中心业务数据线上化已多年，覆盖率并不低，但是使用上用户却很难直接通过已有的数据去进行业务决策。基于这个大背景，我们对中心的基层管理角色进行了梳理，希望针对不同角色进行应用定制化，让数据更有效的服务基层管理者。

本次主要复盘的是15个角色之一的“车辆管理员”角色，目前中通快递拥有直营+股份车队共87个，车辆共23,961辆，司机共15,000+名。运输是整个快递链路的关键一环，如何有效管理庞大的车辆&司机队伍，从而保证运输安全和降低成本是非常重要的。

随着业务体量逐步增大，跨系统数据抽取的应用场景越来越多，而对于业务开发人员，需要实现异构数据源数据的抽取和录入，除了自己写代码实现数据抽取、转换、写入，另一个选择是使用开源的数据同步工具来做。对于手动实现数据同步，一方面增大了数据投产周期（需要经历应用发布完整的流程），另一方面每个人代码实现差异，项目维护难度增大。如果每个项目引入了各版本、技术栈的第三方数据同步工具，又无法实现数据安全管控，并且多引入一个中间件，也增大项目的复杂度，降低应用可移植性。

假设你是一名前端开发人员，在使用产品的过程中，有用户反馈遇到了故障，但是故障发生的上下文是未知的。

你不知道故障发生在哪个页面，也不知道如何操作才能复现该故障，更不清楚发生故障的用户的客户端环境是怎样的。这些上下文信息都对故障排查有很大的帮助，但是要通过找到出问题的客户去沟通了解这些信息的成本非常高，一来二去时间过去故障的影响范围可能还会逐步扩大。

然而，ZCAT是一款全面的APM(应用程序性能监控)产品，它提供了前端监控ZCAT SDK，能够同时监控页面性能及JS报错、API报错等多项数据，并提供了告警推送、错误详情、链路追踪等多项能力。

通过ZCAT，可以快速了解故障发生的上下文信息，减少故障排查时间，提高生产效率。而通过告警通知，开发人员可以及时介入，降低故障影响范围，提升用户体验，保持用户忠诚度。

与需求方对接落地过程中，如何通过Midjourney降低试错成本？

1、问题点：实际的项目中，很多场景难以通过Midjourney具像化生成。

2、价值点：前期（关键词+风格方案定义），需求方可以深度参与，与设计师一起把控方向，降低试错成本。后期设计师只需补充元素场景，降低处理成本。

在当今竞争激烈的商业环境下，保持对竞品信息的了解和研究是尤为重要的。如何通过分析竞品的功能，探究竞品背后的产品方向和运营策略，进而优化自己产品，才是竞品分析的目的。本文将为你由浅入深的讲解竞品分析流程与方法。

中通快递创建于2002年5月8日，是一家以快递为核心业务，集跨境、快运、商业、云仓、航空、冷链、金融、智能、兔喜社区生活服务、中快数字营销等生态版块于一体的综合物流服务企业。2021年，中通快递全年业务量达到223亿件，同比增长31.1%。全网服务网点30,400+个，转运中心99个，直接网络合作伙伴5700+个，自有干线运输车辆10,900辆（其中超9000辆为高运力甩挂车），干线运输线路约3700条，网络通达99%以上的区县，乡镇覆盖率超过93%。科技中通大数据中心支撑了公司的业务，现在有了两个IDC，Hadoop集群规模达到了上千台，存储达到了18PB+，线上日活任务数2w+，目前，仍处在快速增长期。

如下图展示了一个快递的生命周期，五个字概括就是收发到派签。首先，客户通过线上或线下的方式和快递员取得联系，填写寄件人等信息，将快递A交给快递员。快递A经过称重、打单、扫描、包装等步骤，由快递员送往发件网点，此过程称为揽收。然后，发件网点的快递员将快递A进行建包、装包、装车，由发件网点发出，发往首转运中心。快递A经首转运中心被运输到末转运中心。快递A到达末转运中心后，快递员根据三段码的解析将快递A递交到收件网点，收件网点对快递A进行拆包和分拣，此过程包括发件和到件。快递A被分拣完，由快递员进行派件，最终快递A被送达到收件客户手里，收件客户完成签收。在快递A整个生命周期内，每个业务流程都会产生大量的数据，我们利用这些数据，可以追踪快递A的轨迹，分析快递A的运送时效，分析快递A的退改签等业务。当然，做上述事情的前提是，我们需要一个稳定的、计算高效的、海量存储的基础大数据平台。

随着中通快递业务量飞速发展，企业相关业务系统产生的业务数据体量也逐倍增长，中通生态系统日益丰富，业务系统数据多样化，业务部门常用数据存储oracle与mysql数据库已无法满足日常庞大数据体量的数据计算以及相关政策补贴费用计费统计，为了响应公司提出的“数字化”转型重要方针，我们数仓部门与业务系统部门展开了数据计算与业务系统相融合的探索和实践，那么，我们是如何进行数据计算方案选型和实施的呢？hadoop离线计算批处理还是实时消费消息flink流式计算？这让数据开发变得有趣起来。

为了适应多平台应用和复杂业务场景，移动端白盒测试是保障系统质量的方案趋势之一，中通科技测试开发团队也进行了移动端测试代码覆盖率相关的技术探索和实践。目前测试团队使用的是基于JaCoCo做二次开发的代码覆盖率工具，考虑现有测试工具体系，我们选择了中通宝盒Android 端APP作为测试代码覆盖率的实践应用。

数字化的应用是整个行业高速发展的源动力之一，快递行业日新月异，规模庞大，数字化能够使管理升级，提高整个内部的运营效率，降低相关的运营成本。在打破数据孤岛，链接用户跟快递员、网点、商家等角色的过程中，数字化都发挥着很大的作用。简单来说，数字化就是一道门，你被关在门外面，那未来很可能就会被淘汰。而数据架构治理，就是为中通数字化转型打下了基础。

用户体验随着2007年第一代iphone发布以及互联网公司的兴起发展变的越来越重要，几乎所有的人都明白，一款产品只有让用户用的好、用的爽、用起来很愉悦想要推荐其他人，这款产品才有市场，所以，现在的互联网产品研发过程中都特别重视用户体验，用户体验设计师在其中承担了非常重要的角色。

即时通信（Instant Message，简称IM）是一个终端服务，允许两人或多人使用网络即时地传递文字信息、图片、语音、视频和文件。

IM测试的重点是围绕着消息展开具体测试活动的，本文也旨在分享中通自研IM系统中的“消息”测试的实践经验。

提到大数据画像，第一联想往往是电商行业的会员画像、用户画像。

电商企业通过对客户或粉丝进行打标和人群圈取，进行个性化的引流和定向的发券，提高产品销售、并把结果再反馈到画像中分析，形成闭环营销，从而大大提高消费者对产品的认可度和忠诚度。

当然，属于快递企业的“客户”和电商企业的“客户”显然是不相同的。在快递的生命周期中，对外我们要服务好商家和会员，对内我们要管理好网点和业务员，它们都是属于我们的“客户”。那么，我们是否需要这么一个适合自己的画像分析系统？我们该如何去描绘属于ZTO自己的那个“它”？支撑画像的数仓指标体系又是如何建设的呢？

随着中通快递的市场占有率、服务质量水平等综合能力的提升，中通快递小程序作为末端用户了解中通、在线下单查件最常用的应用入口，在页面结构、样式等方面还有很大的提升空间，中通快递小程序需要有全新的形象和体验呈现给用户，因此当前小程序的寄件改版迫在眉睫。

随着中通业务的不断壮大，诞生了庞大的移动端和Web应用，这些兼容性和回归测试不仅耗费大量的测试成本，同时手机在不同项目组借调的过程中，常常出现使用冲突。为此，中通的测试创新团队研发了一款统一自动化测试平台。

中通的分布式微服体量日益增大，平台框架组决定构筑成双注册中心架构来保障整个生态系统的稳定性。即在原来Zookeeper的基础上增加一个注册中心。项目组将在Nacos1.3.2和Sofa Registry5.4.6（以下简称Nacos和Sofa）之间选择一个更稳定更适合的注册中心来与Zookeeper搭配，组合成双注册中心。

随着分布式的广泛应用，混沌测试的概念也随之兴起。为了比较这两款注册中心的稳定性和高可用性，混沌测试必然是首选。

混沌测试就是以试验的方法尽早揭露系统弱点的测试方法，它更类似于探索性测试，本身没有明确的输入和输出，主要是观察系统的实际反应来进行主观判断。

做好优先级排序，才能有助于团队规划，以最少的资源创造最大的价值。