分享简介

With the transformation trend from systems of records to systems of intelligence in the enterprises, the demand for enterprise facing AI products is the highest among all time. As the AI enterprise product market is maturing, the gap for talents and knowledge to build and implement such AI products is not closing up quickly enough.

This talk aims to equip product-minded technologists with a framework on how to build an enterprise facing AI product at scale with examples from my last 5 years of experience on working on AI products in the enterprise space.

For the first component: data, we will discuss the security and multi tenancy curdles that enterprises customers impose.

For the second component: intelligence, we will discuss how to categorie a business problem into a data science one and how to build tenant specific AI models at scale on structured data use cases.

For the third component: user experiences, we will discuss the need for interpretility in enterprise AI products.

For the fourth component: platform, we will discuss the underlying cost of building your own AI products.

We will be talking about the following components concept with real customer cases.

Last but not least, the best AI products do not guarantee adoption among your enterprise customers. We would look into how to run successful adoption program with your customers.

分享收益

1.目标

- Build the product management skills to overcome the unique challenges in building AI products for enterprise customers

2.成功要点

- Understand the enterprise customer product requirements on data, intelligence and user experiences and build a scalable platform to support the product development.

- Understand the organizational change required on the customer side to drive AI product adoption

3.启示

- Building an AI product that scales across customers is vastly different from delivering AI solutions to individual customers.

- Learn a product framework on building scalable AI products

- Learn how to build successful AI adoption programs with the customers.

   分享亮点

1. Customer Insights on building AI Products for Enterprises;

2. AI 2B Product Building Blocks;

- Data

- Security and Multi-Tenancy

- Intelligence

- Auto ML on structured data

- User Experiences

- Interpretability

- Platform

- The hidden cost beyond intelligence

3. Driving AI Products Adoption in Enterprises;

4 QA（答疑）.

   分享简介

2017年我国人工智能市场规模达到237.4亿元，相较于2016年增长67%。其中以生物识别、图像识别、视频识别等技术为核心的计算机视觉市场规模最大，占比34.9%，达到82.8亿元。市场显示出了人工智能强劲的生产力，AI在落地中蓄势。本次分享将使用某一个样例介绍产品策划阶段对行业方向解读、切入点的选取、竞对及市场调研。设计阶段对系统总体规划、流程设计、版本管理、MVP减法方法论、任务拆解精细到算法原子颗粒度。以及产品涉及到的团队搭建、管理等实战经验。

   分享收益

１.目标：

为AI行业产品经理提供实战经验分享，帮助后浪们少走弯路，超越前浪

２.成功（或教训）要点：

产品经理每一步都很重要，精细化是必备素质

４.启示：

如何快速成长为优秀的AI产品经理

    分享亮点

1.策划阶段对行业方向解读、切入点的选取、竞对及市场调研；

2.设计阶段对系统总体规划、流程设计、版本管理、MVP减法方法论、任务拆解精细到算法原子颗粒度；

3.产品涉及到的团队搭建、管理等实战经验；

4.QA（答疑）。

   分享简介

近几年，AI语音助手高速发展，迅速进入到千家万户，覆盖设备从音箱、电视、手机到各类智能设备，用户对AI语音助手也从新奇好玩到每天经常使用。同时，我们也看到语音技术并不完美，从语音识别到自然语言理解还有非常多的问题，“人工智障”，“有多少人工就有多少智能”经常被提及。AI语音助手距离一个真正智能的助手似乎还很遥远，但未来三年后会是什么什么样子，我们可以做出大胆猜测，并且在技术不完美的情况下，如何以正确的路径设计产品，让AI智能助手更像人，我们将分享小爱同学的实践。

   分享收益

1. 目标：

只有深入理解我们从哪里来，才能更好的判断我们要到哪里去，AI技术的发展突飞猛进，和行业人士一起交流探讨，如何把握AI智能助手的发展趋势，为用户带来更好的产品和功能

2. 成功（或教训）要点：

a. 对AI技术的能力边界要有清晰的判断

b. 洞察用户，找到用户的核心价值

c. 产品研发聚焦在解决用户最痛点

3.启示：

a. AI智能助手的产品设计如何洞察用户

b. AI智能助手的产品设计如何克服技术的局限性

   分享亮点

1. 回顾AI语音助手的行业发展；

2. 当前面对的问题和挑战；

3. AI智能助手未来的发展路径；

4. 产品功能设计的理念和实践；

5. QA（答疑）。

   分享简介

Google作为世界上顶尖的科技公司之一，挑战了许多在之前看来不可能完成的高精尖任务，比如AlphaGo围棋，谷歌翻译，自动驾驶汽车，Tensorflow， TPU等等。这家公司是如何组织的？从激励团队去做这些一般公司不会去做的事情，确保团队齐心协力，向同一个方向冲刺，

本次分享来自于Google现任美国总部的产品经理的第一手体验。从机制，人文，流程，决策方法，产品方针以及公司组织等多方面，来分享硅谷的管理成功之道。

   分享收益

1.目标

系统性了解硅谷互联网公司如何做到产品创新的

2.成功要点

结合中美国情进行对比思考

3.启示

帮助中国企业更好做到全球性创新

   分享亮点

1.团队建设：

如何打造世界最一流的人才队伍；
从招聘上选择自主性强的创造力个体；

外企如何激励优秀员工的存留。
2.企业管理

成功企业使用OKR 制定高目标；

鼓励辩论，不鼓励高压的决策方式；
由数据驱动的产品方针；
内部孵化，创新的基因，投资于长线和短线的产品。
3.企业文化

如何让公司每一个人都发挥出最大的力量；

鼓励创新，20%时间的创新机会；
透明的企业文化：比如内部高管交流会，可视化；

4.QA （答疑）。

   分享简介

软件开发在近30年发生了巨大的变化，从早期的人月神话到今天，不管是规模还是生产方式都完全不一样了。早期还是以人月为单位，系统从设计开发到上线以数月甚至年计。而今互联网的发展已经让软件的Release周期变成数天，所以对研发管理以及生产方式提出了新的挑战。

源于业务关系，在N个不同的客户场景，把团队老大的目标在公司群里做个调研，现实是，99%的情况下老大想的目标和执行层理解的目标不是一回事，而且大部分时候差别都非常大。因此，回到在研发团队或者公司层执行OKR，本质上要解决的核心问题是：上下同欲。如果目标这件事都没法达成一致，那么一切效能和效率的优化都是无稽之谈。因为你效率越高，但方向不对，可能偏离方向跑的更远，这不是很尴尬的事情么？

因此，我们可以通过了解OKR+Scrum来在团队形成一个基本的能力，这就是战略同步和战略沟通，从而实现目标统一这件事。

    分享收益

1. 目标

研发团队的科学管理方法

基于Scrum方法的持续交付

2. 成功要点

目标管理

科学设定目标

理想的OKRs

程度员度量

Scrum方法

3. 启示

科学管理

持续交付

实际落地经验

    分享亮点

1. 研发管理面临的新挑战；

2. 传统的方法利弊；

3. 基于OKRs的目标管理；

4. 合适程序员度量；

5. 用Scrum方法去管理迭代；

6. 实现持续交付；

7. Q&A（答疑）。

   分享简介

在互联网下半场的趋势下，传统业务的如何快速实现数字化转型，实现业务的快速迭代和创新探索是一个比较有挑战的事情。现阶段看，业务中台提建设是一个相对有效的解决方案。其中，业务中台团队如何组建，如何有效的开展工作，如何通过技术手段更好的为业务发展助力和赋能，如何体现中台技术团队的价值等，是中台技术团队面临的一系列的挑战和问题。本次分享，主要是交流我们在58到家的业务中台团队组建和建设系统过程一些实践思路，方法和经验的总结。

   分享收益

目标：
业务中台技术团队的搭建和团队经营落地的实践经验的分享

要点：
业务中台团队的定位和认知
业务中台技术团队的组建
业务中台团队的经营方法
业务中台团队开展工作的案例
启示：
理解业务中台的价值所在
业务中台技术团队的工作开展和有效的价值输出方法技巧
业务中台团队的有效开展工作的案例分享

   分享亮点

1. 到家为什么要做业务中台；

2.到家需要什么样的业务中台；

3.到家业务中台技术团队和组建；

4.到家业务中台技术团队的工作方法论；

5.到家业务中台建设中的失败案例；

6.分享总结；

7.Q&A（答疑）。

   分享简介

随着业务规模的不断扩大，面临着服务数量不断膨胀、线上环境日益复杂、服务依赖错综复杂且不知道服务之间相互的依赖关系等运维痛点；服务的依赖自动梳理、拓扑自动生成、调用实时追踪、异常明细分析、调用来源追踪、实时容量规划、问题根因分析等基本的运维诉求及解决方案就尤其重要；如此庞大的业务规模及服务集群，每个应用场景都需要通过几十甚至上百个应用协同完成（服务化和分布式产品的结果，单体架构不存在这个样的问题）等等问题的发生，本次内容通过数据对异常的检测与报警，结合实际案例，进行故障的根因分析，全面阐述的对分布式微服务的架构的监控与治理；从分布式微服务的数据采集开始，通过对数据的计算与分析，对整个分布式链路全面追踪。

   分享收益

1.目标：

分布式微服务的痛点，背景，与治理难点

2.成功要点：

了解分布式追踪的根本原理与最佳时间

3.启示：

在庞大复杂的分布式服务中，利用海量的监控数据，追踪问题的根本原因

   分享亮点

1. 微服务监控的痛点与难点；

2. 数据的采集，计算，全链路分析；

3. 异常检测与根因分析；

4.QA（答疑）。

    分享简介

云原生技术帮助公司和机构在公有云、私有云和混合云等新型动态环境中，构建和运行可弹性扩展的应用。云原生的代表技术包括容器、服务网格、微服务、不可变基础设施和声明式 API。这些技术能够构建容错性好、易于管理和便于观察的松耦合系统。结合可靠的自动化手段，云原生技术可以使开发者轻松地对系统进行频繁并可预测的重大变更。

微服务治理试图通过一系列方法，流程，规范和工具，实现微服务应用生命周期管理，它包含了微服务规划，设计，开发，测试，部署，发布（上线），运维，运营和下线。在云原生时代，我们可以借助于 DevOps 和容器等相关技术，打通微服务开发框架、微服务基础设施与云原生基础设施之间的壁垒，实现企业微服务治理的规模化落地。

   分享收益

1. 目标：

为云原生技术中的微服务治理在企业落地提供参考

2. 成功要点：

了解微服务技术如何和 Kubernetes 生态结合

了解微服务治理要解决的问题

了解如何使用开源软件和技术解决微服务治理

3. 启示

微服务治理是企业数字化转型落地微服务必须要做的一件事情，需要根据自身业务应用的特点和遇到的挑战，逐步实现微服务治理，为数字化应用保驾护航。

    分享亮点

1. 云原生技术生态以及发展现状；

2. 企业微服务治理实践；   

3. 基于云原生技术的微服务治理体系；    

4.QA（答疑）。

  分享简述

云原生时代，越来越多的通用能力下沉到了基础设施，在帮助开发者提升交付速度的同时，其也需要关心更多的因素以保障平台整体稳定性。微服务架构通过一系列松散的低耦合服务赋予了企业应对业务变化的灵活性，相比单体应用，微服务架构的整体复杂度更高。微服务落地实施过程中，基于传统服务框架和Service Mesh技术构建的微服务可能并存，单一服务可能同时运行于不同数据中心的物理机、VM和容器之上，技术栈和运行时的异构增加了微服务的运维成本，并可能对业务迭代产生负面影响。

为了应对以上挑战，需要从研发流程和基础设施维度审视微服务全生命周期管理需要解决哪些关键问题以及如何建设相应的配套设施，本次分享介绍了字节跳动大规模异构微服务保障的相关实践。

   分享收益

1. 目标：

为企业研发和运维大规模异构微服务提供实践参考

2. 成功要点：

了解微服务不同生命周期的典型问题

了解微服务研发流程管控解决的问题

了解大规模微服务稳定性保障关键挑战的解决方案

3. 启示

新老架构和技术的更迭是以业务目标为导向的，微服务保障体系需要技术、流程、配套设施全方位的协同，合理平衡灵活性和复杂度是微服务架构的成功实施的关键因素

   分享亮点

1. 云原生下的微服务生态现状概述；

2. 微服务生命周期管理的关键问题；

3. 大规模异构微服务稳定性保障体系；

4. QA（答疑）。

   分享简介

本次分享将围绕数据平台、数据中台、daPaaS几个层面展开，并结合嘉宾在宜信数据建设的实际经验和思考，给出一个多维度多层次的数据建设思路的探讨。数据平台和数据中台是什么关系？数据中台的本质和未来方向是什么？daPaaS又是什么？嘉宾会按照一定层次展开讨论试图逐个回答，并且会在每一个层面上给出技术架构和一些技术细节的讨论，以及实际落地的经验和教训。

    分享收益

1、目标：

以一定高度梳理和审视数据建设发展过程中，平台的演变、关联、本质和方向。

2、经验：

结合宜信具体数据建设实践经验和教训，讲述具体方法论、架构、技术和反馈。

3、启示：

让听众在数据建设中多一种思路、多一个参考、多一套技术实现。

    分享亮点

1、数据平台-关注技术层复用和适配，讲述抽象开源中间件平台栈的设计思路和架构；

2、数据中台-关注数据层复用和管理，讲述我们在数据资产、数据治理方面的工作和心得；

3、从数据平台进化到数据中台，是否满足了最终需求，分析现实与目标的差距；

4、daPaaS，是数据赋能业务的更高层次，探讨是否可以进一步提升数据化建设能力；

5、 QA（答疑）。

   分享简介

快手推荐云是快手研发的服务于全业务全场景的通用推荐系统云平台。作为几亿 DAU 场景下的推荐平台，快手推荐云脱胎于主App核心推荐系统经验，并在核心技术上创新升级，提供了一整套高并发低延迟高吞吐的推荐系统，成功服务了上百个推荐场景。                                                                                                                                                              

同时，作为有强业务能力，提供完整推荐系统的云平台，快手推荐云在模块通用性，系统一致性，配置灵活性，迭代易用性等方面多管齐下，拥有全业务全链路一站式推荐系统支持的成功范例。本次分享快手建设推荐技术中台、云平台的实践经验和设计思路。

   分享收益

1. 目标

快手全业务通用推荐云平台，从架构设计，模块拆分，到实施搭建，云平台化，全景介绍并有针对性的深入讲解。

2. 成功（或教训）要点

快手推荐云的成功，基于团队对于推荐算法和系统架构的全面理解，自上而下的设计思路，逐层拆解的架构体系，通用接口设计，以及用户导向的核心驱动力。

3. 启示

建设技术中台、云平台的实践经验和设计思路

   分享亮点

1. 快手推荐云背景介绍；

2. 整体技术架构；

3. 通用化设计；

4. 云平台建设；

5. 技术突破；

6. 总结和展望；

7. QA（答疑）。

   分享简介

本次演讲，将分享明略科技集团 AI 算法平台团队对于人工智能在企业落地的思考和实践，针对人工智能工作环节中数据科学家和模型使用者两类人群的实际需求，提出解决方案。同时，分析 Google 在AIOPS 方面的设想与实现的对比，结合企业实际情况剖析明略科技解决方案的内在逻辑。

    分享收益

1，目标：

为人工智能在企业落地提供参考

2，成功要点：

以企业自身情况为出发点；优先解决最重要的问题；参考开源实现，同时有自己的创造

3，启示

人工智能在企业的落地，是一个持续而漫长的过程，各企业的实现路径必然不尽相同

    分享亮点

1. 人工智能落地过程中，数据科学家和模型使用者的实际困难 ；

2. Matrix AI解决方案；

3. Google AIOPS 理论与明略科技的解决方案；

4. 实际案例分析；

5. QA（答疑）。

   分享简介

多年来，软件开发以及其引发的信息安全领域总是相生相伴地持续发展。安全领域一直在适应软件研发的流程和模式，为研发出更加安全的系统保驾护航。最近几年，国内越来越多的人开始提及以及实践DevOps的研发模式，伴随着DevOps在国内的快速发展，研发安全保障的思维和技术也需要不断演化发展，其中一个重要的思想就是DevSecOps，它完全遵循DevOps的思想，将安全无缝集成到其中，使之升级成为DevSecOps。

   分享收益

1.目标：理解DevSecOps诞生的背景、它的理念和原则以及相关的实践。

2.成功要点：

理解DevOps时代下为何要出现DevSecOps，之前的研发安全管控方式存在哪些不足和挑战；

想要实施DevSecOps，需要遵循哪些原则有哪些理念；

DevSecOps有哪些比较好的实践。

3.启示：

DevSecOps时代，安全需要每个工程师的参与。

    分享亮点

1. 国内外漏洞风险仍在持续增加；

2. 瀑布/敏捷模式时代的SDL；

3. DevOps时代的变化；

4. DevOps对SDL的挑战；

5. DevSecOps理念；

6. DevSecOps原则；

7. DevSecOps实践；

8. QA（答疑）。

   分享简介

结合物联网行业和企业的特点，结合海康威视广泛的研发活动，并参考业界最佳安全实践，如OpenSAMM、BSIMM、CSDL、MSDL以及客户的反馈，在研发流程中融入了安全活动，比如威胁建模、安全设计、安全开发、安全测试等，制定了符合物联网企业产品特点的产品安全研发管理流程，保证安全活动的有效落地，提升产品机密性、完整性和可用性，增强隐私保护，为客户提供更安全的产品和解决方案。                                                                                                              

   分享收益

1. 目标：

介绍一种符合物联网企业产品特点的产品安全研发管理流程

2. 成功要点：

了解物联网企业产品特点

了解业界最佳安全实践

了解物联网企业安全研发管理流程的有效落地

3. 启示

总结得出一种符合物联网企业产品特点的产品安全研发管理流程，保证安全活动的有效落地，提升产品机密性、完整性和可用性，增强隐私保护，为客户提供更安全的产品和解决方案，对于提升产品安全研发效率和安全竞争力至关重要

   分享亮点

1. 物联网行业和企业特点;

2. 业界最佳安全实践简介;

3. 物联网企业SDL理念与实践;

4. QA(答疑)。

   分享简介

近年来，随着金融科技概念的提出，SDL、DevSecOps的兴起，证券期货业的信息化建设正发生着快速的变化。特别是信息系统中自主开发的比例大幅增加。同时，国家及行业监管单位也对证券期货业的信息化建设提出了更高更具体的要求和指引。如何在满足迅速变化业务需求和快速迭代要求的基础上，保证应用开发全流程的安全性，支撑业务运转的安全性，证券企业做出了很多努力。本次分享将结合大的技术背景、行业发展趋势和特点、企业实际落地等情况来探讨证券期货业应用开发安全管理的探索与实践。

   分享收益

1.目标：

介绍证券期货业安全开发管理的背景、实践和发展路线。

2.成功（或教训）要点

理解证券期货业在安全开发管理上的不同之处；

证券期货业在安全开发管理上的视角和规划；

随着安全开发概念的发展、落地，证券期货业所作出的应对。

3.启示：

证券期货业推行安全开发管理的特点。

   分享亮点

1. 证券期货业应用开发的发展过程；

2. 证券期货业的应用开发安全要求解读；

3. 证券企业应用开发安全管理的落地情况；

4. 应用开发安全管理中的各种助力工具；

5. 现阶段的管理和技术痛点；

6. 远期规划的内容；

7. QA（答疑）。

   分享简述

云原生时代，在享受服务化和弹性带来便利的同时，对研发与交付提出了更高的要求。持续集成，持续测试，持续交付，与持续部署，众多最佳实践背后的理念是什么，在规模化实践中应该如何结合，又如何取舍。本次分享将一一为你道来。                                                                                                                                                                                                                                      

   分享收益

1. 目标：

持续交付在大规模团队中的实践分享

2. 成功要点：

持续集成、持续测试、持续交付、持续部署如何衔接

规模化团队在云原生交付的实践演化过程

3. 启示

持续交付、持续部署，傻傻分不清楚？云原生、微服务与DevOps的三剑客，在规模化团队落地实践的探索。

    分享亮点

1. 持续交付过程的现状与困境；

2. 持续集成、持续测试、持续交付、持续部署实践；

3. 云原生服务的规模化团队的持续交付实践；

4. QA（答疑）。

分享简介

数字化时代，技术正成为业务发展和创新的核心。产品开发方法必须与之匹配，高效地支撑业务发展，并引领业务创新。为此，我们一直在阿里巴巴不断探索和实践，形成了面向数字化时代的产品开发和创新方法，我们称之为ALPD（Advanced Lean Product Devlopement），它有业务驱动的完整效能方法体系，以及高效和可规模化的效能实施解决方案两部分构成。

分享亮点

1. 数字化时代研发效能的挑战

2. 领域为核心的技术实践

3. 云原生的工程实践

4. 全链路的精益协作体系

5. 完整的ALPD方法和实践框架

分享简介

随着业务规模的快速扩增和全球扩展，混合云逐渐成为支撑业务战略布局和实施的重要引擎。但是在实际实施过程中，许多企业会遇到诸如推行阻力大、难以落地，技术门槛高，研发周期长等困难，无法有效的实施预期目标，从而导致起初制定的混合云战略退化为多云部署甚至是私有云部署。

本次将围绕混合云战略进行展开，以OPPO云的实践经验，同观众分享混合云战略的制定，实施要点以及对于混合云的未来进行讨论。

分享收益

1. 目标：

为企业混合云战略的实施提供实践经验分享，以及实施路线参考

2. 要点：

如何制定可行的混合云战略

混合云战略如何实施落地

3. 启示：

根据企业的实际需求和成本，制定切实可行的混合云战略。

采用分步演进的策略，贴近业务的需求和现状，实施混合云战略。

分享亮点

1. 混合云战略实施方针——宽底座/厚平台/广应用

2. 混合云战略实施要点

  2.1 降低业务的上云门槛

  2.2 提供一致的云平台体验

  2.3 广而精的云产品服务

3. 混合云战略实施的深水区探讨

4. QA(答疑)

  分享简介

在移动互联网红利渐逝的背景下，更为高效的用户增长成为了各大公司研究的主话题：是在原有产品基础上持续突破升级，找到更合适的机会点；还是跨入全新赛道，进行创新尝试？无论是哪种选择，都将面临用户增长的第一步：提升产品的新增用户数。如何在众多产品中脱颖而出，让更多的用户对你的新产品产生兴趣，继而转为产品的使用用户，这中间有三个核心要点——

一是产品的独特品牌特点，不同类型的市场产品，需要从不同角度来切入市场，只有形成了品牌特点，才能带来稳定的新增；

二是渠道的精益增长，渠道是新增的稳定来源，但是如何有效地运用渠道，却不是每个增长人都了解的，我们将通过真实的案例，来剖析如何通过增长手段带来源源不断的免费新增用户；

三是运营活动的有效加成，在前两点具备的情况下，运营活动能很好地放大新增效果。

我们将通过以上三个核心方面与案例剖析，分析在当今移动互联网环境下，如何实现真正有效的新增用户增长。

   分享收益

１.目标：

通过本次分享，让更多行业用户了解如何通过正确的增长方式，形成有效的新增

２.成功（或教训）要点：

对产品特质的提炼把控

对渠道的精益增长式运营

对用户活动的有效把控

3.启示：

了解如何实现有效的新增用户增长

了解增长的真正含义

  分享提纲

1. 增长中的中国移动互联网

2. 增长的基本模型

a. 增长的基本概念;

b. 增长的误区;

c. 增长的基本模型。

3. 新增用户增长的三大核心

a. 为产品找到品牌特点；

b. 渠道新增实现精益增长；

c. 用户活动加成增长效果；

d. QA（答疑）。

  分享简介

营销的四代，第一代以产品为中心，最核心的理论叫4P理论。第二代演化成以用户为中心。第三代以品牌为中心，强调的是价值感，强调如何把品牌溢价做出来。产品经理的定义最早是宝洁提出来的，产品经理的定义最早是品牌经理，所以这是第三代的一个营销理论，到现在第四代叫growth marketing。现在的公司组织架构专业化分工越来越明确，各个部门独立工作，但最终都是为增长服务，无论是创业公司还是已经上市的公司，从CEO或公司的视角来看，最核心的目标就是增长。用户增长的道为战略思维、术为战术思维，本次分享如何理解用户增长这门学科，分析用户增长与产品创新、用户运营和品牌营销的关系，以及如何搭建用户增长团队并指导用户增长团队的工作；分享用户增长的应用层，用户增长中最实用的用户增长模型。

  分享简介

1. 目标

用户增长出现的历史机遇与行业背景

2. 成功要点

增长的六大核心模块：标准、方法、工具、资源、组织和人才

3. 启示

a. 通过产品创新驱动用户增长，

b. 通过品牌营销驱动用户增长

c. 互联网三类型产品：内容型、工具型和社交型，分别的增长重点

d. 用户生命周期的理想模型和各个阶段的运营重点

e. 同一个产品的不同生命周期，用户增长的破局点

  分享收益

1. 用户生命周期的理想模型和各个阶段转化漏斗如何优化；

2. 内容型、工具型和社交型产品分别如何做增长；

3. 不同类型的产品（比如不同频次、不同决策链）如何做增长；

4. 同一个产品的不同生命周期，用户增长的关键点在哪里；

5. QA（答疑）。

   分享简介

私域流量运营是当前增长领域非常热门与收益清晰的增长手段之一，但大量的企业在运营过程中没有找好自己的私域流量运营手法，导致运营效率低，运营收益少，这次分享将通过拆解几个实际操盘过的成功案例，与大家分享企业私域流量运营打法上的一些心得。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   

   分享收益

1.目标：

系统学习企业私域流量的运营打法，学习后可以通过私域流量运营拉升公司的核心指标，并且通过私域流量运营完成低成本获客。

2.成功要点：

a. 人设打造顺畅；

b. 社群运营细致；

c. 微信体系搭建完整；

3.启示：

通过人性化运营帮助企业完成重度用户运营，完成消费转化和长期留存。

   分享亮点

1. 企业私域，用户运营的新重镇；

2. 企业人设需要如何搭建；

3. 企业人设朋友圈如何设计；

4. 社群运营，如何打造超级铁粉；

5. 社群转化，如何完成付费转化率提升；

6. 用户自媒体飞轮，如何完成超低成本获客；

7.QA（答疑）。

   分享简介

75%的企业死于转型，但2018年，微软通过转型使总市值突破8500亿美元，重回当时的世界第一。而这场转型的“史诗般胜利”，正与企业文化的构建和更新密不可分。从产品研发、业务模式、营销生态等三方面，解读企业文化的构建秘诀；同时，将分析企业文化的催化作用，以及其是如何对企业运营施加关键影响。                                                                                                                                                                                                                                                 

   分享收益

1. 目标

诊断企业文化问题

数字化转型挑战与应对

2. 成功（或教训）要点

文化转型是企业转型的关键

转变方向必须从灵魂搜寻开始

3. 启示

对冲固化思维，拥抱成长思维

   分享亮点

1. 微软转型的挑战；

2. 文化转型历程；

3. 数字化转型对业务和运营模式影响；

4. QA（答疑）。

   分享简介

政府和企业构建数据中台过程中，数据资产、中台产品、业务场景是项目成功的三要素，缺一不可。其中，数据的资产化是基础，需要通过扎根行业不断的提炼实践才会对行业形成更深刻的理解，形成更丰富、扎实的行业数据资产；中台产品工具是利器，是将多源异构数据形成数据资产的必要条件，只有流程化、智能化、低门槛使用的工具产品才能不断降低成本；业务场景是数据中台的最终目标，挖掘客户业务痛点，构建场景化的数据系统，帮助客户解决实际问题才是构建数据中台的初衷和评价标准。本次分享基于百分点数据中台理念和方法论，深度结合政府和企业业务场景，展示数据中台建设全景流程和最佳实践。

   分享收益

1. 目标

通过百分点数据中台最佳实践分享，可以让行业了解到政府和企业数据中台项目实施中的关键要素和流程。

2. 成功（或教训）要点

基于百分点十多年的大数据行业实践经验，得出场景化的业务痛点挖掘及解决方案决定数据中台项目成败，行业化数据模型构建的合理性决定了项目后期的扩展性及维护难度。百分点总结了数据中台建设三大要素，分别为中台产品体系、规范数据资产和数据应用产品。

3. 启示

数据标准是行业化数据中台的基础，数据质量是数据中台项目成功与否的关键要素。通过此次分享，可以学习到数据中台构建的五大体系二十道工序，保障实现数据资产落地。

   分享亮点

1. 百分点数据中台理念及方法论;

2. 数据到资产的最佳实践路径;

3. 数据中台产品体系及全景流程;

4. 政府和企业数据中台实践案例;

5. QA （答疑）。

   分享简介

以文娱行业和文旅行业为代表的的传统企业，在互联网时代的到来和新技术的应用下，产业格局发生了翻天覆地的变化。随着经济发展从消费互联网向产业互联网的时代过度，越来越多的科技企业和互联网平台渗入传统产业经济，通过技术为产业供应侧、消费侧、运营侧提供商业价值， 本次内容分享文娱行业和文旅行业两类传统产业和数字化平台结合的经典案例落地实践。                                                                                                                                                                                                                                    

   分享收益 

1.目标：

文娱文旅产业互联网技术与业务结合的核心价值挖掘

2.成功要点：

线上化的发展促进产业格局重塑

数字化的运用提升业务决策效率

中台化的战略助力组织管理优化

智能化的应用提升传统体验升级

3.启示：

数字化经济发展趋势下“技术驱动的智慧企业”时代已经到来

   分享亮点

1. 互联网下的文娱文旅产业的数字化转型及应用；   

2. 文娱案例：互联网+电影 —— 电影全产业链数字化；

3. 文旅案例：智慧小镇 —— 新经济形态下的商业小镇数字化；

4. QA（答疑）。

   分享简介

如何上云成为了企业目前面临的问题，随着公司业务转型，需求也在不断变化。传统基础设施与云服务可能差距巨大。研发人员也需要学习曲线。种种原因，上云对传统企业甚至技术公司也存在很大挑战。本次分享将讲述华为云如何转型云原生，交付云原生的实践经验。将热门的技术在华为的应用情况，容器，spring cloud 服务网格，分布式配置治理等向大家展现，构建更好、更快、易用的云上系统。

   分享收益

１.目标：

通过分享云原生应用实践经验，帮助其他企业进行数字化转型

２.成功（或教训）要点：

a. 兼容主流微服务框架如spring cloud

b. 定制统一开发标准

3.启示：提炼出该内容（或项目）的具体收益点。

通过本次分享，听众可以收获到如何进行云原生转型。构建统一的业务平台，支撑公司业务发展。

   分享亮点

1. 云原生技术选型；

2. 服务网格实践；

3. 构建统一的云平台；

4. 如何做到平滑的云原生转型；

5. QA（答疑）。

   分享简介

自Kuberneters后，Service Mesh成为饱受关注的技术与趋势有一定的必然性。CNCF 在2019年调研中，生产业务中使用服务网格的比例已经达到18%，47%在评估使用。 在腾讯内部业务与外部客户中，对Service Mesh和Istio的实践和应用也有相当高的热度，已陆续在游戏，金融，音视频，文创，教育等行业有生产案例的落地。本次分享将站在企业和用户的角度，解读Service Mesh的原理，场景案例，价值和必然性，分享企业应用Service Mesh 的挑战和关注点，提供实践落地建议与讨论网格和云结合的演进趋势。                                                                                                                                       

   分享收益

1.目标：

了解服务网格技术应用与云原生架构价值释放的关系和路径

2.成功（或教训）要点：

a.实际应用落地案例解读场景与价值

b.实践经验与指引总结

3.启示：

结合服务网格与云基础设施服务落地Service Mesh的收益

   分享亮点

1.重新理解Service Mesh;

2.场景，案例与价值;

3.企业级应用的挑战和关注点;

4.应用服务网格的一些建议;

5.云与服务网格的结合趋势;

6.QA(答疑)。

    分享简介

每个人对云原生有不同的理解，相对于传统IT架构，云原生引入了容器、微服务等概念，而在这其中，不可变基础设施可能是更为恰如其分的表达。蚂蚁集团是最早大规模使用容器和微服务技术的大体量公司之一，我们在内部落地云原生的过程中，碰到了非常多的现实问题，在这些问题中，有些是和传统的技术风险有碰撞，有些是和既有的运维习惯有隔阂。但是我们在一点一点践行云原生的理念，包括引入Mesh，使用不可变基础设施的理念重构我们的PaaS等。蚂蚁金服在内部落地金融级PaaS平台的过程中有很多困难和折中，我们的PaaS平台既要兼顾传统运维体验，也要追求金融核电般稳定性要求，并且能屹立于云原生大潮，本次分享，我们将会对以上的内容进行深度分析。

   分享收益

1. 目标：

了解业内主流PaaS的发展脉络和未来方向，对蚂蚁PaaS未来的发展方向有比较清晰的认识

2. 成功（或教训）要点：

在落地云原生的过程中，切忌搞”一刀切”，一些看似不合理的运维习惯和体验，可能关系到这个技术风险能力和稳定性的需求，我们需要渐进式的方式来达到云原生的最终目标。 

3. 启示：

通过对业务行为进行约束，提供不同的SLA和SLO，PaaS可以很好的提供不同的产品能力，比如docker VM，比如云原生workload，甚至是serverless的能力。

   分享亮点

1. 蚂蚁PaaS产品的缘起；

2. 经典应用服务的能力和特色；

3. 容器应用服务的进阶能力；

4. 面向未来--混合云发展发向；

5. QA（答疑）。

   分享简介

CTR预估以及推荐模型是很多互联网公司推荐业务或者广告业务的核心技术，简洁有效的模型对于增强用户体验以及增加公司收入至关重要。本次分享将首先对经典主流CTR预估模型的特点及存在的问题进行介绍，之后介绍我们提出的新模型FibiNet，除了介绍其工作机制外，为了加快FibiNet的运行效率，我们对模型做了进一步的精简与效率优化。另外，本次分享也会介绍我们提出的另外一个新模型GateNet。

   分享收益

1. 目标

在实际推荐或广告类应用中，如何设计简洁有效的模型对于应用来说非常关键。

2. 成功（或教训）要点

在经典模型的关键部分加入插件化的新操作；

改进模型足够简洁，具备实用化可能性；

3. 启示

对于CTR模型来说，在关键环节的技术改进应该加以重视。

   分享亮点

1. 主流CTR模型的特点与问题介绍；

2. 新模型FibiNet介绍；

3. FibiNet的精简与效率优化；

4. 新模型GateNet介绍；

5. QA（答疑）。

   分享简介

旷视在以数据中枢为主的城市大脑建设过程中，整个链路可以分为感知（IoT）、理解（计算引擎）、记忆联想（数据引擎、数据中台）。整个分享分为以下三部分内容，分别介绍感知、理解、记忆联想的完整实现，带给听众一个完整视觉中枢的技术生态解决方案。                                                                                                                                                 

A旷视物联网平台：旷视城市物联网平台落地与实践，包括基于视觉类和传感器类设备的物联网平台整体技术方案

B旷视视觉计算引擎&数据引擎：以人脸为核心的视觉计算引擎和数据引擎如何驱动旷视城市大脑商业化从0到1并走向成熟的经验和思考。人脸识别技术在2B行业的商业化实践中，如何做到算法精度、系统性能和成本的最佳平衡，旷视在这个过程中的经验总结，以及对视觉大数据未来的展望等。

C旷视数据中台：数据中台演化史以及我们在城市大脑的落地实践，整体技术架构方案分享。

   分享收益

1.目标

 a.城市级物联网平台技术方案;

 b.视觉计算引擎&数据引擎：在视觉大数据技术在城市大脑商业化的成功经验;

 c.旷视数据中台：构建城市大脑的数据中台，为产品体系赋能。

2.成功要点

a. 城市级物联网平台落地问题及应对方案；城市级物联网平台与业务和计算中台的结合;

b. 计算、数据双引擎驱动；算法为本，业务驱动，工程核心;

c. 理蓝图，盘业务，定规范，出平台。

3.启示

a. 物联网平台的建设经验;

b. 视觉大数据从顶层设计到行业落地的经验;

c. 企业领域的数据中台建设经验。

   分享亮点

一、 旷视物联网平台

1. 分层架构;

2. 实现方式;

3. 未来展望。

二、 旷视视觉计算引擎&数据引擎

1. 整体架构；

2. 实现路径；

3. 经验总结；

4. 未来展望。

三、 旷视数据中台

1. 整体架构；

2. 实现路径；

3. 核心组件；

4. 未来展望；

5. QA（答疑）。

   分享简介

面向产业智能化需求，基于百度大脑建设实践经验，分享以AI开发平台和AI能力引擎为核心的AI中台解决方案，剖析AI中台产品架构和技术架构设计，助力企业客户构建自有AI中台，实现AI应用快速开发与落地。    

   分享收益

1. 目标

了解百度云AI中台方案构成和优劣势

2. 成功（或教训）要点

结合案例，借鉴其他企业Ai中台建设经验，规划本企业的AI建设路径

3. 启示

AI中台是产业智能化的重要基础，对促进企业IT架构智能化转型具有重要意义

   分享亮点

1. 产业智能化、新基建大背景，催生AI中台发展需求；

2. Ai中台产品价值和产品构成；

3. Ai中台关键组件介绍与架构设计说明；

4. AI中台在能源、金融行业的落地案例分享；

5. QA（答疑）。

  分享简介

小米拥有全球最大的消费级物联网平台，已连接平台设备数已经超过2亿台，接入平台产品数已经超过2000款。面对如此庞大的设备和产品，如何保障它们的安全？与传统的Web安全不同，物联网协议、架构、平台丰富多样，并没有统一的实现方式，这对安全风控造成了极大的挑战。

小米安全团队总结出了一套智能化与平台化相结合的物联网安全风控方案。通过智能化，能够及时的发现设备潜在安全风险；通过平台化，解决了物联网的多样性导致安全风控困难的问题，最大范围覆盖了物联网品类。通过长期的实践，物联网智能化与平台化方案能够在产品上线前测试当中，发现大量的安全问题；并且在产品上线后，能够实时的对设备安全性进行保障，在小米的物联网体系中安全发挥了重要的作用。

   分享收益

１.目标：

解决物联网多样性带来的安全风控困难，保障海量物联网设备的安全

２.成功（或教训）要点：

对海量的物联网实现方案进行研究和探索，提取不同方案当中的共通之处，进行统一的功能实现。对于差异化部分，使用基于插件的平台化方式实现相关功能。最终达到物联网设备品类安全风控的最大化覆盖

3.启示：

通过物联网安全风控系统，可以更加及时和全面的发现物联网安全漏洞，提高了检测效率，把工程师从枯燥的重复测试中解放出来

   分享亮点

1. 目前物联网行业安全现状；

2. 小米在物联网安全中所遇到的困难；

3. 物联网安全风控智能化与平台化的具体实践方案；

4. 安全实践方案带来的收益；

5. QA（答疑）。

   分享简介

大型互联网企业有着特有的挑战，即如何在业务迭代快、组织变化频繁、信息系统繁多、人员流动性高、数据量巨大并且高频多途径流动的情况下达成安全、体验与效率的平衡，并及时发现个人隐私数据异常事件，将MTTD、MTTR控制在24小时以内。常见的数据安全框架和解决方案，是难以实现该目标的。我们将数据安全能力建设融入TOGAF的各个层级架构，通过多个核心抓手并辅以运营实现最终目标，提供大型互联网企业个人隐私保护的视角和实践探索。

   分享收益

1.目标：

讲述大型互联网企业的个人隐私保护实践该如何开展，如何落地。

2.成功要点：

数据驱动、纵深漏洞、技术兜底。以完全不同的原则来指导互联网企业数据安全工作的成功要点。

3.启示：

理解数据既要流动，也要满足使用需求，还要保障隐私数据安全的要求下，该如何通过体系化的方法论，实践要点开展工作，达成目标。

   分享亮点

1. 国家、行业、标准的各种动态，数据安全如何的重要;

2. 大型互联网企业面临的挑战;

3. 互联网企业数据安全开展的方法论;

4. 个人隐私的数据安全能力矩阵;

5. 个人隐私的数据安全生命周期各阶段实施要点;

6. 组织和管理上需要补充的数据安全要点;

7. QA（答疑）。

   分享简介

互联网企业在安全建设中，面对大规模复杂的系统，资产管理是安全工作的基础，有效的数据资产管理可以帮助安全人员快速的识别要重点保护的对象，定位重要数据存储的位置及流转路径，用风险来驱动安全建设，确定数据安全工作优先级，快速推动安全数据安全建设提升投入产出比（ROI）。                                                                                                                                                                                                                                                                               

   分享收益

１.目标：

解决大型互联网企业安全资产管理中遇到的问题，识别定位要保护的数据

２.成功（或教训）要点：

对各自孤立、碎片化的资产，进行统一整合，同时对需要保护数据，采用数据识别和发现技术、数据打标技术、热词分析技术、数据清洗、数据聚合归类技术等构建数据安全地图，识别出有哪些数据、存储在哪里、谁可以使用、怎么流转，为下一步数据安全保护提供支持

3.启示：

通过数据资产平台，能够为数据安全保护、监控、应急响应及数据泄露溯源等提供资产定位，将大幅提升安全运营效率

   分享亮点

1. 数据资产管理“思考”；

2. 数据资产管理“实践”；

3. 数据资产管理“收益”；

4. QA（答疑）。

   分享简介

当前的技术进展背景下，云化战略，基础设施asCode,DevOps对研发体系的冲击，逐渐走向NoOps，运维的最佳演进姿势多种多样，但主线仍围绕着成本、效率和稳定性演进。这期间，Ai能力在资源成本、系统稳定性、问题发现能力上多有进展。这个演讲主要想分享一下，阿里本地生活业态下，如何在云化之后，通过一些Ai方法优化运维的实践方式。                                                                                                                                                                                                    

   分享收益

1. 目标

当前的技术进展背景下，云化战略，基础架构和运维体系的调整和进展

2. 成功要点

a. 通过拆分基础产品能力，SRE能力，对基础架构和运维体系重新划分

b. 通过Ai能力，对基础产品和SRE体系进行升级

3.启示

a.通过提供一些运维实践的思路，对传统运维，关注于可用性，资金安全等方面的架构师，云化过程中的基础运维、应用运维、甚至DBA同学的规划和定位，有一定参考意义

b.对云化和云化过程中的基础架构的选型，云化之后关注点，有一定参考价值

   分享亮点

1. 阿里运维体系的变迁;

2. 本地生活的落地进展;

3. 基础架构产品和SRE分离体系下，部分算法的应用;

4. AiOps的未来演进方向;

5. QA（答疑）。

   分享简介

哔哩哔哩处在飞速发展期，业务规模在短短两年内增长了几倍，基础平台支持了公司几乎所有的监控需求（数十种场景）。面对业务迅速增长变化的冲击，如何在纷繁复杂的监控技术中，快速落地有效的监控告警治理手段，赋能业务质量，是亟需解决的重要问题。本次分享主要介绍B站的告警治理方法论与实践经验。                                                                                                                                                                          

   分享收益

1.目标: 

处于业务飞速增长期的监控系统，如何实现精准告警，支持业务快速解决故障 

2. 成功（或教训）要点：

以优化告警决策为核心，多手段结合齐力推进告警治理过程 

3. 启示:

提出有效解决业务变化与监控质量冲突的方法

   分享亮点

1. 目前监控运维平台的发展背景；

2. B站监控智能化与平台化的技术选型与演进过程；

3. B站遇到的困难与执行理念；

4. 复杂业务场景下，有效的治理实施方案及收益；

5. QA(答疑)。

   分享简介

随着网站服务器数量越来越多、业务越来越复杂，依靠传统的方式去发现故障、排查故障和解决故障已经远远不能满足需求。本演讲介绍了58同城在智能运维方面的实践经验。在出现故障时，我们通过多维度的异常检测发现故障，通过告警收敛策略和告警合并算法精准的发出告警，依据知识图谱通过运维大脑自动给出故障的根源原因分析，给用户推荐故障处理策略和自动进行故障自愈，最后对故障自动进行影响评估。在平时我们也会通过各维度数据的分析，发现系统中的风险点，在运维报告中体现，推动技术人员优化。

   分享亮点

１.目标：

了解从传统运维向智能运维过渡中涉及的一些关键技术和实践经验。

２.成功要点：

通过告警收敛策略和告警合并算法做到精准的告警；

通过构建运维知识图谱，让人工智能机器人获取领域知识；

通过智能运维大脑，让系统能够自动做出故障根源原因分析。

４.启示：

通过将算法和人工智能相关技术与运维业务相结合，赋予运维自动化平台更强大的智能发现故障、智能定位故障、智能解决故障的能力。

   分享亮点

1. 智能运维概述；

2. 多维异常检测；

3. 告警质量治理；

4. 智能故障分析；

5. QA（答疑）。

   分享简介

数据产品是互联网产品的一个分支，几年前才被当做一个独立类型而明确地提出来。因此，数据产品的管理和迭代过程既体现了互联网产品的共性，也体现了数据产品的个性。共性的部分体现在发现问题、解决问题并持续优化的总目标上；而个性的部分则体现在服务对象、服务方式、服务价值和自身迭代的鲜明特征上。这种鲜明特征不仅为数据产品赚足了关注度，也为产品管理和迭代工作带来了挑战。本次分享就从数据产品的管理与迭代中的基本思想出发，结合数据产品经理工作中的实战问题给处理办法，并介绍典型数据产品类型的常见演进路径。

   分享收益

1. 目标

如何稳步迭代数据产品，持续为业务发展贡献价值？

2. 成功要点

深刻领会数据产品存在的立足点和评价标准；

在产品工作的点滴细节中，提供行之有效的处理办法；

明确典型数据产品的依赖关系，寻找可执行的演进路线。

3. 启示

了解数据产品的底层逻辑；

了解典型数据产品的基本逻辑和构建思路。

   分享亮点

1. 体系化的数据产品迭代知识体系，从思想到执行全覆盖；

2. 选择数据产品的典型场景和典型问题做案例，在行动上落实；

3. 提供典型数据产品迭代的基本思路，快速上手，规避常见问题；

4. QA（答疑）。

   分享简介

分享从目前互联网行业中普遍遇到的价值预测的难题和挑战开始，介绍目前常用的价值预测手段，包括主观猜测、样本放大、行业数据推算、数学思路估算等，并介绍常见的价值验证标准手段 -- AB测试的核心要素与局限性。随后，会提出一个全新的价值估算思路，基于顾客建模、历史数据检索统计，对项目、市场投放活动、用户的行为价值进行精准估算，以作为企业战略ROI判断、系统竞争算法、预测思路的核心支撑。分享将指出该思路的多种应用场景，并介绍基于此的精细化运营实践。

   分享收益

1. 目标：

企业在进行战略决策、市场活动ROI估算，或者项目优先级排期时，需要预估项目、活动、产品功能价值，作为优先级决策的核心依据。然而对于未发生的事情，很难准确预估，是个常见行业难题。本分享将介绍一个全新思路，为行业解决价值预判难题提供参考与借鉴。

2. 成功（或教训）要点：

该思路深挖用户的历史行为在系统中沉淀的价值，充分发挥大数据的作用。实践证明，基于该思路做出的精准决策准确性较高，具有较高参考价值。

3. 启示:

将预估从主观变为客观，从测算转为统计，通过统计学对项目、市场投放活动、用户行为所产生的未来价值进行预测评估的系统方法，为精准决策和精细化运营提供关键依据。

   分享亮点

1. 价值预测的方法、挑战和普遍痛点；

2. 大数据未来价值测算思路；

3. 典型应用场景；

4. 精细化运营和增长实践案例；

5. QA（答疑）。

   分享简介

2012年，“大数据”一词就进入了我们的视野。迄今为止，这股浪潮仍然在各行各业中涌动。哈佛的哈礼金教授为大数据做出了这样的注解：“大数据是一场革命，庞大的数据资源使得各个领域开始了量化进程。”的确如此，数据是这个时代的金矿和资源。但是，我们如何把冰冷的数据发挥它的价值，实现数据驱动业务增长呢？在不断实践中，我们总结出一套屡试不爽的思路，如果你了解数据驱动业务增长的模型与方法，相信你的业务会像飞轮一样永不停歇，而且是方向明确地、快速地、毫不盲从地永不停歇。

   分享收益

１.目标：

发现业务增长的飞轮

懂得用数据驱动业务运转

懂得用数据评估业务增长

２.成功（或教训）要点：

拆解核心目标

搭建数据指标模型

数据驱动业务方法论

3.启示：

通过数据驱动业务增长的模型与方法论，找到驱动业务增长的钥匙。

   分享亮点

1. 什么是数据驱动业务增长？

2. 数据驱动业务增长模型;

A. 梳理你的业务目标；

B. 建立你的数据指标；

C. 开启你的迭代旅程。

3. 数据驱动业务精益案例;

4. QA(答疑)。

   分享简介

现代软件技术及各行各业的迅猛发展，对IT组织和团队提出了更为严峻的挑战，传统的软件研发方法和管理实践已经远远无法满足日新月异的技术和市场变化。精益、敏捷、设计思维、DevOps等各种创新的软件研发方法，伴随着新技术的产生应运而生。本次分享，以“为什么、是什么、如何做、怎么样”的逻辑，通过相关案例，分享精益、敏捷及设计思维等软件研发方法在传统老牌IT企业的落地应用，如何帮助传统型软件团队快速过度到精益敏捷团队，如何帮助企业转换管理思维、梳理管理流程、快速释放企业活力。

   分享收益

１.目标：

· 分享传统IT企业的精益敏捷实践，为IT企业在管理、产品和创新方面提供借鉴。

２.成功（或教训）要点：

· 精益、敏捷、设计思维等创新方法对IT研发的重要性。

· 组织系统性敏捷实践的推广和实施

· 传统IT企业转变管理思维，简化企业管理流程。

· 软件研发实施精益敏捷的具体方法和步骤。

3.启示： 

· 精益敏捷的落地实施需要组织级支持。

· 设计思维创新“以用户为中心”的思想能够切实带动管理、流程和产品创新。

· 传统IT组织要适应现代软件研发方法，必须大刀阔斧进行改革。

以系统方法论为指导，以企业具体情况为出发点，以市场和客户为中心，以精益效益为目标。

   分享亮点

1. 现代软件研发方法对大型传统ToB型IT企业提出的挑战；

2. 何为精益、敏捷及设计思维创新方法；

3. 大型传统ToB 型IT企业如何导入；

4. 组织级精益敏捷实践及变革案例；

5. 总结及反思；

6  QA （答疑）。

  分享简介

在VUCA时代唯一不变的是变化，同时组织也面临着跨界破坏性创新的挑战。显然用传统的关注运营效率的管理思路去解决处理创新的探索性业务是行不通的。本次演讲，将分享京东采用精益思想和精益创业方法进行探索性业务创新的经验和案例。首先会从创新本身入手介绍创新的概念以及京东是如何看待创新的，以及京东进行创新的方式方法。为了进一步落地创新和精益思想，自上而下，京东形成了精益组织的战略系统性的去推进创新和消除浪费，同时也会分享一些具体的来自一线的案例。

  分享收益

1. 目标：

为大型组织系统性进行精益创新提供借鉴

2. 成功要点：

全员对创新认知的重要性

系统性的推进和保障

精益思想和精益创业的科学方法

3. 启示

重新定义创新

精益创新需要系统性管理

实际落地经验

  分享亮点

京东精益创新之路

1.为何创新;

2.何谓创新;

3.如何创新;

4.京益组织;

5.京东案例;

6 QA（答疑）。

 分享简介

创新是数字化时代企业应对各种不确定性的唯一确定手段，而激活企业的创新基因却是一件充满挑战的任务。对于任何一家成熟企业，如何才能构建自身的创新机制，兼顾战略上的创新投资和员工的创新使能，成为了组织管理者们必须思考的问题。

利用精创的理念和方法，我们帮助不少的大型商业组织建立起了多元化的创新模式，让创新不再是一次口号驱动的创新大赛，而是真正植入了贯穿整个组织各个核心细胞的DNA。

通过分享，希望能够帮助更多的行业和企业更加科学地面对持续加速的科技突破，让自己的组织能够具备驾驭，甚至引领，这些进步的能力，从而成就新的商业收益和模式，实现数字化时代的“基业长青”。

 分享收益

１.目标：

帮助大家理解企业创新的“窘境”及破局的思路；理解精创落地的多元化模式及不同模式下的治理机制。

２.成功（或教训）要点：

- 企业创新必须多渠道打通

- 企业创新必须以客户为中心

- 企业创新文化打造离不开机制构建

- 创新文化呼唤“容忍失败、奖励成功”

 分享亮点

1、 数字化时代的“创新求存”

2、 企业创新的“举步维艰”

3、 激活创新的“多元化机制”

4、 支撑创新的“科技生态”

5、企业文化的“容忍失败、奖励成功”

   分享简介

随着字节业务的高速发展，基于 Kubernetes 托管的机器数量越来越多。由于在线服务负载的潮汐现象导致机器利用率低下，空闲资源可用于运行离线任务来节约成本，但是受限于在线服务严格的 p99 延迟要求，将两种服务运行在相同机器上会严重影响在线服务的稳定性。本次分享将从混部场景下的QoS分析方法、在线调度机制、离线调度机制、隔离策略和未来技术演进五个方面，介绍如何实现在有效保证在线服务 SLO 的前提下，尽可能高地提升资源利用率。                                                                                                        

    分享收益

1. 目标：

大规模容器集群资源优化实践，有效提升资源利用率

2. 成功（或教训）要点：

从数据中心整体视角看待混部问题，阐述完整的混部落地实战经验，大幅提升机器资源利用率，降低成本。

3. 启示：

    a 从系统层面深入了解在线业务和离线业务在QoS关注点上的异同

    b了解K8s和Yarn在混部场景的调度机制

    c了解底层隔离机制如何实现在离线容器共存，在保证在线服务QoS前提下大幅提升利用率

   分享亮点

1. eBPF在系统监控和混部QoS分析中的应用；

2. K8s和Yarn在混部场景的资源调度；

3. 底层隔离技术实现在离线容器的共存；

4. 未来展望,混部和在离线调度融合；

5. QA(答疑)。

   分享简介

互联网业务系统架构，在单体架构，以及伪集群阶段，通过站点应用的“一处”日志，就能很快定位业务处理、缓存耗时、SQL异常等系统信息。但随着业务越来越复杂，数据量越来越高，吞吐量越来越大，微服务分层架构演进势在必行。到了微服务分层架构，一个站点应用依赖很多微服务，微服务可能又依赖其他微服务，每个微服务可能又会调用缓存与数据库。此时，请求依赖关系的管理，线上异常的追踪，系统主要耗时点的定位，就成了意见非常非常麻烦的事情。为了解决上述问题，分布式调用链追踪(Distributed Tracing)系统，便应运而生。

   分享收益

1.目标：

快速落地分布式调用链跟踪系统，以解决，在微服务分层架构下，系统tracing上遇到的种种问题。

2.成功（或教训）要点：

系统升级到微服务分层架构之后，分布式调用链跟踪系统的架构方案和最佳实践。

3.启示：

帮助企业快速落地分布式调用链跟踪系统。 

   分享亮点

1. 分布式调用链跟踪系统，问题域；

2. 分布式调用链跟踪系统，架构方案；

3. 分布式调用链跟踪系统，快狗打车最佳实践。

4.  QA（答疑）。

   分享简介

这几年微服务的热度持续居高不下，企业纷纷向微服务架构转型。但微服务架构会对整个研发体系，包括开发、运维、团队协同、组织架构都带来冲击。在此背景下，微服务架构师需要有新的架构思维、方法论及手段来对待微服务应用的构建及运营，协助企业构建起一整套以服务治理为核心的新的能力体系来保障微服务架构的顺利转型和落地。本次分享将探讨微服务架构背景下，架构师所要具备的道、法、术。

   分享收益

1.目标：

微服务进行有效管控及管理的手段及方法

2.成功要点：

构建可靠、稳定并能持续进化的微服务的方法及策略

构建线上、线下一体的微服务度量体系的方法及策略

3.启示：

微服务架构特点和微服务治理的整体体系及核心着力点

  分享亮点

1.微服务架构的特点及难点;

2.微服务架构设计及治理的体系性思维;

3.微服务应用稳定性保障的方法及策略;

4.微服务有效度量、管控、管理的手段及技术；

5.QA（答疑）。

   分享简介

随着GPU运算速度的提升，机器学习模型的完善，人工智能越来越贴近生活。智能家居依然还处于摸索的阶段，并未普及到大众家庭。亚马逊看好智能终端市场，在并未有任何语音识别，理解及人工智能技术基础，快速组建团队，率先推出了语音智能助手Echo. Echo成为了近年来风靡世界的智能家居产品。即使以技术见长的Google后来推出同类产品Google home，echo依然以70%市场份额稳定占据头把交椅。那么是是什么能让一个零售起家的电商走上了智能语音机器人的道路？Alexa语音助手，echo音箱是怎样一步步从0到1，再布局整个智能硬件的生态系统的？亚马逊以客户至上，稳健的将一个人工智能产品从诞生到落地到大众需求，利用产品线和先进的技术名列前茅。本次内容将在智能语音助手的演进做深度分享。

   分享收益

1.目标：

在未来的人工智能普及的时代，用户的体验为王远比单纯技术上的创新重要的多。希望国内的团队能以echo演进之路为借鉴，打磨好一个带给迎合大众用户体验的人工智能体验的产品。

2.成功（或教训）要点：

客户至上（customer obsession）是亚马逊14条领导力原则的第一条。亚马逊echo更是将用户的需求放在了产品的第一位，从产品的设计到背后技术团队研发，无一不奉行“客户至上”的信条。基于此信条，从一个Alexa人看待在echo产品的逐步演进之路。

3.启示：

a.一个语音人工智能产品怎样从0到1，再一步步教育市场，占据市场，布局生态的。

b.语音人工智能的下一个发展点在哪里，哪些地方还有些机会。

   分享亮点

1. 摸黑探索：echo产品怎样从0到1的诞生；

2. 野蛮生长：怎样去教育用户习惯这款产品；

3. 市场竞争：Amazon布局多个产品线与各巨头瓜分竞争市场；

4. 布局生态：布局Skills ，AVS， AWS，打造完整的Alexa的生态圈；

5. QA（答疑）。

   分享简介

计算机视觉和自然语言处理是人工智能最火热的两个方向，近年来，越来越多的研究开始将这两个跨领域的方向结合，逐渐催生出很多让人惊艳的方向和算法。最早的视觉到语言（Visual-to-Language，即V2L）的研究方向是图像描述算法（image captioning）。解释起来很简单，就是四个字：看图说话。就像老师要求小朋友们在看图说话作业中完成的任务一样，我们也希望算法能够根据图像给出能够描述图像内容的自然语言语句。 然而这种对于人类实在是小事一桩的小儿科级任务，在计算机视觉领域却不能不说是一个挑战：因为图像描述问题需要在两种不同形式的信息（图像信息到文本信息）之间进行“翻译”。

在此基础上，很多扩展任务应运而生——包括视觉问答（visual question answering），图像密集标注（dense annotation），视频描述（video captioning），视频弹幕生成（dialog generation）等。都是从视觉信息到语言信息的翻译。

相反的，另外一类对应的研究方向就是语言到视觉（language-to-visual，即L2V）。相比V2L，这是一个更具挑战的任务。近年来的文本到图像（text-to-image synthesis）、文本到视频生成(text-to-video synthesis)就是V2L的一个应用。

视觉和语言的交互未来会成为人工智能研究与落地的有一个热点方向，对于实现真正的强人工智能至关重要。

   分享收益

1.目标

了解视觉和语言交互算法的原理和在业界的应用方向

2.成功（或教训）要点

了解计算机视觉的基础算法

了解自然语言处理的基础算法

挖掘业界人工智能的落地方向

3.启示

计算机视觉的自然语言处理的多模态结合是将来人工智能的重点研究方向，多学科的交叉研究将会对业界进步提供重要的助推力

   分享亮点

1. 图像描述算法的研究进展；

2. V2L研究方向的应用于落地；

3. Text-to-image synthesis算法的研究进展；

4. L2V研究方向的应用于落地；

5. QA（答疑）。

   分享简介

智能对话机器人作为人工智能的一个重要应用方向已经在私人助理、智能服务、IOT等领域得到了大规模的应用。面向智能服务领域，过去几年阿里小蜜完成了对阿里生态圈、商家生态圈、企业生态圈的赋能。本次分享主要介绍阿里小蜜平台针对钉钉上不同行业、不同规模的千万家企业进行赋能时遇到的问题和挑战，以及相关的技术解法和解决方案。将通过不同规模的企业案例讲解我们的产品在办公场景下给员工带来了更好的服务体验，同时帮助企业降低了客服成本。对于智能服务来说问答准确性是影响服务效果的重要因素，针对不同行业、不同企业平台时如何通过深度学习来保证问答效果，又如何通过迁移学习和预训练语言模型来减少数据标注量。

   分享收益

1.目标

智能服务规模化地在企业场景落地的实践分享 

2.成功（或教训）要点

a. 针对不同规模的企业需要设计因地制宜的产品技术方案帮助企业开启智能客服

b. 深度预训练语言模型技术有效地提高了少量标注数据下的模型效果，大大提高了领域模型构建效率

3.启示

a. 通过智能客服在企业办公场景的落地，有效地提高了员工答疑的效率，同时降低了企业的客服成本，为人工智能技术在企业办公场景降本提效找到一条可行的路径

   分享亮点

1. Chatbot应用简介；

2. 阿里小蜜平台介绍；

3. 对话机器人在不同规模企业上的实际案例；

4. 对话机器人背后的核心问答技术实践；

5. 未来方向；

6. QA（答疑）。

   分享简介

以人工智能为代表的新兴技术集合不断推动数字内容产业的繁荣发展的同时，也带来了一系列治理挑战。面对固有顽疾与新生挑战交织，风险复杂泛化，传统监管模式滞后于产业新业态等问题，在更广泛的数字内容治理应用中，人工智能技术如何发挥其作用？人工智能安全技术，如何实现智能化清理内容审核中的“死角盲区”，减少人为误差和遗漏？本次演讲将以网易在人工智能内容风控领域的探索为基础，分享网易如何利用人工智能技术确保内容审核质量，建立高效的内容安全管理体系，实现真正的内容安全合规，探索创新应用落地，形成“人-机”良好协同路径。

   分享收益

1. 目标：

了解内容风控的意义、难点和解决方案。

2.成功（或教训）要点：

A.网易集团内容风控的进化发展历程；

B.网易内容安全风控系统智能化分解。

3. 启示：

如何面对数字内容千亿市场中的机遇与挑战

   分享亮点

1. 内容风控的需求背景及发展趋势；

2. 内容风控面临的主要问题；

3. 技术方案和解决思路；

4. 应用和实践结果；

5.Q&A（答疑）。

      分享简介

企业在上云过程，面临将全部或一部分私有基础设施替换成公有基础设施的转变，毫无疑问应用容器化可以解决平滑迁移的问题，用户的疑虑主要在安全运行方面，即如何保证上云的容器实例，其安全性不低于甚至还要高于私有环境，不同的公有云容器服务是否存在安全上的差异，如何评估计算、网络、存储等安全机制。结合我们将淘系的各种内部服务搬上阿里云的实践，比如Flink等产品，它们颇具典型性，既是云基础设施的用户又是高阶云服务，充分利用了公共云安全加固措施，本文主要介绍了如何将内部服务搬上公有云，打造足够安全的多租企业集群的一些实践，对业界相信有极大的借鉴意义。                                  

   分享收益

1. 目标

通过本次分享，了解更多容器领域的安全实践，为企业用户转型上云提供一些经验和指导

2. 成功（或教训）要点：

从视图到运行机制的多层次安全加固，形成防御纵深；

创造性的扩展K8s核心组件，保持网络隔离的前提下，仍然支持Service原生语义；

3.启示

了解K8s 集群视图隔离机制，如Visual Cluster，View 与 Resource分离的理念

了解普通runC容器如何进行安全增强，基于标准容器及Pod配置，无需定制开发

了解kata及gVisor两类安全容器的安全设计及特点

了解网络及存储隔离带来的挑战及应对措施

   分享亮点

1. Kubernets 多租化的实践，从独立集群到VC;

2. runC容器的最佳安全实践;

3. kata/gVisor安全容器的原理及实践;

4. 网络安全的实践及Service支持挑战（VPC隔离+ Kube-proxy改造）;

5. 存储隔离的实践（云盘的选型及CSI融合实践）；

5. QA （答疑）。

    分享简介

随着云计算技术的快速发展，围绕私有云、公有云和混合云等云基础设施的企业业务中台开始流行起来。基于云基础设施构建的企业业务中台为企业业务快速发展和转型提供了便利，但企业在享受这种便利带给业务好处的同时，怎么保证业务全生命周期安全就成为一个问题。本次分享将讲述企业通过业务中台实现敏捷转型的同时，如果构建一个面向业务的企业云安全服务中台，为企业业务上云保驾护航。                                                                                                                                                                                                                                                                                                     

    分享收益

1.目标：

为有基于云基础实施实现业务敏捷转型的企业提供参考，避免企业转型过程中的安全风险，实现企业业务安全上云。

2.成功（或教训）要点：

了解企业业务上云过程中的安全风险；

了解基于云基础设施的安全服务中台怎么落地；

3.启示：

通过本次分享，收获基于云的企业安全服务中台该怎么建设，支撑企业业务安全快速的发展。

    分享亮点

1.基于云的安全服务中台架构设计；

2.安全服务化的关键技术和挑战；

3.基于IPDR的安全自动化防御体系介绍；

4.QA（答疑）。

   分享简介

电商业务面临的黑产形势严峻, 2019年黑灰产从业人员超过150万人，黑灰产规模高达1000亿元, 给平台/商家带来金钱、名誉损失, 影响营销活动效果和用户体验, 严重的还涉及账号被盗的犯罪行为(洗钱、敲诈、勒索);京东风控在多年的黑产风险防控战斗中不断迭代升级, 打造的专业, 领先, 灵活的风控系统, 千万级海量数据的计算, 毫秒级的处理延时, 无限逼近100%的识别准确率, 前沿机器学习算法的线上应用实践, 本次分享将京东相关专业技术与实践经验展现。                                                                      

   分享收益

1. 目标：

为有风控需求的企业提供参考; 避免黑产带来的损失, 就是为企业创造利润;

2.成功（或教训）要点：

了解如果利于大数据的技术解决风控的问题;

了解如何识别黑产, 打击黑产;

了解京东的风控解决方案;

3. 启示

用先进的技术, 获得最大的风控效果;

   分享亮点

1. 电商风控的黑产案例分享;

2. 京东大数据风控系统—天网的技术架构介绍;

3. 天网输出的风控服务介绍;

4. QA（答疑）。

   分享简介

开源数据库与商业数据库厮杀数十载, 争夺半壁江山, 没想到半路杀出个云数据库, 而且发展十分迅猛, mongodb还为此改过开源协议, 禁止未授权云厂商售卖mongo服务. 目前数据库市场已经形成三足鼎立的态势, 未来会怎样? 一起来探讨, 作为纯社区驱动的开源数据库首领, 雷锋数据库PG又是如何应对的? 怎么从数据库架构方向入手解决社区贡献者与云厂商的利益冲突。                                                                                                                                                                              

   分享收益

1.目标

了解当今数据库三大派系(商业数据库,开源数据库,云数据库)的发展历程, 各自的商业模式, 以及利益冲突点, 未来开源数据库将走向

了解一种前所未有的数据库架构, 作为纯社区驱动的开源数据库PG, 如何通过技术架构解决PG商业版、云厂商的商业冲突.

2.成功（或者教训）要点

深刻洞悉数据库市场、生态，技术架构的理解。

3.启示

未来开源数据库与商业数据库的稳定性以及功能差距取决于开源数据库的商业闭环设计。

   分享亮点

1. 分享商业数据库,开源数据库,云数据库的发展历程, 各自的商业模式, 如何形成三足鼎立的态势；

2. 开源数据库PG在技术架构、发展驱动力、社区组成等方面的特点；

3. PG在一些数据库高维领域如图像识别、搜索、地理信息、化学分析、机器学习、实时推荐、图式搜索、时序处理、流处理等方面的应用, 以及背后隐藏的技术原理；

4. 分析其他开源数据库与云厂商的主要矛盾. 梳理开源数据库代表产品之一: mongodb改开源协议背后的原因；

5. PG背后的核心贡献者如何获利, 以及未来在与云厂商的利益瓜分中如何获利, 如何保持PG的高速发展；

6. QA（答疑）。

   分享简介

“计算和存储分离”随着云原生的发展，在各种系统中出现的次数越来越多，网络速度也越来越快，我们的瓶颈不再是网络速度，但是我们的磁盘I/O速度却没有明显的速度增长，计算和存储融合的架构缺点也再逐渐暴露，由于计算和存储耦合的缺点越来越多，并且网络速度越来越快，现在架构又在重新向计算和存储分离这一方向重新开始发展。面向开发者，解密华为云数据库GaussDB(for MySQL)的存算分离架构、关键技术点、核心优势，以及客户实践案例。

   分享收益

1.目标：

让开发者理解GaussDB(for MySQL)的架构、关键技术点、核心优势

2.成功（或教训）要点：

理解关键技术点如何与客户的场景相结合

3.启示：

海量存储、性能达到开源数据库的7倍、100%兼容开源MySQL生态

   分享亮点

1. 云数据库 GaussDB(for MySQL)产品介绍;

2. 云数据库 GaussDB(for MySQL)关键特性及技术;

3. 云数据库 GaussDB(for MySQL)典型应用场景;

4. QA（答疑）。

分享简介

近年来，随着数据库技术的日新月异，业界对HTAP(混合事务和分析处理)系统的兴趣正在不断增长，数据分析人员对于在同一数据集上同时运行事务和分析工作有着的强烈诉求，TBase也在这个背景下应运而生。TBase是凭借诸多优势被广泛关注，本次分享将深度剖析，另外一方面，TBase作为一个全面开源的数据库系统，可以更多的为开发者快速搭建高效的HTAP系统,本内容有TBase的产品定位、核心特性、业务最佳实践等

分享收益

1.目标：

让开发者了解TBase产品定位、架构特点、核心特性

 2.成功（或教训）要点：

通过TBase业务最佳实践来匹配客户场景

3.启示：

快速搭建高效的HTAP系统该如何考量

分享亮点

1. TBase产品简介

2. TBase架构以及核心特性解密

3. TBase典型应用场景

4 QA（答疑）