ZD至顶网CIO与应用频道 09月09日 北京消息:可视化分析领导者Qlik®宣布,中国市场的零售厂商使用Qlik的技术进行数据分析,获得更多对客户交易和互动的洞见。通过这些见解,零售厂商能够发现各个店铺里不同的购买和消费行为趋势,并作出相应的运营决策调整,以帮助他们提升客户体验。
和其他行业一样,零售业已经看到了数字化转型带来的巨大变化——不论是简单地转向在线销售的需求,还是找到创新的方法与客户互动从而提升店内的服务质量。仰赖于 Qlik 的可视化分析平台,零售厂商,如呷哺呷哺、苏泊尔和红蜻蜓,都能利用业务数据对企业、店铺、部门或团队内正在进行的各项事务有清晰的了解。通过 Qlik 平台,零售商能够更好地理解消费者的购买需求,通过分析购物篮特性了解哪种商品通常是在一起销售的,让他们能为客户的喜好定制相应的服务。零售商还能分析交易和客流量数据,确保在特定的时间有足够的员工在岗,尽可能为客户提供最好的服务。
呷哺呷哺是一家非常知名的连锁餐厅,它是从企业部署可视化分析获益的零售商的最佳代表之一。它与Qlik合作,将所有保存在企业资源计划系统内的销售、库存等数据,通过实时分析做出最准确的库存决策。通过使用Qlik平台,员工能看到菜品的实际销售量与目标的对比情况,从而评估每天的库存水平,确定库存是否能够满足营运需求,并确保每家店正确地订购原料。高层管理人员,包括管理总监,也可以使用Qlik平台,看到公司的整体运营情况的指标数据。
呷哺呷哺公司首席技术官唐进表示,“我们建立了许多业务系统,但发现单一系统的数据很难综合的自动进行处理。采用了Qlik的平台以后,我们的业务部门也能够独立地查看和分析所有的数据,他们甚至能够在需要时根据数据分析的结果调整每天的业务运营。他们能够更快发现菜品销售趋势,尽早发现内在的规律和问题。过去,餐厅的订货完全凭借个人经验。现在,他们基于实实在在的数据能够进行准确的进行订货,达到了精细化的管理。”
Qlik 亚太区行业解决方案总监 Jeremy Sim 表示,“过去10年来,我们看到了零售商和消费者之间关系的巨大转变。任何地点实时地连接数据现在已经是一个必备的特性。我们的观点是将信息放到零售业务的每个决策者手中。今天我们已生活在信息时代,对于零售商来说这意味着从店内底层员工到团队管理层、线上团队,每个人都能看到数据,通过多种渠道看到消费者的消费体验,区域经理能够衡量如何配置劳动力来满足消费者数量需求。对于零售商来说,如果他们想为顾客提供最好的服务,就必须发展这种通过数据分析进行决策的企业文化。”
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。