图1 破坏性创新的模式
与我们所理解的一般意义上的创新概念不同，破坏性创新并非在“持续改进”和“优质优价”方向上的创新，为客户提供更高端的产品与服务选择，那正是大企业所擅长的持续性创新（Sustaining innovation），同时也是通常所说的在位企业的“护城河”。
相反，破坏性创新是一种由进入者所发起的“降维攻击”1，包括了两种模式：低端市场进入（去除冗余高性能）和“非用户”市场进入（满足用户新需求），无论哪种模式，都指向在位优势企业难以防御的边缘市场——由于禀赋能力、流程结构或者经济理性的限定。诺基亚Symbian系统在智能手机时代的消亡，供应链管理标杆企业利丰（HK00494）跨国贸易业绩持续下滑，以及当下已经发生的社交媒体、移动支付对传媒电信银行等行业的冲击，带有破坏性创新特征的商业事件以越来越高的频率涌现，改变了诸多行业的竞争生态和格局。而解释诺基亚、利丰这样的“好企业”为何失败，则是破坏性创新理论的逻辑出发点。
与持续性创新不同，破坏性创新所针对的是一个行业长期演进所形成的价值网络（value
network）。克里斯坦森2在其分析中认为，价值网络是企业在其中确定客户需求、解决问题并争取利润最大化的大环境。价值网络映射了产品与服务的供应链体系，并且通过各个性能属性的经济价值（影子价格），驱动企业向着既有客户价值网络的最优成本结构和更高毛利率，进行持续性创新，从而产生某个行业的“好企业”，即投资回报最佳的少数竞争优胜者。
破坏性创新与行业技术的变革存在着天然的联系与互动，但是技术只有应用于产品与服务场景，重构而不是改良行业的价值网络，才会带来破坏性创新。而在既有的价值网络中居于领先地位的大企业，或是持续提升产品性能和毛利，满足高端用户需求的战略路径依赖性，或是囿于主流用户市场的规模经济和专用性资产投入，往往不愿或不能去改变既有的价值网络，因此更易于在低端市场或新的小规模市场遭到降维攻击——直至新用户需求、新技术应用改变了既有的价值网络，拉动了新市场的增长，在位者的市场地位被替代。
大多数扩张性行业，如动力电池、消费电商、体外诊断试剂（IVD）等，往往被称之为“跑道”，正是因为行业的价值网络趋同，比拼的是既有客户的关键性能指标——性能领跑者胜。而在另一些行业，在位者凭借技术积累和持续性创新，高质量地满足了既有客户的需求，从而取得稳固的市场地位，进入者难以正面进攻在位领先者。此类行业所面临的战略态势，往往是跑道和竞争规则的转换。传统的贸易与零售行业（供应链服务业）应属于后者。
供应链服务业是连接产品制造与用户交付的中间行业，其最初的形态是贸易、零售和物流业，随着供应链管理向着物流、商流、资金流、信息流集成的方向不断深化发展，供应链服务业逐步拓展到VMI、B2B、第三方物流、供应链金融、品牌营销、ODM/OEM、新零售等多个专业领域，出现了跨界融合、敏捷柔性的趋势。而供应链服务业也趋于价值主张的多样化，供应链的参与者投资于客户、渠道、物流网络、设计、品牌、数据以及金融服务等不同价值环节，谋求成为“链主”，获取供应链服务增值带来的的经济利润。
图2 供应链服务业的既有价值网络
香港利丰（冯氏）集团创立于1906年，凭借其独具特色的全球供应链管理，在上世纪90年代成为全球最大出口贸易商，市值曾高达2050亿港元，一度也被作为全球供应链管理的标杆企业案例，被产业界及学界广泛研究。
利丰模式的进化，经历了五个阶段：1）贸易中间人模式。凭借语言优势，在外资行垄断对华贸易格局下占得一席之地，盈利来源为买卖佣金。2）采购代理商模式。凭借对亚洲地区供应商的熟悉、贸易政策和各国配额的了解获取订单。3）增值代理商模式。客户向利丰提供一个初步的产品概念，再由利丰为客户定制一套完整的生产计划，并保质保量及时交付。4）虚拟生产商模式。利丰从代理商转变为供应商，与客户签订合同，自身从事附加值较高的产品设计和开发，将生产环节外包。5）供应链管理模式。利丰延伸业务至产业链两端，并通过数字化工具打通各节点，成为整个产业链的规划者和管理者。3
在供应链服务业的战略观察者看来，“百年利丰”的管理者能够推动持续性创新，做出了“合理而适当”的战略选择，在全球供应链上聚焦于优质客户，不断丰富设计、采购、物流和虚拟制造等环节的服务，是一家典型的“三创四化”的，既有价值网络中的“好企业”。
但是，自2013年以来，利丰的经营业绩持续下滑，营业额从2013年的207亿美元下降到2017年的135亿美元，经营溢利（EBIT）从85亿美元下降近七成至27亿美元；利丰（HK00494）还先后剥离了品牌管理、健康保健产品、家具、美容品等业务，市值缩水近90%。在某种意义上，利丰也陷入了“创新者的窘境”，那么，对供应链服务业在位领先企业形成冲击的破坏性创新，究竟来自怎样的技术变革和商业模式呢？
图3 利丰（HK00494）股价走势
从供应链服务业的既有价值网络可以看出，分销商处于供应链的中间层，传统贸易中间商主要依靠供应链环节的信息不对称，从批零差价、仓储物流以及资金融通中获取利润，随着品牌和零售端的增长，“链主”的崛起，中间层的分销商会选择品类专业化聚焦或延伸供应链，以维持利润率和市场地位。
消费品供应链具有多品种、快响应、成本领先等价值主张，而利丰在服装、玩具品类上长期服务于西尔斯、沃尔玛等大客户，在大客户与大量分散的供应商之间，作为中间层提供了设计、采购、供应链管理等增值服务，承担虚拟生产商的角色。基于利丰的客户需求和供应商网络，这一战略在贸易中间商转型供应链管理的过程中具有路径可行性和资源匹配性。
但是，在全球化与金融危机、互联网电商、消费趋势以及产业转移等因素的作用下，全球消费供应链的变革已经且正在发生：被应用于商业模式变革的破坏性技术来自互联网。B2B、B2C电商前所未有地直接连接了消费者、制造商和供应商，“去中间化”作为一种破坏性创新，对分销和零售环节发起了多方位的“降维攻击”，重塑了供应链服务业的价值网络,也OTT（over the top）了百年利丰引以为傲的供应链资源禀赋和能力。
当然，近年来利丰也曾采取收购海外市场分销商、进入品牌管理与授权业务、搭建供应链数字化平台等行动来应对变革，但利丰从根本上来说是一家客户导向、成本领先的供应链服务商，它或许能够在持续性创新方面（如专业化、特色化、品牌化、国际化）做得很好，但是在新一代消费者需求和互联网、敏捷柔性供应链方面，利丰没有变革得足够快。4
上述破坏性创新的主要技术应用来自互联网+消费场景，实现新的价值主张依赖于互联网对于人的连接效应：降低产品与服务的搜寻成本，提供更新的消费体验以吸纳新的用户，所以利丰的失败并非由于客户战略或管理决策的错误，而是在位者不愿或不能在组织与价值观上因应技术的变革，是某种“组织理性选择的失败”。值得注意的是，作为继互联网技术之后的下一波破坏性技术变革，大数据与人工智能技术可能将“去中间化”趋势进一步扩展，为供应链服务业带来更深层次的破坏性创新，如AI营销算法、无人零售、智能制造以及智慧供应链等领域。在位的、以互联网为基础能力的领先企业，也将面临下一波破坏性创新的挑战，而动态的、随需而变的组织与流程正在成为未来企业的一种核心能力。
正如克里斯坦森在《创新者的窘境》一书中所发现的：1）持续性技术与破坏性技术之间存在重大的战略性差异；2）持续性技术进步可能超出市场的实际需求；3）成熟企业的客户和财务结构更倾向于持续性而非破坏性创新。因此，在应对破坏性创新的冲击时，在位企业在组织上需要建立独立的创新业务部门，并在资源分配、组织目标与价值观上区别于既有的企业核心业务，即便既有核心业务已经处于技术和市场领先地位。组织赋能与协同的战略逻辑，很大程度上并不适用于驱动破坏性创新的新兴业务事业部。
腾讯战略投资部通过不断并购投资于破坏性创新的公司（虎牙、映客、拼多多…）来保持腾讯系对破坏性创新的响应能力；永辉超市通过独立平台永辉云创孵化了超级物种、永辉生活等创新业务。在位者应对破坏性创新的组织策略，实际上是在体系内培育“异类”和“鲇鱼”，核心能力和战略方向都与母体迥异甚至对立的独立创新部门，——虽然从商业模式演进与变革的意义上，所有的在位者都将失败，降维攻击恰恰来自于那些低端、规模小的市场缝隙。
从传统贸易向供应链管理的战略转型进程中，汇鸿与利丰在供应链价值网络和价值主张上，具有较大的相似性。作为进出口贸易行业内供应链管理的标杆企业，利丰仍然有很多值得汇鸿借鉴的业务模式和经营管理的经验，例如客户导向的小型产品部门，对供应商网络的有效管理，以及向微笑曲线两端研发和营销的投入，但是在技术与商业模式急剧变革的时代，在位者不能不对行业的破坏性创新保持高度的敏锐，并且从组织架构与流程、前沿技术应用和创新技能储备方面做好应对措施，进而主动地驱动破坏性创新及其带来的商业变革。
1降维攻击，出自刘慈欣的科幻小说《三体》，将攻击目标所处的空间维度降低，致使目标无法在低维度的空间中生存从而毁灭目标。在企业竞争战略中可理解为减少产品属性，利用低成本或差异化优势攻击对手的商业模式。
2克莱顿∙克里斯坦森：《创新者的窘境》，中信出版社，2014年1月第2版。
3平安证券综合研究所：《供应链研究系列报告一：利丰模式》，2018年5月
4张少华：《利丰危局——百年华资头号贸易采购公司的兴衰史》物联网中如何使用大数据
在瞬息万变的世界中，组织很难赶上不断涌现的新概念。但人们需要区分哪些技术和概念是有用的，哪些只是一种炒作。在数据分析领域，正是大数据引发了这个时代的质疑。而如今，当这个概念日益清晰时，一个新的应用浪潮即将到来：人们需要了解在物联网中如何使用大数据。
关于什么是大数据及其可带来的价值的热烈讨论已经开始消退。然而，当专家们开始大量使用大数据和物联网的技术组合时，人们又再一次试图定义物联网与大数据连接的方式。
物联网与大数据的接触点
简而言之，物联网是连接到互联网的设备网络。这些设备具有内置的传感器，可以生成数据并对外发送，从而可以相互通信，并与分析系统进行通信。
即使对物联网设备仍然很陌生，这个概念已经在人们的生活中找到了方向。设想一个智能家庭，它可以通过调节供暖和空调系统的运行模式来调节温度，可以开启和关闭照明系统，可以发出有关漏水或气体泄漏或外人入侵的信号。最重要的是，智能家居可以在没有户主参与的情况下做到这一点。
物联网业务的一个典型例子是机器监控，使用安装在不同机器部件上的多个传感器。这些传感器将有关温度、振动、压力、润滑等读数发送给分析系统，分析系统对其进行处理并识别一些隐藏的模式和相关性。如果系统识别出读数与某种故障模式相匹配，则会向维护团队发送即时警报。
以下将回答物联网如何与大数据相交的棘手问题。当一些技术正在炒作时，物联网可能是其中之一。实际上，物联网数据是大数据的类型之一，这使得大数据技术堆栈在所有阶段处理物联网数据都是一个很好的（但不是唯一的）选项。对于数据摄取，企业可以使用Apache Kafka，因为该技术支持数据流。Apache Hadoop生态系统是数据存储和处理历史数据的理想选择，而Apache Spark则非常适合近实时数据处理。
大数据使用案例中的物联网数据规则
而人们开始了解制造商所提供的用例。同时，也可以在其他行业了解物联网数据，了解物联网大数据用例。
医疗保健：在医疗保健领域，配戴移动应用技术的可穿戴传感器设备可以实现远程健康监测。该方法的工作原理如下：传感器监测特定患者的状态（心跳、体温、血压、呼吸率等），并将这些数据实时传送到云端，然后传送到应用程序。分析系统不断搜索所有患者物联网数据中的隐藏趋势，并试图找出可能引发并发症的模式。如果物联网的大数据分析显示某些令人担忧的症状，系统会立即向患者和医生发送警报。
零售：知名零售商亚马逊公司最近推出了一个新概念 - Amazon Go。这是一家没有收银员的商店，顾客不必排队等待购物。要进入商店只用扫描他们的智能手机即可。事实上，在这里采用的是物联网和大数据分析技术：商店里遍布传感器和摄像头，顾客在商店中购物，摄像头能够区分其中的每一个人，并且跟踪他们放入购物车或返回货架的所有产品。重量传感器提供了一个额外的控制点：他们可以认识到特定的产品已经不在货架。当顾客完成购物时，他们选择的所有产品都显示在真实和虚拟的篮子中，顾客可以离开商店，系统将在稍后收费。
毫无疑问，Amazon Go是一个有远见的概念。然而，零售业表现出更多脚踏实地的想法，例如智能物流技术，可以跟踪和优化路线，并识别每位卡车司机的行为模式。零售商还使用信标激活访问者的应用程序，并在访问者进入商店并通过信标时，推出相关产品优惠和促销活动。访客会因此感到满意，因为他们收到参加促销活动提供的个性化优惠。同时，信标对商店员工也有帮助，因为它们可以识别需要高质量服务的具有价值的客户。
银行业：银行业也从物联网中受益。银行正在努力获取客户全方位的视角，并提供无缝的客户体验。虽然这一切始于智能手机的积极参与，但物联网进一步扩展至可穿戴设备。例如，美国银行与FitPay公司合作进一步推动可穿戴支付技术。通过这种合作，持卡人将能够直接从他们的智能手表和其他可穿戴设备付款。银行将能够识别客户的行为和偏好。
语结
尽管围绕物联网进行了更多的炒作，但它只是大数据源其中之一。毫无疑问，这是一个有价值的领域，而且正在不断发展。如果企业已经实施了一些大数据解决方案，也许已经处理物联网数据，如果企业正计划采用大数据方案，希望以上描述的用例可以激发一些伟大的想法。VMware的相关资源可以去：
查找，非常全的。
下面是一些相关提示：
1、使用Manage Virtual Networks，将原有多余的功能如dhcp等等全关闭了（总之，你看到什么能关就关什么，但是，不要删除网卡），并另建一个网卡“……VMnet2”，这样，你就有三个网卡了。
2、改动你的已虚好的虚拟机的网卡设定为第一项（桥接）。
做完以上两步，你的虚拟机就拥有一个独立的网卡，与你的真实机在一个局网中处于对等的地位了，如果你的真实机处于局网中，你的虚拟机也就处于局网中，此时，你按你的局网给你的虚拟机分配IP，那么，你的虚拟机应能正常Ping通其它的机器（包括本地的真实机）。
接下来是上网的问题，如果你的真实机在局网上，那么你的虚拟机也在局网上，设好虚拟机的局网IP后，按真实机上网的方法处理，把虚拟机当真实机一样设就可以了。如果你的真实机是单机，那么向下看。
3、使用win自带的ADSL拔号功能（不建议另装拔号软件，注意，只能是winxp/win2003才行，如果不是，那就加装吧），正确建好ADSL拔号，并拔号上网，保证真实机上网成功。
4、右点网邻-》属性，进入网邻设定，找到ADSL拔号，右点它-》属性，进入后打开其上网共享，受共享的网络为“……VMnet2。完成后，你的“……VMnet2”的IP将自动设为19216801。
5、改动你的已虚好的虚拟机的网卡设定为第一项（桥接）。起动虚拟机，进入网络设定，把虚拟机的IP设为19216802（注意，如果你的机器也有双网卡，也在局网中，要保证19216802没有被网络上其它电脑占用，如占用，把最后一位换成别的）。
6、在虚拟机中，运行“cmd”或是“command”（win9x下），调出DOS窗，使用“ping 19216801”来测试是否与主机正常联通，如果联通，那么你成功了一半。
7、上一步成功后，现在你的虚机已成功入局网，接下来的事就简单多了，你只要把虚拟机的网关设为19216801，再把DNS设为19216801（如果win9x下，要求填入主机名，可以乱填，那玩不起什么作用），再去IE中把“internet选项”中，“连接”页中的“局域网设置”中的“自动检测设置”项去了。你的虚拟机就可以上网了。
8、请十分注意的是，上面的做法打开了你的主机的上网代理功能，你的主机一定要加装防火墙（或正确设定win自带的防火墙，建议加装天网），否则，可能引来互联网上恶意代理找寻者使用你的电脑做上网中转（这样至少会减慢你的网速）。TSNE降维和UMAP一样，应用场景相似，具体的原理感兴趣的或者数据比较好的可以自行去学习。这里就不多说了，我们直接开始分析及作图吧。TSNE分析我们使用Rtsne这个包。
首先加载R包：
读入表达矩阵数据：
TSNE降维分析很简单，就一句话。
得到的Atsne这个文件是一个list，降维的结果在Atsne$Y中，对其行进行命名，并创建画图文件。
画图和之前UMAP一样，采用ggplot即可：
还可以添加置信椭圆：
除了ggplot，这里我们介绍一下另外一种做法，降维图其实就是散点图，有一个画图神包ggscatter可以实现。
看起来效果还是很好的，还可以再加修饰，感兴趣的小伙伴自行探索。
更进一步，还可以做成单细胞那样，看看某一个基因在不同样本中的表达。
挺不错的！！！
想要示例数据的可以打赏截图联系作者获取，记得留下邮箱！
下节预告---limma包分析转录组芯片数据
在设备层面，生态系统中所有不同“事物”的特定硬件和软件功能都需要实现互联和互 *** 作，这通常需要机器对机器（M2M）通信协议；然后，在协议层面，需要考虑不同的通信技术，包括以太网和无线技术，这需要协议转换功能；最后，在数据层面，需要考虑可以将来自多个不同设备的数据转换成的格式，这需要数据处理功能。
1联网电子：互联网的时代已经到达一个新的高度。早些时候，消费者习惯了配备互联网的智能手机，而如今，他们提出了更高的要求，即希望他们使用的每个设备的均具有互联网连接功能。电视机、冰箱、扬声器、恒温器、家庭安全系统等智能设备，会使我们成为更大的“网络瘾君子”。更不用说检测健康和提供健身系数的可穿戴设备的兴起，其可追踪您的生命体征，如心率、睡眠周期和卡路里燃烧。联网电子的崛起正在快速消除真实和虚拟世界之间的界限，使我们的生活更加丰富多彩。2智能家居：智能家居是不仅把智能连接到个人电器和小工具，还把这个功能延伸到整个家庭。智能家居汇集了有用的数据，智能小工具和智能手机应用程序，并通过访问功能为居民提供完整的现代化体验。当它知道你要回家的时候，它会自动开启自己。
3联网汽车：联网汽车的许多原型都已经过了尝试和测试，像特斯拉和沃尔沃这样的制造商甚至承诺把汽车带给普通消费者。一个复杂的网络、汽车、司机和各种基础设施彼此间将“互相交谈”，此举不仅会带来顺畅的用户体验，还将有助于更大的治理议程，如交通管理和停车场管理。
4智慧城市：想象一下，是什么超越了联网汽车和智能家居，让整个城市变得更聪明？从管理水，废弃物处理，电力和天然气等公用事业到公共安全和流动性等公共管理，为了提高能源，物质和人力资源的效率，智慧城市革命将大打折扣，政府已经开始宣布和建设发展智慧城市。
5智慧农业：粮食产量的增长是当今社会的迫切需求，联合国提出，到2050年为了满足日益增长的人口对粮食的需求，粮食的产量必须增加60％。这就要求网络化农业使用数据支持的农业决策（作物和天气数据）等概念，以及实时的作物监测和护理来提高生产力。
6制造业40：工业40是用来描述物联网制造业未来的术语。制造和供应链的智能化、灵活性、高效性和可持续性是制作业未来的发展方向。在这个范例中，机器和人员等生产资源将巧妙地相互沟通，并且基于数据输入将能够采取主动的生产决策。一个恰当的例子就是预见性维护，这是一个降低成本和提高效率的好机会。
物联网无处不在，它将触及并改变我们生活的方方面面。为了使其真正可行，解决安全问题等消极因素显得至关重要。物联网制造商、技术监管机构和企业必须率先采取这一预防措施。最重要的是，每个人都必须意识到物联网技术的美妙之处，以及他们如何才能获得最好的成果，保持最新的进展。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）