ZD至顶网CIO与应用频道 11月29日 人物访谈(文/王聪彬):此电子商务非彼电子商务,企业采购可以说是一门学问,其涉及到供应链上的各个环节。慧聪网就是一家B2B电子商务平台,搭建的是企业和企业间的交易桥梁。
同2C电子商务相似,大数据在慧聪网的应用也有着重要意义。目前慧聪网企业注册卖家超过1500万,买家信息超过1120万,商品数量超过6亿,而且这些数据每天都在变化,产生交易。慧聪网希望通过大数据让买家和卖家之间匹配,实现精准运营。
慧聪网的数据运营门道
日常生活中大家一般都会有一些常用的品牌,B2B采购也是一样,可能80%以上都是熟客间的生意,只有很小的一部分是生客间的交易。因为采购方对原有供应商的产品质量、供货能力等因素已经非常熟悉,交易也非常成熟,所以更换供应商带来的可能是潜在风险。
B2B电商作为线上渠道,主要解决就是生客间的生意,对中大型品质企业熟客之间的生意进行补充。供需间的关系向来复杂,生客间就更为复杂,慧聪网做的就是帮助企业了解更多供应商的具体情况,比如资质、产品等各方面条件,促成交易。
企业采购不仅相对理性,采购行为也更加复杂。慧聪网CTO郭刚解释,企业采购需要通过采购需求、订单产生、交易下单、付款等多个步骤多人员参与,而通过这些用户在平台上的行为数据可以生成用户画像,了解什么时间点对该用户进行营销,以提高交易效率。
慧聪网CTO郭刚
作为慧聪网CTO的郭刚主要负责慧聪网整体的研发体系、内部信息化、云计算三部分。2013年建立的数据平台就是其中的一部分。数据平台通过对用户库、产品库、交易库、金融库、物流库等各个层面进行横向整合,实现用户行为数据、交易数据、运营数据等的分析。
郭刚举了一个在价值链上帮助客户分析交易总成本的实际例天津某企业在采购某商品时选择了山东和广东两家供应商,虽然广东供应商的价格更便宜,但通过分析企业账期、物流成本等问题,最终选择了山东供应商。
除了平台上的客户,入驻的供应商也可以享受数据分析的功能。比如慧聪网研发的“黄金罗盘”这款数据工具,可以分析自身同竞品之间的网络营销能力,并给出等级范围和改进方案。
可视化带来的良性互动
慧聪网对于大数据的应用已经非常娴熟,但是这也带来一个问题,技术部门更多时间在疲于应付业务部门提出的大量分析需求,而没有更多时间集中在数据平台的建设。
这些需求中间有大量机械式的数据调取、可视化等工作。为了满足业务部门对数据分析的快速响应,同时让业务部门自我完成85%以上数据分析需求,慧聪网从2015年引入海致BDP(Business Data Platform)商业数据平台来解决数据提取和可视化效率。
慧聪网主要使用了海致BDP的数据可视化和分析建模两部分功能,两者实现了无缝对接,数据的交互做到实时同步。郭刚提到,改进算法需要有多种模型同时实验,而模型的可视化则最为直观。
目前,慧聪网集团的一级部门已经全部开始使用BDP,郭刚从日常报表中就可以看到真实的使用效果,常规性报表的输出效率提升了15倍,之前1-2天完成的数据型报表现在缩短到小时级。技术人员也从重复的工作中解脱出来,有更多的时间研究各种配置算法进行价值挖掘,产生良性互动。
海致BDP还被应用到商业产品上,比如按照效果付费的产品“流量宝”,可以迅速体现到下一次的广告推荐中,指导客户用最低的成本获取最好的交易效果。
整体看来慧聪网的内部业务人员、技术人员以及外部供应商客户都已成为使用者,使慧聪网整个供应链实现数据化运营。未来慧聪网和海致BDP的合作还会继续深入,联合开发一款B2B大数据产品,目标定位有一定网络经营能力的中小企业,帮助其改进整体营销效果。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。