5月26-29日,中国大数据产业峰会在贵阳召开。用友作为服务企业互联网化的公司,应邀参加此次大会。
用友大数据管理平台,可称为“企业的首席数据官”,能够满足企业数据管理要求,跨越大数据门槛,激活数据价值。用友副总裁谢东先生,于5月26日下午的路演环节,分享了用友如何助力企业构建数据经营中心。分享内容包括:企业数据管理面临的挑战;什么是企业数据经营中心;大企业数据管理的敏捷建设之路;企业数据经营中心建设案例等。
用友网络副总裁谢东在数博会登陆大厅阐释企业如何构建数据经营中心
数据已成为企业经营的核心财富,尤其在互联网时代,数据的价值可以无限放大。但很多企业在向互联网化转型时,忽略了数据的重要性。他们更应该成为一个建立在数据上的互联网公司。
谢东指出,企业在数据管理中面临着一些挑战。比如管理上,缺少理论体系,以及数据标准、规范和方法论;规划上,缺少整体的应用规划和数据规划,导致信息孤岛和大量数据闲置;价值上,没有充分利用现有数据,不能主动驱动业务;技术上,面对各种新技术以及开源技术,不知如何选择。
面对种种挑战,企业应该建立自己的企业数据经营中心:
第一,它是IT系统+业务组织+企业决策的大脑+企业数据变现的推手;第二,针对企业的数据,实现集中存储、统一管理、主动经营;第三,涵盖战略规划、组织保证、制度体系、数据平台、数据服务、高级分析应用等各方面。
数据应用中心的构成
对于此,用友提供了完整的企业数据经营中心建设方案,包含管理、咨询、产品、服务等。
通过云化、虚拟化从整体上重新组织IT资源,提高资源利用率,降低运维成本,提高IT服务水平; 通过平台化、服务化、开放化重构企业应用,适应企业互联网化要求;通过应用碎片化、移动化,推进企业管理模式创新;通过社交化应用,帮助企业直达客户、用户、伙伴、经销商;通过全面数据化,推进企业决策快速、科学、高效;通过新一代IT应用规划,为加速传统企业互联网化转型,建设平台化企业服务,提升企业建设生态的能力。
用友企业大数据管理平台UDM,为帮助企业处理分析内外部系统数据提供了一系列服务与工具,能够支持对企业内部数据以及互联网相关数据的采集、存储、管理、处理、分析、展现、应用,支持结构化和非结构化数据处理,同时通过云服务和移动化的形式增强了用户随时随地对数据进行获取与分析的能力。
用友UDM企业大数据管理平台的核心价值包括:
一,一个平台解决企业数据存储、计算与管理需求。互联网开放技术与架构,PB级数据,多种数据源支持,无限扩展的存储于计算能力
二,互联网大数据解决方案。帮组企业快速洞察需求、预测趋势、精准营销、优化运营。
三,高级分析应用。快速构建挖掘模型,嵌入业务流程,实现数据驱动决策。
四,完整的商业智能平台及解决方案。完美解决中国式复杂报表、仪表板、管理驾驶舱、只能报告等专业应用。
五,自助式数据准备与分析。帮助业务人员自主使用数据,生产报告;使IT人员专注于数据管理。
六,移动分析。移动应用完整方案,安全,迅速、易用。
用友的大数据平台已为众多行业领域企业成功提供大数据服务。如医疗行业的浙江大学医学院附属邵逸夫医院。
邵逸夫医院是集医疗、教学和科研为一体的公立综合性三级甲等医院。核定床位数2400张,设有32个临床科室,72个护理单元,9个辅助科室。通过用友iUAP的集成平台和大数据管理平台的支撑,邵逸夫医院CDR的建设走上正轨,同时实现一体化集成、闭环管理、大数据存储和实时计算分析。
现在邵逸夫医院的100多个业务模块实现实时集成,每天通过集成平台交互的消息超过10万条,月增长的临床数据超过500万临床数据记录。各类历史报告,存储在Hbase中,超过410万名患者的1000G历史档案数据,均可实现秒级检索。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。