一张图实现3D人脸建模！

创始人的专业所长，一定是公司最核心的竞争力，创始人必须在他的专业领域冲到第一线。TDengine 属于底层软件，开发需要很多经验。无论是多线程并发、资源分配、debug 用的日志，还是 API 的定义，有经验、踩过无数坑的老程序员与初出茅庐的就会有很大的区别。尤其是出现 crash, 或者某个操作失败时，对问题的分析，定位，有经验与没有经验差别就很大了，这个时候最能体现一个普通程序员与十倍程序员的差别。TDengine 经常做 10 亿条记录查询的测试，结果少了一条，如果没有经验，把这丢失的一条从十亿条中找出来那就完全是大海捞针。一个上亿条记录的聚合计算结果与预期值不一致，没有正确的方法分析，那也无异于瞎猫撞耗子，根本无从下手。

我从 84 年开始写程序，在中国和美国，都受过很好的教育和专业训练，本身就是一个十倍程序员，我的编程经验、对系统架构的把控、研发上所踩过的坑就是公司最大竞争力。但如果碍于创始人、CEO 的身份、因为融了一笔钱，就对一线工作袖手旁观，只做战略决定、指挥，那么对于公司无疑是最大的资源浪费，大大降低了竞争力。战略、布局很重要，决定了公司发展的天花板，但是否能实现战略目标，则取决于每一个执行的细节。

 

导读：周末与一老朋友相聚，聊起创业，聊起涛思数据，他说，"老陶，看你朋友圈，经常看到你在写程序，你应该是在作秀吧，涛思数据融资都超过 2000 万美元，你这个创始人不太可能也不需要敲代码吧"。我当即打开 GitHub，给他 show 我写的代码。我不仅为 TDengine 贡献了整体设计，还贡献了 4 万多行C代码，疫情期间我贡献的代码超过了一万行，递交的 PR 都超过了 150 个。作为公司创始人，作为 CEO，到底要不要写代码？我有我的看法，现分享给大家。

公司在不同的发展阶段，重点工作会不同，但 CEO 要永远盯住核心。就如涛思数据，是一家专注底层软件技术的公司，即使融资不少，但还是属于早期，至多是早中期。公司成败的关键完全取决于我们开发的产品--TDengine，一款物联网大数据处理的软件。它的功能、性能、易用性等直接决定了公司的命运。从创立到现在，产品一直是我们的命根子。既然产品是命根子，那 CEO 的工作重心毫无疑问就是要抓产品。

作为一个接口相对标准的大数据产品，抓产品更多体现在技术实现上。因此这注定我必须深度参到研发中，不仅要设计，规划功能，还要敲代码。如果只搞设计，好多实现细节无从得知，而且工程实现的难易程度难以判断，性能指标难以给出量级的概念。给一个最简单的例子，2017 年我们刚开发完 TDengine 的C客户端，就马上着手 JDBC 接口，但负责 Java 的同事完成后，发现 JDBC 性能达不到C接口的1/10，而且给我一大堆理论，我当时明确告诉他，Java 性能下降 20% 是可能的，但降到只有 10% 的话，一定是你程序有问题，最后证明我是对的。就在 2 个月前，我们负责 GO 连接器的同事，也是告诉我性能降到只有1/10，不可能再提升，还打赌 1000RMB，最后证明我也是对的，GO 的驱动与C的性能几乎没有什么区别。这就是亲临一线与远离一线的区别。

 

1. 来自不同来源的数据包含客户的数字足迹，这些数据定期被提供给大数据分布式处理系统，比如 ApacheSprark或云中的 Hadoop。
2. 然后，大数据处理系统将处理这些数据，并迅速提取决策者所需的见解。然后将结果转发到“Action”系统。
3. 然后，“Action”系统将分析这个提要，并决定在适当的时候与客户联系，采取可能的补救措施。

卖方根据数据可以采取的行动

大数据系统可能会产生所有需要的结果，但是一旦软件确定存在错误的购买，卖家又能做什么呢?

1. 立即与客户联系，索要关于购买的反馈和/或提供解决方案的联系方式(如有)。
2. 如果客户要求更换产品，请将客户指向更换部门。
3. 为将来的购买提供优惠券或折扣。

你认为当今技术的复杂程度允许这样的实现吗?你认为实现这样一个大数据系统的挑战是什么?

 

如果我们以某种方式提前知道客户对他/她的购买不太满意，并且在评论实际被放到网站上之前就有很高的负面评论的可能性，那该怎么办?这个信息对卖家有利吗?卖方是否可以选择对这些信息进行处理，以纠正这种情况并避免负面评论?

避免负面评论对未来的买家来说可能不公平，但是要记住，不管情况如何，客户仍然保留着发布他/她的全部经验的可怕权力。此外，卖家还可以通过展示所采取的补救措施来提高反馈页面的透明度。

如何利用人工智能和大数据“捕捉”潜在的负面评论

在这篇文章中，我想从理论上说明我们怎样才能在这种潜在的负面评论实际发生之前“抓住”它，这样一个诚实的卖家就有机会在它影响业务之前纠正错误。

每当一次购买出错时，典型的顾客可能会做出以下几种反应:

1. 再次浏览同一产品的网页，查看评论，看看是否有人有类似的问题，以及是否有卖家对同样的问题作出了有益的回应。
2. 与客户服务部门联系，提出投诉。
3. 在同一个网站或不同的网站上浏览其他品牌的类似产品。
4. 改变他们的购买模式(主要是下降趋势)。
5. 继续在相同的网站上订购相同的产品，或者从当地的零售商店购买
6. 讨论社交媒体中的不良购买行为。

现在，如果该公司使用在云上的大数据分布式处理引擎上实现的人工智能软件，不断扫描上述所有数据点，寻找客户直接或间接表达对特定购买不满的实例，该怎么办?

实际上，在发布糟糕的评论之前，可能只有几分钟到几个小时的时间。但是，今天超快的光纤互联网速度和蓬勃发展的大数据技术应该为自动化系统提供充足的时间来明智地利用这一时间框架启动纠正行动，从而提高客户满意度并保持相当好的产品评论。

大数据系统是如何工作的

下面是一个非常高层的图表，以及关于这个大数据系统如何工作的步骤:

（编辑：长春站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!