ZD至顶网CIO与应用频道 04月25日 评论分析(文/王聪彬):数字化转型意义在哪里?这是每一个企业都要寻找的问题答案,最通用的回答是对业务流程的重塑。这个过程可能是痛苦的,但是通过数字化带来的效果确是卓有成效的。
数据分析作为数字化转型的重要技术,可以让企业赢得更加卓越的业务效果。之前企业往往需要在遇到失败后,才能有针对的调整策略,而现在通过数据分析企业可以快速获得洞察,指导业务发展,提升竞争力。
从数据分析获得洞察
现如今数字化已经影响着企业各个层面,所以数字化转型也是企业最迫切的一件事。Gartner预计2017年企业IT预算将增加约10%,其中企业用于“数字化”方面的IT预算将会大增。中国用在数字化方面的预算将占整体IT预算的28%,预计2-3年后该数字将会达到约40%。
当然数字化转型对于企业的挑战是巨大的,因为其可能会重新定义企业,不仅仅是IT,还包括流程、商业模式、员工等一切。这也就需要企业管理者明确技术与业务目标的一致,让技术成为业务的推动者。
在数字化转型的过程中数据分析的应用对于企业有着重要的意义,企业已经从之前简单的存数据变为用数据分析获得价值,通过数据分析企业可以获得业务的洞察,指导决策和发展。
在具体应用上,数据分析可以优化客户体验、更好地扩展业务、改变管理和发展方式等诸多功能。Gartner近期调查显示,商业智能和分析(BI/Analytics)已经成为CIO关注IT投资的首位,之后则是云计算和基础设施。
但数据分析在企业中的应用也存在很多问题,Teradata通过与各行业客户交流发现企业在数据应用的过程中会遇到三大挑战:一、业务层面,在业务场景中分析改进;二、人才层面,人才资源压力是每一个企业都面临的问题;三、架构层面,需要考虑架构的高性能、敏捷性、可扩展性以及成本等因素。
在Teradata看来大数据应用分为三重境界:“数据、分析、成果”,利用分析数据更好地让业务获得洞察,帮助企业实现全面的数字化转型。
从业务场景发现价值
企业在数字化转型上最希望看到的还是数据分析可以在业务场景中产生价值,甚至创造出新型商业模式。
Teradata在欧洲的客户Enedis是一家集发、输、配电为一体的法国电力公司,负责管理法国95%的配电网络的维护,开发和运营的中性配电系统运营商(DSO),其在核电、火电、水电和新能源发电领域都有所涉猎。
Enedis有两大主营业务,第一、管理电线1.3M公里的连续性和质量服务;第二、提供分发网络的非歧视性访问。作为电力公司Enedis还需要保证电力无中断这一首要任务,公司不仅运营、维护和发展网络,还投资数字化、现代化进行保障。
做到这一切的Enedis完全是依靠数据分析的结果,其智能仪表和传感器在网络上生成大量消费和环境数据,这些数据反馈到分析系统中用于执行内部和外部的业务。一个例子是Enedis结合过去10年的历史数据和多种数据源,如温度,以了解变压器故障的原因。对设备进行预测性维护,提高可靠性的同时最终提高客户满意度。
这种洞察的能力还被输出到供应商端,可以实时了解用户的使用情况以及电网的资产情况,让供应商可以确定电网的连接,定价,甚至减少非技术性的损失。
通过数据分析Enedis还给予最终消费者更多的选择,不仅可以节省能源和资金,而且提高客户满意度。未来Enedis希望能给客户提供更好的能源管控和消费模式,包括连接风力发电、电动汽车、智慧城市。
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。