通过网店的拓展和正常的促销模式，可以保证店铺的销售不受影响，但店铺的监督管理和服务不能因为疫情的影响而大大降低。所以数据中台又开发了远程巡店的能力。各区域监管可以通过店铺巡逻管理查看店铺的各种业务信息、商品销售、畅销产品和缺货信息，帮助店铺调配畅销产品和滞销产品。同时，监督可以通过店外、收银台、店内、仓库等摄像头的实时播放进行远程巡逻，检查店铺的卫生状况、店铺的展示状况、店铺的防疫措施等。尽管远程巡店不如现场巡店细致灵活，但在特殊疫情期间仍能通过物理隔离进行正常监督和服务。
新一代电力交易平台作为基于国家电网云平台的数字技术支持系统，支持绿色电力交易、电子合同、现货服务、日清月结、信息披露等业务全过程在线运营，具有迭代快、扩展灵活、安全稳定的特点。新平台根据用户交易申报的价格、时间等因素清理绿色电力交易，生成电子合同，上传到国家电网云区块链存储，同时生成绿色证书，为用户提供绿色消费证明，可用于进出口贸易退税，也可在绿色证书交易平台转让。同时，新平台还为绿色电力交易的多入口前端应用提供信息交流，实时同步交易数据，为交易申报、结果查询和合同查询提供中间支持。
许多企业在草莽时代都保持着高速发展的阶段，此时手机销量逐年飙升，整个市场行情都是蓝海市场，还有很大的挖掘空间。然而，经过几年的互联网发展，公司之间的竞争已经不能通过简单的互动体验赢得。如果产品经理之间的竞争和互动体验不好，就直接复制。这真的不是很有竞争力。所以这个时候看的能力维度更多，比如数据分析能力、业务理解能力、沟通能力等等。特别是对于一些通用的产品类型，总结出很多产品方法论层面的东西，比如起点、中台、顶层设计、赋权等。
活跃的智能消防依赖于技术进步。随着移动互联网和物联网的发展，许多复杂的应用变得容易和便宜。智能消防和智能救援在实践中产生了大量的数据和应用场景。物联网技术结合视频、BIM、人工智能、中台、区块链等新技术(如图1所示)，实现创造性理念。在消与防的相互支持和发展中，各种技术和尝试，甚至与国家大安全体系的融合，新技术、新算法的发明和创造将是技术的重大突破。工程实践为智慧消防提供了用武之地，实践本身也是孕育智慧消防新技术的温床。例如白玉兰广场，上海市儿童医院，贵阳花果园社区，都是智慧消防实践创新的典范。
九月二十二日，快时尚彩妆品牌菲鹿儿宣布完成数千万美元的A轮融资，由五源资本和XVC联合投资，本轮资金将用于供应链平台和自有工厂建设，中台和前台人才梯度建设，产品研发投入，品牌建设和营销推广费用等。菲鹿儿成立于2016年，是东南亚、俄罗斯、孟加拉等地区跨境电子商务销售第一的美容品牌。菲鹿儿采用大型化妆品柔性供应链，以数据带动产品开发、营销、渠道等产品生命周期。现在，菲鹿儿专注于底妆和彩妆两个方向，已经推出了很多明星产品，比如18色眼影盘日落之光等彩妆产品的迭代周期大约为3-6个月。
这种合作将为双方的发展开辟新的空间，为中国经济的数字化转型创造典型案例。通过设立合资公司，双方全面合作，大力推进物联网、边缘计算、大数据、人工智能等技术的融合应用，共同打造业内知名智能标杆项目。绿地将充分发挥跨区域营销、C端客户嫁接、政府与企业资源沟通、多元化产业整合等综合能力。，全方位支持合资企业在人工智能产业链布局和产业垂直领域的深度培育和拓展，为合资企业服务和产品提供空间载体；科大讯飞作为世界知名的智能语音和人工智能企业，将充分发挥其核心技术研发能力、行业经验和资源，为合资企业目标项目的信息系统集成、智能中间站和特色智能应用场景建设提供定制服务。
重功能外呼系统厂商一般都是从软件IT起家，这类呼叫中心厂商几乎都是以电销外呼为基础，将AI、算法、大数据、客户获取管理、私域运营等一些数字产品嫁接过来，打造出一些数字中台全渠道联络的概念。但是他们最基本的通信资源几乎都是整合三方码号，线路稳定性受多种因素影响，无法控制。作为终端客户，如果想数字化转型多客服场景，可以找这种集成解决方案的厂商合作。如果是解决通信卡标题等核心痛点，不建议。因此经常有一些SMB中小微电销公司即使愿意花高价咨询后得到的反馈是业务暂时无法接通，或者没有线路可以对接，也斑。
根据战略合作协议，百度智能云将与中国燃气集团共建中国燃气数字技术委员会，将实践经验凝练为行业标准；引入百度AICA|首席AI架构师培训计划等机制，为能源行业培养数字化转型建设者和管理者；高质量建设中燃数字化管理系统，包括专有云、AIoT、大数据、AI中台等项目；打造A-IoT、巡检机器人、智能能源、工业App等共性产品，拓展全国一城一网业务；引入新能源业务模块，形成全新的行业解决方案；围绕开放家-车-路-园业务循环，引进家电、汽车制造、物业运营、实体制造等领域的企业，共建合作生态。合作协议详细规划了双方的密切合作机制和后期发展，双方第一阶段合作规模达到1亿元。
在主数据管理中，需要明确主数据的定义、分类、编码和模型；在元数据管理中，需要从业务属性、技术属性和管理属性三个方面定义数据标准；
加强数据管理是将机器学习技术应用于数据质量、主数据管理、原数据管理、数据血缘分析、数据库引擎自动优化等。目前，许多数据制造商已经开发和推广相关的产品功能。
二是反映数据管理理系统的规划和结构，指出公司需要加强数据管理规划，进一步开放内部和外部数据。比如公司级数据仓库缺乏低效的管理和规划应用；没有形成统一的企业级元数据管理，不利于提高信息系统的共享性、可读性和实用性；主数据管理范围和标准尚未完善；管理边界不明确，不利于各行业共享数据信息资源。主数据标准多次频繁修订，影响数据治理效果:公司数据管理文化氛围需要加强，数据治理监控考核体系尚未建立，数据管理尚未形成闭环。
主数据和参考数据主要描述不同分类数据的最大公约数据和为管理提供服务的参考数据。包括数据分类方法、主数系统介绍、主数据管理方法等。分析主数据项目实施过程中应注意的重要事项和风险。