作为一名技术人员，我们对满天飞的“软件定义xx”概念早已没有新鲜感。但你可曾想到，当你享受通过某个电商渠道采购所需物品的便利时，背后很可能是“软件定义价格”？这家电商就是1号店，这个会定价的系统，是其“智慧软件”体系的一部分，蕴含了大数据的技术和人工智能的思想。

1号店的“智慧软件”能做哪些事情？它是如何炼成的？在今年的“TOP100全球软件案例研究峰会”期间，CSDN记者独家采访了1号店首席技术官兼技术部副总裁韩军，挖出了1号店在智慧软件、大数据和人工智能等领域的实践经验，供读者参考。

智慧软件=数据+商务规则+业务流程+算法

稍微了解韩军的人都知道，他是1号店的1号员工、技术领军人物，1号店在2008年从京东、当当的夹缝中起步发展到今天，他以技术推动商业变革的努力功不可没。所以，虽然都是在说SDx（软件定义一切），韩军对这个概念的理解似乎比硬件/基础软件厂商要高出一个层次。厂商们只看到了通过软件来重构IT基础设施的趋势和必要，韩军则认为，软件是（IT系统）和业务结合的载体，是一家商业公司运营的平台。换言之，所有的商业都在软件之中，技术人员不仅要懂技术，更要懂业务。

关于智慧软件，韩军是如此定义的：智慧软件=数据+商务规则+业务流程+算法。

• 数据：不只是一个模块的数据，而是多节点和多入口的数据采集，汇集成连接的、整体的商务大数据。
• 商务规则：沉淀商务规则，系统实现复杂的商业逻辑运算。因为软件要解决商业问题，所以必须要有商业规则。
• 业务流程：将各业务模块流程化和制度化，通过系统整合提升运营效率。
• 算法：输入商业中各变量参数，结合商务规则，测算出最佳结果，推荐给用户。算法能够解决很多共性的问题。

可以看到，这个智慧软件的公式，实质上是将大数据应用于整个企业的商业流程。韩军强调：数据是连接的数据，要具有统一的格式，首先需要一个统一的数据平台。

1号店智慧软件的成长轨迹

智慧软件的概念是伴随着1号店业务的发展逐渐形成的，它的萌芽早于大数据概念的流行。出于1号店对技术驱动商务的渴求，早在2011年初，1号店就着手改变数据仓库分散的局面，筹划构建Integrate Data Warehouse，这也成为1号店当前统一大数据平台的前身。

此外，1号店还做了一个PIS价格智能系统，该系统不仅包括1号店商品的进价、销售价格、销量，也纳入了同行网站所售商品的信息及其售价变化（全网72个竞争对手共1700多万商品的价格变化），还有行业数据，借助数据的处理，不仅能够为1号店提供智能的价格推荐，还能高速1号店要向客户推荐哪些商品——如果某些商品呈现出在同类网站畅销的趋势，那就推荐它们。需要注意，这里看的是销量曲线，而不是绝对数值，以此实现更快速的市场反应速度。

Gartner分析师听到这样的描述，惊呼这就是大数据的理念。这坚定了1号店进行智慧改革的决心和信心，进而在实践中形成了前述的公式。数据是根本，不用多说。而针对销售、推荐、价格等不同场景，还需要很多的不同算法来实现。价格的设置当然也是需要符合1号店的商业逻辑，同时，不同的价格在达到什么程度，需要不同的人批示，不同的处理流程是不一样的。比如MDP商品计划系统，经过分析以后采取不同的策略，自营/商超/SBY不同的策略有不同的含义。当不同策略包括促销、库存的管理、网站运营都放在这个体系以后，会告诉你备多少货，什么时候备货。

据韩军介绍，PIS系统强大之处能够随着数据的变化实时、动态地推荐不同的价格，目前1号店80%的商品价格就是完全由这套系统来设置的，做到实时响应市场的变化，同时降低人工失误；而另外的20%，采用的是系统推荐+人工审核的方式。这并不是价格战，而是根据行情和用户的接受程度给出最合理的价格推荐，实现1号店、供应商、用户的多方共赢，也就是商业利益和用户体验的平衡。事实上，1号店的销量和平均毛利都因为PIS获得了20%的增长。

与PIS同行的，就是1号店的个性化推荐系统，推荐依据包括用户偏好和商品畅销程度，这也是目前电商网站的标配了，但实现的程度各有高下。1号店的个性化推荐包括首页精准化、搜索精准化、广告精准化、购物流程精准化等。以搜索精准化为例，平台通过对用户以往购物品牌、价位、品类、店铺、地域等数据分析，为用户展现出更加精确的搜索结果。韩军表示，1号店的个性化推荐效果，目前占到了公司整体营收的10%。

在这些系统中，1号店采用了Spark、Stream Computing等技术，灵活借助开源的力量，但韩军表示，1号店更多的是站在技术使用者的角度来考察各种技术，没有必要，不会刻意去开发一套自己的SDK。

大数据的核心与难点

都说大数据的4V之中最重要的是价值，韩军认为，价值就是要回归到业务场景中来，并且要真正地应用起来，需要对数据进行严格的统一定义，建立完整的管理模型。所以，首先要有一个统一的大数据平台，再通过数据应用平台对其他系统或者对第三方进行服务。

对于实现大数据价值的难点，韩军认为最难的是连接——这里指的是双向适时的互动连接，在获取信息的也推送更多的信息，以获得更好的互动。“当数据连接的时候，它产生的价值是最大的。当然这同时不能触碰法律底线或者侵犯他人隐私。”他认为，1号店在这方面也还有很大的提升空间。

韩军解释说，再优秀的新闻网站、社交网站或者电商网站，其数据都只是一部分，连接在一起才能真正拼出完整的人形图，如果没有连接，谁都不敢说完全理解用户，这是大数据目前最大的问题。连接成本如何做到最低，也是一个很大的问题，这包括一些技术上的因素，比如带宽与数据吞吐量的矛盾。

日前成立的北京大数据交易服务平台，证实了这种连接的需求。不过，大数据产业的发展，还需要有关部门能够出台数据分享框架或者法律文件来解决。

CTO的管理经验

当系统复杂、团队膨胀，如何做到敏捷开发是每一位CTO必做的功课。研发团队从1个人建立起1000多号人的研发团队，同时开发65个小项目，1号店的管理要如何进行？韩军分享说，1号店开发了一个Trident智慧型大数据统一工作平台，基于大数据进行处理，把所有跟开发相关的系统都整合起来，把CMIS、LDAP、SVN等都通过这个系统进行整合，将流程和最佳实践系统化。所有不同的整合从业务开始，从有一个想法开始就进入这个体系，到最后上线，全部在一个闭环里实现，业务方、产品经理、项目经理、开发负责人、开发和测试看到的数据是实时和统一的。

韩军介绍，Trident包含了如下七大模块：

• 配置管理信息系统（CMIS）
• 运维发布系统（Jenkins）
• 缺陷问题管理系统（Mantis）
• 测试用例管理系统（ATMS）
• 账号和权限管理系统（LDAP）
• 代码版本管理系统（SVN）
• 代码开发工具（Eclipse）

系统也是自动化的，比如自动测试、自动上线。根据当前进度和历史数据进行预测，对项目管理来讲可以实时看到项目的进度和风险点在哪里。系统自动分配需求和项目优先级，对开发人员的好处是马上知道下一个任务是什么，自己怎么样来安排。对业务来讲，这个项目什么时候到什么阶段，也可以一目了然。

系统还提供了内部千人千面的个性化试图和决策报表，对于公司管理层关注的是重要产品和项目分析、IT资源预测和使用分析等等。对于业务部门关心的是需求受理进展和SLA、项目风险预警，对于一线技术人员关心的是日常工作分配、执行情况，风险和问题。

Trident对研发的优势可以概括为三点：数据全面且透明，融入敏捷开发模式和最佳实践，系统化的监控预警和资源优化算法。目前，该系统为1号店提高了30%的研发效率——在整合自动测试实现上线的自动化之前，这个数字还只是20%。

采用这套系统，1号店奉行用一年多时间摸索出来的Scrum敏捷开发模式，同时支持少部分更敏捷的看板模式，其他传统的模式可能不太适合。韩军还表示，未来会大力推广看板，但一些不适合看板的团队（如支付）也不会强推。看板的难点在于质量控制，1号店目前已经成立了一个看板的专家小组，对看板数据的问题进行分析总结，然后再去实施。

谈到面临的挑战，韩军表示，智能软件的推动还是有一些阻力。现在很多具体的管理人员和开发人员对这个理解还是不够深，同时1号店也还是一个学习的过程，但总体来说他还是非常乐观。

人工智能：智慧软件的未来

人工智能与大数据应用的结合已经相当紧密，以至于很多人戏称不谈人工智能都不好意思谈大数据，Google、微软、IBM、百度、腾讯、京东等多家科技公司极力宣扬自己探索人工智能领域的最新进展，当然，也有言论担心一些科幻片的故事情节成为现实——人工智能最后会造成机器统治人类的局面。韩军看来不是人工智能的狂热粉丝， 当记者提到这四个字，他才接着说，PIS其实可看做是一个人工智能，在构建的时候，很大程度上受到了IBM Watson的启示。当然，完全人工智能的系统和PIS区别很大，PIS重要的是利用人工智能的思想来设计。机器学习技术在系统中的作用主要是反馈人工决策或者运营策略，更新系统规则。

韩军解释说，用算法来解决共性问题，要有智能的方法。未来的人工智能就是很多算法的集合和很多算法的智能化。他认为，未来的系统是全自动化的系统，人工智能是软件的未来。

“我们不是去做一个人工智能的系统，而是用这个思想来进行开发。还有数据、商业规则、业务流程、算法，使得系统越来越接近用户的真实需求，在用户采取行动之前，帮助用户决策或者代替用户决策。另外系统的反馈速度也可以接近用户的需求。”