之前我有600w,后来我开了家咖啡店…

之前我有600w,后来我开了家咖啡店...

网上有个段子说,文艺青年的三大创业杀手分别是:花店、书店、咖啡店……

 

很多人把原因归结为:年轻人过于理想主义,脱离了本身的商业逻辑,抱着一边赚钱一边享受的心态,自然会容易亏损。

 

然而,真相真的是如此吗?

 

最近,我收到了三位粉丝的来信,讲述了他们各自开咖啡店倒闭的心酸历程。

 

有意思的是,他们还真不是一股脑扎进去开店,前期都自认为做了充分的调研,但最后还是由于各种主观或客观的原因惨淡收场。

 

如果此时的你正准备开咖啡店,不妨来看看别人都踩过那些坑,或是提前做好创业路上的心理准备。如果你没有开店的打算,那么看看别人的创业故事,或许对你的生活也会有一些启发。

 

(本文由我们原创的视频脚本根据文字特性修改而来。欢迎大家关注我们的视频号鸭!各平台名字均为:@进击的沈帅波)

 

 

 

之前我有600w,后来我开了家咖啡店...

样本一:用复合咖啡业态打开c端市场

 

如果你细心观察生活的话,会发现当前市面上主流的咖啡模式,大致分为以下五类:

第一种是初代咖啡连锁品牌,以上岛咖啡为例,里面牛排、西餐、咖啡奶茶无所不卖。

第二种是以星巴克为代表的第三空间,人们可以在里面闲聊、办公。

第三种是以瑞幸为代表的超小型门店,在城市形成了巨大的网络。

第四种是超大型咖啡馆,本质上已经不单纯是咖啡馆了,还有场地租赁、活动承办的性质。

第五种是精品咖啡,例如seesaw、Manner,受众是对咖啡品质有更高追求的新中产。

相较于现在咖啡赛道的群雄逐鹿,其实几年前咖啡市场的热潮还没有被掀起。

 

当时大部分都市白领的咖啡消费停留在星巴克、costa等,还没有诞生瑞幸、Manner等等的精品咖啡或是体验型咖啡品牌,可谓蓝海一片。

 

我们的第一位主人公叫小贝(音译),当时就是觉得这个生意大有可为。

 

之前我有600w,后来我开了家咖啡店...

在开店前,小贝了解到企业有很多的团建、聚餐、开会、社交、party、路演等的需求,因此她定位B端的企业商务社交需求,在成都开了家超大型咖啡店,足足上下四层楼,总计1000平。

 

但门店从2018年6月12日开始营业到2022年1月24日正式歇业,只存活了三年半时间。

 

这个过程中,小贝前期投入了600万,咖啡设备花了40万,面包机加各种各样的餐饮设备花了40万,家具器具花了120w,但这些都不是重头。重头是店铺改造和装修,这类体验型大店必须要布置的非常温馨好看才能吸引到客流,因此小贝投入了整整400万进行精装修。

此外,大店的房租高达15w/月,大致需要雇佣15-30员工,成本高达15w/月,小贝前期还对员工进行了大规模培训,因此单月的运营成本高达30w。

 

听到这,正常人的心都在滴血了。但好在小贝的巨额斥资,也得到了不错的回报。

 

「咖啡店+场地租赁」的复合业态,收获了很多B端客户。当时许多互联网、地产、快消零售的企业也都来找他们做空间租赁和活动策划的落地执行。

 

咖啡店毛利也可以做到80%,小贝很快就赚到了第一桶金,在两年内就回本了。如果形势一直这么发展下去,其实这次创业可以说是非常成功了。

 

然而……命运的转折点来了。2020年疫情来了。这对当时所有的餐饮企业无疑都是一个沉重的打击,小贝的咖啡店直接停业了3个月,房租、工资、物料……全都像大山一样压在小贝身上。

 

疫情前,由于小贝在B端生意很好,所以忽视了在C端积累口碑。

 

而疫情后,据小贝统计,b端用户的消费频次降低至少70%,小规模的会议(20人以内)的活动复购频次可能一个月2-4次,大型活动(50人以上)基本归0。

 

靠着30%的零售和to c的业务,小贝几乎入不敷出。但光干着急也没有用,小贝迅速展开自救,在大众点评、小红书、微博去做线上推广,以及研发很多新品促销,但结果收效甚微。

 

当时,C端生意已经是红海中的红海,追求品牌的去了星巴克,追求性价比的去了瑞幸,追求独特口感的去了各种精品咖啡店。而小贝的大型咖啡店其实很难掉头,最终只能掉入了一个不尴不尬的境地,所以在一段时间的苦力支撑后,选择了及时关店止损。

 

而背后更不容忽视的是,在疫情的冲击下,对于餐饮行业的打击是普遍的。在这种生死存亡之际,大多数咖啡店品牌能活下来,背后往往离不开资本的支持。

 

而个人独立经营咖啡店,往往是缺乏这种坚强的后盾的。在这种“前有狼后有虎,中间还有个250”的环境下,想要杀出一条血路,更是难上加难。

 

之前我有600w,后来我开了家咖啡店...

样本二:网红咖啡店的速生速死

 

如今,你打开小红书搜索「咖啡店」,一定会发现各种KOL去网红咖啡店探底打卡的笔记。

 

这类咖啡店大多比较小,开在偏僻的社区或者弄堂,经过改造后就会凭借独特的装修风格,成为吸引年轻人周末打卡拍照的圣地。

 

之前我有600w,后来我开了家咖啡店...

我们的第二位主人公叫小Y(音译),她的开的就是这类网红咖啡店,于2021年5月开业,至今还在坚持中。

 

小Y是一位97年的女生,她在开店之前,觉得自己本身就喜欢喝咖啡,并且之前也学过一些相关的课程。在上班两年后产生了厌倦,果断裸辞,对开一家网红咖啡店信心满满。

 

因此,她一开始的定位就是以网红店为目标,吸引年轻人打卡。

 

首先,她把选址定在某一线城市中,一个非常老的社区,原店有点类似于六七十年代的老式理发店,地理位置上离地铁站1.3公里,不是特别好找,因此房租非常便宜,一年下来只要5w。

 

其次,由于社区里面都是老人,因此开在老社区也就意味放弃了社区流量。想要做出网红咖啡店,必须靠差异化的装修和体验来取胜。为了营造出很上一个时代的感觉,小Y对这个60平的小店进行了大改造,大家可以自行想象是「超级文和友的最小单位」,整个软装加硬装加起来30万。

小Y没有小贝那么财大气粗了,30万的启动资金,是和另一位志同道合的朋友合资的,包括了前期的装修、培训、物料等等。

 

小Y的开局可以说是比较顺利的。还没开店,就有很多KOL联系她要来探店,且都是不收钱的,给小Y省下了很大一笔宣传费用,而在小红书、大众点评上高密度的推广,很快让这家网红咖啡店,吃到了第一波流量,火了起来。

 

但好景不长,这家店依旧没有逃脱网红咖啡店的宿命,那就是容易过气。因为,该来的KOL都来过了,该打卡的就打完卡了,也就自然没有流量了。

 

此时,小Y的咖啡店迎来一个悲凉的转折点:在工作日的时候,只有1-2单,周末也只有零零散散的20-30单,只能不温不火地营业着。

 

眼看咖啡店没什么水花了,她的合伙人转而找了一份工作,只是下班的时候来看看店。

 

基于这个案例可以看出,大多数网红咖啡店逃离不了速生速死的命运,如果你想加入这场游戏,必须要清楚以下几点认知:

 

第一,网红咖啡店前期必须在装修上大量投入,去差异化的装修去迎合追求新奇的年轻人。但当下的审美和风格瞬息万变,可能流行一阵就不流行了。

 

第二,网红咖啡店的赚钱效应,很多时候是根据开店时间边际递减的,后面不断会有新兴网红店冒出来取代你。因此生命周期就在2-3年,前期赚不到钱,后期更赚不到。

 

第三,网红咖啡店的本质是博人眼球,需要不断的花式营销,它的复购率甚至比不上社区周边靠性价比能活下来的店。

 

 

之前我有600w,后来我开了家咖啡店...

样本三:专门做外卖,是否可行?

 

前两个案例,大多还是有一些文艺青年的浪漫因子存在。实际上,过度依赖网红、营销,从商业模式上本身就是不持久的。

 

那么我们的第三位主人公叫恒星,做的就不是网红店,他的店名字叫「魔法咖啡」,历时三个月倒闭。

 

他又是怎么自己搞死自己的呢?

 

之前我有600w,后来我开了家咖啡店...

 

和大部分咖啡店的思路不同的是,恒星把咖啡店开在了仓库里,专门做外卖。

 

为什么专门做外卖?大多数人可能不解,恒星解释道:

 

一方面是由于他资金有限,没有装修、加盟的本金,但又想拥有一间属于自己的小店。

 

另一方面是辞职后辗转于认识的一些朋友的店铺,期间看到过7-8家不接待堂食的咖啡店,觉得专门做外卖应该也有市场。

 

于是恒星卖掉了自己的摩托车,加上自己的存款和家里自主,硬是凑了8万出来。

 

为了将开店成本压倒最低,恒星只是将仓库简单改良了一下,换了几个电灯泡,定做了一个水吧的吧台,和一些基本款的东西保证能营业,前后总共花了5万块,就把店开出来了。

 

之前我有600w,后来我开了家咖啡店...

而在办营业执照上,恒星也废了很大的劲。理论上,仓库是办不出营业执照的,临近开业前的一周,恒星花了几百元找代办跑程序才把营业执照办好。

 

历经坎坷,【魔法咖啡】终于在2021大年初六正式营业了,然而盈利效果却不如恒星预想的那样美好。

 

第一个月生意冷清,几乎只能维持在3-4单/天,还是找朋友刷单的。

 

第二个月情况稍好一些,停止了刷单,但也仅维持在在5-6单/天。这么下来,一个月的总营业额在150-180单左右,而一单只有20块,收入只能勉强维持房租。

 

到了第三个月,线上就无法维持运营,恒星自己也疲于应对,因此放弃了。折价卖了设备转让门店,最后留下了咖啡机。

 

在这个创业过程中,他反思道,做了很多看起来很严谨实则没太必要的前期调研。比如说去了好几家咖啡厅、西餐厅打工,做学徒,以及去云南咖啡豆原产地考察等等。

 

但我认为恒星最关键的核心问题,其实正是出纯外卖业务上。

 

如果将咖啡店的零售业务大致拆解为以下三类:到店喝、自提、外卖。

 

外卖业务其实只占到了1/3,尽管利润高,但也有其局限性。

 

外卖的最大的痛点,就在于品质不高,在历经长时间的配送后,口感已经降低了一大半,因此大多数咖啡店的外卖业务都是靠到店和自提来拉动的。

 

恒星主动放弃了前两类零售业务,并且还要在无品牌的情况下,去搏1/3的外卖业务,是非常不科学的。

 

 

之前我有600w,后来我开了家咖啡店...

随着时代的发展,咖啡已经成为了每个年轻人的生活必需品。

 

毫无疑问,未来咖啡市场仍将会是增量市场。根据统计,2020年中国咖啡年人均饮用杯数仅为7.9杯,预计到2023年人均杯数可达10.8杯。

 

由于「高频+成瘾」的特性,咖啡一直是一门好生意。

 

但它在快速普及化的同时,也在快速的资本化。

 

初代咖啡连锁品牌上岛咖啡,拥有3000家门店火遍全国,到后来咖啡品牌的群雄逐鹿,星巴克、瑞幸、Manner、SeeSaw等品牌在资本的助推下快速崛起。前段时间,蓝瓶咖啡又风靡了上海。

 

咖啡业态也在不断细分,无论是追求性价比、品牌还是独特口感,你都能找到合适的品牌。

 

反观个人咖啡店创业者,尽管他们的失败总是能找到一些看似合理的原因。

 

而我却更多的看到了,他们前期的精打细算,无头苍蝇般的调研,面对疫情时的不堪一击。纵使开成功了,背后没有资本支持,也难逃速生速死的命运。

 

一个残酷的现实就是,爱喝咖啡和开个咖啡店,还真不是一回事儿。

 

<end>

转自:https://mp.weixin.qq.com/s/fGiwwymvA55TacZY0HCAZQ

上海中考英语,进四校八校和市重点要多少分?

英语的考情如下:
【1】进不同高中,需要的英语成绩:
️普通高中,120-130
️区重点高中,135左右
️市重点高中,140左右
️四校八校,145左右
【2】从试卷题型难度看,每年拉开大家差距的,主要是如下几道题:
完形填空,共6道题,每题2分,共12分,考查的难度系数是,简单:中难度:高难度,4:1:1,意即4道基础,1道中难度,1道高难度
首字母填空,共7道题,每题2分,共14分,难度系数是4:2:1
作文,满分20分,评分标准主要考查:语言+结构+内容,分别是:8+4+8
 
(这里,大家需要注意一点的是,完形、首字母,都不是单纯考查词汇量的,词汇只是基础,主要考查的是:词汇+语法+文章理解)
【3】细说开来,进不同类型高中
️如果进普高120-130分,我们按120算,一般来说,常见的丢分题目是:
 
听力扣2分,5选4扣2分,
阅读理解扣4分,完形扣6分,
首字母扣6分,
阅读回答问题扣3分,
作文扣7分
 
或者,不同的同学,错的丢分题目会略有差异,但他们的问题都一样,基础不扎实基础题会丢分,高难度题更会丢分)
️如果进区重点135左右,一般来说,常见的丢分题目是:
 
完形扣4分,
首字母扣4分,
作文扣7分
️如果进普通市重点140左右,一般来说,常见丢分题目:
 
完形扣2分,
首字母扣2分,
作文扣5分完形首字母只允许各错1道题,
作文要15及以上
️如果进四校八校145左右,常见丢分题:
 
完形或者首字母扣2分,
作文扣3分
完形首字母只允许错1道题,
作文要17及以上
以上,是英语中考基本常见的成绩要求的大体情况,大家可以参考一下。
至于,英语的学习和训练提分,我们客观说一句可能会得罪英语老师的话,英语是所有科目里,从学习方法上来说,相对最简单的科目,最主要的就是不断地重复重复再重复……
 
那么,反过来说,绝大多数英语没学好成绩不理想的同学,原因也很简单,就一个字:懒!
那么,要学好英语提高成绩,从方法上说,也简单,如下图↓↓↓
上海中考英语,进四校八校和市重点要多少分?
 
供大家参考!
  •  
上海中考英语,进四校八校和市重点要多少分?

转自:https://mp.weixin.qq.com/s/driwYwd9l91yOP9-k1frzQ

卖一份黄焖鸡外卖 vs. 商场卖一件 T 恤,哪个更赚钱?

前几天,有关部门印发通知《关于促进服务业领域困难行业恢复发展的若干政策》,说将引导外卖等互联网平台企业进一步下调餐饮业商户服务费标准,降低相关餐饮企业经营成本。消息一出,美团股价大跌。

本文要讨论的是外卖平台是否暴利的问题。有读者说,这有什么值得讨论的,外卖平台还不是暴利?不是都说平台佣金动不动就超过 20% 什么的,还不是暴利?

说外卖是暴利,作为外卖平台方的美团和饿了么们肯定不同意,他们有自己的委屈。比如有人转给了我一则讨论这个话题的视频,我看到了下面这张图:

卖一份黄焖鸡外卖 vs. 商场卖一件 T 恤,哪个更赚钱?

商家在商场卖出一件品牌 T 恤,商场作为平台,能抽成 30.5%,而外卖平台一份黄焖鸡米饭,平台最后到手 1.99 元,占比 6.08%。论赚得(比例)多,还是商场。

有人当然不同意这个图的对比:你看外卖平台,骑手配送费和平台实际拿到的佣金怎么拆开了?不拆开的话,这加起来接近 20% 的比例,这不就是佣金吗?这样的佣金还说不高?

可是,即使外卖平台抽取了两成费用,但这笔钱大部分要支付给骑手。费用不拆开,不少人就真会误以为弄个平台真的直接拿走 20% 的平台费。

有人说,感觉不太对,一单外卖,美团自己才赚这么一点钱?这点钱,在这个图里,还说高了。

美团的细节数据,在财报里。

2019 年的年报数据,单笔外卖约 45.0 元人民币,美团作为平台方收取  6.29 元,其中:成本(主要是支付给骑手 5.12 元),自己留下 1.01 元,这是毛利。如果算净利,一笔 0.16 元,单位是人民币。

2020 年的年报数据, 单笔外卖约 48.2 元人民币,美团作为平台方收了 6.53 元,其中:成本(主要是支付给骑手 5.21 元),自己留下 1.04 元,这是毛利。如果算净利,一笔 0.28 元,单位是人民币。

诸位当然可以不信,但财报数据的统计层面不会说谎。顺便说下,美团的财报文件制作得相当不错,值得看。

回到前面这张图,外卖平台卖出一份黄焖鸡米饭,赚的钱大致不差。

然后我们说下上图左边商场的数据。第一,肯定有人说你这是故意做了一个高毛利的商品做对比,有选择性。我倒是觉得,还算有代表性。我看过一些品牌店里的 T 恤,价格都不低。

然后对于商场从商家的收入,大众其实并不了解。我们的认知里,商场作为平台方是收店铺租金的。但商场又不一定只收租金。

根据我的了解,商场赚商户的钱,至少有三种方式:

  1. 收取固定租金
  2. 收取交易提成(扣率租金、扣点租金或抽成租金)
  3. 以上两者结合,固定租金加上交易提成

具体到实践操作层面,商场对不同的商家又有所区分,主要目标是追求自身利益最大化。但平均而言,商场的毛利要远高于外卖这种生意。

线下商场和线上平台,哪一个更赚钱?如果不挑个例,不抬杠,线下商场有更赚钱的空间和方式。按照交易金额算,有办法从一笔交易中赚到更多的钱。

我们考虑这样一个问题:商场对商户收的费用能不能降?当然有降的空间,比如你旱涝保收的租金至少可以降一点,对吧?这生意跟外卖平台可不一样,外卖平台是「有生意才会有佣金,没生意就没佣金收」。

那商场有没有可能也像外卖平台这样从收租模式转向只收取佣金的模式呢?一是,商场入驻的商家,业务类型并不一致,奢侈品、服装零售、生活服务、餐饮店铺……毛利水平差异巨大,不具备可操作性;二是,如果采取这样的模式,其实是要和店铺利益强捆绑在一起,对商场而言存在较高风险。

我们必须要理解,作为平台方,追求自身利益乃至追求利益最大化是一个合理诉求,还得纳税呢是不。

然后我们再问外卖平台,费用能不能降?也不是不能,毕竟,你这还有利润呢是不?把你这每单 2 毛钱的利润拿出来怎么样,那这 2 毛钱分给谁?分给外卖商家?是不是就能救得了商家?我看没什么太大的实际作用。

回到开头的问题,线下商场和线上平台,谁赚钱赚得更狠?我想大家应该有自己的答案了。我还有个建议,对于线下商场而言,也要看看店铺的更换率,如果频繁发生店铺更换,侧面也说明,商家的生意未必好做。

那外卖商家的难处在哪里?餐饮经营成本太高,一方面是人力的成本,一方面是原材料年年涨价,外卖商家实际也要交房租,同时还要给外卖平台佣金,如果要解决他们面临的困难,还是应该找到主要矛盾解决主要矛盾才行。


转自:https://mp.weixin.qq.com/s/QDHwwgqnoxK8AN1HHAqYcQ

再创新高,伊利的增长在路上

再创新高,伊利的增长在路上

 

或许是为了维护资本市场的稳定,最近多家头部公司都提前发布1至2月份的业绩快报。继茅台、五粮液之后,乳制品行业龙头企业伊利也交出了优质的成绩单,乳制品行业的首份月度数据。

 

2022年1至2月份,伊利实现营业总收入215亿元,较上年同期增长15%;利润总额33亿元,较上年同期增长20%以上,整体业绩再创历史新高。

 

细分到产品方面,金典、安慕希、金领冠、巧乐兹、甑稀、畅轻、每益添、伊利儿童奶酪棒等重点产品销售收入占比同比提升3个百分点,市场份额保持领先地位。

 

其中金领冠婴幼儿奶粉率先完成配方升级,成为中国首批符合奶粉新国标的婴幼儿配方奶粉。在进一步提升产品竞争力之后,销量也得到了市场的认可,1至2月份金领冠销售收入同比增长30%以上,增速位列行业首位。

 

白奶业务继续保持高增长,根据尼尔森数据显示,1月份,公司常温白奶同比增长12.6%,其中金典增长15.1%,增速为同品类第一。

 

冷饮业务的销售额也实现大幅增长,其中巧乐滋旗下高端品牌“绮炫”增长率达到74%,高端品牌甑稀增长率达到82%,超高端品牌须尽欢增长率达到748%以上。

 

业绩增长的背后,是伊利强大的渠道和品牌力,当然也是伊利管理层超前的战略眼光,以及公司多年来坚持以研发为导向的发展定调。

 

 

 

01.用心做好奶粉

 

 

 

奶粉一直以接近母乳成分为研发标准,需要投入大量研发。

 

作为稳居全球前五的乳制品企业,伊利是中国第一家专业研究母乳成分的企业,公司在全国范围内多地采集母乳样本,构建”母乳研究数据库”,在婴幼儿奶粉领域有着强大的技术积累和产品力,获得联合国工业组织颁发的”世界乳品创新奖”。

 

再创新高,伊利的增长在路上

数据来源:IFind

 

要做好奶粉,首先是奶源,然后是研发和品质。国产奶粉如今重新获得消费者的认可,核心原因是中国奶粉的产品把控已经做到了全球领先,而相对应的是,近年来海外品牌频频出现质量问题。2月份,雅培婴幼儿配方奶粉因质量安全问题,被海关点名。

 

对于当下的奶粉行业来说,国产品牌崛起的势头已经势不可挡,在伊利收购澳优的同时,达能与欧比佳达成战略合作,美赞臣收购了美可高特。这三笔收购均是涉及羊奶粉,而在收购的质量上,伊利对澳优的收购更具优势。

 

首先澳优拥有全球羊奶第一品牌“佳贝艾特”、超高端品牌“海普诺凯”等知名品牌,其次,澳优在羊奶粉领域的渠道已经相对成熟,本身就是龙头。

 

两家公司整合之后,品牌可以实现互补共赢,除了并表后的短期业绩增长以外,业务和渠道整合之后的爆发力也值得期待,相信年内就能看到伊利奶粉高增长的靓丽数据。

 

其实外资频繁并购背后的逻辑也很简单,中国毕竟是14亿人口的消费大市场,生育鼓励政策又在不断出台,未来增量空间确定性很高。

 

而对于国产品牌来说,“中国人喝上更好的牛奶”是整个行业的责任,所以伊利一直非常重视研发和奶源问题。

 

 

02.奶酪爆发增长

 

 

在奶粉业务高增长的同时,伊利的奶酪业务也爆发了。1-2月,奶酪的市场份额同比提高3个百分点,合计内部销售数据同比增长翻倍,增幅远高于同行业。

 

乳制品行业拼的就是品牌和渠道,在渠道方面伊利服务的乡镇网点接近109.6万家,而且还在逐年增长。对于伊利来说,任何创新性的产品,都能以最快的速度下达至消费者。

 

在奶酪行业,伊利C端和B端齐发力,C端方面打造了一系列包括”伊利儿童奶酪棒”等明星产品,B端方面包括黄油等。

 

其实乳制品行业发展到今天,常温液态奶的增量空间已经到了平稳发展阶段,而伊利在常温液态奶的市场渗透率也达到了85.7%;电商平台的份额也是第一。奶酪和奶粉会是公司未来的第二、第三增长点。

 

 

03.产业链全球化

 

 

奶源是乳制品行业绕不开的一道槛,也是乳企的命根子,奶源短缺一直是制约行业发展的核心问题。根据国家统计局数据计算,2015年-2020年,国内原奶供需缺口不断扩大,到2020年已达到1875万吨。伊利也将加快奶源发展步伐,提高供应链服务保障能力视为2021年重点发展工作之一。

 

目前,伊利掌握着中国第一大奶牛养殖企业悠然牧业和中地乳业的优质奶源,并在海外收购了新西兰第二大乳企Westland Dairy。同时刚刚收购的澳优,在荷兰、澳大利亚等全球”黄金奶源地”均有丰富的乳业资源和完善的供应链布局。

 

再创新高,伊利的增长在路上

伊利自有牧场

 

此外,伊利在全球还拥有15个研发创新中心、13个海外生产基地,产品销往60多个国家和地区。在整个产业链上,伊利几乎掌握了从供应到渠道的上下游话语权。

 

在国际化方面,伊利在做四件事,一是供应链提升;二是品牌投入;三是渠道建设;四是新品研发。印尼乳企自去年10月投产后,产能迅速释放,截至目前,产能利用率大幅提升,并实现了印尼市场全面本地化生产供应,物流时间大幅削减。

 

可以预见的是,在不远的将来,国际业务也将成为伊利新的增长点。

 

 

04.千亿只是起点

 

再创新高,伊利的增长在路上

 

回顾伊利近八年的业绩,无论是营收还是净利润,公司的增长一直比较平稳,而2021年之后伊利也将迎来新的千亿起点。无论是在奶粉还是在奶酪以及其他乳制品多元品类,伊利都将迎来第二、第三增长点,相信很快就能看到百亿利润的伊利。

 

在整个乳制品行业,伊利的研发、渠道、品牌等几乎没有任何短板,在国际化方面,目前也是领先国内品牌,拿着望远镜都看不到竞争对手。

 

转自:https://mp.weixin.qq.com/s/Ed6pp6JUnVhKNalqwlzeHw

一文读懂机器学习:基本概念、五大流派与九种常见算法

 

一、机器学习概览

一文读懂机器学习:基本概念、五大流派与九种常见算法
一文读懂机器学习:基本概念、五大流派与九种常见算法

1. 什么是机器学习?

机器通过分析大量数据来进行学习。比如说,不需要通过编程来识别猫或人脸,它们可以通过使用图片来进行训练,从而归纳和识别特定的目标。

2. 机器学习和人工智能的关系

机器学习是一种重在寻找数据中的模式并使用这些模式来做出预测的研究和算法的门类。机器学习是人工智能领域的一部分,并且和知识发现与数据挖掘有所交集。

一文读懂机器学习:基本概念、五大流派与九种常见算法

3. 机器学习的工作方式

①选择数据: 将你的数据分成三组:训练数据、验证数据和测试数据

②模型数据: 使用训练数据来构建使用相关特征的模型

③验证模型: 使用你的验证数据接入你的模型

④测试模型: 使用你的测试数据检查被验证的模型的表现

⑤使用模型: 使用完全训练好的模型在新数据上做预测

⑥调优模型: 使用更多数据、不同的特征或调整过的参数来提升算法的性能表现

一文读懂机器学习:基本概念、五大流派与九种常见算法

4. 机器学习所处的位置

①传统编程: 软件工程师编写程序来解决问题。首先存在一些数据→为了解决一个问题,软件工程师编写一个流程来告诉机器应该怎样做→计算机遵照这一流程执行,然后得出结果

②统计学: 分析师比较变量之间的关系

③机器学习: 数据科学家使用训练数据集来教计算机应该怎么做,然后系统执行该任务。首先存在大数据→机器会学习使用训练数据集来进行分类,调节特定的算法来实现目标分类→该计算机可学习识别数据中的关系、趋势和模式

④智能应用: 智能应用使用人工智能所得到的结果,如图是一个精准农业的应用案例示意,该应用基于无人机所收集到的数据

一文读懂机器学习:基本概念、五大流派与九种常见算法

5. 机器学习的实际应用

机器学习有很多应用场景,这里给出了一些示例,你会怎么使用它?

  • 快速三维地图测绘和建模:要建造一架铁路桥,PwC 的数据科学家和领域专家将机器学习应用到了无人机收集到的数据上。这种组合实现了工作成功中的精准监控和快速反馈。
  • 增强分析以降低风险:为了检测内部交易,PwC 将机器学习和其它分析技术结合了起来,从而开发了更为全面的用户概况,并且获得了对复杂可疑行为的更深度了解。
  • 预测表现最佳的目标:PwC 使用机器学习和其它分析方法来评估 Melbourne Cup 赛场上不同赛马的潜力。

一文读懂机器学习:基本概念、五大流派与九种常见算法

二、机器学习的演化

一文读懂机器学习:基本概念、五大流派与九种常见算法

一文读懂机器学习:基本概念、五大流派与九种常见算法

几十年来,人工智能研究者的各个「部落」一直以来都在彼此争夺主导权,参阅机器之心文章《华盛顿大学教授 Pedro Domingos:机器学习领域五大流派(附演讲 ppt)》。现在是这些部落联合起来的时候了吗?他们也可能不得不这样做,因为合作和算法融合是实现真正通用人工智能(AGI)的唯一方式。这里给出了机器学习方法的演化之路以及未来的可能模样。

1. 五大流派

①符号主义: 使用符号、规则和逻辑来表征知识和进行逻辑推理,最喜欢的算法是:规则和决策树

②贝叶斯派: 获取发生的可能性来进行概率推理,最喜欢的算法是:朴素贝叶斯或马尔可夫

③联结主义: 使用概率矩阵和加权神经元来动态地识别和归纳模式,最喜欢的算法是:神经网络

④进化主义: 生成变化,然后为特定目标获取其中最优的,最喜欢的算法是:遗传算法

⑤Analogizer: 根据约束条件来优化函数(尽可能走到更高,但同时不要离开道路),最喜欢的算法是:支持向量机

一文读懂机器学习:基本概念、五大流派与九种常见算法

2. 演化的阶段

1980 年代

  • 主导流派:符号主义
  • 架构:服务器或大型机
  • 主导理论:知识工程
  • 基本决策逻辑:决策支持系统,实用性有限

1990 年代到 2000 年

  • 主导流派:贝叶斯
  • 架构:小型服务器集群
  • 主导理论:概率论
  • 分类:可扩展的比较或对比,对许多任务都足够好了

2010 年代早期到中期

  • 主导流派:联结主义
  • 架构:大型服务器农场
  • 主导理论:神经科学和概率
  • 识别:更加精准的图像和声音识别、翻译、情绪分析等
一文读懂机器学习:基本概念、五大流派与九种常见算法

3. 这些流派有望合作,并将各自的方法融合到一起

2010 年代末期

  • 主导流派:联结主义+符号主义
  • 架构:许多云
  • 主导理论:记忆神经网络、大规模集成、基于知识的推理
  • 简单的问答:范围狭窄的、领域特定的知识共享

2020 年代+

  • 主导流派:联结主义+符号主义+贝叶斯+……
  • 架构:云计算和雾计算
  • 主导理论:感知的时候有网络,推理和工作的时候有规则
  • 简单感知、推理和行动:有限制的自动化或人机交互

2040 年代+

  • 主导流派:算法融合
  • 架构:无处不在的服务器
  • 主导理论:最佳组合的元学习
  • 感知和响应:基于通过多种学习方式获得的知识或经验采取行动或做出回答

一文读懂机器学习:基本概念、五大流派与九种常见算法

三、机器学习的算法

一文读懂机器学习:基本概念、五大流派与九种常见算法

一文读懂机器学习:基本概念、五大流派与九种常见算法

你应该使用哪种机器学习算法?这在很大程度上依赖于可用数据的性质和数量以及每一个特定用例中你的训练目标。不要使用最复杂的算法,除非其结果值得付出昂贵的开销和资源。这里给出了一些最常见的算法,按使用简单程度排序。更多内容可参阅机器之心的文章《机器学习算法集锦:从贝叶斯到深度学习及各自优缺点》和《经验之谈:如何为你的机器学习问题选择合适的算法?》

1. 决策树(Decision Tree)

在进行逐步应答过程中,典型的决策树分析会使用分层变量或决策节点,例如,可将一个给定用户分类成信用可靠或不可靠。

  • 优点:擅长对人、地点、事物的一系列不同特征、品质、特性进行评估
  • 场景举例:基于规则的信用评估、赛马结果预测
一文读懂机器学习:基本概念、五大流派与九种常见算法

2. 支持向量机(Support Vector Machine)

基于超平面(hyperplane),支持向量机可以对数据群进行分类。

  • 优点:支持向量机擅长在变量 X 与其它变量之间进行二元分类操作,无论其关系是否是线性的
  • 场景举例:新闻分类、手写识别。

3. 回归(Regression)

回归可以勾画出因变量与一个或多个因变量之间的状态关系。在这个例子中,将垃圾邮件和非垃圾邮件进行了区分。

  • 优点:回归可用于识别变量之间的连续关系,即便这个关系不是非常明显
  • 场景举例:路面交通流量分析、邮件过滤
一文读懂机器学习:基本概念、五大流派与九种常见算法

4. 朴素贝叶斯分类(Naive Bayes Classification)

朴素贝叶斯分类器用于计算可能条件的分支概率。每个独立的特征都是「朴素」或条件独立的,因此它们不会影响别的对象。例如,在一个装有共 5 个黄色和红色小球的罐子里,连续拿到两个黄色小球的概率是多少?从图中最上方分支可见,前后抓取两个黄色小球的概率为 1/10。朴素贝叶斯分类器可以计算多个特征的联合条件概率。

  • 优点:对于在小数据集上有显著特征的相关对象,朴素贝叶斯方法可对其进行快速分类
  • 场景举例:情感分析、消费者分类

5. 隐马尔可夫模型(Hidden Markov model)

显马尔可夫过程是完全确定性的——一个给定的状态经常会伴随另一个状态。交通信号灯就是一个例子。相反,隐马尔可夫模型通过分析可见数据来计算隐藏状态的发生。随后,借助隐藏状态分析,隐马尔可夫模型可以估计可能的未来观察模式。在本例中,高或低气压的概率(这是隐藏状态)可用于预测晴天、雨天、多云天的概率。

  • 优点:容许数据的变化性,适用于识别(recognition)和预测操作
  • 场景举例:面部表情分析、气象预测
一文读懂机器学习:基本概念、五大流派与九种常见算法

6. 随机森林(Random forest)

随机森林算法通过使用多个带有随机选取的数据子集的树(tree)改善了决策树的精确性。本例在基因表达层面上考察了大量与乳腺癌复发相关的基因,并计算出复发风险。

  • 优点:随机森林方法被证明对大规模数据集和存在大量且有时不相关特征的项(item)来说很有用
  • 场景举例:用户流失分析、风险评估

7. 循环神经网络(Recurrent neural network)

在任意神经网络中,每个神经元都通过 1 个或多个隐藏层来将很多输入转换成单个输出。循环神经网络(RNN)会将值进一步逐层传递,让逐层学习成为可能。换句话说,RNN 存在某种形式的记忆,允许先前的输出去影响后面的输入。

  • 优点:循环神经网络在存在大量有序信息时具有预测能力
  • 场景举例:图像分类与字幕添加、政治情感分析
一文读懂机器学习:基本概念、五大流派与九种常见算法

8. 长短期记忆(Long short-term memory,LSTM)

与门控循环单元神经网络(gated recurrent unit nerual network):早期的 RNN 形式是会存在损耗的。尽管这些早期循环神经网络只允许留存少量的早期信息,新近的长短期记忆(LSTM)与门控循环单元(GRU)神经网络都有长期与短期的记忆。

换句话说,这些新近的 RNN 拥有更好的控制记忆的能力,允许保留早先的值或是当有必要处理很多系列步骤时重置这些值,这避免了「梯度衰减」或逐层传递的值的最终 degradation。LSTM 与 GRU 网络使得我们可以使用被称为「门(gate)」的记忆模块或结构来控制记忆,这种门可以在合适的时候传递或重置值。

  • 优点:长短期记忆和门控循环单元神经网络具备与其它循环神经网络一样的优点,但因为它们有更好的记忆能力,所以更常被使用
  • 场景举例:自然语言处理、翻译

9. 卷积神经网络(convolutional neural network)

卷积是指来自后续层的权重的融合,可用于标记输出层。

  • 优点:当存在非常大型的数据集、大量特征和复杂的分类任务时,卷积神经网络是非常有用的
  • 场景举例:图像识别、文本转语音、药物发现

来源:深度学习冲鸭

– EOF –

转自:https://mp.weixin.qq.com/s/H4wZvECMHjZzHEZKLfUKxg