12012 条评论分享收藏感谢收起赞同 182 条评论分享收藏感谢收起先进肯定说不上，但是在一些关键产品点上有些很有趣的区别。就移动上的原生生态来说，我先过一篇文章比较：&a href=&//link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3Ftimestamp%3D%26src%3D3%26ver%3D1%26signature%3DpqCgVX0Z4anh0-ZgVUmQNC6kqDkiZGSOihLrMutklz1zXJxjgDTf& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&mp.weixin.qq.com/s?&/span&&span class=&invisible&&timestamp=&src=3&ver=1&signature=pqCgVX0Z4anh0-ZgVUmQNC6kqDkiZGSOihLrMutklz1zXJxjgDTf&/span&&span class=&ellipsis&&&/span&&/a&*fljgCivQ0OIVwTyKT2rVewl1z8HCkCSU31wm51F326RfvkSGR38Nd5-s0y8q1FN4QFMkRRB0l1QY6LAGUjAbBKKMB8WnP6yHrrSL0G2goe*sLsBn1BKbeU=&br&&br&Google为何被Facebook弯道超车——程序化与原生化的阶段性矛盾&br&&br&&p&近来有两则大洋彼岸的消息，在国内的广告技术界激起了不小的波澜。一则是苹果关闭其移动广告平台iAd，一则是Facebook中止了其DSP产品计划。出于国内广告技术界对于移动和程序化概念的热捧，有许多行业大佬纷纷站出来，揶揄两家巨头在移动广告被浩浩汤汤的程序化洪流所抛弃。路见不平，拔刀相助，今天我就从一个产品狗的角度，谈谈对于移动广告程序化和原生化的看法，声援一下Facebook和苹果这两个阶级兄弟！（画外音：人家用得着你声援么？）&br&&/p&&br&&p&本文探讨的范畴，是Google和FB在第三方移动开发者中的地位，并不主要关注其站内流量的变现。有一些专家评价，说FB的产品技术玩不转第三方生态，退而专注自有流量变现。我不知道这样的判断从何而来，但是显然十分荒谬。好事者可以去市场上了解一下（不知道找谁了解的，我可以帮忙介绍）。&strong&就现状来说，第三方移动开发者在变现方面对FB的依赖，要远远高于Google。粗估一个数字，基本上开发者送给FB的变现流量，基本上是送给Google的两倍以上。&/strong&那么在程序化广告有着多年深入布局的Google，为什么在移动上会失掉对第三方开发者的统治地位呢？&/p&&br&&p&具体分析这个问题之前，先给大家提一个思考问题：为什么在数字广告领域占据了小半壁江山的搜索广告，从来就没有过程序化的交易模式？&strong&当然，如果有的读者跳出来跟我抬杠：谁说搜索不是程序化交易？那么请你自觉给本文打赏个大红包，我可以给你补上一节基础课。&/strong&&br&&/p&&br&&p&在展示广告领域，整个业界在PC时代很可能走过了一条不那么正确的道路。最初Yahoo!在网页上开始放广告时，完全把自己当成了一本杂志，所以自然地采用了“条幅(Banner)”这种形式。后来的历史，从封闭式竞价的Network方式到开放式竞价的程序化交易方式，就总体趋势而言，显示广告的决策权逐渐向需求方（广告主）发生转移。&strong&从媒体的视角来看，除了一些自行销售的广告流量外，广告位已经变成了“殖民地”（见下图）；从产业的角度来看，则正是这种标准化、规模化的“殖民地”变现方式，催生了大规模、高流动性的程序化交易市场。&/strong&&figure&&img src=&https://pic4.zhimg.com/50/4f47e529bc910be811a93_b.jpg& data-rawwidth=&554& data-rawheight=&247& class=&origin_image zh-lightbox-thumb& width=&554& data-original=&https://pic4.zhimg.com/50/4f47e529bc910be811a93_r.jpg&&&/figure&&br&&/p&&br&&p&到了移动时代，我们突然发现这样的“殖民地”式变现思路，有点儿难以为继了。为什么呢？因为移动设备的屏幕太小了，原本在PC浏览器上可以视而不见的标准广告位，在手机上就变成了“眼中钉、肉中刺”；另外一个更致命的问题，是触屏操作远比鼠标操作误点率高得多，试想你正在聚精会神玩游戏，却因为误点了上面的Banner而中断，不骂街还等什么？对于媒体来说，这样的变现显然得不偿失。&br&&/p&&br&&p&作为一个移动互联网用户，诸位可以自己想一想，在什么好应用里看到过Banner与插屏（部分游戏有些质量还不错的插屏位置）广告么？如果不多，那么移动程序化交易市场里的Banner与插屏都是来自哪里呢？&strong&我非常负责任地说，有很大一部分来自于那些本身就以变（zuo4）现（bi4）为使命的应用。&/strong&因此，如果一个广告产品的存量仍然以banner与插屏为主，比如说iAd和类似于某家那样的 Ad Exchange，确实没有任何继续运营下去的意义了。关掉它，才是符合三个代表和中（美）国梦的正确决策。&/p&&br&&p&看到这里，肯定有人要急了：你丫眼瞎了么，没看到移动广告的迅猛增长么？诸位稍安勿躁，听我说完再骂也不迟。其实，移动广告的增长，除了正比于流量红利的搜索广告增长，更重要的引擎来自于所谓“原生广告”。之所以给原生广告打个引号，是因为这个概念实在是鱼龙混杂。就我的观察，中国市场真正懂得原生广告产品精髓的人，到不了两位数。有人会说，原生不就是软文么？也有人说，原生不就是信息流么？&strong&甚至有某些互联网公司，在变现上为了拥抱原生，正在将其用户产品纷纷改造成信息流的样式，这样的思路，可以说是“削足适履”。&/strong&&/p&&br&&p&诚然，原生广告在移动上的发迹，起源于信息流广告。或者说，是FB在信息流广告上收入的快速增长，给市场带来了信心。（下图是表现原生的信息流广告鼻祖“Promoted Tweets”，之所以举PC的例子，是希望大家把原生与移动绑定起来的思维桎梏。）我们直接讨论信息流广告的产品本质，实际上是&strong&“付费内容（广告）的展示样式与自然内容基本一致”，我们把这一点叫做“表现原生”&/strong&。只要符合这个产品原则，不论是不是信息流，效果都会很不错。请大家注意，&strong&表现原生的产品原则，是广告适应要内容，而不是为了变现把内容都变成信息流。&/strong&一定会有人反问我，那么你说出了信息流还有什么成功的原生广告案例呢？嘿嘿，您这叫抬杠学能耐，我只能说，在游戏、桌面、图片乃至输入法等各类移动应用中，原生化都已经有了很多成熟的非信息流式落地方案，我也了解一些，这里就不展开说了。&/p&&figure&&img src=&https://pic2.zhimg.com/50/87d68cf360c36fdbbcae75_b.jpg& data-rawwidth=&1023& data-rawheight=&515& class=&origin_image zh-lightbox-thumb& width=&1023& data-original=&https://pic2.zhimg.com/50/87d68cf360c36fdbbcae75_r.jpg&&&/figure&&br&&br&&p&表现原生是不是原生的全部呢？并不是。我们更加希望做到的，是所谓“意图原生”。&strong&什么是意图原生呢？就是广告的选择和决策，最好能符合用户所处的场景与意图。&/strong&比方说，一个旅游app的信息流里，显然酒店广告比电商广告的效果要好，用户体验也要好（这个更关键）；再比如，当用户在工作场景时，投放游戏广告显然是不合适的，效果也不会好。在移动环境下了解场景与意图，比起PC来说，有天然的数据优势。有人会问，意图原生是不是上下文广告呢？我们只能说，上下文广告的方向也是如此，不过由于自然语言理解等技术上的瓶颈，其结果并不令人满意。&/p&&br&&p&那么，符合“表现原生”与“意图原生”的广告产品，什么时候才会在市场上出现呢？其实，这样的产品早就有了啊，它就是搜索广告。在搜索广告中，展示样式与自然结果一致自不必说；由于用户意图非常清晰，意图原生也可以做到。因此，希望诸位从产品本质上理解搜索广告比显示广告RPM高那么多的原因，正因为它是彻底原生的。而移动时代的原生广告，虽然刚开始探索表现原生这一个点，就已经尝到了巨大的甜头，未来的空间可想而知。&br&&/p&&br&&p&再回到程序化。其实，我本人和整个业界的愿望一样，都希望程序化这样灵活高效的交易方式能够在移动时代继续发挥重要作用。然而，就现状而言，原生化和程序化之间，确实存在一些产品上还没有解决的矛盾点，而这些矛盾点也无非来自“表现原生”和“意图原生”这两个根本诉求。&/p&&br&&p&&strong&从表现原生的要求来看，同样一条广告，必然会在不同的媒体场景下表现出不同的样式。&/strong&比方说，同样是app下载类广告，在不同的媒体上，可能会变现出下图这些完全不同的样式。这显然给需求方的采买带来了新的产品问题：原来程序化交易中的跨媒体采购过程，需要按照不同的媒体适配成不同的样式。什么？有人说给每个媒体单独做一版创意？很遗憾，他在商业产品方面还没有入门。这个产品问题不解决，在真正原生的广告市场中实现灵活的程序化交易，将有非常大的流动性障碍。关于表现原生的规模化解决方案，我也有一些深度思考，由于目前还在实践中，暂时就不分享了。&/p&&figure&&img src=&https://pic3.zhimg.com/50/7e8b6ed710fd6d45cbcc588_b.jpg& data-rawwidth=&894& data-rawheight=&398& class=&origin_image zh-lightbox-thumb& width=&894& data-original=&https://pic3.zhimg.com/50/7e8b6ed710fd6d45cbcc588_r.jpg&&&/figure&&br&&br&&p&从意图原生的要求来看，程序化带来的问题就更棘手，我认为这是搜索没有开放程序化交易的根本原因。很显然，&strong&要做到意图原生，首先要搞清用户的场景与意图，其次要在广告选择过程中，确保用户意图与广告候选的相关性(relevance)。&/strong&可是，在程序化交易过程中，广告的选择权在需求方，要保证相关性简直比登天还难。有人说，难道不能由媒体把上下文的意图信息在竞价过程中传给DSP么？麻烦就在这里，你告诉我，我也不一定遵守啊！比方说我是某DSP，管你传什么上下文信息，我一律出下图这样的的广告，就挣钱最多没错了，至于你的相关性和用户体验，跟我有什么关系？而在显示广告中，媒体又很难直接分析返回的创意来判断相关性。&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/cc9cfdb3b81b7667002bef99_b.jpg& data-rawwidth=&979& data-rawheight=&160& class=&origin_image zh-lightbox-thumb& width=&979& data-original=&https://pic3.zhimg.com/50/cc9cfdb3b81b7667002bef99_r.jpg&&&/figure&&br&&p&不得不说，在PC程序化交易的发展过程中，Google的产品思路和布局一直是一骑绝尘的，大家可以看下面的图。以后有机会，我可以专门写文章介绍一下我对于Google程序化产品的体会。可以说，其宏观思路清晰，产品亮点频出。然而大家不要忘了，&strong&每个人的长处也都是他最大的弱点！&/strong&正因为Google程序化体系太完善成熟，反而在移动时代产生新的问题时，对形式的拘泥有点束缚了手脚。而FB呢，光脚不怕穿鞋的，按原生诉求来解决实际问题，显然比坚持“政治正确”的程序化更有吸引力。在原生化与程序化的阶段性矛盾没有得到解决之前，FB选择了对前者激进、对后者保守的策略。客观地说，在灵活地选择展示和变现方式这方面，FB确实走在了前面（具体的产品点不在这里展开说了）。从结果上看，FB的变现能力和广告质量，也在封闭体系中达到了比Adwords更高的水准，当然也成了移动开发者的变现首选。&/p&&figure&&img src=&https://pic4.zhimg.com/50/a6ddbfc9209_b.jpg& data-rawwidth=&1648& data-rawheight=&1237& class=&origin_image zh-lightbox-thumb& width=&1648& data-original=&https://pic4.zhimg.com/50/a6ddbfc9209_r.jpg&&&/figure&&br&&p&本文的话题，可能会激发很多相关讨论。由于我的原则是只喷不辩，干脆对几个可能比较共性的问题预先补充如下：&br&&/p&&p&&strong&1. 原生广告流量的程序化。&/strong&没错，这肯定是将来的方向，不过现有的产品由于没有解决跨媒体异型广告位统一交易的问题，绝非真正可以规模化的最终状态。&/p&&p&&strong&2. 移动视频广告的程序化。&/strong&就现状而言，程序化在移动视频流量上是比较有作为的点，也是正确的发力点。不过实际上，移动视频广告也在飞快演进，各种与贴片广告位置、形式、结算和目的都不尽相同的原生视频广告正面临爆发。从这个意义上说，未来移动视频广告的程序化也会有大变化。&/p&&p&&strong&3. FB产品内部是否用的程序化交易？&/strong&这个我不得而知。即使如此，它与向第三方开放的公开竞价也不能认为是一回事，只能说技术相通，但产品目标截然不同。&/p&&p&&strong&4. 关于程序化直投(Programmatic Direct Buy, PDB)。&/strong&个人的观点，认为这一概念的政治意义大于产品意义。不过展开来说的话，一是太费口舌，二是招骂甚多，所以就此打住。&/p&&br&&p&好了，还剩下最后一个严肃的问题，在移动时代，北冥你是不是看好FB而唱衰Google呢？您又猜错了，我的结论恰恰相反。我觉得自己并不是精神分裂，这个结论也来自于对原生化趋势的坚信。或许有人知道，国内有一家做安卓桌面的公司，由于其数据与流量前景，在成立大半年后就达到了10亿美金的估值。那么诸位可以想一想，像安卓这样的生态级产品，前景有多大呢？恐怕其价值是个天文数字。&/p&&br&&p&就我的判断，Google的一众变现专家，应该在研究彻底的原生化变现方案。而在这样的方案成熟之前，是不会像国内迅速崛起的某厂商那样急于变现的。（恕我直言，该厂商的变现现在已经有些动作变形，失之简单粗暴，如果不加调整，恐怕对其手机生态有负面影响。）因此，恰恰是Google对安卓的按兵不同，让我有理由期待其未来。当然，也可能他们啥也没干，是我自己想多了。&/p&&br&&p&我并非站在程序化的对立面。不过在移动环境下，先要解决的现实问题是如何创造高质量的展示机会，然后才是交易模式的问题。没错，孩子将来十有八九是要上大学的，不过如果媳妇还没怀孕呢，全家人坐一块讨论孩子将来上哪个大学，就未免有些唐突了。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//weixin.qq.com/r/0TvP163EU-Asrem0927D& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&weixin.qq.com/r/0TvP163&/span&&span class=&invisible&&EU-Asrem0927D&/span&&span class=&ellipsis&&&/span&&/a& (二维码自动识别)&/p&
先进肯定说不上，但是在一些关键产品点上有些很有趣的区别。就移动上的原生生态来说，我先过一篇文章比较：*fljgCivQ0OIVwTyKT2rVewl1z8HCkCSU31wm51F326RfvkSGR38Nd5-s0y8q1FN4QFMkRRB0l1QY6LAGUjAbBKKMB8WnP6yHrrSL0G2goe*sLsBn1BKbe…
&figure&&img src=&https://pic3.zhimg.com/v2-5da20d7fae1_b.jpg& data-rawwidth=&1080& data-rawheight=&1350& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic3.zhimg.com/v2-5da20d7fae1_r.jpg&&&/figure&&p&推荐系统近几年来一直十分火热，目前几乎所有的电子商务系统、社交网络，广告推荐，搜索引擎等等，都不同程度的使用了各种形式的推荐系统。想知道电商如何向你发送广告的？想了解社交网络怎么推荐好友的？想自己搭建一个推荐系统？想了解一些算法或架构从而将自己的推荐系统做得更好？InfoQ为你整理了一系列的有关推荐系统的算法文章，以及主要从电商和社交网络方面选取了一些优秀的案例，来看看这些关于推荐系统的优秀文章吧。&/p&&p&&b&另外，想迅速了解并掌握推荐系统的同学，&a href=&https://link.zhihu.com/?target=https%3A//time.geekbang.org/column/intro/74%3Futm_source%3Dwebsite%26utm_medium%3Dinfoq%26utm_campaign%3Drecommend%26utm_content%3Dwudao01start& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&可以购买极客时间出品的『推荐系统三十六式』专栏&/a&，作者在推荐系统方面有8年的经验，为推荐系统学习者架构起整体的知识脉络，并在此基础上补充实践案例与经验，力图解决系统起步阶段 80% 的问题。&/b&&/p&&p&推荐系统在各种系统中广泛使用，推荐算法则是其中最核心的技术点， 为推荐系统选择正确的推荐算法是非常重要的决定。每一种推荐算法都有其优点和缺点，当然也有其限制条件，在作出决定之前，必须要一一考量。在实践中，你可能会测试几种算法，以发现哪一种最适合你的用户，测试中你也会直观地发现它们是什么以及它们的工作原理。&/p&&p&InfoQ策划了系列文章来为读者深入介绍。推荐算法综述分为五个部分，本文作为第一篇，主要介绍了推荐算法的主要类型。&a href=&https://link.zhihu.com/?target=http%3A//www.infoq.com/cn/articles/recommendation-algorithm-overview-part02& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&第二篇&/a& 涵盖了不同类型的协同过滤算法，突出他们之间的一些细微差别。之后的三篇会陆续发表出来。第三篇详细介绍了基于内容的过滤算法。第四篇主要介绍了混合引荐技术和基于流行度的推荐方法。第五篇，在回顾了所有基本的推荐算法之后，介绍了如何选择最合适的推荐算法。这一系列的作者是 &a href=&https://link.zhihu.com/?target=https%3A//twitter.com/mayahhf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Maya Hristakeva&/a& 和 &a href=&https://link.zhihu.com/?target=https%3A//twitter.com/_krisjack& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Kris Jack&/a&，英国的数据科学家，具有丰富的构建推荐系统的经验，他们共同为世界创建出了一些出色的推荐系统。&/p&&p&虽然也曾从事过技术研发相关的工作，但是对算法这类很“高深”和数学关系又比较紧密的技术来说，要真正地了解起来确实是一个难度很大的动作。但是在笔者参加了一些和算法以及推荐系统相关的活动之后，发现这一高深的学问已经被从事软件开发的朋友应用的非常广泛。特别是在电商火爆的今天，各种和推荐相关的网站风起云涌，算法进入平常百姓家也就是水到渠成了。本文讨论了算法和推荐引起关注的原因，算法、架构、策略、机器学习之间的关系，学习推荐算法的几点经验等。&/p&&p&现在网上到处都有推荐。比如亚马逊、&a href=&https://link.zhihu.com/?target=http%3A//Mint.com& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&Mint.com&/span&&span class=&invisible&&&/span&&/a&之类的财务规划网站、谷歌这些知名公司使用推荐提供情境化的、有相关性的用户体验，以提高转化率和用户满意度。这些建议原来一般由每天晚上、每周或每月生成新推荐的批处理作业计算提供。然而对于某些类型的推荐，响应时间有必要比批量处理作业所需的时间更短。本文将会介绍如何使用Kiji框架，它是一个用来构建大数据应用和实时推荐系统的开源框架。通过这篇文章可以了解到如何用Kiji整合数据，模型和算法来开发一个可以实时刷新推荐的推荐系统。&/p&&p&百分点推荐引擎是国内领先的推荐技术平台，专注于为电子商务和资讯网站提供SaaS模式的个性化推荐服务，提高网站的整站转化率和用户黏度。本文将从电子商务网站的实际需求出发，介绍百分点推荐引擎架构设计和搭建。百分点的架构设计包含了存储层，算法层，业务层，管理层。算法层里包含在线算法和离线算法。在线算法包括协同过滤（UserBased/ItemBased CF），基于内容的推荐（Content Based），热扩散（Heat Diffusion），用户行为模式分析（Behavior PatterAnalysis）等等。离线算法包括KNN聚类，基于FP Tree的关联规则挖掘，基于上下文统计的关联规则挖掘，序列模式算法，文档建模算法等等。&/p&&p&Netflix的推荐和个性化功能向来精准，他们公布了自己的系统架构。主要从在线，接近在线，离线处理三个方面来讲解。&/p&&p&并且他们指出构建一个好的推荐系统需要具备使用复杂机器学习算法的能力，这些算法要可以适应高度复杂性，可以处理大量数据。还要能够提供灵活、敏捷创新的架构，新的方法可以很容易在其基础上开发和插入。而且，需要推荐结果足够新，能快速响应新的数据和用户行为。找到这些要求之间恰当的平衡并不容易，需要深思熟虑的需求分析，细心的技术选择，战略性的推荐算法分解，最终才能为客户达成最佳的结果。&/p&&p&个性化推荐引擎已经在雅虎的首页、新闻、体育、财经等很多频道，以及雅虎的Email、用户订阅的邮件内容等方面使用。个性化推荐引擎推荐的内容有雅虎编辑原创的内容，也有雅虎购买版权的内容，还有从Web上抓取的内容，包括新闻、图片、博客、轻博客等形式。现在已经在欧洲等地方做全球化的推广，并且统计发现个性化推荐引擎对于用户粘性的提升已经超过了100%。本文从数据收集，新模型/算法的评估上线，关于用户粘度三个方面讲解了雅虎推荐引擎的系统架构。&/p&&p&与传统的推荐引擎不同，人人网的社会化推荐考虑了人与人之间的关系，通过真实的人际关系，提高推荐结果的精准度。例如，好友推荐的目的是帮助用户找到好友，迅速构建用户社交图谱，形成可持续发展的网络生态圈。社会化推荐对传统的推荐引擎提出了新的需求和挑战，具体体现在其个性化和复杂性上。本文从社交图谱的建立和社会化过滤方法的应用两个方面讲解了人人网社会化推荐框架。&/p&&p&为了保证用户体验和使用效果，推荐系统中的机器学习算法一般都是针对完整的数据集进行的。然而，随着推荐系统输入数据量的飞速增长，传统的集中式机器学习算法越来越难以满足应用需求。因此，分布式机器学习算法被提出用来大规模数据集的分析。作为全球排名第一的社交网站，Facebook就需要利用分布式推荐系统来帮助用户找到他们可能感兴趣的页面、组、事件或者游戏等。Facebook就在其官网公布了其推荐系统的原理、性能及使用情况。在工作原理方面，Facebook推荐系统采用的是流行的协同过滤（Collaborative filtering，CF）技术。具体读者可以自行看看文中的叙述。&/p&&p&微博（Weibo）是一种通过关注机制分享简短实时信息的广播式社交网络平台。微博用户通过关注来订阅内容，在这种场景下，推荐系统可以很好地和订阅分发体系进行融合，相互促进。微博两个核心基础点：一是用户关系构建，二是内容传播，微博推荐一直致力于优化这两点，促进微博发展。&/p&&p&在微博推荐发展的过程中遇到体系方向的变化、业务的不断更迭、目标的重新树立，其产品思路、架构以及算法也随之进行变迁。本文讲了微博推荐架构的演进过程：独立式的1.0版本，分层式的2.0版本和平台式的3.0，架构组成分为应用层，计算层，数据层和基础服务，并在3.0中解决了推荐候选／排序／训练的算法最重要的问题。具体可以点击链接阅读。&/p&&p&随着移动互联网迅速发展，大数据技术为企业带来了前所未有的发展机遇，然而中小企业和传统行业由于其数据量缺乏且单一，技术投入不足的劣势，面对大数据技术发展带来的红利只能望洋兴叹。本文介绍微信即将推出的微信斑马系统，该系统旨在为中小企业和传统行业提供基于微信大数据分析技术的受众分析，精准推广，激活留存和商业智能决策的全套解决方案。&/p&&a href=&https://link.zhihu.com/?target=http%3A//www.infoq.com/cn/articles/recommendation-algorithm-overview-part01& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic4.zhimg.com/v2-1cfbe4ec1d4b20f545e0c0d7ecf9e0db_ipico.jpg& data-image-width=&100& data-image-height=&100& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&推荐算法综述（一） &/a&&a href=&https://link.zhihu.com/?target=http%3A//www.infoq.com/cn/articles/a-discussion-of-recommended-algorithms& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic3.zhimg.com/v2-fb4db425d028e_ipico.jpg& data-image-width=&100& data-image-height=&100& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&一次推荐算法的普及性讨论 &/a&&a href=&https://link.zhihu.com/?target=http%3A//www.infoq.com/cn/articles/kiji& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic2.zhimg.com/v2-2b8e6f2c012c453b08f9_ipico.jpg& data-image-width=&100& data-image-height=&100& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&用Kiji构建实时、个性化推荐系统 &/a&&a href=&https://link.zhihu.com/?target=http%3A//www.infoq.com/cn/articles/baifendian-recommendation-engine& data-draft-node=&block& data-draft-type=&link-card& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&百分点推荐引擎——从需求到架构 &/a&&a href=&https://link.zhihu.com/?target=http%3A//www.infoq.com/cn/news/2013/04/netflix-ml-architecture& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic1.zhimg.com/v2-8bdcfa66ef2b8ac0a9fb33401eef40e4_ipico.jpg& data-image-width=&200& data-image-height=&200& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Netflix公布个性化和推荐系统架构 &/a&&a href=&https://link.zhihu.com/?target=http%3A//www.infoq.com/cn/news/2014/06/yahoo-personal-recommendation& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic1.zhimg.com/v2-8bdcfa66ef2b8ac0a9fb33401eef40e4_ipico.jpg& data-image-width=&200& data-image-height=&200& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&雅虎个性化推荐引擎的工程实践 &/a&&a href=&https://link.zhihu.com/?target=http%3A//www.infoq.com/cn/articles/zyy-social-recommendation-in-renren& data-draft-node=&block& data-draft-type=&link-card& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&社会化推荐在人人网的应用 &/a&&a href=&https://link.zhihu.com/?target=http%3A//www.infoq.com/cn/news/2015/06/facebook-recommender-system& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic1.zhimg.com/v2-8bdcfa66ef2b8ac0a9fb33401eef40e4_ipico.jpg& data-image-width=&200& data-image-height=&200& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Facebook如何向十亿人推荐东西 &/a&&a href=&https://link.zhihu.com/?target=http%3A//www.infoq.com/cn/articles/evolution-of-micro-blog-recommendation& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic2.zhimg.com/v2-de25b9a7edcf5115488ead_ipico.jpg& data-image-width=&100& data-image-height=&100& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&微博推荐架构的演进 &/a&&a href=&https://link.zhihu.com/?target=http%3A//www.infoq.com/cn/articles/wechat-banma-dmp%3Futm_source%3Dinfoq%26utm_medium%3Dpopular_widget%26utm_campaign%3Dpopular_content_list%26utm_content%3Dhomepage& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic1.zhimg.com/v2-b025a20758bbafafb16eb0_ipico.jpg& data-image-width=&100& data-image-height=&100& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&微信斑马系统：微信朋友圈广告背后的利器 &/a&&p&&br&&/p&&p&最后推荐极客时间的专栏「&a href=&https://link.zhihu.com/?target=https%3A//time.geekbang.org/column/intro/74& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&推荐系统三十六式&/a&」，三十六篇文章，带你从零开始构建自己的推荐系统：&/p&&figure&&img src=&https://pic2.zhimg.com/v2-a81ff0ebae76_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&750& data-rawheight=&1334& class=&origin_image zh-lightbox-thumb& width=&750& data-original=&https://pic2.zhimg.com/v2-a81ff0ebae76_r.jpg&&&/figure&&p&&/p&
推荐系统近几年来一直十分火热，目前几乎所有的电子商务系统、社交网络，广告推荐，搜索引擎等等，都不同程度的使用了各种形式的推荐系统。想知道电商如何向你发送广告的？想了解社交网络怎么推荐好友的？想自己搭建一个推荐系统？想了解一些算法或架构从而…
看问题描述提问者主要困惑于为何自己扫描校色后不如店扫的更胶味，推荐阅读 &a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//weibo.com/ttarticle/p/show%3Fid%3D& target=&_blank& rel=&nofollow noreferrer&&Sina Visitor System &/a&后半部分&b&。&br&&br&关于校色&/b&&br&&br&校色环节是影响最终成片整体观感的决定性因素，在所有的胶片数字化方案中都极其重要！务必严谨对待。&br&&br&此校色法的思路是分别调整RGB三条通道以使胶片的高光暗部中间调均无偏色，因为是针对单张计算，不需要片头片尾，无惧同卷底片因曝光量不同导致的密度不同造成的偏色，完美去除负片色罩。&br&此校色法适用于任何底片数字化方案获得的未经处理的原片。&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic2.zhimg.com/50/v2-3d9ae8dca_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic2.zhimg.com/50/v2-3d9ae8dca_r.jpg&&&/figure&由翻拍得到的文件在ACDsee看图软件中打开是这样的&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic3.zhimg.com/50/v2-16c1c374b351bf51d07fbaf2_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic3.zhimg.com/50/v2-16c1c374b351bf51d07fbaf2_r.jpg&&&/figure&用PS打开RAW，自动进入ACR&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic3.zhimg.com/50/v2-9acec0a382effa_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic3.zhimg.com/50/v2-9acec0a382effa_r.jpg&&&/figure&首先在镜头校正面板选择配置文件校正微距头的畸变&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic3.zhimg.com/50/v2-b5fe434a25673ecdcb76ae4d0ec59671_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic3.zhimg.com/50/v2-b5fe434a25673ecdcb76ae4d0ec59671_r.jpg&&&/figure&使用裁剪工具将底片上未曝光的片基裁干净（一定要裁剪干净，否则影响直方图计算），可以看到色阶利用率不高，动态范围绰绰有余&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic2.zhimg.com/50/v2-d509e8f02218bda062b811ad757ee155_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic2.zhimg.com/50/v2-d509e8f02218bda062b811ad757ee155_r.jpg&&&/figure&切换至曲线面板，选择点曲线，将红通道拉成反相曲线，并使曲线两端与直方图两端对齐&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic4.zhimg.com/50/v2-aebfdd1eb8e84c674b71c35_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic4.zhimg.com/50/v2-aebfdd1eb8e84c674b71c35_r.jpg&&&/figure&绿通道同上&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic4.zhimg.com/50/v2-ddaaba5f51b4b_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic4.zhimg.com/50/v2-ddaaba5f51b4b_r.jpg&&&/figure&蓝通道同上，此时观察上方直方图面板，可以看到直方图两端的红绿蓝基本重合，即高光与暗部无偏色&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic4.zhimg.com/50/v2-8a14d842c_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic4.zhimg.com/50/v2-8a14d842c_r.jpg&&&/figure&使用颜色取样工具，吸取画面中理应是中性灰的地方（如果一个拿不准是不是中性灰，就多吸几个）&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic4.zhimg.com/50/v2-c5cf57db545f1e45ad5be9_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic4.zhimg.com/50/v2-c5cf57db545f1e45ad5be9_r.jpg&&&/figure&分别调整RGB三条曲线中输出值在128处的锚点的输入值，使取样处的RGB等值，即还原中性灰，中间调不偏色&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic3.zhimg.com/50/v2-c57eb243eae44deab112c8bad6f95e9b_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic3.zhimg.com/50/v2-c57eb243eae44deab112c8bad6f95e9b_r.jpg&&&/figure&至此去色罩完成，得到了纯净的不含任何添加的色彩，可打开图像进入PS基本面板&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic2.zhimg.com/50/v2-1a8abdf0b486c7ddf64933_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic2.zhimg.com/50/v2-1a8abdf0b486c7ddf64933_r.jpg&&&/figure&去色罩后的负片即可当作常规照片处理，按个人需求调整色彩和影调，通常微调一下反差效果就不错&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic2.zhimg.com/50/v2-962f3fcdd97fbc90f4ca1ec_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic2.zhimg.com/50/v2-962f3fcdd97fbc90f4ca1ec_r.jpg&&&/figure&放大至100%，a7r2的4200w像素裁剪后依然让135底片的细节相当可观，右侧路牌上的文字清晰可见，光这一点已经能让很多底扫汗颜了吧&br&&br&&figure&&img data-rawheight=&1039& data-rawwidth=&2000& src=&https://pic2.zhimg.com/50/v2-e3dca4e8a82aadb9d04ecc5b24320aec_b.jpg& class=&origin_image zh-lightbox-thumb& width=&2000& data-original=&https://pic2.zhimg.com/50/v2-e3dca4e8a82aadb9d04ecc5b24320aec_r.jpg&&&/figure&附一张使用电分滚筒扫描的135细节图，不过尔尔&br&&br&&figure&&img data-rawheight=&2001& data-rawwidth=&3000& src=&https://pic2.zhimg.com/50/v2-cbe02218ff6d_b.jpg& class=&origin_image zh-lightbox-thumb& width=&3000& data-original=&https://pic2.zhimg.com/50/v2-cbe02218ff6d_r.jpg&&&/figure&最终效果（机身Leica M6 TTL，镜头Carl Zeiss Planar T* 50mm F2 ZM，胶片Kodak ProImage 100）&br&&br&更多胶片翻拍样张可前往我LOFTER查看：&a href=&//link.zhihu.com/?target=http%3A//haosky95.lofter.com/tag/%25E7%25BF%25BB%25E6%258B%258D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&翻拍 - Haosky&/a&&br&以及 &a data-title=&@NoNo君& data-editable=&true& class=&member_mention& href=&//www.zhihu.com/people/34bd2c6fe503dc6b57f2& data-hash=&34bd2c6fe503dc6b57f2& data-hovercard=&p$b$34bd2c6fe503dc6b57f2&&@NoNo君&/a& 的LOFTER：&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//hyyz17200.lofter.com/tag/%25E8%%25E7%& target=&_blank& rel=&nofollow noreferrer&&胶片 - Chongnuo Ji&/a&&br&&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic1.zhimg.com/50/v2-37e6727464bcd94c4edd_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic1.zhimg.com/50/v2-37e6727464bcd94c4edd_r.jpg&&&/figure&从网上下载了一张爱普生V700用1200dpi且开了HDR扫描的4*5页片（来自 &a data-title=&@徐一恩& data-editable=&true& class=&member_mention& href=&//www.zhihu.com/people/e2cdf491f5dbabcf1bd346& data-hash=&e2cdf491f5dbabcf1bd346& data-hovercard=&p$b$e2cdf491f5dbabcf1bd346&&@徐一恩&/a& 的淘宝店木目馆，中意他家的自动胶卷冲洗机很久了，来年搞一台），机身镜头未知，胶片是Kodak Ektar 100，这个型号以颗粒细小著称，4*5十几倍于135的面积，带来的应该是成几何倍数的细节，顺便看一下扫描仪相较于数码翻拍在使用了同样的校色方法后到底有没有色彩加成&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic1.zhimg.com/50/v2-ea522b7f9db7f90f0cf0_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic1.zhimg.com/50/v2-ea522b7f9db7f90f0cf0_r.jpg&&&/figure&PS打开这张TIFF，先裁剪掉多余的片基（TIFF不会自动进入ACR）&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic4.zhimg.com/50/v2-f675508dbabede_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic4.zhimg.com/50/v2-f675508dbabede_r.jpg&&&/figure&调出ACR依次调整RGB曲线&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic2.zhimg.com/50/v2-1e7607ade979d667da6563_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic2.zhimg.com/50/v2-1e7607ade979d667da6563_r.jpg&&&/figure&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic3.zhimg.com/50/v2-42b3a73123b94dadd3b4be431d343068_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic3.zhimg.com/50/v2-42b3a73123b94dadd3b4be431d343068_r.jpg&&&/figure&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic2.zhimg.com/50/v2-25d345bf271cb20abd9e236f2a99ec45_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic2.zhimg.com/50/v2-25d345bf271cb20abd9e236f2a99ec45_r.jpg&&&/figure&使用颜色取样吸管吸取中性灰取值，曲线锚点还原中间调，去色罩完成&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic1.zhimg.com/50/v2-f1df71c8fd977d76daec8f9_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic1.zhimg.com/50/v2-f1df71c8fd977d76daec8f9_r.jpg&&&/figure&回到PS基本面版再用曲线微调一下反差&br&&br&&figure&&img data-rawheight=&1080& data-rawwidth=&1920& src=&https://pic4.zhimg.com/50/v2-9d7691fadf7ad52a4e5f1ec562b9caa9_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic4.zhimg.com/50/v2-9d7691fadf7ad52a4e5f1ec562b9caa9_r.jpg&&&/figure&放大100%看一下细节，抛开Ektar本身的颗粒细小，并没有想象中成倍于135的细节优势，这可是比120底片还大的4*5啊，小失望~&br&&br&&figure&&img data-rawheight=&3000& data-rawwidth=&2348& src=&https://pic2.zhimg.com/50/v2-872e8c25d792a1d5645b8b_b.jpg& class=&origin_image zh-lightbox-thumb& width=&2348& data-original=&https://pic2.zhimg.com/50/v2-872e8c25d792a1d5645b8b_r.jpg&&&/figure&再看一下整体，很干净很正常，但没有传闻中的扫描仪一扫就毒德大学，普通的场景，寻常的色彩，一切看起来很平实，平实得就像是随便一台画质尚可的全幅数码机拍出的效果。这是应当的，这是正常的，胶片的本来面目就是这么回事。当然如果用哈苏X5或者数码接片翻拍的话细节肯定比这个好&br&&br&&figure&&img data-rawheight=&950& data-rawwidth=&750& src=&https://pic2.zhimg.com/50/v2-b43f3fac5ee46e7fdec564_b.jpg& class=&origin_image zh-lightbox-thumb& width=&750& data-original=&https://pic2.zhimg.com/50/v2-b43f3fac5ee46e7fdec564_r.jpg&&&/figure&附上拍摄者用自己的方法校色的成片
看问题描述提问者主要困惑于为何自己扫描校色后不如店扫的更胶味，推荐阅读 后半部分。 关于校色 校色环节是影响最终成片整体观感的决定性因素，在所有的胶片数字化方案中都极其重要！务必严谨对待。 此校色法的思路是分别调整RGB三条…
&figure&&img src=&https://pic2.zhimg.com/v2-53bfcc28b83ae863fb8c6_b.jpg& data-rawwidth=&1518& data-rawheight=&852& class=&origin_image zh-lightbox-thumb& width=&1518& data-original=&https://pic2.zhimg.com/v2-53bfcc28b83ae863fb8c6_r.jpg&&&/figure&&p&我们在做后台产品的时候，经常会被复杂的业务逻辑的搞得很乱，同时有些时候也不知道接下来该如何设计。的确，后台产品一般由于实际业务的变化而使得需求差异很大，同时由于其繁琐的操作设计流程，许多时候会感觉到无从下手。&/p&&p&但其实，后台产品也有着自己的一些套路，这些套路可以让你在设计后台产品的时候可以有一个较为清晰的步骤目标快速的搭建起一些页面的骨骼，在设计的时候不至于无从下手。&/p&&h2&&b&套路一：默认页面一般为统计页面&/b&&/h2&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-53bfcc28b83ae863fb8c6_b.jpg& data-caption=&& data-rawwidth=&1518& data-rawheight=&852& class=&origin_image zh-lightbox-thumb& width=&1518& data-original=&https://pic3.zhimg.com/v2-53bfcc28b83ae863fb8c6_r.jpg&&&/figure&&p&&br&&/p&&h2&1、为什么要设计默认页面&/h2&&p&有时候我们在登录一些后台产品的时候，在没有权重特别高的需求页面时，默认页面一般不知道放什么。有些产品可能会默认放一些欢迎图片，有些产品甚至就是空页面，什么都没有（我现在公司的产品就是这样）。&/p&&p&可实际情况是，默认页面绝对是系统中很重要的一个页面，用户进入系统的最初接触的就是它，所以说如果对它不进行配置的话会很浪费，同时会让用户感觉整个系统的体验不佳。&/p&&h2&2、默认页面的设计分析&/h2&&p&笔者认为，默认页面要显示什么，取决于两个方面：&/p&&ol&&li&&b&不需要用户的操作并且没有任何前置页面即可展示的功能。&/b&&/li&&li&&b&用户在打开系统的时候第一时间想看到什么。&/b&&/li&&/ol&&p&而统计页面，刚好符合这两个方面，首先统计的数据是不需要任何操作进行触发的，它取决于你整体业务及当前使用者截止到目前为止的一个情况，其次用户在打开系统的时候，其目的性就在于要完成工作任务——自己还有哪些工作没有做，以及即将要做什么工作。所以这个时候，数据的统计页面就十分应景。&/p&&h2&3、如何设计默认页面&/h2&&p&那么统计页面要统计什么数据呢？我认为从三个方面考虑比较得当：&/p&&ul&&li&当前角色可以看到的系统级别的数据；&/li&&li&用户自身要进行操作的数据。&/li&&li&通知类内容。&/li&&/ul&&p&第一个方面我们在设计系统的时候，要考虑到哪些数据是需要统计的，比如电商系统中的下单率，客单价，订单总数，订单总金额、单品销售排行榜等，然后再将这些统计数据通过权限的划分分配给不同的角色。&/p&&p&第二个方面是用户自身的数据，主要有工作流的状态即当前用户的工作流中已经流转到该用户的一些操作，诸如合同审批，发货审批等等一系列的流程。&/p&&p&第三个方面通知类的内容主要有以下几类：&/p&&ol&&li&某些关联的工作到一段时间内有了新的状态需要提醒：比如物流发货，或者财务审核通过。&/li&&li&系统内部的一些警醒：比如仓库容量已到临界值。&/li&&li&当前时间截点的警示：比如租户、车位、合同等等即将到期。&/li&&/ol&&h2&&b&套路二：不同功能之间多用标签切换，慎用跳转和新增页面。&/b&&/h2&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-e40ad677dfffaa2f440c_b.jpg& data-caption=&& data-rawwidth=&1646& data-rawheight=&470& class=&origin_image zh-lightbox-thumb& width=&1646& data-original=&https://pic1.zhimg.com/v2-e40ad677dfffaa2f440c_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-ce65bbaf23e828e16556c7_b.jpg& data-caption=&& data-rawwidth=&1306& data-rawheight=&300& class=&origin_image zh-lightbox-thumb& width=&1306& data-original=&https://pic4.zhimg.com/v2-ce65bbaf23e828e16556c7_r.jpg&&&/figure&&p&&br&&/p&&h2&1、标签切换方式的背景&/h2&&p&在一开始的后台产品中，大多都是基于C/S架构开发的产品。这些产品不仅安装复杂，有些甚至需要配数据库，如果没有专业人员去做这些操作，只凭业务人员很难在一开始的时候将系统配置完善。所以，最初如果说购买了某一家的后台产品，只是在产品的初始阶段，产品的提供方轻则有在线专业客服随时跟进，重则有专门的业务人员上门安装调试。&/p&&p&然而随着HTML5、Ajax等技术的诞生与不断地成熟，如今的后台产品大多都采用B/S的架构，并且体验方面并不比之前的C/S的体验差。然而，由于之前的做法已经深入人心，所以很多那个年代的设计习惯也就被保留了下来，标签切换就是那个时候的产物。&/p&&h2&2、为什么不同功能之间要多用标签切换，慎用跳转和新增页面&/h2&&p&虽说目前为止，大多的浏览器中内置的标签切换也可以完成页面之间的快速切换操作，但是系统内部的标签切换还是十分有必要的。首先，在这样大面积操作，有着大量字段的页面，点击后肯定是不能覆盖数据直接刷新页面的。同时，还必须兼备着随便切换查看之前的数据做对比分析以及多项工作需要对照同时来做的功能，这样的操作可以快速的定位到当前的操作模块，并且方便的切换。所以这个时候，页面内的标签切换就十分重要了。而对比浏览器的标签页切换，其有以下几点优势：&/p&&ol&&li&&b&基于一个页面操作，更像是C/S时代的系统级别的操作，整体操作内容更加规整。&/b&&/li&&li&&b&不同的浏览器之间可能有差异，诸如类似IE的浏览器并不是切换标签而是弹出新页面，带来了许多不便。&/b&&/li&&li&&b&在系统十分复杂，操作繁琐或者打开页面过多的情况下更容易也更方便定位。&/b&&/li&&/ol&&h2&&b&套路三：记录类列表的三大布局模块：筛选、列表和新增&/b&&/h2&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-16d090102efd4bbcfeb80fea_b.jpg& data-caption=&& data-rawwidth=&1268& data-rawheight=&664& class=&origin_image zh-lightbox-thumb& width=&1268& data-original=&https://pic3.zhimg.com/v2-16d090102efd4bbcfeb80fea_r.jpg&&&/figure&&p&&br&&/p&&p&之前曾讨论过“记录类后台产品”的一些特点，记录类后台产品的布局一般都比较固定，分为三大块：筛选（或者叫搜索）部分。列表部分，和新增。如果有一些特殊的业务需要，会可能在这个上面新增一些其他的小的需求，但是大体上这样的布局就可以满足一般的业务。&/p&&h2&1、筛选部分要仔细甄别筛选字段&/h2&&p&一般来说，筛选部分主要是通过筛选时间段加上每一条记录的字段内容进行的筛选。记录的字段就包括这项业务的特有字段，比如商品列表页面有“商品分类”“商品属性”等；客户列表有“客户等级”“客户手机号”等。&/p&&p&在进行筛选部分的设计时，筛选的字段可以分为选择部分和填写部分。选择部分指的是某些字段的值在填写的时候就已经限定了。只需要选择筛选即可。填写部分就是一些非固定的字段。&/p&&p&同时，在选择填写部分的字段作为筛选条件时，最好不要超过两个，因为填写部分的筛选一般来说都比较精确，过多并没有实际意义。所以在用哪个字段做填写部分的筛选时，就应当慎重考虑。&/p&&h2&2、新增部分要考虑交互方式&/h2&&p&新增部分一般来说就是一个按钮，点击后有两种方式可以进行记录的新增：一是弹出新页面，二是弹窗形式。新页面的方式在填写字段较多及内容比较重要的时候使用。弹窗形式一般在字段较少，以及内容相对来说不需要十分慎重的填写时使用。&/p&&h2&3、重中之重的列表部分设计法则&/h2&&p&列表部分是最重要的部分，也是页面的核心部分。页面内容的增删改查，以及核心工作都在这里进行。当然，其列表中的每一条数据都是有一个个的字段值堆叠而成的，字段上大致我分为以下几个部分：&/p&&ul&&li&&b&ID：&/b&每一条数据所具备的唯一标识，一般都会加上。&/li&&li&&b&时间：&/b&数据的产生时间，操作类型的业务字段一般会有，比如库存管理，进货单管理等。配置类的一般可以没有，比如角色配置等。&/li&&li&&b&标识名称：&/b&确定该条记录的标识名称字段，方便在其他部分用到时进行识别。&/li&&li&&b&状态：&/b&增删改查很重要的一个部分就是状态的变更及查看。比如“缺货中、货源充足”“已签订、未签订、签订结束”“入场店铺、未入场店铺”等等和业务相关的内容。&/li&&li&&b&一系列的标识字段：&/b&即新增内容的时候填写的字段需要考虑显示在列表的。&/li&&li&&b&其他字段：&/b&不是填写的，但是也必须生成的，比如某个用户填写后生成记录会有“填写人”字段。&/li&&li&&b&工作流：&/b&涉及到工作流时，工作流的状态显示。&/li&&li&&b&操作：&/b&操作相当于整个页面的核心内容和主要功能。一般有查看、修改、以及对应业务的操作内容。&/li&&/ul&&h2&&b&套路四：复杂难搞的工作流也有套路&/b&&/h2&&p&工作流可以说是大部分的后台系统中必须涉及到的内容，只要某一项工作不是一个人单独去完成的，那就必然会涉及到工作流。但是同时，工作流也是系统中比较难搞的一部分，无论是技术方面、业务方便还是逻辑方面，工作流都可谓是异常复杂，但系统做多了之后，就会发现即便很难搞的工作流，也有自己的套路。&/p&&h2&1、标准工作流和非标准工作流&/h2&&p&工作流如果按照概念划分可以分为标准工作流和非标准工作流。标准工作流相对来说比较简单，即某一项工作在进行的过程中，所有的流程都是规划好的。某一个角色和角色的操作都是固定的，要想完成这项工作，只需要一步步的按照流程来即可完成。&/p&&p&非标准工作流则有些复杂，它会涉及到与或非这样的逻辑判断，我相信对于一个产品经理来说这样的判断并不是什么难事。比如某一项工作在进行哪一步的时候审核通过是一个流程，审核不通过是另一个流程，在某一步时两种角色都可以进行操作，或者两种角色都必须进行操作才能进行下一步。这样的流程是要比标准工作流复杂一些，但是遇到一些复杂的业务是必然会涉及到的。产品经理对于流程的梳理我相信问题不会很大，唯一要仔细的就是不要遗忘流程或者角色，这时有些时候对于一些工作来说是致命的。&/p&&h2&2、如何设计工作流&/h2&&p&对于一些系统而言，许多的权限都是可以自定义配置的，所以对应的工作流当然也可以进行配置。那么在配置的时候，把每一层的逻辑都考虑清楚，是必然需要考虑的。我的套路一般都是先配置流程，再配置角色，配置流程的时候，如果操作者有一定的技术能力，可能让其用SQL语句进行自定义配置，如果没有的话可以用流程图的形式表现出来再往里面填加角色。如果要再小白一些，可以将每一个非标准化流程拆成一个个的标准化流程，单独去配置，虽说麻烦一些，但是对于用户来说，整体的操作逻辑则会简单很多。&/p&&p&&br&&/p&&h2&&b&套路五：生杀大权——“权限配置”&/b&&/h2&&p&权限配置对于一个后台系统来说也十分重要，可以说权限配置就相当于用户的生杀大权，掌握着你可以做什么，不能做什么。所以设计好权限配置的模块，就显得十分重要了。&/p&&h2&1、用户角色配置和角色权限配置&/h2&&p&权限配置一般分为两个部分，用户角色配置和角色权限配置。有些系统可能比较简单，所以在设计的时候，初始就直接给用户附上了某些权限。在初始的时候，可能会觉得比较便捷，但是一旦用户变多，处理起来就相当的麻烦。所以在一开始设计系统的时候，就要将角色和用户分清楚。&/p&&h2&2、如何设计权限配置&/h2&&p&在配置权限的时候，应当配置的是角色的权限，将权限赋予角色之上，比如“采购员”“库管”等。另外有些权限的功能可能用语言表述不清楚，这时就可以将链接加上，点击可以明确的查看这个功能是做什么的。如果再严谨一些，可以将资源的路径写上，确保其唯一性。在配置用户角色的时候，用户可以赋予多个角色。这样分开来配置，会更加的合理。&/p&&p&以上就是我总结的一些套路。后台产品可以说博大精深，每一个系统所做出来的东西也有着千姿百态的差异。但是我们要在不同中寻求相同，找出其中的套路，以不变来应万变。&/p&
我们在做后台产品的时候，经常会被复杂的业务逻辑的搞得很乱，同时有些时候也不知道接下来该如何设计。的确，后台产品一般由于实际业务的变化而使得需求差异很大，同时由于其繁琐的操作设计流程，许多时候会感觉到无从下手。但其实，后台产品也有着自己的一…
&figure&&img src=&https://pic1.zhimg.com/v2-90c1eaffce_b.jpg& data-rawwidth=&1280& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-90c1eaffce_r.jpg&&&/figure&&p&&b&谨以此文纪念意大利经济学家帕累托。&/b&&/p&&p&&br&&/p&&ul&&li&帕累托与ABC分类法&/li&&/ul&&p&很多人都知道80/20帕累托法则（20%的人掌握着80%的财富），而ABC分类法可以说是该法则的衍生，目的是把握关键，分清主次。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-a59aaff8eda2_b.jpg& data-rawwidth=&483& data-rawheight=&397& class=&origin_image zh-lightbox-thumb& width=&483& data-original=&https://pic3.zhimg.com/v2-a59aaff8eda2_r.jpg&&&/figure&&p&比如一共有100件商品，&br&10件商品占销售总额的70%；&br&20件商品占销售总额的20%；&br&还有70件商品仅占销售总额的10%。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-bca5e35d207a8d9cdbd5dc04657bea70_b.jpg& data-rawwidth=&505& data-rawheight=&388& class=&origin_image zh-lightbox-thumb& width=&505& data-original=&https://pic1.zhimg.com/v2-bca5e35d207a8d9cdbd5dc04657bea70_r.jpg&&&/figure&&p&于是你可以按照70%，20%，10%的销售额比重把产品分为ABC三类，然后把重点的管理资源放在A，把较少的资源分配给C或者砍掉部分C商品，以达到资源管理的最优状态。（下图是我使用案例数据做的一个样例）&/p&&figure&&img src=&https://pic4.zhimg.com/v2-c2b4906958dfda43fd1b_b.png& data-rawwidth=&896& data-rawheight=&480& class=&origin_image zh-lightbox-thumb& width=&896& data-original=&https://pic4.zhimg.com/v2-c2b4906958dfda43fd1b_r.jpg&&&/figure&&p&1879年，自伟大的帕累托创造了该法则后，该方法不断地应用在管理的各个方面，从库存管理、质量管理、销售管理甚至到社会分析，成为企业提高效益的普遍管理方法。只不过在没有计算器的年代，人民群众应该是用纸笔按照下面的步骤来计算的。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-bf4f57f1e5a1e31ffd6f8d647f922799_b.png& data-rawwidth=&1044& data-rawheight=&667& class=&origin_image zh-lightbox-thumb& width=&1044& data-original=&https://pic2.zhimg.com/v2-bf4f57f1e5a1e31ffd6f8d647f922799_r.jpg&&&/figure&&p&现在有了Excel，完成此类计算并不是什么难事，而且Excel2016还集成了帕累托分析图。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-0de8a24b51daf0bd5dc83_b.png& data-rawwidth=&881& data-rawheight=&369& class=&origin_image zh-lightbox-thumb& width=&881& data-original=&https://pic4.zhimg.com/v2-0de8a24b51daf0bd5dc83_r.jpg&&&/figure&&p&然而，随着经济的发展，数据量增加，维度不断丰富。比如公司的连锁店开遍全国各地，喝杯咖啡有几十个品种供你选择，到超市里买瓶啤酒大多数都叫不出名字...在繁多的维度和数据体量下，制作一张静态图表已经满足不了分析需求。&/p&&p&比如我们想快速的做出/3月，北京/杭州/上海分店，酒类/咖啡/饮料不同类别商品的帕累托图，并且知道ABC类商品都有哪些？C类商品的占比每个月是上升了还是下降？&/p&&p&仅仅是刚刚提到的这几个时间、地点、商品种类维度，就可以组合出27种不同的可能，难道我们要像上面填表的方法重复制作27遍？如果维度更多，定期制表，这个工作量简直是难以想象！&/p&&figure&&img src=&https://pic1.zhimg.com/v2-c80be8eafb5e76f_b.jpg& data-rawwidth=&640& data-rawheight=&457& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/v2-c80be8eafb5e76f_r.jpg&&&/figure&&ul&&li&答案&/li&&/ul&&p&我还是直接来揭晓答案吧，解决这种问题，需要的是动态ABC分析，而不是基于某一张静态表来计算，比如达到下图的效果，点击不同选项就可以快速得到分析结果。当然对于PowerBI，当数据源有更新，所有图表只要一键刷新即可。（下图请手机横屏观看，该仪表板也可以通过&a href=&http://link.zhihu.com/?target=https%3A//app.powerbi.com/view%3Fr%3DeyJrIjoiYmZkYzM2ZTUtMDNjMi00M2UxLThiN2ItNWIyNGM0NzNhNDFhIiwidCI6ImUxMTAyMjkxLTNkYzUtNDA1OC1iMDc3LWQ0YzU4YWJkMWRkOCIsImMiOjEwfQ%253D%253D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&链接&/a&直接进入体验）&/p&&figure&&img src=&https://pic4.zhimg.com/v2-42fcdd32ffd_b.jpg& data-rawwidth=&1500& data-rawheight=&825& data-thumbnail=&https://pic2.zhimg.com/v2-42fcdd32ffd_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1500& data-original=&https://pic2.zhimg.com/v2-42fcdd32ffd_r.jpg&&&/figure&&p&当你的领导第一次看见这样的分析，很有可能是心潮澎湃，内牛满面。 &/p&&p&实现这个动态分析的方法并不难（如果它很难掌握，PowerBI大师是不会收录的，因为我的目标是让更多的人站在Excel的肩膀上）&/p&&p&现在就来详解怎样去制作动态ABC分析仪表板。我们从数据源开始上手，一共有5列，年份月份从1月到7月，商品名称，类别有酒类、咖啡和饮料，城市有3座北京、上海和杭州。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-86d2c6056ebbb82b72db_b.png& data-rawwidth=&529& data-rawheight=&304& class=&origin_image zh-lightbox-thumb& width=&529& data-original=&https://pic4.zhimg.com/v2-86d2c6056ebbb82b72db_r.jpg&&&/figure&&p&首先基于该表可以简单地写一个度量值，求销售金额合计。&/p&&p&[销售额]=Sum('销售明细表'[销售金额]) &/p&&p&有了度量值你可以尝试着去构造一张ABC模样的表。把[商品名称]字段放到透视表的行，值放入[销售额]，再按照由大到小降序排列。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-cffc2fbbcf1c_b.png& data-rawwidth=&817& data-rawheight=&315& class=&origin_image zh-lightbox-thumb& width=&817& data-original=&https://pic1.zhimg.com/v2-cffc2fbbcf1c_r.jpg&&&/figure&&p&接下来是最核心的部分，求累计销售额，它的度量值公式是：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-f112d03faade3d46a0696_b.png& data-rawwidth=&612& data-rawheight=&120& class=&origin_image zh-lightbox-thumb& width=&612& data-original=&https://pic3.zhimg.com/v2-f112d03faade3d46a0696_r.jpg&&&/figure&&p&这个公式是怎样工作的呢？比如以张裕解百纳这个单元格为例，输出的结果为15,999,398。我把计算过程分解成以下5个步骤：&/p&&p&1.先利用VAR定义当前商品的[销售额]，currentsales可以得到1,420,202。（对VAR的用法如有疑惑可以参见我之前写过的文章&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzI4NDUxNDU2NQ%3D%3D%26mid%3D%26idx%3D1%26sn%3D11d645bef3bdd71f2c95a5efchksm%3Debfb054fdc8c8c59b85ca8cc073feddc28%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PowerBI公式-VAR&/a&）。&/p&&p&2.下面是最核心的部分，如何筛选出大于等于1,420,202的商品表呢？利用All函数，All('销售明细表'[商品名称])可以得到一张不重复的商品名称清单表。（下图仅是为了模拟公式的运算过程，实际并无此操作）&/p&&figure&&img src=&https://pic1.zhimg.com/v2-518fafb49edd6def242a0_b.png& data-rawwidth=&424& data-rawheight=&339& class=&origin_image zh-lightbox-thumb& width=&424& data-original=&https://pic1.zhimg.com/v2-518fafb49edd6def242a0_r.jpg&&&/figure&&p&3.Addcolumns的作用是在该All表的后面加入一列“销售额列”，求得每种商品的销售额。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-22d2c44db67aeece384a0_b.png& data-rawwidth=&612& data-rawheight=&341& class=&origin_image zh-lightbox-thumb& width=&612& data-original=&https://pic1.zhimg.com/v2-22d2c44db67aeece384a0_r.jpg&&&/figure&&p&4.Addcolumns的妙处是刚刚添加完的这个“销售额列”可以再次被利用起来。使用Filter('Addcolumns表', [销售额列]&=currentsales)，就可以把[销售额列]大于等于1,420,202的所有商品都筛选出来。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-49dbda56f2f051114cfa9e_b.png& data-rawwidth=&492& data-rawheight=&347& class=&origin_image zh-lightbox-thumb& width=&492& data-original=&https://pic3.zhimg.com/v2-49dbda56f2f051114cfa9e_r.jpg&&&/figure&&p&5.最后Calculate([销售额],Filter())把这些商品的销售额总计求了出来，得到了15,999,398。有了累计销售额，计算累计金额的百分比并不难，即累计销售额除以总计销售额。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-78823dab9f75daddc970ed5ea881a4f5_b.png& data-rawwidth=&705& data-rawheight=&327& class=&origin_image zh-lightbox-thumb& width=&705& data-original=&https://pic2.zhimg.com/v2-78823dab9f75daddc970ed5ea881a4f5_r.jpg&&&/figure&&p&求总计销售额可使用Calculate([销售额],All('销售明细表'[商品名称]))。&/p&&p&以上是累计金额百分比的分步计算逻辑，为了方便，我在案例数据演示中把这些分步写到了一个度量值公式里面，现在你可以整体的去看这个公式的逻辑。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-7ddb353dd449ff949f870ae_b.png& data-rawwidth=&589& data-rawheight=&172& class=&origin_image zh-lightbox-thumb& width=&589& data-original=&https://pic3.zhimg.com/v2-7ddb353dd449ff949f870ae_r.jpg&&&/figure&&p&如果你理解了这条公式，恭喜你已经掌握了该模板最困难的部分。接下来想要做ABC分类其实就是基于不同的累计金额百分比70%,20%,10%做判断区分。比如写一个度量值[A类销售额]&/p&&figure&&img src=&https://pic3.zhimg.com/v2-e809b155a_b.png& data-rawwidth=&353& data-rawheight=&73& class=&content_image& width=&353&&&/figure&&p&仍然用张裕葡萄酒的例子，这里的values函数将返回张裕葡萄酒的商品名称，它的累计金额百分比是33.28%，满足&=70%的条件，所以该项目将求得它的销售额。如果不满足&=70%的条件将返回空值。&/p&&p&同样的方法，再写两个度量值B和C。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-ed7e8cfc8b9bad3b6262e3_b.png& data-rawwidth=&406& data-rawheight=&74& class=&content_image& width=&406&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-dec167eacdeeee580b73_b.png& data-rawwidth=&385& data-rawheight=&75& class=&content_image& width=&385&&&/figure&&p&至此，把建立好的度量值拖动到透视表中即可制成ABC分类表。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-f28a1c1f6ea00a7bd3df63_b.png& data-rawwidth=&533& data-rawheight=&400& class=&origin_image zh-lightbox-thumb& width=&533& data-original=&https://pic4.zhimg.com/v2-f28a1c1f6ea00a7bd3df63_r.jpg&&&/figure&&p&最后，制作一张帕累托分析图，它其实就是一张折线与柱形图。只不过我用了个小技巧，把销售额的柱形颜色设置为白色，所以在白色背景下隐藏了起来，再利用图表右上角的排序功能按照销售额由大到小降序排列。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-d29faf351ab37e6b942d9aae9a1ca5bd_b.png& data-rawwidth=&959& data-rawheight=&454& class=&origin_image zh-lightbox-thumb& width=&959& data-original=&https://pic2.zhimg.com/v2-d29faf351ab37e6b942d9aae9a1ca5bd_r.jpg&&&/figure&&p&至于求商品个数和占比，以及添加各种分类的切片器和百分比图来实现多维度分析的效果，这不是什么新知识而且比较简单，我不在这里做特别说明了。&/p&&p&你可以在公众号的知识店铺中免费下载该模板和案例数据，看到图表和公式的详细做法。（&b&对于购买过PowerPivot课程的学员，我已经加入了全程的演示和公式详解的视频教程&/b&）&/p&&ul&&li&关于此模板&/li&&/ul&&p&首先要感谢来自餐饮行业的数据分析主管Jerry贡献了案例，让我的脑洞小小的开了一下，想出这样一个模板。你可能想知道这个模板的难度等级是多少？&/p&&p&在SQLBI网站上有记载动态ABC的实现方法，难度评级为4级（还没有5级的），也就是顶级，原因之一是因为它的公式基本是按照ABC制表逻辑构建，并且利用辅助表把70,20,10分类，公式很长。说实话，在我读完后感觉烧掉了好多脑细胞。相比之下，我写的公式仅有五六行，而且只用了数据源一张表，思路清晰且算法更优。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-78fb2bbe5cfdb14e694d4_b.png& data-rawwidth=&5668& data-rawheight=&3650& class=&origin_image zh-lightbox-thumb& width=&5668& data-original=&https://pic1.zhimg.com/v2-78fb2bbe5cfdb14e694d4_r.jpg&&&/figure&&p&在上一篇文章&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzI4NDUxNDU2NQ%3D%3D%26mid%3D%26idx%3D1%26sn%3D6bc77fceaf710f1b97c4a25%26chksm%3Debfb050fdc8c8c19cda60ecbbd28c70e2e0c22185acff%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PowerBI大师知识变现能力分析&/a&使用到的购物篮分析也是以极简的方法实现了4级难度的模板。&/p&&p&这就是DAX语言的魅力，不在于你掌握多么技术多么深奥的公式，重要的是如何把简单的公式组合到一起，幻化出无穷的力量。这需要你的想象力。逻辑可以把你从A带到B，想象力可以带你去任何地方！&/p&&figure&&img src=&https://pic1.zhimg.com/v2-854b1a6ac99a86a0f405bd_b.jpg& data-rawwidth=&838& data-rawheight=&334& class=&origin_image zh-lightbox-thumb& width=&838& data-original=&https://pic1.zhimg.com/v2-854b1a6ac99a86a0f405bd_r.jpg&&&/figure&&p&因为很多DAX学习者都在追随SQLBI的DAX Pattern来学习，为了求证，我写了一封邮件给SQLBI的创始人Marco Russo。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-129a1d7b4ebf2096fdef6f1b_b.jpg& data-rawwidth=&3156& data-rawheight=&2693& class=&origin_image zh-lightbox-thumb& width=&3156& data-original=&https://pic4.zhimg.com/v2-129a1d7b4ebf2096fdef6f1b_r.jpg&&&/figure&&p&如果你不知道Marco是谁，简单介绍一下，这位意大利人可以说是全世界DAX领域最具有权威的人（他写的DAX指南被很多人称作DAX圣经），著作被翻译成各国语言传播。我向他解释了我对这个模板的想法并得到了认可，他也在创作新的DAX Pattern，将引入像VAR这样的新公式来实现模板的简单化和提高可推广性。敬请期待！&/p&&p&我也把这封邮件公开给广大的DAX爱好者。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-c1e15cc47dd5fa97e7732d_b.png& data-rawwidth=&4913& data-rawheight=&5367& class=&origin_image zh-lightbox-thumb& width=&4913& data-original=&https://pic2.zhimg.com/v2-c1e15cc47dd5fa97e7732d_r.jpg&&&/figure&&ul&&li&为什么是最实用&/li&&/ul&&p&既然大胆地使用了“最实用”这个标题，我不得不自圆其说一下为什么。有三点主要原因：&/p&&p&第一，这个方法并不复杂，任何PowerBI、Excel PowerPivot、DAX的初学者都可以学习掌握，即使不懂你也可以把该模板直接复制使用。所谓“大道至简”就是最简单的才是最牛逼的，这个模板可以被很多人拿去使用，但没有它，对于业务分析人员想要实现这类动态帕累托分析，几乎是不敢想象的事情。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-5375afcc9_b.png& data-rawwidth=&620& data-rawheight=&350& class=&origin_image zh-lightbox-thumb& width=&620& data-original=&https://pic2.zhimg.com/v2-5375afcc9_r.jpg&&&/figure&&p&第二，本篇文章，案例数据和模板都是免费的，就连使用工具PowerBI桌面版也是免费的。但如果没有它，很多公司想要实现这类分析是通过漫长的IT部门建设项目或者掏出高昂的咨询费用。现在你可以自助式地使用PowerBI或Excel完成此项任务。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-ddef9b204eb3a_b.jpg& data-rawwidth=&940& data-rawheight=&400& class=&origin_image zh-lightbox-thumb& width=&940& data-original=&https://pic3.zhimg.com/v2-ddef9b204eb3a_r.jpg&&&/figure&&p&第三， 帕累托分析的应用极为广泛，从数据输出的分析结果非常清晰，并且将直接影响资源的分配。&/p&&p&如果你是图书馆管理人，发现80%的人都在阅读经济类书籍，可以把有限的预算更多的花在该类图书上；如果你负责仓库管理，发现有10%数量的货品占据了所有货品价值的80%，可能由此设定对该部分货品每周盘点，而其他的货品可以每个月或者每个季度做一次盘点；如果你来自质量检查部门，发现80%的残缺品是因为设备供电不足原因导致，自然是把工作重点和预算放在解决电力方面；如果你在为一家医院做分析，发现近期的80%的患者是呼吸道类疾病并且来自同一个地区，从而推测该地区可能存在空气污染源...&/p&&p&我相信在广大的读者中，一定有人将立刻掌握这个模板并应用到实际工作中，创造出不可估量的决策价值！&br&&/p&&p&最后，此模板和数据可到我的公众号的知识店铺中找到链接免费下载使用。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-89a249e981e0ffbaab9f2e_b.png& data-rawwidth=&430& data-rawheight=&155& class=&origin_image zh-lightbox-thumb& width=&430& data-original=&https://pic3.zhimg.com/v2-89a249e981e0ffbaab9f2e_r.jpg&&&/figure&&p& 祝好，&/p&&p& 微信公众号PowerBI大师&/p&&p&---------------------------分隔线------------------------------------------&/p&&p&补充说明：&/p&&p&此模板在计算累计销售额的时候，使用了Addcolumns先建立一张含商品名称和销售额的虚拟表，然后筛选销售额大于等于当前销售额的商品。&/p&&p&感谢PowerBI爱好者临渊的反馈，在发文后的第一时间提出不用Addcolumns解决的方式，即&/p&&p&&b&累计销售额&/b&= &br&Var currentsales=[销售额]&br&Return&br&Calculate([销售额],&br&Filter(All('销售明细表'[商品名称]),[销售额]&=currentsales))&/p&&p&就可以完成该项运算。我认为这个方法更是降低了该模板的使用难度，对于很多不会使用Addcolumns的人也可以很快上手。另外，这种写法让我联想到了刘凯老师写的一篇关于Var+Calculate+Filter+All的万能组合，建议大家在思考方案时，能够熟练使用这类常用的句型来达到不变应万变的效果。&/p&&p&写DAX是条条大路通罗马，很多时候是无论黑猫白猫抓住耗子就是好猫。但作为模板普及推广使用，感谢每一位读者的反馈、质疑和精益求精的问题，以达到极简极优的方式。&/p&&p&
——马世权&/p&
谨以此文纪念意大利经济学家帕累托。 帕累托与ABC分类法很多人都知道80/20帕累托法则（20%的人掌握着80%的财富），而ABC分类法可以说是该法则的衍生，目的是把握关键，分清主次。比如一共有100件商品， 10件商品占销售总额的70%； 20件商品占销售总额的20%…
&p&&b&如果当初七月不让男主逃婚，会怎样？或者男主死命不答应逃婚，又怎么办？&/b&&/p&&br&&p&&b&七月被拯救了，可男主并没有。&/b&&/p&&br&&p&&b&男主&/b&&b&是属于被动型的人，如果有女生像七月那样再一次主动表白，尽管他内心不爱，他是否会伪装内心的喜好，接受这样的女生？&/b&&/p&&br&&p&&b&男主接下来的发展是怎样？安生是单身，带着七月的女儿，那他们是否会在一起？&/b&&/p&&br&&p&&b&安生是否会答应？&/b&&/p&&br&&p&&b&上次写过的影评如下：&/b&&b&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&知乎专栏&/a&&/b&&/p&&br&&p&恭喜周冬雨、马思纯两人，凭借《七月与安生》拿下本届金马双影后奖。&/p&&br&&p&&b&叔觉得实至名归。&/b&&/p&&br&&p&&b&最近才找来看，刷了三遍，以至于连胡子都没剃。&/b&&/p&&br&&figure&&img src=&https://pic4.zhimg.com/50/v2-696d0f78e17bdce88177c36_b.jpg& data-rawwidth=&500& data-rawheight=&504& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic4.zhimg.com/50/v2-696d0f78e17bdce88177c36_r.jpg&&&/figure&&br&&br&&p&&b&&b&一部国产青春文艺片，&/b&表演、神态到位，剧本、镜头语言一流&/b&&b&，且拍得有深度，很难得。&/b&&/p&&br&&p&&b&&b&两人就像一根藤的两朵花。&/b&&br&&/b&&/p&&br&&p&金马奖上，两人一个端庄，一个鬼马，还真像剧中两人各自扮演的角色。&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-cb066c13fa1d5becca9980_b.jpg& data-rawwidth=&600& data-rawheight=&377& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic2.zhimg.com/50/v2-cb066c13fa1d5becca9980_r.jpg&&&/figure&&figure&&img src=&https://pic3.zhimg.com/50/v2-059c4a4d67ac889e23dfaa_b.jpg& data-rawwidth=&600& data-rawheight=&414& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic3.zhimg.com/50/v2-059c4a4d67ac889e23dfaa_r.jpg&&&/figure&&br&&br&&br&&p&&b&三刷归来的叔，详细挖掘里面的细节以及讲解里面的疑惑点。&/b&&/p&&br&&p&开头海报很有深意：男主抱着七月很冷漠，而抱着安生时却很平静。&/p&&br&&p&同时用服装的颜色来展现人物的性格和内心。&br&&/p&&br&&p&暗指男主内心更爱安生，而银行的表白，更多是一层被迫。&/p&&br&&p&为什么？后面会讲解。&/p&&br&&figure&&img src=&https://pic3.zhimg.com/50/v2-7e456e485c977f506ff063_b.jpg& data-rawwidth=&600& data-rawheight=&266& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic3.zhimg.com/50/v2-7e456e485c977f506ff063_r.jpg&&&/figure&&br&&br&&p&网上有人说：这男的不就是个渣男嘛，吃着碗里的，还看着锅里的。&br&&/p&&br&&p&NO，NO，NO，绝不是讲一个姐妹撕逼加一个渣男的情节。&/p&&br&&p&&b&不然男主的戏份这么少？撕逼也就一场浴室还行？&/b&&/p&&br&&p&&b&在我看来，这部剧是对那些死守传统思维的男女一个大大的耳光。&/b&&/p&&br&&p&其实很容易看出来：七月是一个中国式女孩，而安生更多的像一个西式女孩。&/p&&br&&p&男主是普遍男性的代表，木讷，没有主见。&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-e061e2f0f13f0e227f9d128f6fdb2f2e_b.jpg& data-rawwidth=&600& data-rawheight=&399& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic2.zhimg.com/50/v2-e061e2f0f13f0e227f9d128f6fdb2f2e_r.jpg&&&/figure&&br&&br&&br&&br&&p&&b&接下来看细节：&/b&&/p&&br&&p&有没有发现开头的总策划里面有一个叫做藤井树的人？&/p&&br&&p&藤井树是日本电影《情书》中女主角的名字，这里是一名上海影评人藤井树小姐。&/p&&br&&p&而之前《情书》导演岩井俊二其实是这部电影的导演，后面改为了曾志伟的儿子曾国祥。&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-52b7cbca83f5f4fe190d7c_b.jpg& data-rawwidth=&1240& data-rawheight=&698& class=&origin_image zh-lightbox-thumb& width=&1240& data-original=&https://pic1.zhimg.com/50/v2-52b7cbca83f5f4fe190d7c_r.jpg&&&/figure&&br&&br&&br&&p&&b&片尾特意致敬了岩井俊二先生。&/b&&br&&/p&&br&&figure&&img src=&https://pic1.zhimg.com/50/v2-a79ede818f68d6d9da86_b.jpg& data-rawwidth=&1240& data-rawheight=&698& class=&origin_image zh-lightbox-thumb& width=&1240& data-original=&https://pic1.zhimg.com/50/v2-a79ede818f68d6d9da86_r.jpg&&&/figure&&br&&br&&p&在俄罗斯雪地，有一个镜头是七月仰望天空 ，悲伤若有所思 。&/p&&br&&p&按导演话说这一幕是偶然拍下的，而这个经典镜头是岩井俊二的成名作《情书》里的海报封面。&br&&/p&&br&&figure&&img src=&https://pic4.zhimg.com/50/v2-9d3dcdabfaa4bd2ea9caf50c5929dd75_b.jpg& data-rawwidth=&600& data-rawheight=&364& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic4.zhimg.com/50/v2-9d3dcdabfaa4bd2ea9caf50c5929dd75_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/v2-d1a300a1d56509ead5791_b.jpg& data-rawwidth=&600& data-rawheight=&337& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic4.zhimg.com/50/v2-d1a300a1d56509ead5791_r.jpg&&&/figure&&br&&br&&br&&br&&p&注意，叔看到一个细节：&/p&&br&&figure&&img src=&https://pic3.zhimg.com/50/v2-d26c122c398dbc2db4aefa9c137e6d07_b.jpg& data-rawwidth=&1240& data-rawheight=&698& class=&origin_image zh-lightbox-thumb& width=&1240& data-original=&https://pic3.zhimg.com/50/v2-d26c122c398dbc2db4aefa9c137e6d07_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/50/v2-2c955ddd7b40ef8e8d7675_b.jpg& data-rawwidth=&1240& data-rawheight=&698& class=&origin_image zh-lightbox-thumb& width=&1240& data-original=&https://pic2.zhimg.com/50/v2-2c955ddd7b40ef8e8d7675_r.jpg&&&/figure&&br&&br&&br&&br&&p&对啦，我们把信件翻转过来看看：&/p&&br&&figure&&img src=&https://pic1.zhimg.com/50/v2-d73ed199d3cbc795c58f1_b.jpg& data-rawwidth=&1240& data-rawheight=&698& class=&origin_image zh-lightbox-thumb& width=&1240& data-original=&https://pic1.zhimg.com/50/v2-d73ed199d3cbc795c58f1_r.jpg&&&/figure&&br&&br&&p&这个明信片的对话，出现在剧中49分钟左右。&/p&&br&&p&安生的指甲颜色也可以对应。&/p&&br&&figure&&img src=&https://pic2.zhimg.com/50/v2-aa8de1fbb8dd181c204ed_b.jpg& data-rawwidth=&1240& data-rawheight=&698& class=&origin_image zh-lightbox-thumb& width=&1240& data-original=&https://pic2.zhimg.com/50/v2-aa8de1fbb8dd181c204ed_r.jpg&&&/figure&&br&&br&&p&开头七月已经死了，而安生代替她写了这部小说。&/p&&br&&p&&b&穿插的回忆其实是这部小说的内容，注意：所有内容都不一定都是真事。&/b&&/p&&br&&p&&b&所以开头小说还在连载。&/b&&/p&&br&&figure&&img src=&https://pic4.zhimg.com/50/v2-bbcced0eb3b_b.jpg& data-rawwidth=&1240& data-rawheight=&698& class=&origin_image zh-lightbox-thumb& width=&1240& data-original=&https://pic4.zhimg.com/50/v2-bbcced0eb3b_r.jpg&&&/figure&&br&&br&&p&接下来的片头：《七月与安生》的英文名叫做soulmate，灵魂伴侣，刚好应和两人关系。&br&&/p&&br&&p&这个根据导演所言，还有一层含义“SM”（知道为什么开头字母要大写了嘛。）。&/p&&br&&p&&b&表示两人的又爱又恨的纠葛感情。&/b&&/p&&br&&figure&&img src=&https://pic4.zhimg.com/50/v2-33c3bfea3ef9f533e72aebdb633ba7e9_b.jpg& data-rawwidth=&1240& data-rawheight=&698& class=&origin_image zh-lightbox-thumb& width=&1240& data-original=&https://pic4.zhimg.com/50/v2-33c3bfea3ef9f533e72aebdb633ba7e9_r.jpg&&&/figure&&br&&br&&p&这一幕是男主和安生在上海地铁的遇见。&br&&/p&&br&&p&这里有一个细节：男主认为她去国外结婚了，知道是谁吗？没有人。&/p&&br&&p&片中的老赵是小说中虚构的，片里的安生并没有结婚，独自领养了七月的女儿。&/p&&br&&figure&&img src=&https://pic3.zhimg.com/50/v2-2b0f17fc40f965ebccc906_b.jpg& data-rawwidth=&1240& data-rawheight=&698& class=&origin_image zh-lightbox-thumb& width=&1240& data-original=&https://pic3.zhimg.com/50/v2-2b0f17fc40f965ebccc906_r.jpg&&&/figure&&br&&br&&p&后面提到的五章内容，坐在办公室的安生开始回忆小说中的内容。&/p&&br&&p&导演虚晃一枪，令我们误认为安生开始读小说，其实这是镜头暗示。&/p&&br&&p&&b&推荐看《禁闭岛》之类的用镜头将故事的电影，这种镜头语言的衔接立刻秒懂。&/b&&/p&&br&&p&&b&这类镜头刻画也让我想起姜文的《阳光灿烂的日子》。&/b&&/p&&br&&figure&&img src=&https://pic1.zhimg.com/50/v2-babd22a4d70