• 疫情下生鲜食品可追溯重要性凸显 京东数科以区块链护航安心餐桌

    近日,由北京新发地农贸批发市场引发的疫情源头待解,如何建设起标准化、绿色化、智慧化的农产品批发市场基础设施,为老百姓带来全程可追溯的食品安全保障,成为业界关注一大方向。科技公司正成为后疫情时代解决公共食品安全不可或缺的一环,京东数科依托其从供应链溯源海量场景中锤炼出的区块链防伪追溯能力,已实现对黑猪肉、跑步鸡、多宝鱼、海参、跨境牛肉等近千种生鲜食品从农场到餐桌的品质追溯,以区块链构建起“菜篮子”工程的数字信任基石。近年来,随着区块链技术的普及和品牌商对自身品牌的重视,防伪追溯应用于行业的场景逐步扩大,消费者在购买商品时也更注重有品质溯源保证的商品。以京东数科的区块链防伪追溯平台智臻链为例,数据显示,截至2020年5月,已有超13亿追溯数据落链,900余家合作品牌商,7万多件入驻商品,逾700万次售后用户访问查询,覆盖生鲜农业、母婴、酒类、美妆、二手商品、奢侈品、跨境商品、医药、商超便利店等丰富业务场景。值得一提的是,生鲜食品作为京东数科区块链防伪追溯中的一大重要领域,已经为黑猪肉、跑步鸡、多宝鱼、海参、跨境牛肉等近千种生鲜食品实现了从农场到餐桌的品质追溯,让消费者买得安心,吃得放心。京东数科以区块链技术对“跑步鸡”进行溯源比如在河北省武邑县与京东合作成立的“跑步鸡乐园”中,每一只鸡的脚上都会戴上二维码溯源脚环,成为小鸡们唯一的身份识别。在跑步鸡出栏后,通过加工、物流等环节直至消费者购买,消费者通过扫码,就能看到养殖场在饲养过程的状态,如位于哪个养殖场,养殖人员是谁,这只鸡吃的食料是什么等。大连鑫玉龙则通过与京东数科区块链的“千里眼”视频手段,将海参的“育种-育苗-养殖-加工”各阶段生产信息都加入到了追溯中,全程透明可追溯。京东数科以区块链技术对大连鑫玉龙海参进行溯源而在跨境食品方面,京东与澳大利亚肉类产品出口商InterAgri合作,澳洲优质的纯黑安格斯牛肉进入中国市场,也有了区块链溯源方面的品质保障,确保每一块纯黑安格斯牛肉从草原到餐桌的各个环节都“记录在案”。事实上,上线区块链防伪追溯服务后,对品牌商的销量提升也有着极大价值。中欧-普洛斯供应链与服务创新中心与京东数科联合发布的《2020区块链溯源服务创新及应用报告》就显示,应用追溯服务后,海产生鲜复购率提升47.5%;营养保健品的销量提升了29.4%;母婴奶粉的访问量提升了16.4%。在退货率方面,营养保健品的退货率相对下降了4.5%。而同时采用区块链追溯和千里眼视频直播/录播功能的生鲜追溯商品,销量提升幅度更是高达77.6%。然而,尽管区块链溯源对行业、品牌商和用户来说利好多多,专家学者也曾多次呼吁要建立从田间地头到餐桌产品可追溯供应链机制,保障食品安全。但在区块链的防伪溯源普及过程中确也存在不少难点。有业内人士透露,目前接入区块链追溯应用的,大多是规模大一些的企业应用于电商线上渠道。在线下尤其是农产品批发市场流通的场景下,很多企业规模相对较小,品牌效应不强,加之在批发市场的售卖场景下,外包装也不尽齐备,这些都导致区块链防伪追溯应用的大面积普及尚存难点。如何以区块链技术进一步完善供应链可追溯体系,建设与现代都市相匹配的农产品批发市场,构建农产品流通环节的重要中枢系统,将成为全社会亟待解决的问题。京东数科将开放区块链防伪追溯能力,与社会各界一起携手努力,打造健康、可追溯的公共食品安全环境。 

    京东数科 2020-06-23
  • 京东金融618:联合上百家金融机构助力600万中小微商家复工复产

    今年的618意义非凡,不仅承载着广大消费者对美好生活的期盼,也承担着助力经济复苏、企业复工复产的重任。6月18日,在京东618媒体开放日的直播发布会上,京东数字科技集团用户中心总经理江明丽对外公布了京东数科旗下京东金融在今年618期间的成绩,618当日,白条交易额3分钟突破10亿元;618期间,白条免息商品累计销售5000万件;“白条免息+金贴”的优惠方式累计为消费者节省30亿元,同时助力合作商家客单价提升超过60%。图片说明:京东数字科技集团用户中心总经理江明丽。来源:京东数科江明丽介绍,疫后首个618电商节,京东金融推出24期免息与20亿金贴活动,通过线上+线下“双线布局”、京东体系与外部合作伙伴结合、联动上百家银行,全力补贴消费者,与商家谋增长,为经济提振出力量。除助力合作商家提升业务客单价、提高业绩外,京东金融还与107家金融机构联合,投入900亿贷款,提供资金支持,助力600万家中小微商家复工复产。据了解,今年618,在线上场景方面,京东金融与京东零售各大品牌商家联合,推出24期免息活动,商品品类包括5G商品、家居生活、电脑数码、运动鞋服、母婴用品等领域,可满足各类消费人群的需求。同时推出20亿金贴活动,与多点、嘀嗒、网易云音乐、OPPO健康、爱奇艺等各外部合作伙伴开展用户补贴与运营,刺激消费。此外,京东金融大规模走入线下商业场景,在全国28个省市、近200座城市与15000家连锁超市、购物中心、连锁便利店等联动,合力拓展白条、信用卡等信用支付服务,为消费者谋实惠、帮商家增订单。 银行也成为今年618的重点合作伙伴,京东金融与全国上百家银行,包括各国有大行、股份制银行及城农商行等开展联合营销合作;同时借助京东到家、京东超市、京东生鲜、京东商城等各大消费场景,依托京东强大的电商和物流体系,联动线下合作商家,共同为用户提供便捷、优惠的购物及信用支付服务体验。在与合作伙伴合力为用户提供服务的同时,京东金融也发挥数字科技能力保障用户消费安全。今年618期间,京东金融为100%的实名认证用户免费提供保额达100万的账户安全保障;智能风控系统已累计实现对7亿用户的信用风险评估,1000+的风险模型7×24小时守护用户交易安全;智能客服覆盖率则已达90%,在保障用户安全、安心消费的同时兼顾服务效率;而区块链技术则为7万+商品,包括食品生鲜、美妆、跨境商品等提供溯源服务,保障用户权益。国家统计局数据显示,5月份,社会消费品零售总额同比下降2.8%,比上月收窄4.7个百分点,已连续三个月降幅收窄;1—5月份,网上商品零售额同比增长11.5%,比1—4月加快2.9个百分点;占社会消费品零售总额比重达24.3%,比上年同期提高5.4个百分点,线上消费表现强劲。江明丽介绍称,疫后恢复性消费来临,消费市场持续改善,用户开始更加注重如何“花好钱“。如何更加聪明地分配自己的收支,使用分期方式去规划未来的现金流,运用分期等信用支付工具保障生活品质成为众多用户的选择。在这种背景下,以白条为代表的信用支付持续推动消费增长。她表示,对于用户来讲,白条24期免息这种信用支付方式降低了消费门槛,刺激了消费,提升了用户体验;对于商家来讲,则可以提高销售交易、提升客单价、促进交易转化。疫情当下,信用支付从刺激需求出发,激活了商家交易,促进了复工复产,带来了经济效益与社会效益。“今年618期间,京东金融的成绩验证了通过信用支付服务促进消费、由消费激活生产销售、拉动经济恢复的全链路。”她说。

    经济日报新闻客户端 2020-06-19
  • 京东金融618一小时战报:白条交易额180秒破10亿

    今年的618意义非凡。这个电商节,不仅承载着广大消费者对美好生活的期盼,也承担着助力经济复苏、企业复工复产的重任。今年618,京东金融将“24期免息”打造成电商节的新标配,助力每一份幸福与美好。  数据显示,6月18日00:00—01:00,白条交易额180秒就突破10亿元。  挺消费:“24期免息”成电商节新标配!  从上线数十万件免息商品,到推出任天堂、大疆无人机、戴森吹风机等爆品的24期免息,再到开辟最高24期分期的免息专场……今年618,京东金融已将 “24期免息”打造成为电商节的新标配。  从过万的数码产品到几块钱的小物件,消费者使用“24期免息”的范围覆盖数码、家电、母婴、酒水等众多品类,以分期免息方式“花好钱”,消费者在品质生活与财务压力中找到了平衡点。  在众多“24期免息”商品中,徕卡(Leica)Q2全画幅数码相机单价最高,消费者通过使用白条可以立省8000元,而最便宜的“24期免息”商品则是一款售价仅10.1元的收纳盒。  从刚刚公布的数据来看,今年618期间,京东金融通过白条免息累计拉动销售商品5000万件,用“白条免息+金贴”的大力度优惠方式更是让消费者节省下了30亿元。  线上促销之余,京东金融还“尝鲜”线下商业,携手联动百万品牌商户,覆盖近300个城市及多个生活场景,成为疫后促进实体经济恢复发展的良方。  618期间,京东金融还与多点、嘀嗒、网易云音乐、爱奇艺等外部合作伙伴展开用户运营等合作,让白条的24期分期打通线上与线下,真正做到京东体系内外部联动,促进消费增长和助力经济提振。  促销售:助力商家复工复产多赚钱!  促进疫后实体经济恢复是今年618大促期间京东金融的重要着力点。618期间,京东金融以多年积累的金融科技能力为基础,联合107家金融机构,投入贷款900亿,助力600万中小微商家复工复产,同时通过白条免息和为消费者提供金贴的方式,帮助合作商家的客单价提升超过60%。  不仅如此,京东金融还积极布局“线下”,在全国300个城市,协同15000家线下商超门店,在餐饮、商超、服装、智慧公共出行等多个领域拉动消费,促进商家复工复产。  今年,京东金融还联动包括北京银行、中原银行、晋商银行、盛京银行、云南农信银行、南京银行等在内的56家银行开启信用生活,针对银行推出了支付“立减”补贴活动,还联合30余家区域性银行补贴1300万京东金融联名信用卡用户。  以北京银行、中原银行等为例,京东金融借助京东到家、京东超市、京东生鲜、京东商城等各大消费场景,依托京东强大的电商和物流体系,联动618线下合作商家,携手银行为用户提供了便捷、优惠的购物及金融服务体验,提振消费、助力经济复苏。  保安全:多举措让消费更安心!  在众多补贴和免息优惠背后,京东金融依托一系列“全方位”的安全举措和手段为此次618期间消费者的购物狂欢保驾护航,保证618期间平台交易的平稳顺畅,为广大消费者营造一个安全、有序的购物环境。  为保障交易安全,京东金融运用智能风控系统,以1000+风险模型7×24小时守护用户交易。多年来,累计实现对7亿用户的信用风险评估。  同时,京东金融为所有实名认证用户免费提供保额达100万的账户安全保障,为客户提供账户安全保障的同时,也让用户获得了更佳的消费体验。  值得一提的是,618期间,京东金融还通过区块链技术为7万多种商品提供了溯源服务,包括食品生鲜、美妆、酒水和跨境商品等,实现了商品的防伪、品质溯源,更为消费者营造了安心可靠的消费体验。

    央广网 2020-06-18
  • 京东数科首度公开联邦学习战略全布局,薄列峰详解两大算法突破

    近日,雷锋网《AI金融评论》联合香港人工智能与机器人学会(HKSAIR),邀请京东数字科技AI实验室首席科学家薄列峰做客公开课,以《京东数科的联邦学习战略全布局》为题进行分享。除了分享横向和纵向联邦学习以外,他也通过案例形式给出了京东数科对联邦学习性能与安全性方面的研究成果,以及区块链和联邦学习的融合讨论。以下为薄列峰的课程分享全程回顾,雷锋网AI金融评论做了不影响原意的编辑:随着互联网发展,数据安全管理越发严格,对数据管理的关注也越来越全面化。怎么在保护数据隐私的情况下,还能做一些好的机器学习模型,应用到各种各样的问题?这就变得越来越重要,需要从集中式机器学习过渡到分布式机器学习。而2006年开始掀起的深度学习热潮,更把AI和机器学习模型对数据的需求推向了顶峰。什么是联邦学习?就是在满足数据隐私安全和监管要求的前提下,让人工智能系统更加高效准确地共同使用各自数据的机器学习框架。应用方面,举一个简单的例子:各企业或机构大家都出不同的数据,相互进行模型学习,又不会看到对方的数据。数据还可能分布在不同的国家,各国数据监管政策有所不同,也可以把分布在各国数据高效利用、训练模型,不存在数据上的交换。两个典型的联邦学习算法,分别是横向联邦学习和纵向联邦学习,横轴表示特征维度,竖轴表示用户维度。横向联邦学习,看两方的数据和标签,用户重合度非常低,特征重合度比较大。这里显示的是用户无重合的极端情况,实际情况中它可能仅仅重合90%用户特征,5%用户重合,到时进行对齐即可。纵向联邦学习,两方用户重合较多,可对用户的部分对齐。A、B各拥有用户一部分数据,可能都会有用户的一部分标注,纵向联邦学习也能去处理。对计算机视觉、自然语言语音识别等领域而言,2006年深度学习(的出现)是非常大的推动。大家熟悉的语音识别、语音合成、人脸识别等应用,都是大量深度学习模型在背后发挥作用。深度学习、梯度下降与横向联邦学习三种典型深度学习首先是深度神经网络(Deep Neural Networks,DNN)在语音识别误差上有30%的简化,性能有非常大的提升。后来是卷积神经网络(Convolutional Neural Networks, CNN),它的训练误差相对于其他方法降低了十个百分点左右,在计算机视觉领域有着非常广泛的应用。递归神经网络(Recursive Neural Networks,RNN)在自然语言处理领域是非常基础性的工具。优化神经网络的典型方法:不管神经网络有多复杂,大家实际上都能把它写成一个f,一个输入加一个参数。常用方法之一是随机梯度下降。大家都知道,优化最基本的是梯度下降,就是精确计算梯度,再对参数的方向和模型参数用梯度做下降。如果我的样本量非常大,有100万、1000万,做梯度下降计算代价非常高。实际运用中,我们可以随机提出采样。极端情况下,可以只采用一个样本去估计梯度,比如包含50-100个样本的小样本集,它的梯度估计不准确,但计算代价非常低,这样能有效优化神经网络参数。如图,红线是随机梯度下降的结果,梯度估计不准所以路线较曲折。蓝线是典型的梯度下降结果,估计比较精确所以不会拐弯的路线。但最终都会去到最优解。虽然红色路线比较长,但它走每一步的代价明显更低,相对于随机梯度而言,整体效率还是更高。这是典型的横向联邦学习框架。设置里下面是客户端(client1,2,3,……,t)。蓝色云是服务端(Server)。横向联邦学习的设置是数据的不同样本存在不同用户端,这实际上是对传统分布式框架的改善。首先每个客户端训练模型,产生参数w1、w2、w3……wt,参数传到云端,服务端对模型做平均,得到 w-。服务端做完模型平均之后,每个客户端再下载模型w-,再对模型做几轮梯度下降或优化,再将模型上传到服务端,循环往复,形成这样一个迭代的过程。在这个过程中,客户端的数据并没有向服务端传递,传递的只是模型的参数w,保护了客户端数据的隐私。它与传统分布式学习的不同之处在于,后者在此传递的是梯度;在联邦学习里,客户端向服务端传的是模型的参数。实际上现在也有证明表示,梯度信息其实也能泄露不少数据信息,而模型参数经过几轮梯度下降后,对数据的保护会做得更好。如图,联邦Average(FedAvg)和 联邦SGD,前者实际使用代数明显更少,就可以收敛,SGD需要的代数明显更多。在很多setting里,在分布式学习里,通信代价通常会是瓶颈,这个差异意味着FedAvg能有效降低这一代价,提升了训练效率,同时也加强了对数据隐私的保护。在这个设置下,实际上服务端还是知道我的模型参数的,有没有可能进一步对我的模型参数加密和保护?其实不需要加密也有相当的安全性,但加密能对攻击、对服务端、对可能的数据欺诈有更好的防护。同态加密简单来讲,这是一个密码学的算法,主要操作是生成公钥和私钥,加密算子,应用到明文,产生密文;用私钥对密文解密,产生明文。同态加密的特点之一就是,两个数m1和m2的和同态加密,等于m1的同态加密加m2的同台加密;m和一个常数相乘的同态加密,等于对这个样本同态加密,再乘以常数。横向联盟学习+同态加密:和刚才的情况类似,传递参数过程中,可对w1……wt同态加密,然后在服务端对同态加密域做平均,以得到模型参数。在这一设置下,服务端不知道私钥,但客户端知道。服务端实际上不能对w-解密,甚至连模型参数也不知道,它只知道同态加密域,但没有私钥就没法解密。客户端下载参数,用自己的私钥解密,再更新自己的模型——因此同态加密也提升了数据安全性。横向联邦学习之人脸识别应用:人脸识别有多场景的数据收集,比如打卡的门禁数据、多角度监控、证件类数据等。甚至还有一些海外业务,海外数据不能传递到国内,联邦学习就能解决这个问题,有效提升在人证场景或配合式场景下的通过率。Q:各方的特征怎么对齐?在横向联邦学习,大家的特征集是一样的。举个例子,a方和b方都是人脸数据,那么模型取的就是人脸数据,可以规范化到一个图像标准,比如说128×128的头像,这样输入x就自然对齐了。除了同态加密,另一个在横向联邦学习应用较多的是差分方法,思路是在分布式学习的时候传递梯度,同时对梯度加噪,以噪声方式保证梯度安全性。纵向联邦学习假设两个公司各有数据的部分特征,同时 b方拥有数据的标记,可以用一个安全的方法对齐数据ID,再做纵向联邦学习。这通常需要一个合作者Collaborator(有些方式可能不需要),AB两方的数据交换都需要对它加密。此处设置为:合作者有公钥和私钥,两个机构a和b,分别都只有公钥,没有私钥,能通过加密保护自己的数据。得到同态加密域的梯度之后,会对梯度加噪声再送到合作者处,合作者会用自己的私钥解密,然后把梯度还给它。在各方得到自己的梯度之后,可以进行梯度下降。Q:若合作者方占主导地位,是否有泄露风险?这是实际操作中需要注意的问题,比如A方特征占10%,B方特征占90%,这块你能写出的方程数量明显少于参数数量,理论上是推不出来的,但随着不平衡性的增加,安全性也会下降。纵向联邦学习某种程度上,是有信息泄露的,但是从大方向说,它泄露的信息足够少以至于别人推不出来主要的特征。线性回归是一个典型的算法。在很多模型的应用中,当样本量较大,线性回归的性能或许不会很好。此处常用的方法之一是随机森林(random forest)。随机森林Step 1:随机森林会对原始特征采样(bootstrapped)。这个步骤是放回式采样,比如说100个训练样本,它会每次放回,然后做采样100个。完成采样后,每个数的训练样本就不一样了,都是原始训练样本衍生出来的。这样主要是为了增加数的随机性和多样性,在树的集成过程中会产生更好的效果。Step 2:建每一棵树时,在每个节点选择一个特征的一个随机子集。举个例子,这里有30位特征,建树时随机选择五维的特征;建每个节点时,随机选的5个特征都不一样,再从中挑选最好的特征,保了每个节点的多样性。建树过程中,可以是深度优先,然后走到叶子节点,直到它满足一个判据,完成树的分支搭建,最后再逐个预测。联邦随机森林大致思路是,主动方、被动方各一,主动方有标记,并加密标记和标记的平方,然后发送给被动方。此处三角号表示对yi、zi进行同态加密。加密后,被动方根据自己每一维的特征,当它的这维特征被整个机制选中的时候,它会针对这个特征做直方图,然后用直方图在同态加密域的yi和zi进行聚合。每一个直方图会把它划分成很多区间,在每个区间做平均,得到Y和Z。简单讲,主动方传同态加密后的y和zi是一个向量,该向量和样本数一样。被动方会对向量做聚合每次会选向量的一个子集,看哪个特征落到区间上,再对传递过来的yi和zi平均进行同态加密域的求和运算。在随机森林里,既要选取特征,也要选阈值,通过该阈值下的特征得分算出y的矩阵,矩阵还给主动方。此处主动方有公钥和密钥,被动方只有公钥无密钥,所以被动方无法解密y和z,它把Y和Z的矩阵传给主动方,后者会依所得进行解密,再计算每个特征和每个阈值的得分,择其得分高者,如此即可完成随机森林中一棵树的某节点构建。重复该过程可构建不同的树和整个随机森林。可以看到,主动方得到被动方的数据,实际只是得到聚合后自己发送的y和z,所以不知道被动方的特征,也很难推导出;被动方只知道主动方同态加密运送来的y和z,并不知道更多的信息,整个过程可以保证安全。何为快速安全的联邦学习框架?传统纵向联邦学习需要用同态加密进行保护,同态加密比较低效,我们是否能设计一个不依赖于同态加密的联邦学习框架?设计快速安全的联盟学习框架有如下特点:第一,隐私能得到保护;第二,利用树状通信结构,有效提升传输效率。利用不同的数聚合信息;第三,新框架支持异步计算,能再次提升数据安全性。同时整个过程只涉及一些内积(此处不确定)计算,包括加噪后内积传递,所以该框架下不会用到同态加密,效率更高。如图,模型隐私在传递过程中,会传递参数和特征的内积,再进行加噪保护,最终有数据结构的聚合。整个框架的安全性如何?可以从理论上证明,这个算法能有效抵御精确攻击和近似推理攻击。看主要算法步骤,在第二步可以看到聚合的是内积+噪声,以及聚合噪声,然后返回到coordinator计算所有参数和所有内积再减去聚合的噪声,得到决策值,不过此处并不得到模型参数,这也正是模型信息能被保护的原因。coordinator在此只知道内积,不知道参数,所以它也无法推断各参与方信息。实现过程要确保通信的安全,数据在通信过程中不会被联邦系统之外的攻击者所获取,也需要一个可信赖的第三方来进行调度。谁做coordinator?可以是监管机构,独立第三方机构等。原始数据主要通过两项:1.任一通信节点接收到的均为加噪声后的内积,由于树状结构的差异,随机数又无法被移离,内积值因此得到保护。2.即使在串通的情况下,多个节点能移离随机数,根据内积本身也只能构造出方程,也无法通过方程精确推断所含变量。有噪声、有内积,方程数明显少于变量数,树机制……这些多重机制都能保证安全性。刚才所讲的逻辑回归还是线性模型范畴,怎样把线性模型推广到非线性模型?这也是关键,推广的非线性模型精度会大幅提升。右边算法概念大致是:先产生随机特征,生成随机数,然后做cos生成随机特征;在随机特征域上,再做刚才提到的这种联盟学习框架,来完成随机特征的参数学习。随机特征这一步引入了非线性函数,它能很好逼近原始核函数。此处,各参与方会有一部分随机特征,特征上的模型参数也保留在各方,不为他人所知。全程将通过噪声、聚合等方式提升安全性。随机梯度下降法,是首次实现了快速安全的异步并行纵向联邦随机梯度算法,并理论上分析了其收敛率核问题的双随机梯度算法,则是首次实现了大规模、高速、安全的基于核方法的纵向联邦学习。测试性能结果对比如下。LIBSVM是很多同学在研究机器学习时常用的工具,PP-SVMV是一个隐私保护算法,FDSKL则是我们目前所设计的算法。可以看到训练时间的对比。PP-SVMV涉及核矩阵,因此在大样本上操作非常慢。FDSKL收敛速度与DSG类似,后者没有联邦学习的设置。FDSKL几乎达到了不在同态加密状态下的训练速度。精度结果对比如下。FDSKL也接近了原始的不用联邦学习的效果。京东数科的最新工作也将在KDD发表。区块链联邦学习区块链受到很大关注,数据上链有透明化、分布式、不能篡改等优势,它是一种不依赖第三方,通过自身分布式节点,进行网络数据存储验证传递和交流的技术方案。区块链的分布式、去中心化特点,和联邦也有一些关系。实际上,联邦学习在大型的多方参与项目中都有类似机制,也可以考虑采用去中心化。最简单的应用是,把联邦学习和区块链结合,建立在区块链上的联邦学习算法。我们也完成了二者更深层次的融合,包括共识机制等。我们认为二者的结合在未来会有越来越多的应用。区块链可以解决数的存储,具有不可篡改性,联邦学习能对数据隐私做表保护,其中有不少地方互补。互动问答精选问:联邦学习可以不加入加密技术,不加密是不是也算对数据隐私保护?还是说得进行加密后,才算是各方进行隐私保护?薄列峰:就像我刚才在横向联邦学习中提到的那样,第一种算法实际上不加密,是用均值进行保护,整个过程中并没有传递数据。不同类型的联邦学习算法,有不同方向的数据保护。现在的问题是,哪一种对信息的保护级别更高,效率更高?同态加密是一种方法;差分隐私基本上就是给梯度加噪。这方面,像我们刚才提到的方法,都是不用同态加密对数据保护的联邦学习算法。问:联盟学习在京东有实际的落地场景和业务吗?薄列峰:有,其实联邦学习就是在做多方机构的落地,比如人脸识别、营销、风控等场景,京东数科都有案例。问:联邦学习和边缘计算的区别是什么?薄列峰:边缘计算讲的是每个用户端有自己的计算设施;联邦学习讲的是对数据隐私的保护,同时合作建模。大概念上还是非常不一样。当然,在做这种分布式联盟协议的时候,它也会用到各自的客户端,有自己的计算设备,在这一点上它会和边缘计算有一些结合点。问:怎样保护在客户端的运算速度?薄列峰:客户端的运算速度,得靠其自身计算资源来进行保护。如果计算资源比较有限,通常它的数据也比较有限,参与更少的计算。如果数据比较多,它的计算资源也多,如果是多个机构合作,这都可以协调。问:实验中列出来的时间对比,是参与方与第三方之间通信,是内网还是外网?薄列峰:我们在实验比较时,没有特别考虑网络延迟因素,是相对理想情况下的比较。有网络延迟的话,在计算的情况就会增加网络延迟。网络延迟针对每次具体的setting并不一样,所以并不容易做标准化的比较。我们比较的是没有网络延迟的情况,具体有网络延迟或者有各种情况,可能还是需要在具体设置里做更好的处理。问:每个客户端上的特征异构以及标签异构如何理解?可以举个例子吗?薄列峰:这个看是水平联邦学习还是垂直联邦学习。在水平联邦学习情况下,各个客户端也有自己的标记。刚才我举了个例子,比如说image net,每一个有1000类,每一类有1000个样本,这样你有100万个样本。假设有100个客户端,然后每个客户端有1万个样本,它有1万个样本标记,然后大家可以用横向联盟学习框架,可以有效地利用每个人手上的样本来建模。最终,每个参与方建造的模型都用了别人的样本,但是又不会去实际获取别人的数据。在纵向联盟框架下,举个例子,大机构和小机构做完用户对齐,大机构作为主动方,小机构是被动方,各参与方都可以商讨解决。像横向联盟学习,在很多时候,参与方其实就是同一个公司的分布在不同的国家的情况,信任度实际上是有保证的。即使说不同的机构之间,大家也是有相互的信任度。如果完全没有信任度,要去做这样的联邦学习,可能还是比较难的。参与方可能会对整个框架进行攻击。它的安全性会变得更加复杂。所以,我们现在还是假设各参与方是honest,是相对比较协作的,在实际应用中是可以做很多协调的。问:目前在联邦学习研究遇到的瓶颈有哪些?是否有后续未来的规划?薄列峰:后续京东数科会在联邦学习上做大量的投入,因为我们认为联邦学习是整个人工智能,包括整个机器学习的基石,它有潜力去改变所有的机器学习算法。我们会做重点布局,研发越来越多的联邦学习算法,来进一步提升联盟学习在各个领域的落地,提升它的有效性和效率,包括和区块链结合这种前沿方向。我们既会去提供一些可信度较高的软件,同时也会去落地,考虑前沿的研究,带动整个联邦学习生态的建设。问:是否可以动态变更合作机构的数量?薄列峰:合作机构的数量,是可以变化的。在纵向联盟学习里,相对比较复杂。它不参与之后,可能有些东西需要重新开始。但横向联盟学习,相对比较容易,因为大家都是拥有不同的样本,假设有1000个参与方,两三个不参与,那就少了千分之2,千分之3的样本,并不影响整个联盟学习的框架。横向联盟学习里,也有一些机制,可以保证参与方突然不参与,还能完成这个模型的训练。问:联邦学习可以用于表情识别吗?薄列峰:可以。举个例子,不同机构之间有表情识别的不同数据,大家可以利用彼此的数据来增强模型,同时又不想把数据给到对方。表情识别更像是一个横向联盟学习问题,怎么激励大公司愿意跟小公司之间共享信息。我的个人理解,它还是商业利益的驱动问题,怎么鼓励这件事。如果现在联邦学习的整个框架,只有一个小公司参与,大公司可能缺乏热情,但是如果有1000个小公司参与,那么这样以小积多,有更越来越多的可供交换的数据,大公司参与的意愿就会变强。问:服务器端,共享梯度和共享模型参数有什么区别?薄列峰:共享模型参数是做了几轮梯度下降,针对共享梯度,它的一大优势是通信代价会低;同时,对整个梯度信息的保护,也会更好。

    雷锋网 2020-06-16
  • 京东数科与金证股份签署战略合作协议 携手打造资管科技新生态

    6月12日,京东数字科技集团(以下简称“京东数科”)与深圳市金证科技股份有限公司(以下简称“金证股份”)签署战略合作协议。双方将整合金融科技及智能化资管科技平台等资源和优势,重点围绕资管科技平台JT2深入合作,共同打造一站式、全方位、智能化的资管科技生态,深度服务于资产管理机构,助力机构提升业务规模,增加投资收益,打造差异化的竞争优势。     京东数科与金证股份签署战略合作协议  此次战略合作,京东数科与金证股份将合力为资管机构提供智能交易服务,提升JT2平台投前,投中,投后一站式服务体验。同时将在技术咨询服务、创新业务系统研发、创新产品设计、技术管理标准等领域开展深入合作。  京东数科副总裁徐叶润表示,资管科技在助推资管机构的数字化转型中发挥着重要作用。此次与金证股份的合作,双方对资管科技的市场前景有着共同的期待。尤其是资管新规之后,资管市场面临新的机遇挑战,资管科技应用于投研、产品设计、交易、风控、销售等环节后所带来的降本增效的价值俞加凸显。更多的行业机构携手,发挥各自的资源优势,将有助于打造资管行业新生态。  金证股份总裁、丽海弘金科技有限公司董事长李结义表示,近年来随着资管机构业务转型的深入,机构对智能交易、智能投研、智能投顾等方面的需求越来越迫切,由此产生对IT系统升级的需求。金证股份希望与京东数科携手,为市场参与方提供高效的资产管理辅助工具,使复杂交易简单化,提升效率,降低成本,助力市场的良性发展。  自2018年发力资管科技业务,京东数科持续借助资管科技平台JT2打通资产管理行业交易、风控、产品设计、研究分析等业务流程,向资管机构提供贯穿资产管理全价值链的数字化解决方案,目前已服务超过600家金融机构。  金证股份多年来在金融行业信息化领域持续探索,形成以交易服务平台为核心的软件技术优势,并带动IT运维等业务迅速发展,目前服务客户已广泛覆盖证券基金、银行、期货、保险、信托、综合金融、监管机构等领域,积累了大量客户资源。金证股份旗下的平台子公司丽海弘金,专注量化交易服务平台的开发和量化策略的研究与服务,深度服务于各类型投资机构及专业投资者。丽海弘金通过自主研发和外部引进产品,依靠人工智能、大数据和云服务等先进技术,通过量化资管业务不断实践和创新,构建起弘金量化平台,服务于证券行业经纪和资产管理业务,助力京东数科打造智能化资管科技生态。

    经济日报-中国经济网 2020-06-15
  • 银行数字化的集体行动:56家银行入局618,金融科技“新基建”加速

    近日,56家银行与京东金融合作参与618活动,在零售金融业务层面开启数字化营销模式,将零售金融业务与平台消费场景相融合,为信用卡客户提供优惠服务,实现银行信用卡业务的精准营销和快速增长。疫情对银行线下业务的冲击,成为一剂强有力的“催化剂”,推动银行数字化升级“火线”提速。此次56家银行入局618,就是一次中小银行与外部企业合作推动数字化升级的典型尝试。对于银行而言,尤其是中小银行,与外部企业强化合作来实现数字化升级,一方面可以帮助弥补其在技术研发上的不足;另一方面还能借助互联网平台的流量优势,帮助银行获客引流。以京东金融为例,其个人客户数量达4亿,四大行手机银行客户量居首的工商银行为3.61亿,相比之下京东金融的个人客户数量规模相当于一家大型国有银行。疫情开启的全民深度线上化的生活模式,可能很难改变,甚至固化为常态。银行线上业务的比例将来会显著提高,银行“数字化升级”将成为不可逆的趋势。1疫情推动银行数字化升级“火线”提速突如其来的疫情,让各行各业遭受前所未有的打击。银行业也不可避免地遭受疫情的冲击,多数银行在疫情期间关闭线下网点,经营业绩大打折扣,同时还面临客户流失的危机。为应对疫情的冲击,很多银行在疫情期间将线下业务转战线上,加快数字化升级,通过手机银行、微信银行和网上银行,为客户提供“无接触”金融服务。客户可通过手机银行或网上银行进行账户办理、投资理财、贷款申请等业务。银行则借助人工智能、区块链、大数据等金融科技手段完成材料审批、风险管理等工作。通过线上办理业务、远程操作,让客户感觉“足不出户,办理业务”,助力银行降低客户流失率,同时提高客户体验度。3月5日,全国工商联会同多家行业协会,与网商银行等共同发起“无接触贷款”助微计划,100家银行迅速集结加入计划。这一举措是疫情期间银行数字化升级的典型范例。在响应计划的银行中,既有三大政策性银行,六大国有银行,股份制银行,也有来自各地的城商行、农商行、村镇银行。数据亦能体现“无接触贷款”在特殊时期的价值:北京大学数字金融研究中心的研究显示,数字信贷发展水平每增长1%,疫情对经营的冲击减少2.57%。疫情宛如一针强有力的“催化剂”,推动银行数字化升级“火线”提速,强化了银行数字化升级的决心。多家银行在2020年发布的财报中,将数字化升级作为2020年发展战略之一。2银行数字化升级的路径:自建+开放+合作1. 大中小银行数字化升级路径各异数字化升级,即利用人工智能、大数据、区块链、云计算、互联网、物联网、5G等数字技术,实现降本增效、业绩增长,为产品创新、资源高效利用和价值共享提供支持,构建“生产服务+商业模式+金融服务”跨界融合的数字化生态。实际当中,为实现数字化升级,各家银行结合自身实际、资源禀赋等,选择了不同的实现路径。大型银行依托自身强大的科技和资金实力,通过设立金融科技子公司,或者银行内部成立独立的金融科技发展委员会、金融科技部、金融科技研究院或实验室等方式,通过“自建”的方式实现数字化升级,还能对外输出金融科技服务。截至目前,已有兴业银行、平安银行、招商银行、光大银行、建设银行、民生银行、华夏银行、北京银行、工商银行、中国银行和交通银行11家银行成立金融科技子公司。此外,一些银行还会与BATJ等互联网科技巨头达成战略合作,共同研发新技术在金融领域的应用。中小型银行受限于科技能力、研发投入等,则主要通过与外部企业合作的方式,实现数字化升级。此次,56家银行加入京东金融App举办的618活动,就是一次银行与外部企业合作推动数字化升级的典型尝试:据了解,本次合作中,京东金融与30余家银行合作为千万级联名信用卡用户提供数字化运营服务。一方面用户通过京东金融App,根据不同银行及用户归属地选择信用卡,可在1分钟内完成信用卡的申请,另一方面持卡用户可享受各类刷卡优惠;京东金融App还与20余家银行在存量用户的信用卡支付业务方面达成合作,用户刷卡即享优惠。借助618活动,银行在零售金融业务开启数字化营销模式,将零售金融业务与平台消费场景相融合,推动实现信用卡业务精准营销和快速增长。截至目前,京东金融已服务40余家银行,发出1300多万张联名信用卡。2. 与外部强化合作,成中小银行最优选择对于银行而言,尤其是中小银行,与外部企业强化合作来实现数字化升级,不仅可以帮助弥补其在技术研发上的不足,还能借助互联网平台优势,帮助银行获客引流。零壹财经数据统计显示,全球金融科技专利申请排行前100中,京东数科排在前列。而进入前100的中国银行有7家,除4大行以外,还有微众银行、平安银行和福建农信,其中农业银行、平安银行和福建农信均排在京东数科之后。由此可见,头部科技公司的研发能力与头部银行旗鼓相当。中小银行与具有平台背景的科技公司合作,不仅可以弥补技术劣势,可以帮助引流获客,扩展零售业务。一些具有平台背景的企业,尤其为C端用户提供服务的企业,其用户量达到上亿规模,甚至超过头部银行。以京东金融为例,截至目前,其个人客户数量达4亿。我国四大行手机银行客户量均过亿,其中工商银行以3.61亿排在首位。京东金融的个人客户数量规模,相当于一家大型国有银行。图1: 2019年四大行手机银行客户数量(单位:万户)数据来源:零壹智库以晋商银行为例,2019年4月,晋商银行与京东数科合作的联名信用卡上线,首月发卡量迅速突破10万张,截至目前,该联名卡业务规模已突破55万张,发卡以来累计消费额已超133亿。就在近日,基于此前的良好合作,晋商银行与京东数科进一步深入,未来双方将在信用卡数字化运营、线上零售信贷、资管科技、资管平台、私有云、票据贴现、区块链、智能服务机器人等业务领域展开全面合作,全面推动银行数字化升级。3银行“数字化 ”趋势不可逆这场突如其来的疫情,开启了全民深度线上化的生活模式。中国的疫情已得到有效遏制,而全球范围内的疫情还在持续。即便疫情结束,用户“排斥聚集”的下意识在较长一段时间内可能很难改变,甚至固化为常态。5G网络的覆盖,5G手机的普及,也将推动深度线上化生活模式的应用与普及。经此一疫,银行用户会发现90%以上的业务都可以在线上完成,且更加便捷。疫情持续的时间越长,用户线上业务操作的频率越高,习惯的培育也越深,银行线上业务的比例也无疑会显著提高。即便是以往不太擅长线上办理业务的中老年群体,也通过这场疫情逐渐熟悉、适应线上办理业务。疫情期间,多家银行推出非接触式金融服务,让用户享受“足不出户,办理业务”的体验,帮助业务逐渐恢复正常,降低客户流失;多家银行与互联网科技公司达成合作,在生活消费场景上融入金融服务,通过数字化营销实现精准获客和业绩增长。银行数字化带来的成功,将吸引更多中小银行的加入。在银行业最新发布的财报当中,越来越多的银行将“数字化升级”和“金融科技”列为2020年发展规划。生态圈与平台企业的合作模式,也将吸引越来越多中小银行的重视,对于客户的数字化运营等,银行零售金融业务,如信用卡业务存在浓厚的兴趣。这种以客户为中心,深度切入客户消费场景,为客户提供个性化服务,可以培养客户粘性,提升客户体验度。从长远发展角度考虑,中小银行势必将在产品设计、风控手段、人员激励、业务流程等方面,形成以数据为核心的运营体系,打造独立发展的数字银行。

    零壹财经 2020-06-15
  • 新基建下AI机器人迎来新增长爆发期,京东数科机房巡检机器人的单机柜巡检时间低于30秒

     “新基建”浪潮下,大数据、5G、云计算、物联网、人工智能等产业发展步入快车道,科技企业布局数字化产业经济已成趋势。而对于新基建涉及几大产业领域如大数据中心、城际高速铁路与轨道交通等,AI机器人能大幅提升运维管理的自动化与智能化,助力降本增效。目前,由京东数科自主研发的机房巡检AI机器人、铁路巡检AI机器人,也正在机房场景和铁路场景代替传统人力完成重复性、高强度、高风险等精度作业,其中机房巡检机器人可在平均30秒内完成单个机柜的巡检,且检测准确率达到98%以上,SLAM自主导航精度误差在20毫米以内;铁路巡检机器人则节省铁路巡检运维成本50%。                                               京东数科自主研发的机房巡检AI机器人 6月11日,京东数科推出“产业AI公开课”第二季第三期,聚焦《新基建来了,AI机器人准备好了》话题,中国国际经济交流中心的副理事长、国务院参事室特约研究员韩永文,清华大学互联网产业研究院院长,清华经管学院教授朱岩,京东数科智能机器人业务部总经理姚秀军,从产学研角度深度探讨AI机器人基于新基建背景下的未来发展方向。新基建背景下,科技企业如何打造未来核心竞争力?韩永文和朱岩均表示当下是科技企业发展的大好机遇期,新基建将推动形成数字时代的新产业生态,需要大规模打造新的应用场景、培育更多产业集群。科技型企业无论规模大小,在新基建中都机会均等。大企业需要承担起责任构建起生态,中小企业要积极地转变产品和服务模式,与大企业协同形成新的数字化产业生态,共同构建新基建所带来的产业生态与中国经济“双循环”。新基建背景下,尤其是以能源、交通等为代表的传统“基建”、数据中心等,存在传统人力成本高、工作内容繁重、精度作业安全及稳定性难以保障等场景痛点,AI机器人相关产品和服务能力也将迎来一个新的增长爆发期。“要根据中国国情有计划、有规划地思考,而不是一概地用机器人代替产业发展”,谈及AI机器人的角色,韩永文表示,未来国民经济发展领域中的重、大、险、难等工作场景如铁路巡检、深海勘测、矿山勘探、救灾抢险等,使用机器人既可以提高工作服务效率和精准度、也可以有效地替代人力所不及,但一般性工作不建议用来跟人们‘抢饭碗’”。京东数科自主研发的铁路巡检AI机器人 朱岩也指出,当下人工智能效用存在夸大,机器人应该成为人类的杠杆,在应用机器人的同时将人的价值提升,而不是替代人类。在新基建这种To B产业领域AI机器人可以加大应用,但To C领域需慎用,其对于消费潜力的释放和对老百姓生活的改善作用有限。“京东数科探索B端场景多年,在轨道交通、数据中心、医疗等领域自主研发多款AI机器人”,姚秀军以机房巡检AI机器人和铁路巡检AI机器人为例,介绍了AI机器人如何提升生产运营的自动化、智能化水平,帮助产业降本增效。“AI机器人在“新基建”背景下大有可为,通过与5G、物联网、云计算、人工智能等相关技术的融合应用,依托于具体的产业场景,AI机器人产品会快速成熟,并大规模推广应用,极大地助推实体经济的发展,带动传统产业的转型升级。”姚秀军表示。据了解,由京东数科自研出品的机房巡检AI机器人,具有自动巡检、人体追踪与跟随、数据识别与分析等功能,可以实时监测机房环境信息、设备运行状态、设备温度信息等,可在平均30秒内完成单个机柜的巡检,且检测准确率达到98%以上,SLAM自主导航精度误差在20毫米。对比人力作业,机房巡检机器人极大提高了运维效率和机房稳定性。铁路巡检AI机器人则可以在铁路场景实现测绘级检测精度,也能照预设线路自动行进,实现障碍物识别,远程遥控,对各种影响车辆通行安全的指标进行智能测量等,让铁路工人从高危工作环境中解放出来,助力保障轨道交通安全,节省铁路巡检运维成本50%。针对如何做大做强机器人产业链,形成规模化产业集群,朱岩还特别强调一定要重视机器人的底层技术研发,加大机器人在中小学的通俗化普及教育,加大年轻人的理解和参与度。需要一方面在传感器等硬件领域做基础创新,另一方面在底层操作系统的软件领域更要实现自主可控的国产化、开源化。京东数科产业AI公开课第二季话题聚焦“疫情之后,机器人是否会迎来新浪潮”,由中国科协科学技术传播中心担任指导单位、清华大学人工智能研究院智能机器人研究中心与京东数科产业AI中心联合主办。本季邀请到来自清华大学、中科院等10位产学研资深嘉宾,围绕当下机器人的核心技术突破,以及与产业应用结合的多个细分领域进行深度探讨。

    京东数科 2020-06-12
  • 东方红资管与京东数科合作第二支大数据基金 技术助力投研效率提升

    6月11日,“东方红智远三年持有期混合型证券投资基金(基金代码:009576)”正式发行,成为东方红资产管理与京东数科合作的第二支大数据基金。京东数科旗下资管科技平台JT2为这一支基金的投研工作持续提供智能数据挖掘等技术支持,助力基金管理人对大消费行业形成深度研究。目前,“东方红智远三年持有期混合型证券投资基金”已经在东方证券、招商银行、京东金融APP等渠道对外发售。   在投资策略方面,东方红智远三年持有期混合型证券投资基金将动态跟踪海内外主要经济体的GDP、CPI、利率等宏观经济指标,以及估值水平、盈利预期、流动性、投资者心态、消费价格指数等市场指标,对这些关键指标形成全面评估,并预测其变动趋势。通过一系列定性和定量分析,实现合理的大类资产配置。   早在2015年,上述双方就曾合作业内首只大数据券商基金——东方红京东大数据灵活配置混合型证券投资基金。公开数据显示,截至2020年6月5日,该基金自成立以来累计收益率44.80%。   除了传统数据之外,另类数据在资管投研中的价值越发受到重视,但资管机构往往缺少对微观市场数据的跟踪,尤其是数据的整合、分析,以及数据的管理、应用,需要匹配合适的运营管控工具;数据挖掘的准备工作也需要有精准有效的数据算法支持。   针对资管机构的数据治理难题,京东数科可以帮助机构搭建智能大数据平台,提供包括基础数据平台、数据采集处理、数据仓库搭建、数据资产运营、场景化应用等全流程的解决方案。基于实时计算引擎及图计算等技术,JT2的智能数据挖掘服务可针对资管投研提供定制化的数据挖掘服务,将行业数据、行情数据、舆情数据、宏观数据等传统数据,以及城镇化数据、气候数据等另类数据进行整合分析,为投研工作节省了大量的前期准备时间,提升了投研效率。   东方红资产管理总经理任莉表示,另类数据和传统数据的结合,有效提升了投资的管理能力。东方红京东大数据基金的市场表现已经验证了另类数据在投资研究中发挥的价值。东方红资产管理一贯重视数据技术在投研中的应用价值,与京东数科在资管科技理念上有着高度认同。双方将持续加深交流合作,共谋发展。   京东数科副总裁徐叶润认为,资管科技是资管机构数字化转型的重要引擎。京东数科希望在宏观指标检测与预测,从行业到企业的基本面量化分析,投资风险的多路径量化模拟,实时市场公允估值等领域提供先进的技术服务,帮助资管机构搭建数字化的投研能力,打造差异化竞争优势,共建技术驱动的资管行业新生态。 

    中国青年网 2020-06-11
  • 京东数科与晋商银行签署战略合作协议 联名信用卡已突破55万张

    6月11日,京东数字科技集团(下称“京东数科”)与晋商银行股份有限公司(下称“晋商银行”)在太原签署战略合作协议。根据协议,双方将在资管科技、资管平台、私有云、信用卡数字化运营、线上零售信贷、票据贴现、区块链、智能服务机器人等业务领域展开全面合作,全面推动数字化转型。京东数科与晋商银行签署战略合作协议据了解,此次战略合作,是双方良好合作关系的延续。在2019年4月底,晋商银行曾与京东数科推出首张联名信用卡——“晋商银行京东金融联名信用卡”,首月发卡量迅速突破10万张,截至目前,该联名卡业务规模已突破55万张,发卡以来累计消费额已超133亿。根据战略合作协议,未来晋商银行与京东数科将持续在信用卡数字化运营领域深入合作,基于大数据技术,形成对客户的精准洞察、精准触达和精准匹配,实现信用卡业务申请、审批、发卡、激活、用卡等全流程的数字化运营。后续,双方还将积极探索金融级私有云、AI机器人以及区块链等技术和产品的应用,并推出“京票秒贴”“线上零售信贷解决方案”等,不断提升对客户的服务效能。

    凤凰网财经WEMONEY 2020-06-07
  • 中国首个“数字双街”开启

    拍照打卡商区屏幕展示海量优惠券包揽吃喝购物电子地图实时导览……在王府井这条“数字双街”上仅用一部手机便能实现在数字与现实商业街中的自由穿梭切换6月6日,由王府井置业投资有限公司和京东数字科技集团联合打造的,中国首条“线上线下融合的数字化商业街”正式开启。据悉,在这条“数字双街上”,消费者可以同时逛到“线下物理世界的王府井+线上数字世界的王府井”。那么这条“数字双街”究竟能带给消费者一种怎样的新颖体验呢?下面,就跟随长安街知事的步伐,一起来场“云逛街”吧。促销活动尽收眼底海量优惠券一键领取进入“数字双街”首先要做的便是掏出手机扫码下载好“魅力王府井”小程序这一小程序将成为我们进入数字王府井商业街的关键“钥匙”。别看就是微信上一个占内存不大的小程序,其功能可谓一应俱全,不容小觑。点进其中,各个商家的促销活动赫然展示在眼前,具体活动的使用范围及规则一目了然。消费者还能在小程序中一键领取针对不同品类不同消费场景的海量优惠券,从吃喝玩乐、到购物消遣全面覆盖。除了线下专属优惠,恰逢618期间,京东数科旗下的京东金融App还专门在线推出最高24期分期的全场免息会场,为消费者提供数十万件免息商品的实惠;同时,消费者还可以通过京东金融App白条信用支付,在王府井街区的部分商家享受分期消费。为了让消费者不错过每一个优惠福利,在京东数科的技术支持下,王府井商业街上布满了一个个电子显示屏,屏幕上会轮播展示重要商户的优惠活动信息。小程序加大屏幕双重展示,让消费者在抬头低头间便能将优惠信息一网打尽。排队车位轻松搞定电子地图导览一键寻路相信不少朋友在逛街时都会遇到这样的困扰每次一到节假日,热门的饮品店、饭店等位队伍都能排起“长龙” 更关键的是大部分门店还只能支持现场排队不接受电话或线上预订 当我们从一家等位时长过久的门店来到下一家却又被告知这家店也需要较长的等位时间就这样在不断地找店铺放弃的过程中我们浪费了大量的时间精力最后经常只能退而求其次找一家“冷门店铺”进行消费而在未来,消费者可以利用“魅力王府井”小程序,线上一键进行热门店铺的预约排队,还能实时跟踪查询相应店铺的排队情况,及时调整好自己的出行策略,不用担心因为找店铺而浪费时间。不仅排队问题得以解决,基于京东数科“智能商业街操作系统”的强大能力,消费者还能线上找车位,找厕所,避免了停车位找半天,急用厕所却找不到等尴尬问题的出现。拍照打卡上屏展示美好时光一键分享为让消费者在逛街时获得更好的体验感,此次王府井“数字双街”还举办了“游客打卡,照片上墙”的活动。消费者领取优惠券后,会生成一张打卡照片,打卡照片将在沿街及商圈导览屏中循环轮播展示。同时,如果消费者能按照规则完成一定的打卡任务,将会获得专属的“一键点亮”权限,其所有的打卡照片将在专属的瀑布屏进行长达30秒的专属展示,消费者可以将自己在逛街时的美好回忆片段分享给大家,与他人传递快乐与幸福。根据6月5日发布的《2020中国步行街智能化发展报告》显示,新冠肺炎疫情对不同线下消费业态均造成冲击,也给步行街这样相对传统的线下商业形态一次数字化升级、更好地吸引消费者的机会。如何通过跟踪疫情走势提前布局,抓住后疫情时期的消费反弹,吸引更多的消费人群,有赖于步行街改造中线上线下融合水平、整体服务能力和服务质量的提升。而王府井“数字双街”正是响应这一举措的重要尝试,得益于京东数科“智能商业街操作系统”优秀的处理速度与算法,传统的老字号门店与王府井商业街在后疫情时期得以焕发出新光彩。这场线上线下商业街结合的新颖体验让消费者感受到了传统企业与现代科技碰撞出的奇妙火花让受疫情影响的传统门店再度成为人们关注的焦点迎来新生 这场活动也是送给每一个从小观看科幻电影幻想自己也能数字世界中探索的我们一个精彩绝伦的科技梦 科技,应生活而生肩负着补全世界的不完美这一艰巨任务也是我们的平凡生活中最独特的一抹浪漫

    长安街知事 2020-06-07
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 12
115