脸识别、图片识别等AI科技，可以用来干什么？也许你会说，可以用来抓捕嫌犯，还可以用来设置防火墙保护核心机密。的确，在电影里，演员们都是这么干的。事实上，这项黑科技已经开始在餐饮行业发挥神秘而真实的作用。
总第 2548期
餐饮老板内参 内参君 | 文
藏在后厨的“天眼”，
消灭食安隐患于无形
在当下，餐厅打造明厨亮灶，除了提升食品安全，更成了一种出色的营销手段。打造令顾客安心的后厨环境，并将品牌在食安上的良苦用心充分展现出来，只需要一枚精心设置的摄像头就可以办到。
如果没有良好的巡查制度和人力投入，很多时候这些摄像头就是摆设，后厨的食品污染和餐厨人员的违规操作，时时可能发生，摄像头仅仅是“看在眼里”，起不到根除隐患的作用。
为了让后厨的“天眼”更加犀利，已经有大型连锁餐饮企业用上了AI黑科技。这是一项由英特尔联手生态伙伴，面向餐饮行业推出的边缘计算AI解决方案。
它搭载了高性能、低功耗的英特尔处理器，以及配套软件软件，可实时收集、分析和处理后厨监控图像等数据，快速发现异常事件，向管理人员及时报告，确保后厨合规化运营。
< class="pgc-img">
案板上食材生熟混放，AI能够识别，大厨偷偷在后厨抽烟，AI能够锁定人脸，全天候，无死角。单纯依靠人工巡视，或者专人盯紧监控，都很难做到如此全面细致的洞察，大幅降低了管理成本。
在前厅，英特尔架构边缘计算AI解决方案同样大有可为。强大的边缘AI系统能够实时洞悉环境变化，智能调整空调温度、餐厅照明，同时融合POS、服务机器人等广泛负载，助力餐厅，节能降本，并为顾客营造出最佳的就餐体验。
店员背不出一百种面包的名字？
没关系！
在餐饮行业当中，烘焙业是一种比较特殊的业态，它兼具了餐饮和零售两种业态的特点，又遗留下了一些模糊的中间地带，给运营管控带来了麻烦。
烘焙店是一个典型的人员密集型场景，同时也是收银结账需求较为复杂的场景。门店里货架密布，供顾客来回穿梭选购，不同种类的面包时刻出炉，一天当中经常有上百种不同的在售品类。
为这些面包结账成了一项非常繁琐的工作，和SKU同样复杂的便利店不同的是，烘焙店的商品都是新鲜裸露陈列，无法一一打上条形码，需要收银员充分熟悉店内各个产品的名称和价格才能顺利结账。
每当新品上市后，都需要对每一名收银员重新培训，然而烘焙店的人员流动频繁，培训成本居高不下，收银效率也难以保持稳定，消费者长时间排队等问题时常发生。
幸运的是，随着计算机视觉、深度学习等技术的发展，能够进行智能图片识别的自助收款机已经诞生，它具有精准结算的能力，这也成为我们打造烘焙店自助收款解决方案的技术基础。” 中科英泰副总裁刘福利表示。
中科英泰烘焙自助服务终端是一款集商品深度视觉识别、费用计算、自助扫码结账等功能为一体的智慧 POS 终端，搭载了独立的触控显示器，便于自主进行商品扫描与费用结算。
该终端不但能识别商品，还拥有自我学习机制，可以不断提升识别准确率，这样一款神器，同样搭载了英特尔? 酷睿? 处理器，拥有强大的通用计算能力和出色的低功耗表现，使得自助服务终端的识别速度提升到了0.2秒之内。
餐饮“新基建”，
把餐饮人逼到一个新拐点
和任何行业一样，餐饮品牌的命运很大程度上取决于是否吃到了时代红利。当餐饮老板们热衷于研究抖音等平台的流量红利时，也许还忽视了技术红利这股变革的新力量。
大数据和AI为基础的技术革新，正在推动餐饮行业“变质”，这个古老的劳动密集型产业，将把竞争焦点从人的竞争转向新技术的竞争。
过去科技行业才会配备的专业处理器芯片，已经开始在餐厅的前厅和后厨发挥作用。
在智能餐饮的转型发展浪潮中，英特尔构建了端到端的解决方案，通过高度灵活、可扩展的创新解决方案，帮助商家商提升数据分析水平和洞察力，实现个性化的店内体验和智能的供应链管理。
听起来十分抽象，事实上，英特尔及其合作伙伴，正在提供一套又一套细致且实用的解决方案，从后厨食安监控，到前厅风扇调节，再到智能化的自助收银台，全都是针对餐饮日常运营的细节研究的降本增效方案。
数字化治理这把利器，将带来餐饮品牌内部竞争力的重构。真的，传统餐饮店再不转型就晚了。
、技术中台架构图
中台概念出现之前，在信息化模式上，前端为支撑业务的应用端，后端为各个应用系统，为前端用户，如：客户、供应商、伙伴、社会，提供服务，但随着市场、用户需求、业务的多变性，底层僵硬的应用无法及时提供支撑。
企业需要一个强大的中间层为高频多变的业务提供支撑，为不同的受众用户提供多端访问渠道，基于此类需求“中台”概念出现，接着开始对企业客户、中间件厂商、数据平台厂商、甚至传统应用软件厂商都有较大的概念冲击。
恰逢此时，微服务技术和架构、容器化的生态、Devops概念和工具处于大发展的阶段，最后基于“大中台、小前台”的信息化建设模式开始流行。
二、银行数据架构体系
数据架构层面通过数据分类、分层部署等手段，从非功能性视角将数据合理布局。通过整体架构管控和设计，支持业务操作类和管理分析类应用（系统），满足业务发展及IT转型对数据的需求，架构的扩展性和适应性能够提升数据分析应用的及时性、灵活性和准确性。
那实际情况下各个银行的数据架构体系会有所不同，根据各行的业务发展、客户数据量、交易数据量、功能需求等会有不同的演变路径以及发展方向。
一般国有银行、股份制银行等全国性的银行业务较复杂，数据量也较多，数据架构也因此进化较快。常见的数据架构分区如下图所示：
三、零售行业中台架构
这是一张混合了技术和业务的中台逻辑架构示意图，前台应用部分我们将零售和消费品行业需要对接消费者的若干应用系统一一列举了出来，但是在中台架构下它们已经和传统的“应用系统”有了很大的差别，变得非常“轻量”。
四、业务中台架构
前台跟着界面走，天生就稳定不了，总是有五花八门的数据请求，这是必然的事情。
后台应该主要负责数据存储，把不同形式和规模的数据以合适的方式整理好，大数据倒腾起来动静太大，要求有一定的稳定性。
如果前台的请求都要求后台直接做，那后台管的事就太多了。
五、后台架构
后台是被许多前台共享的，如果直接向前台提供灵活数据服务，还可能导致各个前台之间的耦合程度变高，维护成本立即陡增。
同样的，把这些数据处理放在前台也不合适，一方面不太安全，另一方面，前台团队也是忙着让界面如何更好看使用更流畅，没太多工夫琢磨数据的事情。这样一个后台架构就能够相对平衡这一矛盾。
六、实时数据中台
下面是实现实时数据中台的一种逻辑架构，方便你去理解，其实最关键的是实时模型那一层
七、企业级中台发展过程
我用下面这张图来概括中台发展的三个阶段，最终我们发现，对于那些已经有 ERP 系统的企业来讲，中台的建设本质就是利用微服务架构构建开放业务平台来替换闭源单体架构的 ERP 系统的过程。
八、阿里中台架构
中台是一种架构理念和方法。任何一种架构的方法，其本质不外乎，利用分、合、打散、重组等技术手段，对系统进行有序化重构，以达到减少系统“熵”的过程，使系统得以不断进化。
九、阿里核心架构图
通过阿里云平台将技术中台进行部署，对集团内共享业务单元提供支撑，并最终对前台各业务线提供服务化能力输出。
十、全渠道零售中台
如果仅仅是把所有的东西打包在一个“大后台”并不能真正解决IT的痛点，因为毕竟它是一个IT系统。IT系统要考虑的东西除了业务功能，更重要和更有价值的地方在于：
十一、全渠道集成架构
2007~2012年是“集成模式”概念被抛出率最高的年代，它有一个名字叫“SOA”，SOA就是那个时代的“全渠道中台”
十二、网易严选数据中台体系
数据中台的核心职责是高效地赋能数据前台为业务提供价值。要想理解数据中台先要理解数据前台，上文说到的搜索、推荐、BI 报表、数据大屏等都属于数据前台。
<>< class="pgc-img">饮客户业务分为开发和运营。开发主要是通过新开门店进行业务覆盖，运营包括前厅和后厨的运营。
一、餐饮行业解决方案业务架构
< class="pgc-img">餐饮客户业务分为开发和运营。开发主要是通过新开门店进行业务覆盖，运营包括前厅和后厨的运营。阿里云的解决方案分为三个部分：开店宝、门店助手和后厨管家，通过数字化智能化的手段提升餐饮客户的业务开发运营能力
可以解决的问题
- -智能选址提升客户开店效率，降低成本
- -智能会员识别提升客户服务体验
- -智能要货减少门店断货率，降低生鲜损耗
二、餐饮行业解决方案技术架构
< class="pgc-img">解决方案运行在阿里云基础设施之上，配合业务中台和数据中台以及大数据、AI共同为前台提供对应的解决方案
方案特点、可以解决的问题
- -采用阿里云基础底层，确保数据完整、安全
- -使用业务中台和数据中台结合的模式，打破信息孤岛，建立统一的数据分析模型
- -基于底层云架构和中台以及对应的PAAS服务，可以方便快捷的搭建上层应用
三、阿里云推荐使用的产品
- ECS
- RDS
- SLB
- MaxCompute
- 图像识别
四、方案业务场景及优势
1.开店宝 | 餐饮行业智能选址
< class="pgc-img">- 结合高德提供的POI数据和人流数据，将之前手工选址积累的业务知识通过算法平台进行沉淀，并通过反馈数据进行迭代优化，实现数据化选址，智能化运营
- 推荐搭配使用的产品：ECS、RDS、SLB
2.门店助手 | 餐饮行业智能会员识别
< class="pgc-img">- 使用人脸识别技术，在会员进入门店时就进行会员识别，并通过前厅经理对会员进行主动服务。在会员识别的基础上，结合客户CRM数据和历史行为数据，使用大数据技术，进行精准化个性化服务
- 推荐搭配使用的产品：人脸识别、GPU云服务器
3.后厨管家 | 餐饮行业智能要货
< class="pgc-img">- 补货是餐饮行业、零售行业的核心业务，如何对未来的销量作出预测，并在此基础上合理安排补货，使得既能够满足销售需求，又能够减少库存量。通过建立和部署大数据支持下的智能开货系统，通过销量预测和补货模型，对客户提供智能开货计算服务，减少缺货率，减低库存损耗
- 推荐搭配使用的产品：MaxCompute、RDS、ECS
