我们用排除法
①作为浙江省西湖风景区，也是全世界著名的风景区，在他旁边也就是武林商圈盖第二家万象城，叫做杭州中心万象城，这个中心万象城，它的作用不是用来给人们购物，而是毕竟武林商圈跟西湖挨得非常近，它代表着中国最著名的旅游风景区之一，对国际展示它的形象，所以附近需要有一个综合体的商场，一般综合体的商场，它不以购物为主，反而以吃喝玩乐为主，购物为辅，比如说北京s kp，它就是正儿八经纯购物的商场，但是成都s kp它就是属于大型综合型商场，一般以客户的体验感为主要以及展示一个城市的经济形象为主要，所以，杭州即将开业的第二个万象城，可以把它从竞争对手里面除名
②杭州大厦，这个商场今年已经30岁了，他已经没有什么竞争性可言了，因为太老了，主要的就是杭州大厦离杭州s kp很近，虽然只有四五公里，但是只要进入庆春隧道或者是博鳌隧道，开车非常快，而且不堵车，等同于出了隧道，就到了杭州s kp
③杭州第一个万象城，首先，杭州第一个万象城，它的年龄已经13岁了，所以它的整体设备设施也比较老旧，杭州第一个万象城，它就跟北京国贸商城整体布局差不多，但是杭州第一个万象城比北京国贸商城要low一点，因为毕竟杭州第一个万象城开业的时间太早了，而且杭州第一个万象城，无论从里面的设备设施还是品牌的入驻，它的购买体验感不是太强，反而里面有很多吃喝玩乐逛的地方，所以如果正儿八经纯购物买东西的话，杭州第一个万象城应该也算不上什么太大的竞争对手，毕竟杭州第一个万象城，离杭州s kp的距离也是四五公里左右，也是开一个隧道，出了隧道就到了，非常近，而且不堵车
④杭州IFC国际金融中心，这个国际金融中心就在杭州第一个万象城的旁边，Rfc国际金融中心以前在其他城市有的会发展成写字楼，加上奢侈品购物商场综合体，但是杭州rfc旁边已经有了一个杭州大厦，还有一个杭州万象城，还有一个杭州来福士，这三个大商场，在这里简单说一下，杭州来福士可以理解成北京朝阳大悦城，也就是说，在这样的一个布局下，杭州IFC应该只是单纯发展成国际金融中心办公大楼，然后底下搞点奢侈品代理就像在北京国贸商城旁边的银泰，楼下也有个别一些奢侈品门店，所以杭州IFC也无法成为竞争对手
⑤杭州恒隆广场，它的位置就相当于北京的五环外六环内，拉它进来纯属装X，带动杭州稍微落后的东南部区域的发展，所以丝毫对杭州SKP构成不了任何威胁
总结：我并不是说杭州s kp未来就一定会成为杭州最赚钱的奢侈品购物商场，但我只是会把这里面的一些利害关系公平公正的说出来，然后大家可以根据自己的年龄阅历，自己去做相对应的判断和评估
①作为浙江省西湖风景区，也是全世界著名的风景区，在他旁边也就是武林商圈盖第二家万象城，叫做杭州中心万象城，这个中心万象城，它的作用不是用来给人们购物，而是毕竟武林商圈跟西湖挨得非常近，它代表着中国最著名的旅游风景区之一，对国际展示它的形象，所以附近需要有一个综合体的商场，一般综合体的商场，它不以购物为主，反而以吃喝玩乐为主，购物为辅，比如说北京s kp，它就是正儿八经纯购物的商场，但是成都s kp它就是属于大型综合型商场，一般以客户的体验感为主要以及展示一个城市的经济形象为主要，所以，杭州即将开业的第二个万象城，可以把它从竞争对手里面除名
②杭州大厦，这个商场今年已经30岁了，他已经没有什么竞争性可言了，因为太老了，主要的就是杭州大厦离杭州s kp很近，虽然只有四五公里，但是只要进入庆春隧道或者是博鳌隧道，开车非常快，而且不堵车，等同于出了隧道，就到了杭州s kp
③杭州第一个万象城，首先，杭州第一个万象城，它的年龄已经13岁了，所以它的整体设备设施也比较老旧，杭州第一个万象城，它就跟北京国贸商城整体布局差不多，但是杭州第一个万象城比北京国贸商城要low一点，因为毕竟杭州第一个万象城开业的时间太早了，而且杭州第一个万象城，无论从里面的设备设施还是品牌的入驻，它的购买体验感不是太强，反而里面有很多吃喝玩乐逛的地方，所以如果正儿八经纯购物买东西的话，杭州第一个万象城应该也算不上什么太大的竞争对手，毕竟杭州第一个万象城，离杭州s kp的距离也是四五公里左右，也是开一个隧道，出了隧道就到了，非常近，而且不堵车
④杭州IFC国际金融中心，这个国际金融中心就在杭州第一个万象城的旁边，Rfc国际金融中心以前在其他城市有的会发展成写字楼，加上奢侈品购物商场综合体，但是杭州rfc旁边已经有了一个杭州大厦，还有一个杭州万象城，还有一个杭州来福士，这三个大商场，在这里简单说一下，杭州来福士可以理解成北京朝阳大悦城，也就是说，在这样的一个布局下，杭州IFC应该只是单纯发展成国际金融中心办公大楼，然后底下搞点奢侈品代理就像在北京国贸商城旁边的银泰，楼下也有个别一些奢侈品门店，所以杭州IFC也无法成为竞争对手
⑤杭州恒隆广场，它的位置就相当于北京的五环外六环内，拉它进来纯属装X，带动杭州稍微落后的东南部区域的发展，所以丝毫对杭州SKP构成不了任何威胁
总结：我并不是说杭州s kp未来就一定会成为杭州最赚钱的奢侈品购物商场，但我只是会把这里面的一些利害关系公平公正的说出来，然后大家可以根据自己的年龄阅历，自己去做相对应的判断和评估
中美之间，桌子底下的博弈。现在中美之间的博弈，有点我们俗话说的那个漫天要价，就地还钱的意思。而眼前摆在中美之间一个最紧迫的事情，就是关于在美国举办的APEC会议，到底以什么形式参加的问题。
当然这只是表面上用来过招的一个机会，实际上的内容，则关系到美国的金融战，要搞到什么时候才会结束的问题，这很显然又是美国的重中之重了。
就在昨天的新闻发布会上，我们对此有个非正式的表态是这么说的，关于出席亚太经合组织的安排，中方正在与各方保持沟通，会适时正式发布消息。
实际上这也可以理解为一个公开的喊话，因为这等于向全世界通报，这个事我们还没做正式决定。跟这个事差不多是同一时间发生的，还有两件事情。
一个是菲律宾那边，据称是由菲律宾总统小马科斯亲自下令，授权菲律宾海警，将中方在黄岩岛入口处设置的浮动护栏割断并且拖走。能让菲律宾总统亲自下令惹事，并且是在最敏感的黄岩岛，这背后要是没有美国撑腰，估计借他三个胆子他也不敢。
还有一个是摩根大通的CEO戴蒙，再次警告称，美联储可能会加息至最高7%。他指出，从5%升至7%之间的过程将比从3%到5%更痛苦，全球可能还并未做好准备应对。说这个话，就有点针对我们的意思了。
我觉得在这个时间口，这两件事更像是美国在不同方向，发出的某种威胁。这么说可能不够委婉，咱们换个说法，就是有可能在我们提出某些要求后，在美国看来可能是一时难以接受的，所以又开始放狠话，来讨价还价，目的还是为后面续点时间窗口期。
毕竟到明年大选，也就只有差不多一年的时间了。美国现在，尤其是金融资本层面，面临的内部清算压力，其实是挺大的。以现在的这种情况，这么熬下去，华尔街后面很可能要背锅，因为金融收割如果实现不了，而内部的支票又已经开出去了，最后总要有人来承担责任的。
上一次罗斯福整顿华尔街的历史，可是殷鉴不远。
当然这只是表面上用来过招的一个机会，实际上的内容，则关系到美国的金融战，要搞到什么时候才会结束的问题，这很显然又是美国的重中之重了。
就在昨天的新闻发布会上，我们对此有个非正式的表态是这么说的，关于出席亚太经合组织的安排，中方正在与各方保持沟通，会适时正式发布消息。
实际上这也可以理解为一个公开的喊话，因为这等于向全世界通报，这个事我们还没做正式决定。跟这个事差不多是同一时间发生的，还有两件事情。
一个是菲律宾那边，据称是由菲律宾总统小马科斯亲自下令，授权菲律宾海警，将中方在黄岩岛入口处设置的浮动护栏割断并且拖走。能让菲律宾总统亲自下令惹事，并且是在最敏感的黄岩岛，这背后要是没有美国撑腰，估计借他三个胆子他也不敢。
还有一个是摩根大通的CEO戴蒙，再次警告称，美联储可能会加息至最高7%。他指出，从5%升至7%之间的过程将比从3%到5%更痛苦，全球可能还并未做好准备应对。说这个话，就有点针对我们的意思了。
我觉得在这个时间口，这两件事更像是美国在不同方向，发出的某种威胁。这么说可能不够委婉，咱们换个说法，就是有可能在我们提出某些要求后，在美国看来可能是一时难以接受的，所以又开始放狠话，来讨价还价，目的还是为后面续点时间窗口期。
毕竟到明年大选，也就只有差不多一年的时间了。美国现在，尤其是金融资本层面，面临的内部清算压力，其实是挺大的。以现在的这种情况，这么熬下去，华尔街后面很可能要背锅，因为金融收割如果实现不了，而内部的支票又已经开出去了，最后总要有人来承担责任的。
上一次罗斯福整顿华尔街的历史，可是殷鉴不远。
人工智能时代的数据架构，本质和特质 ——
前几天，重操旧专业，跟一个航空大制造企业讲数据架构，一位学员问了个问题“数据架构，对我们这样的2B业务的企业，有什么关键性的价值？”，这是我非常喜欢的本质问题。
我答，可以简单归结为“结构化“和”协同“。
数据架构，就跟家里的储物柜一样，首先是用来将放在里头的东西规范化，结构化的。
拿乐高积木为例子，数据就是各个不同体积，不同形状，不同组合结构的乐高零件、组件和模型；数据架构，就是用来装乐高的柜子（以及乐高部件目录，遵循标准等等），这首先就是一个结构，没有这个结构，乐高积木就只能七七八八堆一起，时间一长，就越堆越乱；后续积木越多进来，就越纷乱，越不好找，这就是为什么企业大了，信息多了，就一定需要数据架构。数据跟乐高零件一样，没有柜子，没有架构来管理/存放，就越多越乱，无法形成模型；有了架构，就可以分门别类，按规格放置资产；架构越合理，越清晰，资产查找/组合就越方便越高效，乐高是这样，数据也是。
数据架构，按一般理论，有四个部分，数据资产目录，数据标准，数据模型和数据分布。数字资产目录，就是家里的乐高积木的目录，哪些是零件，哪些是组装件，哪个乐高和哪个乐高是什么搭配关系，互相之间是什么层级，这类似数字资产目录的五个层级所定义的数据资产目录。
五级目录之中，L1主题域分组和L2主题域，L5属性，都好理解，大家问题比较多的，是L3业务对象和L4逻辑数据实体。业务对象可以认为就是一个可以独立成型，有明确成型意义，也可以和其他模型再组合的乐高模型描述；逻辑数据实体，按理论解释，是“具有一定逻辑关系的属性组合”，这里大家就晕了，这是“实体”，还是“属性组”？ 我觉得，一个逻辑数据实体，可以理解为一个乐高模型描述，也可以理解为一个乐高模型的一块组成部分（比如一个乐高机器人的躯干）的描述；如果是前者，逻辑数据实体其实就是一个业务对象。有学员问我，“员工”和“员工基本信息”，要不要分成两个数据概念？我说，都可以，甚至物理数据库中都可以把“员工基本信息”做成一个单独的表，如果经常要被引用的话。
只是不管定义到哪一级，注意“员工基本信息“是属于”员工“这个数据概念的，是低一层级的。
数据标准用乐高更好理解，如果两个乐高零件的标准不一样，两者都是0.5，一个是英寸，一个是厘米，怎么拼接呢？
数据模型很有意思，有人把数据模型和数据搞混了，数据模型是装数据的架子，柜子，数据是具体的乐高玩具。数据模型里分概念数据模型，逻辑数据模型和物理数据模型。概念模型可以认为就是柜子的概念设计图，很高阶，很概要；逻辑数据模型是柜子的详细设计图，规定好了柜子里放什么数据，数据跟数据之间怎么关联着放，但不规定用什么材质来做柜子等这种细节；物理数据模型好理解，就是最详细那个设计，甚至就是个柜子的模子，拿过来套上材料就能装东西了 —— 就像很多数据库里，导进去物理模型，就马上能生成数据库/表结构了。
因为有了模型，有了柜子，大家有了统一认知，知道东西（数据）摆在哪，怎么摆的，什么关系，怎么组合，所以大家能就这些东西（数据）很高效地合作，这是数据结构另一个价值 —— 助力协同。
这篇还没谈到人工智能对数据架构有什么意义，下篇聊这个。—— 仅代表尹智个人观点 Ken’s personal view only
前几天，重操旧专业，跟一个航空大制造企业讲数据架构，一位学员问了个问题“数据架构，对我们这样的2B业务的企业，有什么关键性的价值？”，这是我非常喜欢的本质问题。
我答，可以简单归结为“结构化“和”协同“。
数据架构，就跟家里的储物柜一样，首先是用来将放在里头的东西规范化，结构化的。
拿乐高积木为例子，数据就是各个不同体积，不同形状，不同组合结构的乐高零件、组件和模型；数据架构，就是用来装乐高的柜子（以及乐高部件目录，遵循标准等等），这首先就是一个结构，没有这个结构，乐高积木就只能七七八八堆一起，时间一长，就越堆越乱；后续积木越多进来，就越纷乱，越不好找，这就是为什么企业大了，信息多了，就一定需要数据架构。数据跟乐高零件一样，没有柜子，没有架构来管理/存放，就越多越乱，无法形成模型；有了架构，就可以分门别类，按规格放置资产；架构越合理，越清晰，资产查找/组合就越方便越高效，乐高是这样，数据也是。
数据架构，按一般理论，有四个部分，数据资产目录，数据标准，数据模型和数据分布。数字资产目录，就是家里的乐高积木的目录，哪些是零件，哪些是组装件，哪个乐高和哪个乐高是什么搭配关系，互相之间是什么层级，这类似数字资产目录的五个层级所定义的数据资产目录。
五级目录之中，L1主题域分组和L2主题域，L5属性，都好理解，大家问题比较多的，是L3业务对象和L4逻辑数据实体。业务对象可以认为就是一个可以独立成型，有明确成型意义，也可以和其他模型再组合的乐高模型描述；逻辑数据实体，按理论解释，是“具有一定逻辑关系的属性组合”，这里大家就晕了，这是“实体”，还是“属性组”？ 我觉得，一个逻辑数据实体，可以理解为一个乐高模型描述，也可以理解为一个乐高模型的一块组成部分（比如一个乐高机器人的躯干）的描述；如果是前者，逻辑数据实体其实就是一个业务对象。有学员问我，“员工”和“员工基本信息”，要不要分成两个数据概念？我说，都可以，甚至物理数据库中都可以把“员工基本信息”做成一个单独的表，如果经常要被引用的话。
只是不管定义到哪一级，注意“员工基本信息“是属于”员工“这个数据概念的，是低一层级的。
数据标准用乐高更好理解，如果两个乐高零件的标准不一样，两者都是0.5，一个是英寸，一个是厘米，怎么拼接呢？
数据模型很有意思，有人把数据模型和数据搞混了，数据模型是装数据的架子，柜子，数据是具体的乐高玩具。数据模型里分概念数据模型，逻辑数据模型和物理数据模型。概念模型可以认为就是柜子的概念设计图，很高阶，很概要；逻辑数据模型是柜子的详细设计图，规定好了柜子里放什么数据，数据跟数据之间怎么关联着放，但不规定用什么材质来做柜子等这种细节；物理数据模型好理解，就是最详细那个设计，甚至就是个柜子的模子，拿过来套上材料就能装东西了 —— 就像很多数据库里，导进去物理模型，就马上能生成数据库/表结构了。
因为有了模型，有了柜子，大家有了统一认知，知道东西（数据）摆在哪，怎么摆的，什么关系，怎么组合，所以大家能就这些东西（数据）很高效地合作，这是数据结构另一个价值 —— 助力协同。
这篇还没谈到人工智能对数据架构有什么意义，下篇聊这个。—— 仅代表尹智个人观点 Ken’s personal view only
✋热门推荐