位于杭州阿里巴巴西溪公园旁的大型购物中心“亲城里”于2018年正式开业。区别于传统的线下综合商场，亲城里从一开始就定位为数字化购物中心规划，并通过植入自主研发的IBOS平台，完成建筑内所有子系统的接入，让建筑与建筑、设备、空间、人的“在线”是我们数字化的首要目标。为了实现这个目标，我们来看看阿里工程师都采取了哪些行动。楼宇数字化的基础——楼宇物联网与边缘计算设备数据字典[J].它是楼宇正常运行和管理的前提，构成楼宇自动化的基础。因此，建筑数字化的前提是建筑设备的数字化，而设备数字化的前提是首先需要定义统一的数据字典。我们对建筑领域的空调、给排水、消防、安防、强电、弱电六大系统、100多种设备进行统一编码、分类、定义完整的数据模型。Niagara——楼宇物联网神器上文提到，楼宇楼宇中的设备种类繁多。虽然有一些行业标准，但标准本身比较复杂，没有一个标准可以访问全部或大部分子系统；因此，在构建物联网系统中，设备的统一接入一直是一个挑战。尼亚加拉完美解决了这个问题。Niagara是一个基于Java的开放式物联网解决方案。其边缘终端产品JACE支持多种通讯I/O口，内置大量常用的楼宇控制系统和设备驱动，支持驱动插件管理，方便用户进行二次开发；支持分布式部署架构，兼容Haystack、LonWorks、BACnet等多种行业标准。Niagara的引入解决了两个痛点：1）异构子系统的接入屏蔽了大量设备协议的开发适配；2）根据标准数据类型、统一单位、精度等，将原始设备数据标准化为Haystack格式的数据报文，方便上层系统（IBOS）处理。IBOS边缘计算??人、设备、空间是构成建筑的三大基本要素（类似于商场中的人、货、场）。因此，人、设备、空间也是建筑领域的基本领域模型，其他模型都可以在此基础上发展。构造。IB平台的边缘计算也是围绕这三个基本领域模型进行设计的：当IB-Connector访问设备数据时，会根据数据字典的定义动态转换为人、设备或空间模型；IB规则引擎，本质上是一个事件驱动的实时计算引擎，围绕人、设备和空间模型实例之间的互操作性展开。此外，还提供丰富的组件支持，可以按需灵活定制模型，将数据发送到云端，供云服务消费使用。下图简单说明了秦城里的水电表设备是如何通过边缘计算平台将数据上传到云端并实时连接到数据中心的。数据中心大局IB数据中心，以建设业务数字化、业务数字化为目标，采集线上线下各类建设数据，对整个建筑进行统一建模和处理；向上提供PaaS数据服务和算法服务，最终为业务层提供辅助决策。下面是数据中心的架构大图，依然是分层架构。总体来说，从下到上可以分为四层。1）数据来源，包括收集到的各类线上线下数据，来自IBOS、IB应用、集团DT（OneData、A+等）及其他合作BU的数据，以及外部数据；2)数据建模与计算，包括各种异构数据源的数据接入与清洗、建筑领域全局数据的数据模型设计、实时数据/离线ETL开发；3）数据服务平台，面向业务领域数据OLAP分析的应用层，提供高性能、通用、开放的数据服务；4）应用，包括招商引资、选址（办公/商业场景）、运营分析、消费者洞察、客流线、金融模型分析等纯数据应用，以及基础中的数据统计/分析场景商业、办公室/工业运营和资产管理应用程序。数据模型构建数据模型构建是数据仓库开发中的一个关键环节。我们正在梳理所有业务系统（客流、停车、POS、CRM、多屏和导购、投资租赁、物业和能效管理等）的核心领域模型；在此基础上，进行总结分析和逻辑建模，包括模型之间的关系和模型内部的关键属性。下图简单说明了建模的全过程。在建模方法上，我们采用了目前业界主流的Kimball维度建模（这也是小组推荐的方法）。维度建模的特点总结如下：数据冗余小（对应的维度表中存在大量具体信息）结构清晰（表结构一目了然）容易做O??LAP分析（这个很重要，我们有很多业务数据分析场景和需求）具有一定的可扩展性：当有新的数据分析需求加入时，模型可以方便地进行扩展，一定程度上增加了使用成本。和事实表）当然，维度建模并不完美，但确实是最适合我们场景的建模方式。在数据服务上，太勤诚利拥有丰富的应用场景，不同的应用场景对数据的需求不同；为了灵活高效地为不同的应用提供数据接口，我们设计开发了数据接口服务；基于实时计算和离线计算，处理好接口的汇总数据，提供图形化和SQL方式，可以自定义、发布和监控。带来的好处也非常明显：上层应用可以灵活定制需要的数据接口，不再严重依赖数据开发团队；统一数据口径，便于数据质量监控和管理；降低数据集市/应用层表的规模，将数据开发团队从上层应用的需求中解放出来，专注于底层和中层数据和算法的开发；完善的API管理、运维、监控、流控、自动化测试等机制，保障服务效率和质量。针对在线数据接口，提供接口调用qps、rt、调用异常等监控，支持告警规则配置和推送。核心业务场景客流、交易、会员是线下零售的核心场景，也是亲城里数字化的重点场景。客流客流系统是传统线下商场最基础的系统之一。类比线上电商和A+，线下商城是站点，店铺是页面，客流系统采集的人数是商城/商家的“PV”和“UV”；通过定义活跃模型，我们还可以统计线下的月活跃用户和日活跃用户，并对活跃用户进行挖掘和分析。★商业价值1）客流监测和预测，帮助商场和商户更合理地安排资源，更客观地评估业态的吸客能力和优化决策。2）客户群体分析（性别/年龄/活动）帮助大小B决策提供针对性服务，提升客户体验，增加客户粘性和忠诚度。3）客流数据聚合销售数据，帮助大小B更客观准确地评估人员/活动/业态的表现。4）客户识别（识别/行为轨迹分析），帮助商场和商家更直接触达会员群体，加强互动，提高会员粘性和忠诚度。5）客流线及热点分析，帮助商场更准确捕捉业态冷热分布，更合理优化布局；帮助商户更加协同发展，更加合理地优化店内陈列、商品品类、人员安排，不断提升引客能力。★技术方案传统客流系统一般只支持人数统计，不支持去重，不支持身份识别。同时，设备本身的识别精度、安装位置和角度、照明条件、现场调整、系统维护等都会影响最终结果。统计准确性，因此获取高质量的客流数据是传统线下场馆的痛点之一。经过充分的研究、测试和验证，我们采用了头肩识别+人脸识别的混合方案。每个商场/商店的入口和出口都使用两组摄像头分别捕捉头肩和面部。除了统计进店、进店、离店人数，还支持去重、用户特征识别（年龄、性别等）和身份识别。★活动模型可以根据不同时段的访问频率定义访客活跃度和会员活跃度。通过这个定义，系统可以自动标记访客/会员，然后统计每日、每周、每月的活跃访客/会员数量，以及每个活跃访客/会员的比例。秦城里交易十分复杂，商户众多，交易系统不统一；同时，由于秦城里在招商前期并未同意采用统一收银方式，后期商家入驻后推广统一POS解决方案的难度较大：1）对于阿里盒马等商家来说，心选、小厨、天猫智能商城，此类商户的交易直接上TP；2）对于大部分餐饮、零售、服务类企业，我们都部署了口碑POS系统；3）对于其余商户，我们上线了销售管理系统。数据由商户二端后台人工录入，系统采集并流入数据仓库；★基于交易数据的三类GMV指标，即GMV、面积、租售比，都是我们重点关注的指标。他们可以衡量商店的运营效率和健康状况。下图是将秦城里76家商户的GMV、客流、租金指标汇总生成的气泡图。商家可以通过这张图了解商家所处的象限，进一步调整经营和招商。基于GMV、客流、租金指标的商业气泡图会员体系是亲城里的重点服务：1）会员交易自动实时积分；2）多方权益；会员免费停车，交易积分兑换停车权、趣味、ROM、黄小鹿权等；3）自然植入的人脸交互场景，完成会员识别闭环；通过停车、客流、轨迹、交易、现场互动等多场景，多维度了解会员；4）基于OneID的能力，我们将程程里的成员和陶家的成员连接起来；同时，我们将结合集团线上大数据和场内线下数据，让用户画像更完整、更饱满；此外，基于集团的LBS数据能力，我们可以挖掘出距离商场3km/5km范围内的潜在客户，并根据他们在商场的访问、活动、订单等数据进行跟踪分析。数据可视化我们的每日数据报表目前在优数、dataV等集团内的成熟产品中进行可视化。同时，根据建筑本身的空间特性，我们正计划做一些基于2D/3D地图、CAD/BIM模型等的建筑数据可视化的尝试。双11去年的双11是第一个双11在秦城。我们还首次与集团数据技术与产品部合作，将秦城实时数据接入集团媒体大屏。运维监控可视化目前，我们也在秦城里与“须弥山-态势平台”共建监控模型，配合云智能基础产品事业部的研发效率。此图为模拟数据此图为模拟数据
