查詢時(shí)要join多張表
6. 有時(shí)會(huì)產(chǎn)生數(shù)據(jù)不一致(如維度表和事實(shí)表)

當(dāng)然、維度建模也不是十全十美，但確實(shí)是最適合我們場(chǎng)景的建模方法。

數(shù)據(jù)服務(wù)中臺(tái)

??

親橙里的應(yīng)用場(chǎng)景豐富，不同的應(yīng)用場(chǎng)景對(duì)數(shù)據(jù)有不同的需求;為了靈活高效地提供不同應(yīng)用的數(shù)據(jù)接口，我們?cè)O(shè)計(jì)開(kāi)發(fā)了數(shù)據(jù)接口服務(wù);基于實(shí)時(shí)計(jì)算和離線計(jì)算加工好的匯總數(shù)據(jù)，通過(guò)提供圖形化的方式、及SQL的方式來(lái)完成接口的自定義、發(fā)布以及監(jiān)控。帶來(lái)的好處也非常明顯：

上層應(yīng)用可靈活自定義所需的數(shù)據(jù)接口、不再?gòu)?qiáng)依賴數(shù)據(jù)開(kāi)發(fā)團(tuán)隊(duì);

統(tǒng)一數(shù)據(jù)口徑、便于數(shù)據(jù)質(zhì)量監(jiān)控和管理;

降低了數(shù)據(jù)集市/應(yīng)用層表的規(guī)模，將數(shù)據(jù)開(kāi)發(fā)團(tuán)隊(duì)從上層應(yīng)用的需求中解放出來(lái)，專心底層和中間層數(shù)據(jù)和算法開(kāi)發(fā);

完善的API管理、運(yùn)維、監(jiān)控、流控、自動(dòng)化測(cè)試等機(jī)制，保障服務(wù)效率和質(zhì)量。

對(duì)于上線的數(shù)據(jù)接口，提供接口的調(diào)用qps、rt、調(diào)用異常等監(jiān)控，支持報(bào)警規(guī)則配置和推送。

??

核心商業(yè)場(chǎng)景

客流、交易、會(huì)員是線下零售場(chǎng)的最核心場(chǎng)景，也是親橙里數(shù)字化的重點(diǎn)場(chǎng)景。

客流

客流系統(tǒng)是傳統(tǒng)線下商場(chǎng)最基礎(chǔ)的系統(tǒng)之一。類比線上電商和A+，線下商場(chǎng)就是站點(diǎn)，商鋪就是頁(yè)面，客流系統(tǒng)采集到的人次、人數(shù)就是商場(chǎng)/商的"PV"、"UV";通過(guò)定義活躍度模型，我們也可以統(tǒng)計(jì)線下場(chǎng)的月活、日活，并針對(duì)活躍用戶進(jìn)行挖掘分析。

★ 業(yè)務(wù)價(jià)值

1)客流監(jiān)測(cè)及預(yù)測(cè)，幫助商場(chǎng)和商家更合理地安排資源，更客觀地評(píng)估業(yè)態(tài)吸客能力及優(yōu)化決策。

2)客群分析(性別/年齡/活躍度)幫助大小B決策提供針對(duì)性的服務(wù)，提升顧客體驗(yàn)，提高顧客黏性及忠誠(chéng)度。

3)客流數(shù)據(jù)聚合銷售數(shù)據(jù)，幫助大小B更客觀更精確評(píng)估人員/活動(dòng)/業(yè)態(tài)的績(jī)效。

4)顧客識(shí)別(身份識(shí)別/行為軌跡分析)，幫助商場(chǎng)和商家更直接觸達(dá)會(huì)員群體，加強(qiáng)互動(dòng)，提高會(huì)員黏性及忠誠(chéng)度。

5)客流動(dòng)線及熱點(diǎn)分析，幫助商場(chǎng)更準(zhǔn)確捕捉業(yè)態(tài)冷熱分布，更合理優(yōu)化布局;幫助商家更大程度協(xié)同發(fā)展、更合理優(yōu)化店內(nèi)陳列、商品類別及人員安排，持續(xù)增強(qiáng)吸客能力。

★ 技術(shù)方案

傳統(tǒng)的客流系統(tǒng)一般只支持人次統(tǒng)計(jì)、并不支持去重、更不支持身份識(shí)別，同時(shí)設(shè)備本身的識(shí)別精度、安裝位置和角度、光照條件、現(xiàn)場(chǎng)調(diào)校、系統(tǒng)維護(hù)等都會(huì)影響最后的統(tǒng)計(jì)精度，因此獲取較高質(zhì)量的客流數(shù)據(jù)是傳統(tǒng)線下場(chǎng)的痛點(diǎn)之一。經(jīng)過(guò)充分的調(diào)研、測(cè)試和驗(yàn)證后，我們采用了頭肩識(shí)別+人臉識(shí)別的混合方案，每個(gè)商場(chǎng)/商鋪的出入口通過(guò)兩組攝像頭分別抓拍頭肩和人臉，除了可以統(tǒng)計(jì)路過(guò)、進(jìn)店、離開(kāi)的人次，還支持去重以及用戶特征識(shí)別(年齡、性別等)和身份識(shí)別。

??

??

★ 活躍度模型

根據(jù)不同周期下的訪問(wèn)頻次，可以定義出訪客活躍度和會(huì)員活躍度等級(jí)。

??

通過(guò)這個(gè)定義，系統(tǒng)可以自動(dòng)給訪客/會(huì)員打標(biāo)，進(jìn)而統(tǒng)計(jì)出日活、周活、月活訪客/會(huì)員數(shù)，以及各活躍度訪客/會(huì)員的占比。

??

交易

親橙里的交易非常復(fù)雜，商家眾多、交易系統(tǒng)不統(tǒng)一;同時(shí)由于親橙里的招商初期并未約定采用統(tǒng)一收銀方式，后期商家入駐后再推進(jìn)統(tǒng)一POS方案也比較困難：

1)對(duì)阿里系商家如盒馬、心選、小廚，以及天貓智慧門店，這類商家的交易直接走TP;

2)對(duì)大部分餐飲類、零售類、服務(wù)類企業(yè)，我們部署了口碑的POS系統(tǒng);

3)剩余的商家，我們上線了銷售管理系統(tǒng)。由商家小二后臺(tái)手動(dòng)錄入數(shù)據(jù)，系統(tǒng)采集后流入數(shù)據(jù)倉(cāng)庫(kù);

??

★ GMV

基于交易數(shù)據(jù)的三類指標(biāo)即GMV、坪效、租售比均是我們重點(diǎn)關(guān)注的指標(biāo)，它們可以衡量店鋪的運(yùn)營(yíng)效率以及健康度。下圖是我們對(duì)親橙里76個(gè)商家的GMV、客流、租金指標(biāo)進(jìn)行匯總后生成的氣泡圖，業(yè)務(wù)可根據(jù)此圖表，了解商家所處位置象限，以進(jìn)一步進(jìn)行運(yùn)營(yíng)及招商的調(diào)整。

??

基于GMV、客流、租金指標(biāo)的商家氣泡圖

會(huì)員

會(huì)員系統(tǒng)是親橙里重點(diǎn)打造的服務(wù)：

1)會(huì)員交易自動(dòng)實(shí)時(shí)積分;

2)多方權(quán)益打通;會(huì)員免費(fèi)停車，交易積分兌停車權(quán)益，趣抓、ROM、黃小鹿權(quán)益，等等;

3)自然植入的人臉交互場(chǎng)景、完成會(huì)員身份識(shí)別閉環(huán);通過(guò)停車、客流、軌跡、交易、場(chǎng)內(nèi)互動(dòng)等多個(gè)場(chǎng)景，嘗試多維度認(rèn)識(shí)會(huì)員;

4)基于OneID的能力，我們將親橙里會(huì)員和淘系會(huì)員打通;同時(shí)結(jié)合集團(tuán)的線上大數(shù)據(jù)和場(chǎng)內(nèi)的線下數(shù)據(jù)，使用戶畫像更完整和豐滿;另外基于集團(tuán)LBS數(shù)據(jù)的能力，我們可以挖掘距離商場(chǎng)周邊3公里/5公里范圍內(nèi)的潛客，并結(jié)合他們?cè)趫?chǎng)內(nèi)的到訪、活動(dòng)、下單等數(shù)據(jù)進(jìn)行跟蹤分析。

??

數(shù)據(jù)可視化

我們的日常數(shù)據(jù)報(bào)表，在可視化上目前選型的都是集團(tuán)內(nèi)的成熟產(chǎn)品，如有數(shù)、dataV。

同時(shí)，針對(duì)建筑本身的空間特點(diǎn)，我們正在規(guī)劃基于2D/3D地圖、CAD/BIM模型等做一些建筑數(shù)據(jù)可視化的嘗試。

??

雙11

去年雙11是親橙里第一個(gè)雙11，我們也首次和集團(tuán)數(shù)據(jù)技術(shù)及產(chǎn)品部合作，把親橙里的實(shí)時(shí)數(shù)據(jù)對(duì)接到集團(tuán)媒體大屏。

??

運(yùn)維監(jiān)控可視化

目前，我們也在和云智能基礎(chǔ)產(chǎn)品事業(yè)部研發(fā)效能合作的「須彌山-態(tài)勢(shì)平臺(tái)」共建出了親橙里的監(jiān)控模型。

??

本圖為mock數(shù)據(jù)本圖為mock數(shù)據(jù)