上期的公眾號小編帶著大家了解了什么是圖數(shù)據(jù)庫以及圖數(shù)據(jù)庫應(yīng)用的十大領(lǐng)域。本期文章小編和大家分享下:

一、當前數(shù)據(jù)面臨的趨勢與挑戰(zhàn)

二、知識圖譜的類別有哪些

三、數(shù)據(jù)存儲的方式有哪些

四、采用圖數(shù)據(jù)平臺可以帶來哪些好處

五、如何借助圖技術(shù)，創(chuàng)新零售業(yè)發(fā)展

當前數(shù)據(jù)面臨的趨勢與挑戰(zhàn)

數(shù)據(jù)孤立

當前有些數(shù)據(jù)相互孤立。數(shù)據(jù)存儲和應(yīng)用通常為單個部門提供服務(wù)。如人力資源部門使用一個平臺，而銷售部門則可能會使用另一個平臺。

數(shù)據(jù)擴張與數(shù)據(jù)湖

在深度學習的大背景下，大多數(shù)數(shù)據(jù)都有數(shù)據(jù)湖、數(shù)據(jù)倉庫、關(guān)系型數(shù)據(jù)庫，作為記錄系統(tǒng)、客戶數(shù)據(jù)、交易數(shù)據(jù)、產(chǎn)品數(shù)據(jù)和訂單數(shù)據(jù)等基礎(chǔ)。這種數(shù)據(jù)分散狀態(tài)將導(dǎo)致數(shù)據(jù)擴張。

其中數(shù)據(jù)湖可存儲大量結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，且成本較低，因此備受歡迎。

從成本來看，數(shù)據(jù)湖具有很大的吸引力，在存儲任何類型的數(shù)據(jù)時起著重要作用，包括應(yīng)用和服務(wù)生成的日志文件。將數(shù)據(jù)存入數(shù)據(jù)湖的操作既簡單又方便。然而，管理并了解這些數(shù)據(jù)則困難重重。

云存儲

云計算具有顛覆性意義，但仍面臨管理挑戰(zhàn)，這主要歸結(jié)于更多數(shù)據(jù)存儲在更多系統(tǒng)中。個人云數(shù)據(jù)有可能存儲在 iCloud、Google Drive、Dropbox、Evernote、Gmail 和 Notes 中。?

這時就需要處理大量數(shù)據(jù)，這些數(shù)據(jù)不僅格式不同，且部分數(shù)據(jù)是重復(fù)的，而且大多數(shù)數(shù)據(jù)都沒有相互關(guān)聯(lián)性。

歷史數(shù)據(jù)將會被遺忘

歷史數(shù)據(jù)為機器學習預(yù)測提供動力。隨著新冠疫情的爆發(fā)引起經(jīng)濟動蕩，導(dǎo)致歷史數(shù)據(jù)過時。如歷史數(shù)據(jù)通常被用來預(yù)測購買行為。但由于疫情期間的封控狀態(tài)，網(wǎng)購成為市場主導(dǎo)購物方式，購買行為幾乎在一夜之間發(fā)生了變化。由于消費者行為發(fā)生翻天覆地的變化，因此歷史數(shù)據(jù)無法對購買行為做出準確的預(yù)測。

在數(shù)據(jù)有限的情況下，數(shù)據(jù)關(guān)聯(lián)的重要性和價值日益凸顯。將數(shù)據(jù)存入圖數(shù)據(jù)平臺可捕獲數(shù)據(jù)關(guān)聯(lián)和數(shù)據(jù)關(guān)系。當然歷史數(shù)據(jù)是有價值的，但存儲數(shù)據(jù)和數(shù)據(jù)之間已存在的關(guān)系可以提高預(yù)測能力，即使在沒有相關(guān)歷史數(shù)據(jù)的情況下也是如此。

這是因為數(shù)據(jù)關(guān)聯(lián)和關(guān)系是數(shù)據(jù)中最具預(yù)測性的元素。以上所有因素都在推動企業(yè)向關(guān)聯(lián)圖數(shù)據(jù)平臺中的數(shù)據(jù)轉(zhuǎn)型，從而獲取知識。

知識圖譜類別

知識圖譜就像知識本身一樣，涉及方方面面，信息廣泛。一般來說，知識圖譜分為兩類：行動型知識圖譜和決策型知識圖譜。

行動型知識圖譜

數(shù)據(jù)管理是知識圖譜的一個重要用例。很多知名企業(yè)使用知識圖譜創(chuàng)建元數(shù)據(jù)中心，并以此捕獲數(shù)據(jù)沿襲：數(shù)據(jù)源、轉(zhuǎn)換方式以及清理方式。知識圖譜針對復(fù)雜的數(shù)據(jù)傳輸管道進行建模，以便輕松識別數(shù)據(jù)的消費者和生產(chǎn)者， 并集成新的數(shù)據(jù)源。

借助數(shù)據(jù)源的相關(guān)強大基礎(chǔ)，企業(yè)可以針對采集到的數(shù)據(jù)采取行動，準確了解數(shù)據(jù)源、數(shù)據(jù)生產(chǎn)者和消費者。

除了數(shù)據(jù)管理之外，行動型知識圖譜還用于個性化推薦。行動型知識圖譜將客戶和產(chǎn)品等所有相關(guān)數(shù)據(jù)匯總到一個 360 度視圖中，從而推動采取大量行動，如識別有流失風險的客戶以及提供可說服客戶留下來的有效建議。

用于數(shù)據(jù)分析的決策型知識圖譜

知識圖譜構(gòu)成現(xiàn)代數(shù)據(jù)和分析的基礎(chǔ)。憑借知識圖譜捕獲的數(shù)據(jù)，可以捕獲及存儲數(shù)據(jù)中固有的所有關(guān)系，無需猜測數(shù)據(jù)相關(guān)性。這樣一來，知識圖譜就代表對數(shù)據(jù)更忠實的表述，并使得企業(yè)能夠解鎖其預(yù)測能力。

借助決策型知識圖譜，最終目標是做出更好的決策，無論該決策是來自人的決策還是算法決策。這些決策可以通過以下方式獲得支持。

圖查詢

可批量回答有關(guān)知識圖譜的任何問題。Boston Scientific 使用高級查詢分析根本原因，并確定導(dǎo)致缺陷的故障組件組合（這是一種反向推薦）。

圖算法

可識別數(shù)據(jù)中的模式，如兩點之間的最短路徑或最有影響力的客戶。

OrbitMI 使用決策型知識圖譜來執(zhí)行復(fù)雜的集裝箱船運航線規(guī)劃。通過尋路算法，他們在不到一秒的時間內(nèi)就規(guī)劃出了海上航線。此外，他們的知識圖譜還可支持 SaaS 分析產(chǎn)品。知識圖譜不僅會產(chǎn)生經(jīng)濟效能，而且還能帶來高效的復(fù)雜線路規(guī)劃，并減少6萬噸碳排放。

圖查詢和圖算法還可以解鎖機器學習的預(yù)測功能。阿斯利康在其知識圖譜中使用圖算法和機器學習來識別患者病歷原型和模式。這項研究使該公司能夠為早期干預(yù)確定強有力的觸點，從而改善腎臟等方面疾病的治療效果。

數(shù)據(jù)存儲方式有哪些？

眾所周知，數(shù)據(jù)具有 “潛在” 價值，一些公司能夠相較于其他公司從數(shù)據(jù)中提取更多的價值。要將數(shù)據(jù)高效地轉(zhuǎn)化為信息、知識和價值，需要考慮很多驅(qū)動因素，如數(shù)據(jù)驅(qū)動的領(lǐng)導(dǎo)方式、 公司員工掌握的知識和技能、業(yè)務(wù)流程以及組織文化。但在從數(shù)據(jù)到洞見的過程中，另一個重要驅(qū)動因素是數(shù)據(jù)存儲技術(shù)。從數(shù)據(jù)中提取價值的過程取決于存儲方式、訪問的難易程度，以及數(shù)據(jù)與組織內(nèi)其他相關(guān)數(shù)據(jù)、信息和知識場景的相關(guān)程度。

數(shù)據(jù)庫管理系統(tǒng)具有以下三種常見類型：

關(guān)系數(shù)據(jù)庫管理系統(tǒng)

將數(shù)據(jù)存儲在表格中。當數(shù)據(jù)之間的關(guān)系穩(wěn)定并且可以在頂層表格定義中捕獲時，常常會使用這種類型。關(guān)系數(shù)據(jù)庫可以快速處理大量記錄，使用的存儲空間往往較少。但在處理場景可能隨時間變化的動態(tài)數(shù)據(jù)時，靈活性略顯不足。

非關(guān)系數(shù)據(jù)庫管理系統(tǒng)

提供多種非表格形式的替代方法來組織、管理、存儲和檢索數(shù)據(jù)。傳統(tǒng)上，非關(guān)系數(shù)據(jù)庫管理系統(tǒng)針對特定數(shù)據(jù)類型進行優(yōu)化，通常是舊式系統(tǒng)，難以處理更新、更動態(tài)的工作負載。

動態(tài)數(shù)據(jù)管理系統(tǒng)

比 RDBMS 更敏捷和高效，更廣受關(guān)注，隨著其不斷發(fā)展成熟并克服潛在問題，2016-2019 的 CAGR 增長率達到 83.2%。圖數(shù)據(jù)庫就是一種動態(tài)數(shù)據(jù)庫管理系統(tǒng)。隨著圖驅(qū)動分析和人工智能工具的需求不斷增加，對圖數(shù)據(jù)庫和圖數(shù)據(jù)庫平臺的需求也在增加。

圖數(shù)據(jù)平臺帶來哪些好處？

揭示隱藏結(jié)構(gòu)

圖可以揭示數(shù)據(jù)中的隱藏結(jié)構(gòu)，其中數(shù)據(jù)是未知的，不需要廣泛的數(shù)據(jù)存儲，也不需要有關(guān)數(shù)據(jù)組織方式的大量先驗知識。

提高效率

在某些情況下，圖數(shù)據(jù)庫管理系統(tǒng)可以比傳統(tǒng) RDBMS 更快、更有效， 因為它們能夠快速分析模式和關(guān)系。圖數(shù)據(jù)庫也簡化了提取-執(zhí)行周期， 可以更快地執(zhí)行查詢。

功能廣泛

圖可以應(yīng)用于各種問題和應(yīng)用。其中包括：?

發(fā)現(xiàn)人、地點或事物之間的關(guān)系模式?

映射或繪制事物位置之間的結(jié)構(gòu)空間關(guān)系?

從人類語言捕捉語義結(jié)構(gòu)以便系統(tǒng)地理解內(nèi)容基于譜系、基于空間和基于執(zhí)法/情報服務(wù)的“已知關(guān)聯(lián)”分析

藥理學研究、流行病學和效用網(wǎng)絡(luò)分析

利用人工智能

圖很可能在未來的人工智能中發(fā)揮關(guān)鍵作用。由于復(fù)雜系統(tǒng)中的行動和后果通常會導(dǎo)致數(shù)據(jù)關(guān)系模式發(fā)生變化，因此圖數(shù)據(jù)庫正在幫助推動機器學習和其他 AI 相關(guān)操作實現(xiàn)創(chuàng)新。

企業(yè)了解將數(shù)據(jù)轉(zhuǎn)化為組織中的信息、知識和商業(yè)價值的核心途徑。確定圖數(shù)據(jù)庫和平臺如何幫助企業(yè)應(yīng)對挑戰(zhàn)數(shù)據(jù)庫在促進組織將數(shù)據(jù)轉(zhuǎn)換為信息、知識和商業(yè)價值方面發(fā)揮著重要作用。了解圖帶來的優(yōu)勢，利用這些優(yōu)勢來提高組織的學習能力。

藍海大腦圖數(shù)據(jù)一體機具有精簡的高可用集群架構(gòu)。軟硬一體，高度集成。開箱即用。優(yōu)于目前的集中式存儲架構(gòu)X3，高于集中式存儲架構(gòu)X5。專業(yè)的運維平臺，深度監(jiān)控管理一體機系統(tǒng)。分布式存儲，高可靠性，全架構(gòu)冗余設(shè)計，避免任意單點故障，以及跨節(jié)點數(shù)據(jù)保護等，更好地為各行各業(yè)服務(wù)。

零售業(yè)借圖技術(shù)飛速創(chuàng)新

當今社會，零售商面臨著許多復(fù)雜的全新挑戰(zhàn)。由于開銷小且銷量高，亞馬遜等線上巨頭以較低成本快速配送產(chǎn)品，這導(dǎo)致規(guī)模較小的零售商接連倒閉。

想要站穩(wěn)腳跟，零售商必須足夠靈活，既要面對巨大的線上競爭，還要應(yīng)對零售業(yè)的另一個新現(xiàn)狀：客戶現(xiàn)在處于價值鏈的中心。為了適應(yīng)這些現(xiàn)狀，零售商必須實時控制庫存、支付和配送系統(tǒng)。然而，對于受傳統(tǒng)基礎(chǔ)設(shè)施拖累的傳統(tǒng)零售商來說，實時響應(yīng)十分困難。

為了重新設(shè)計從線性到環(huán)形的高度關(guān)聯(lián)價值鏈，零售商需要迅速且低成本地對其基礎(chǔ)設(shè)施進行現(xiàn)代化改造。此外，基于互聯(lián)網(wǎng)的線上的零售商必須找到一種方法來處理規(guī)模和復(fù)雜性，以保持競爭優(yōu)勢。

下面我們一起了解下線下零售商如何利用圖數(shù)據(jù)平臺技術(shù)的強大功能來應(yīng)對這些迫在眉睫的挑戰(zhàn)。

個性化產(chǎn)品和促銷推薦

向線上顧客提供實時推薦可實現(xiàn)收入最大化，既能改善客戶體驗，又能增加銷量。然而，顧客想要的是經(jīng)過精心設(shè)計的推薦，而不是一成不變或盲目的推薦。為了提升效果，推薦必須根據(jù)消費者的偏好、購物記錄、興趣和需求個性化。

實時推薦需要關(guān)聯(lián)大量復(fù)雜的買家和產(chǎn)品數(shù)據(jù)（以及常規(guī)關(guān)聯(lián)的數(shù)據(jù)），以了解客戶需求和產(chǎn)品趨勢。這無法通過關(guān)系型數(shù)據(jù)庫技術(shù)來實現(xiàn)，因為SQL查詢將會非常復(fù)雜，且實時提供推薦耗時過長。Hadoop 和 Spark 等大數(shù)據(jù)處理技術(shù)也面臨著同樣的問題，這些技術(shù)在電子郵件推薦等方面效果很好，每天發(fā)送一次推薦，但不是實時提供。

經(jīng)過設(shè)計，圖數(shù)據(jù)平臺可快速查詢客戶的購買記錄，并立即捕獲其當前在線訪問中顯示的任何新興趣，這兩項都是提供實時推薦的關(guān)鍵。由于關(guān)系被視為圖數(shù)據(jù)平臺中的第一級實體，零售商可將客戶的瀏覽記錄與購買記錄以及線下產(chǎn)品和品牌關(guān)聯(lián)起來。這樣一來，實時推薦算法就能夠利用客戶過去和現(xiàn)在的選擇來提供個性化推薦。無需提前在線下進行計算，由此可以很好的解決延遲問題。

由客戶 360 提供支持的個性化體驗

零售商可以根據(jù)客戶的愿望、興趣和需求提供相關(guān)內(nèi)容，從而個性化在線客戶體驗。這樣不僅可以提高客戶參與度，還能提高收入和客戶忠誠度。例如，通過在產(chǎn)品描述旁邊提供相關(guān)的博客文章，零售商可以將自己刻畫成使用特定產(chǎn)品方面的專家。這樣一來，客戶認為自己從可靠來源獲得有價值的信息，因此增加訪問和購買。?

零售商還可以使用路徑分析來幫助改善成效，包括分析導(dǎo)致購買的客戶行為，并使用這些數(shù)據(jù)吸引客戶走上更有利于盈利的道路。這可能需要調(diào)整內(nèi)容，或者更改未來的客戶點擊鏈接后前往的目標位置。

零售商還可以識別由一組客戶共享的維度，并根據(jù)這些屬性對其進行分群處理。例如，可以圍繞有或沒有孩子這一屬性對客戶進行分群處理，也可根據(jù)職業(yè)和崗位進行分群處理，例如職業(yè)生涯早期的工程師與經(jīng)驗豐富的營銷副總裁。不同維度的消費者有不同的職責和收入，因此購買習慣也不同。零售商可以使用這些信息為每個客戶提供個性化內(nèi)容。

零售商擁有大量數(shù)據(jù)，可以用來確定為客戶提供服務(wù)的最佳路徑和內(nèi)容。這些數(shù)據(jù)包括與產(chǎn)品、市場、社交媒體、主數(shù)據(jù)、數(shù)字資產(chǎn)等相關(guān)的數(shù)據(jù)。然而，這些數(shù)據(jù)通常存儲在信息孤島中，導(dǎo)致整合并識別向客戶提供相關(guān)內(nèi)容的機會愈加困難。?

如需將所有數(shù)據(jù)源合并到一個個性化引擎中，關(guān)系型數(shù)據(jù)庫將無法實時進行復(fù)雜的推薦計算。企業(yè)可以將數(shù)據(jù)移至 Hadoop 或數(shù)據(jù)倉庫中，以便提前為每個客戶計算推薦，但這些推薦通常會稍微有些過時。此外，如果在任意一天中只有少量客戶訪問網(wǎng)站，每天為整個客戶群提前計算推薦則會降低效率。

圖數(shù)據(jù)平臺不是將所有客戶數(shù)據(jù)集中到一個系統(tǒng)中，而是把數(shù)據(jù)留在原地，并添加圖分析。可以為每個客戶提供一個部門標識符，然后將其與主客戶標識符綁定。每個部門或業(yè)務(wù)線的標識符由各個標識符組成，從而為每個客戶生成一個雙重疊加圖。這使零售商能夠更全面地了解客戶關(guān)系，并在客戶與公司進行交互時隨時快速導(dǎo)航回原始系統(tǒng)。

利用圖技術(shù)優(yōu)化電商配送服務(wù)路線

亞馬遜已經(jīng)設(shè)定發(fā)貨和配送標準。由于亞馬遜 Prime 會員可享受兩天免費配送，使得電商購物者都不愿等待兩天以上才能收到網(wǎng)購商品。因此，零售商必須達到或超過這一標準，否則就有可能將顧客拱手讓給亞馬遜。

為了縮短配送時間，零售商必須了解店面和配送中心的庫存以及運輸網(wǎng)絡(luò)。例如，需要了解路線問題是否會導(dǎo)致從離客戶較近的配送中心發(fā)出的產(chǎn)品延遲送達，或者產(chǎn)品缺貨是否會導(dǎo)致產(chǎn)品無法按指定配送日期送達。確定最快的配送路線需要支持大量復(fù)雜的路線查詢，并具備快速一致的性能。

由于數(shù)據(jù)具有高度關(guān)聯(lián)的特點，電商配送服務(wù)路線與圖數(shù)據(jù)平臺好比“天作之合”。這不僅是因為數(shù)據(jù)點之間需要大量“躍點”，而且可以有許多不同的路徑以及任意數(shù)量的排列。即使在一個訂單中，這些排列也可能進行優(yōu)化，并成為一年中不同時間里針對不同產(chǎn)品的最佳路徑。圖數(shù)據(jù)平臺可將這些不同因素考慮在內(nèi)，并支持復(fù)雜的路線查詢，以簡化配送服務(wù)。

供應(yīng)鏈可視性

供應(yīng)鏈既龐大又復(fù)雜。產(chǎn)品通常由不同的原料或部件組成，這些部件在不同的供應(yīng)商之間流通，其中每一個部件都可能由子部件組成，而子部件可能來自其他子部件和世界各地的其他供應(yīng)商。由于這種復(fù)雜性，零售商往往只知道他們的直接供應(yīng)商，這可能導(dǎo)致風險和合規(guī)方面的問題。

零售商需要公開透明地了解整個供應(yīng)鏈，以檢測欺詐、污染、高風險地點和未知產(chǎn)品來源。例如，如果特定原材料以某種方式受到損害，公司必須能夠迅速識別每個受影響的產(chǎn)品。這需要在沒有延遲或其他性能問題的情況下管理和搜索大量數(shù)據(jù)。透明度對于識別供應(yīng)鏈中的薄弱環(huán)節(jié)或其他單一故障點也很重要。例如，以前一個零件或配料可從三個供應(yīng)商處獲得，但現(xiàn)在只能從一個供應(yīng)商處獲得，那么零售商就要了解這可能會對未來產(chǎn)量造成的影響。

要實現(xiàn)整個供應(yīng)鏈的可視性，需要建立深層關(guān)聯(lián)。關(guān)系型數(shù)據(jù)庫不是用來處理大量遞歸查詢或關(guān)聯(lián)的，因此性能會受到影響。然而，圖數(shù)據(jù)平臺是專門針對搜索和分析關(guān)聯(lián)數(shù)據(jù)而設(shè)計的。圖數(shù)據(jù)平臺的架構(gòu)首先是圍繞數(shù)據(jù)關(guān)系構(gòu)建的，這使零售商和制造商能夠在不出現(xiàn)性能問題的前提下管理搜索大量數(shù)據(jù)，并實現(xiàn)他們所需的供應(yīng)鏈可視性。

借助圖技術(shù)提升營收管理

對于消費者來說，貨比三家從未像今天這樣容易。幾分鐘內(nèi)，消費者就可以在十幾家店鋪之間對比特定產(chǎn)品的價格，而且整個過程可以輕松方便地完成。他們甚至可以在不同零售商的實體店購物時比較價格，并從競爭對手那里購買商品。為了打價格戰(zhàn)并優(yōu)化盈利能力，零售商需要實時提供具有競爭優(yōu)勢的價格。?

有競爭優(yōu)勢的定價基于庫存、地點、季節(jié)、消費者需求等各種因素，這些因素非常不穩(wěn)定，變化很快。例如，如果一家酒店打算根據(jù)籃球錦標賽定價，且這場錦標賽共有七場比賽，那么那些舉辦比賽的城市的庫存將減少，并進行相應(yīng)定價。但如果錦標賽在五場比賽后結(jié)束，那么原本最后兩場比賽的庫存將會增加，且價格也應(yīng)適當調(diào)整。

此外，每個零售網(wǎng)點可能會根據(jù)市場情況制定不同的價格。零售商對其微觀市場的了解越多，并優(yōu)化產(chǎn)品定價以匹配庫存，適當提高利潤率和銷量的方法也就越多。然而，關(guān)系型數(shù)據(jù)庫跟不上這些數(shù)據(jù)變化的節(jié)奏，且性能不佳會使其無法跨多個地點提供實時價格更新。?

圖數(shù)據(jù)平臺可以幫助零售商解決收入管理問題，同時提供實時定價引擎所需的處理能力和性能。許多變量之間的相互依賴關(guān)系可以用圖表示，這為零售商提供了可確定并高效計算價格的方法，即使在這種依賴關(guān)系快速變化的情況下。

系統(tǒng)管理員：網(wǎng)絡(luò)和 IT 運營

零售 IT 組織也受益于圖數(shù)據(jù)平臺。通常，公司擁有復(fù)雜的網(wǎng)絡(luò)，并且越來越多的組件存儲在云或多個云以及內(nèi)部數(shù)據(jù)中心。在大多數(shù)傳統(tǒng)的配置管理數(shù)據(jù)庫 (CMDB) 中，要表示每一項 IT 資產(chǎn)并了解它們的關(guān)聯(lián)方式十分困難。?

以運行多個虛擬機 (VM) 的物理服務(wù)器為例，這些 VM 可能托管運行不同進程并關(guān)聯(lián)不同子網(wǎng)的容器。在這種情況下，可以使用圖數(shù)據(jù)平臺來查看所有組件的關(guān)聯(lián)方式。

系統(tǒng)管理員還可以使用圖數(shù)據(jù)平臺來維護由所有不同網(wǎng)絡(luò)資產(chǎn)組成的圖。此圖可用于更好地保護網(wǎng)絡(luò)及檢測漏洞或限制入侵風險的傳播。

零售商面臨著許多挑戰(zhàn)，這其中很大一部分來自精通技術(shù)的線上零售商。從提供實時產(chǎn)品推薦到 態(tài)定價及優(yōu)化配送路線，零售商必須迅速克服這些挑戰(zhàn)，才能站穩(wěn)腳跟并獲得自身競爭優(yōu)勢。
?

此外，零售商還必須提高響應(yīng)速度，以便趕在競爭對手之前應(yīng)對不斷變化的消費者和技術(shù)趨勢。通過圖數(shù)據(jù)平臺可幫助零售商了解關(guān)聯(lián)數(shù)據(jù)，且與傳統(tǒng)技術(shù)相比，能夠更深入地利用數(shù)據(jù)關(guān)系，以提供實時產(chǎn)品推薦、優(yōu)化配送路線能力。

審核編輯：湯梓紅