与阿里云整个生态体系共同成长,更快更好的为房地产行业客户提供高价值的服务。

简介: “最早是新业务要做,但是买服务器来不及,管理员没到位,而且新业务的成本很高,是否能成功也是未知,因此明源决定采用阿里云,等资金和人到位再搬到自己内部。然而就是这种误打误撞,却让明源抓住了一个很好的机会走在了正确的轨道上。

免费开通大数据服务:https://www.aliyun.com/product/odps

“最早是新业务要做,但是买服务器来不及,管理员没到位,而且新业务的成本很高,是否能成功也是未知,因此明源决定采用阿里云,等资金和人到位再搬到自己内部。然而就是这种误打误撞,却让明源抓住了一个很好的机会走在了正确的轨道上。”——副总裁童继龙
“阿里云数加的覆盖面很广,从存储、计算到上层应用,提供了一整套的解决方案,确实起到了马总说的普惠大数据。此外,数加也在不断的迭代,不停的有新产品出现,我们也再不断尝试。因此,紧跟阿里云的发布,贴合自己的业务,肯定会有不断的新价值产生。”——大数据负责人刘峥

关于明源云

明源云(以下简称明源),是国内领先的地产生态链“互联网+”服务商,致力于让地产生态链更智慧。秉承产品领先战略和让用户成功的经营理念,明源成功为全国超过5000家房地产企业提供“互联网+”解决方案和管理系统,帮助开发商管理成交额5万亿,实现对新房市场60%份额的覆盖。90+地产百强与明源携手,成功推进了“互联网+”。中国地产百强80%以上的企业是明源用户,万科、中海、保利、碧桂园、招商蛇口、雅居乐等地产航母均是明源的战略客户。目前明源形成了以核心ERP平台为地基,以云采购、云客、云服务等互联网业务为支柱的战略布局,提供互联网平台租赁服务、软件产品、管理咨询等相关服务。服务对象覆盖地产开发商、供应商、购房者、业主、物业公司、经纪公司、第三方服务公司等地产生态链相关方。云采购,是地产行业供需直连的采购招标平台。已有1600+开发商将云采购作为招募招标首选发布平台。云采购平台聚集70000+认证供应商,通过精准匹配与对接洽谈,优中选优,帮助开发商以更高效率寻源、更低成本采购。云客,通过引入黑科技全面升级传统售楼处,结合智能软硬件应用,重构地产营销场景,为房地产企业打造智慧营销、智慧管理、场景互动体验三大智慧体系,实现传统案场的智慧化转型。云客已经与1000家开发商合作,走进了5000个案场。云服务,通过工程质检、移动验房、移动客服、会员中心四款产品,向开发商提供好房子、好服务、好社区解决方案,建立起客户、产品全生命周期的透明连接,让房企真正回归到“用户”、回归到“产品”的本质。云服务已经与500家开发商合作,覆盖3000个社区。明源创办了多类别的行业级巅峰盛会。每年举办500人规模的地产总裁峰会,地产创新研习社每年举办3场线下大课,地产生态营与创新基金汇聚国内地产生态链上顶尖创新大咖与新秀。明源在20年的房地产行业深耕中积累了足够多的数据,伴随着如今地产行业大数据应用的兴起,明源也在以大数据为主攻方向进行不断的拓展和创新。

挑战

地产行业,业务驱动非常明显,以前大家考虑的是卖好房子就可以了,然而在市场竞争愈加激烈后,如何经营与维护老业主,并从存量市场提取信息指导业务,成为许多企业的探索目标。因此企业在积累了大量用户后,如何去服务现有客户,成为需要解决的问题。然而,需求之外,真正地实施并不容易,纵观地产行业,目前碰到挑战可能不是技术上的,而在于数据上。
首先,数据挑战来源于行业数据隐私观念方面。地产还属于一个很传统的行业,有时候一个客户甚至能带来数百万的价值,因此对数据看的非常重要。因此,他们对客户隐私的保护比任何行业都要强,开始推广的时候很难,很多人还是相信自建机房,他们不接受任何云服务。
其次,数据的缺散乱现象非常明显,数据采集、融合难度较大。明源大数据负责人刘峥表示,其中计算方面的挑战都通过数加解决了,面临的最大挑战反而在于数据的不规整。首先,地产是个很传统的行业,以前数据以纸质和笔质的居多,比如看房时的来访登记,因此首先需要解决的问题是如何将纸质数据搬到云端数据库上,其次才能挖掘和分析;其次,在已有IT系统中,就是数据缺散乱的现象,比如物业有物业的系统、停车有停车的系统,现在地产也不只是地产,甚至有酒店和商场,所有数据都放在各种不同的地方。

为什么使用阿里云数加

明源成立于1997年,成立将近20年,在前十六七年 在传统ERP软件轨道上跑,3年前,世界变了,云计算&移动互联网来了,如果不作出变化极有可能被颠覆。明源决定开辟新的战场,而在这个时候,新业务不应该用传统的方式来做,更应该用互联网的方式来做。在大数据解决方案技术路线选择上,明源起初也在纠结:是用开源的搭一套,还是选择商业平台直接来应用。
在谈及为什么会上云时,明源副总裁童继龙表示,“最早是新业务要做,但是买服务器来不及,管理员没到位,而且新业务的成本很高,是否能成功也是未知,因此明源决定采用阿里云,等资金和人到位再搬到自己内部。然而就是这种误打误撞,却让明源抓住了一个很好的机会走在了正确的轨道上。”另外,童继龙还从理念、成本和大数据本质三个方面对为什么使用阿里云数加平台做出了深入的阐释:
• 理念上,未来大数据的能力与云计算本身应该一样,都是一种服务。就像明源经常给用户举的例子,10年前,IBM有台电脑叫深蓝,那个时候所有计算机都是有个箱子的,但是现在再去看阿法狗或者ET,箱子已经不见了。时下,计算机已经变成了计算能力,那么为什么还要再去搭那个箱子?!对比拥有,资源共享显然更加合适。因此,我们现在向用户提供的软件产品里面,也更希望推公有云,推SaaS,我们向用户传导的就是用比拥有更重要,这是最根本的理念变化。
• 经济上,看起来自建更便宜,但反过来想,这只是眼前而不长远,因为计算能力在倍增,价格却在下降,考虑到指数级,显然使用公有云更便宜。
• 本质上,大数据可归结为计算能力、算法能力及海量的外部数据资源:第一,海量数据不可能来自一家,也不可能只存在明源的机房里;第二,海量计算能力,明源肯定也无法独立完成,这肯定是在云计算平台上;第三,算法能力,这个肯定是优秀的算法专家构建的,这和安全有点类似,这个肯定在行业的龙头。同时,计算+算法+数据能力是在云上做迭代的,如果用静止的观念看,如果停滞不前,那么可以自己干,因此只能选择在平台上。
明源在4年前已全部转向云计算,属于数加的第一批客户,因此也不推荐基于地产创业的企业再去自建大数据平台,对比自建和使用云服务,刘峥在技术实现方面进行了补充:
在技术考量之初,明源注意到一些开发商在千万级别的服务器投资后,得到的回报却是零,集群建立后没有产生任何价值。在参考这些案例后,明源从开始就使用了阿里云数加云服务。对比之前做过保险行业的大数据,举个简单的案例,我们曾做过3000万用户的聚类分析,这个项目当时是个300万的项目,花了半年的时间去实施。但是类似应用场景在建立地产用户分群时,我们使用了阿里云数据开发之后, 结果3天就跑完了,因此数加有个巨大的赋能意义在里面。因为我本身也是做机器学习出身的,也用到了数加的机器学习模块,并在云采购进行探索,比如做供需双方对接,精准的预测供应商的付费意愿,这样运营人员可能就直接的一对一电话出去,进行一个精准的服务,大量类似于这样的一个场景。此外,明源还用到了DataV,比如在之前地产公司的一个项目,比如所有从ERP中导出的数据,通过DataV的形式做用户的作战大屏,了解每个区域的用户增长情况,从而针对性的做营销。

解决方案及架构

“阿里云数加的覆盖面很广,从存储、计算到上层应用,提供了一整套的解决方案,确实起到了马总说的普惠大数据。此外,数加也在不断的迭代,不停的有新产品出现,我们也再不断尝试。因此,紧跟阿里云的发布,贴合自己的业务,肯定会有不断的新价值产生。”刘峥说道。目前,明源使用的阿里云数加产品及组件有:
• 大数据开发套件(DataIDE)https://data.aliyun.com/product/ide
• 大数据计算服务(MaxCompute,原名ODPS)https://www.aliyun.com/product/odps
• DataV数据可视化 https://data.aliyun.com/visual/datav
• 机器学习(PAI)https://data.aliyun.com/product/learn
目前,明源在营销和云采购方面采用了阿里云数加解决方案,接下来还会在金融方面深入应用。在营销应用方面,通过云业务和ERP数据源,直接做数据采集进入数加MaxCompute(原名ODPS),然后再对数据做清洗和转化,将处理结果保存到RDS中,最后用DataV连RDS做数据大屏。具体解决方案架构如页面下方营销应用架构图所示。
在云采购方面,首先通过数据同步的操作,把日志数据从RDS中同步到MaxCompute的表存储中;然后,利用机器学习PAI对于数据进行特征工程处理并且进入逻辑回归算法进行模型训练;最后,在生成离线预测模型之后,使用大数据开发套件DataIDE进行离线预测调度,每天凌晨对于数据进行预测,按照用户的付费意向排序,选择付费意向高的对象作为潜在客户推送给销售人员。解决方案包括三个步骤:数据同步、机器学习、调度预测,架构如页面下方云采购应用架构图所示。

收益

1.阿里云数加为明源赋能,最大的降低了大数据的应用门槛。刘峥表示:“刚来到明源的时候,我是唯一一个做过大数据的人,给我分配的人员为典型的互联网公司人员配置,包括交互、UI、UE等,不像之前公司配置的人员那么齐全,如Hadoop人员、算法人员,可视化人员等,所以刚开始比较心虚,但走到今天发现并不需要太专业的人才,普通的技术人员也可以通过数加玩转大数据,这就是我最大的数加使用体会,包括走到现在各种数加产品的技术门槛都是很低的,能很快上手。”
2.明源一方面通过阿里云数加来搭建数据管理平台,帮助企业来治理数据的缺、散、乱;另一方面,明源更结合地产行业实际情况,在大数据行业上展开众多摸索:首先,在拿地上,可以结合第三方数据,把土地周边的配套设施发展,比如人口、公园等数据展示出来,给房地产公司提供参考;其次,在营销上,可以在客户到访以后做客户地图,也可以通过数据分析用户购房的真正需求,是改善亦或是刚需;最后,在运营上,可以通过数据做产品的改进,比如客户住了房子后,发现楼间距较窄、绿化面积太少或者是不科学、灯光不够亮等等。刘峥指出,现在许多开发商中,60%都是老业主,这是一个很庞大的数字,如何经营他们成为重中之重。
3.明源和阿里云一起联合举办地产行业CIO峰会,展开越来越多的布道,引导客户数据上云。对于大数据,童继龙表示:“过去有PC时代的B/S架构技术,移动互联网领域的开发技术,大数据也可能成为一个时代,在地产行业,从拿地、设计、开发、建造、质量管理、营销、服务、每一个价值链上都有大数据的场景,因此有着很大的空间,至于每个部分可以做到哪些,比如云采购帮助采购匹配更好的供应商,云客帮助地产公司找到客户群,完成广告投放;过去的投放是漏斗形的,倒金字塔,投10万个可能来1000个;但是大数据时代可能是正金字塔,知道客户在哪,投进去,通过结果指导下次投放,越投越准。在地产行业,明源已经在不同的产品线,通过大数据去指导客户去做业务,也期待更多的人参与进来。”另外,也从技术角度逐步引导客户数据上云,刘峥表示:“现在我们的解决方案:通过Docker的模式,他们自己租用阿里云,通过公有云的私有部署来打消对数据隐私的顾虑。总的来说,虽然这方面比较敏感,但是仍有突破。”
4.与阿里云整个生态体系共同成长,更快更好的为客户提供高价值的服务。童继龙表示,这就像我们当初选择阿里云一样,最早时候是只有阿里云能做,后来双方在业务的融合度上越来越高,阿里云产品本身迭代的很快,而明源在应用上迭代的也很快;之后,明源不止是用阿里云的服务,还在向自己客户提供服务的过程中,同时使用了阿里云其他生态伙伴的产品,比如通讯解决方案提供商云之讯等。对于明源来说,用最快的速度,最成熟的服务为客户提供服务才是关键;因此,明源选择阿里云,不是选择了单单一个阿里云,更选择了阿里云整个生态,与这个生态共同成长。
相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
安全 Shell Linux
【Shell 命令集合 文件管理】Linux ssh 远程主机之间复制文件 scp 命令使用教程
【Shell 命令集合 文件管理】Linux ssh 远程主机之间复制文件 scp 命令使用教程
1336 0
|
定位技术
阿里架构总监一次讲透中台架构,13页PPT精华详解,建议收藏!
本文整理了阿里几位技术专家,如架构总监 谢纯良,中间件技术专家 玄难等几位大牛,关于中台架构的几次分享内容,将业务中台形态、中台全局架构、业务中台化、中台架构图、中台建设方法论、中台组织架构、企业中台建设实施步骤等总共13页PPT精华的浓缩,供大家学习借鉴。
39917 112
|
9月前
|
机器学习/深度学习 人工智能 安全
60_隐私保护模型:联邦学习变体
在当今数字化时代,数据隐私保护已成为人工智能发展中不可忽视的核心议题。随着大型语言模型(LLM)规模的不断扩大,其对训练数据的需求也呈指数级增长,这使得数据隐私与模型性能之间的矛盾日益凸显。2025年,联邦学习作为一种创新的分布式学习范式,正在重塑LLM的训练和部署方式,允许多方在保护数据隐私的前提下共同构建高性能模型。
432 0
|
10月前
|
JSON 自然语言处理 API
多语言实时数据淘宝商品评论API:技术实现与JSON数据解析指南
淘宝商品评论多语言实时采集需结合官方API与后处理技术实现。建议优先通过地域站点适配获取本地化评论,辅以机器翻译完成多语言转换。在合规前提下,企业可构建多语言评论数据库,支撑全球化市场分析与产品优化。
|
9月前
|
Java 测试技术 API
【JUC】(1)带你重新认识进程与线程!!让你深层次了解线程运行的睡眠与打断!!
JUC是什么?你可以说它就是研究Java方面的并发过程。本篇是JUC专栏的第一章!带你了解并行与并发、线程与程序、线程的启动与休眠、打断和等待!全是干货!快快快!
1217 2
|
存储 缓存 安全
深入讲解 Java 并发编程核心原理与应用案例
本教程全面讲解Java并发编程,涵盖并发基础、线程安全、同步机制、并发工具类、线程池及实际应用案例,助你掌握多线程开发核心技术,提升程序性能与响应能力。
425 0
|
机器学习/深度学习 人工智能 自然语言处理
《探秘DeepSeek优化器:解锁模型训练的高效密码》
DeepSeek作为备受瞩目的大语言模型,在自然语言处理任务中表现出色,其优化器功不可没。该优化器具备自适应学习率调节机制,能灵活应对训练动态,确保快速收敛与稳定;采用高效梯度处理技术,防止梯度爆炸或消失,支持稀疏梯度更新,减少计算开销;完美适配分布式训练环境,降低通信开销,加速多节点协同工作;并与模型架构深度适配,充分发挥潜力。这些特点共同推动DeepSeek在复杂任务中取得优异表现。
433 1
|
人工智能 边缘计算 监控
《解锁分布式软总线:构建AI分布式推理临时集群的密钥》
分布式软总线是一种创新的软件定义通信技术,通过自发现与自组网特性,构建高效的人工智能分布式推理临时计算集群。它能自动识别并连接多设备,优化任务分配与数据交互,广泛应用于智能安防、工业制造及科学研究等领域,大幅提升推理效率与性能,为人工智能发展开辟新路径。
563 6
|
Prometheus 监控 Cloud Native
服务器监控软件
【10月更文挑战第18天】
541 1
|
人工智能 自然语言处理 前端开发
三大行业案例:AI大模型+Agent实践全景
本文将从AI Agent和大模型的发展背景切入,结合51Talk、哈啰出行以及B站三个各具特色的行业案例,带你一窥事件驱动架构、RAG技术、人机协作流程,以及一整套行之有效的实操方法。具体包含内容有:51Talk如何让智能客服“主动进攻”,带来约课率、出席率双提升;哈啰出行如何由Copilot模式升级为Agent模式,并应用到客服、营销策略生成等多个业务场景;B站又是如何借力大模型与RAG方法,引爆了平台的高效内容检索和强互动用户体验。
4378 5

热门文章

最新文章