3、疫情下企业的生存与变革:从困境到重生

疫情下企业的生存与变革:从困境到重生

1. 疫情下企业的不同境遇

2020 年无疑是许多人的觉醒之年,到了 2021 年,新冠疫情的影响仍在全球范围内持续冲击着各个国家,以一种不久前还难以想象的方式改变着商业和生活方式。即使有了疫苗,“一切”也绝不会再和从前一样。无论是“回归正常”“新常态”,还是“新异常态”,领导者们都必须应对一系列新的挑战,这些挑战涵盖了社会改革、全球健康、商业和教育的新方式等多个领域。其中,商业运营方式这一领域常常被忽视,但在过去几年的事件中发生了深刻的变化。

从商业角度来看,新冠疫情让许多公司意识到,抛开疫情因素,他们其实并未为数字经济做好充分准备。例如,有人在大型商店网站上订购卫生纸,之后路过实体店的卫生纸货架,因不想抢购而继续等待网购,结果却发现订单无法完成并被取消;还有大型商店系统故障无法处理交易,知名品牌让顾客在网络聊天队列中等待数小时以获取基本问题的答案。这些大公司并非原生线上企业,他们原以为的“数字化转型”远没有达到预期的效果。

许多公司因缺乏数字化自助服务解决方案和整体订单履行的困扰,导致客户满意度降至极低水平。比如,设置路边取货服务花费数月时间,线上商品目录与实体店库存不符,搜索引擎显示有货但结账时却告知缺货等。这些都是忽视以用户为中心的价值链崩溃的例子,企业没有充分利用已知信息,导致销售受损、客户忠诚度下降、信任度降低,还为现代化企业让出了市场份额。

在疫情的挑战下,企业呈现出不同的状态:
- 蓬勃发展者(Thrivers) :一些美国的手工和散装食品商店,在关闭零售店后的几天内,通过后端业务运营实现了全渠道服务,支持无缝的路边取货体验。
-

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值