至顶网CIO与应用频道 08月29日 北京消息:90年代初,“现代商业实践”一词通常指实施“实时”交付系统。在世纪之交,这种概念逐渐演变为将客户吸引到在线业务平台,并有能力根据客户需要进行微调。数年之后,进一步实现销售自动化,进军移动平台,并善用社交媒体。这才是现代商业实践的核心——为实现“现代化”,企业必须与时俱进,不断演化。
时至今日,当我想到现代商业实践,定会浮现三个关键要素,这三个要素可为企业带来强大的竞争优势:
1)保证业务的全面可视性。
2)将业务可视性转化为实时数据,让企业就应如何利用有限资源做出明智决策。
3)精简业务,加速产品开发并缩短产品面市时间。
公平地讲,当下所说的实施现代商业实践,基本上等同于我们常提到的“业务敏捷性”。
为什么企业致力提高业务敏捷性?因为他们正在寻求改善质量、加速交付价值、降低开发成本以及提高客户满意度。事实上,CA Technologies近期发布的名为《贯穿整个企业的业务敏捷性》(Business Agility throughout the Enterprise)的调查显示,受访者期望业务敏捷性可实现:
为什么要选择现在提高业务敏捷性?
敏捷的终极目标是实现正确的人员、信息和时间的科学统一。 业务敏捷因其提供的众多好处而得到广泛接纳与赞赏。随着企业在运作过程中不断结合敏捷方法及实践,他们的业务将有明显的改善。该调研受访者认为,提高业务敏捷的关键表现为是减少灾难演习(51%)、优化流程效率(47%)及加强跨职能可视性(47%)的关键。调查亦表明了提高业务敏捷性的其他收益,如推动团结协作、加强客户影响及体验以及保持规划与投资的一致性等。
业务敏捷性不仅仅是流行语
企业决定展开其敏捷之旅,并不意味着一意孤行。我们观察到许多“敏捷”团队在公司表现出色,却缺乏沟通,无法真正影响到业务发展。倘若你的目标只是在下一次董事会会议上,以敏捷方案讨高层欢心,那么购置一项工具并部署下去即可。但如果您希望对全面业务产生深远影响,如实现业务转型,则需要寻找经验丰富及技能娴熟的合作伙伴,他们能够协助您在整个企业充分发挥敏捷部署的潜力。
这听起来可能像陈词滥调,但我可以保证,为了部署而购买工具的最佳结果亦只是平平无奇,甚至以失败告终。关键在于找到一位与您业务类似,并且成功实施敏捷的供货商—一个可指导您的企业,利用敏捷性带来效率、实现业务转型,并能借助科技、咨询、培训及训练等方式协助您走好每一步的合作伙伴。
不能将所有敏捷方案一概而论
一旦拥有合适的合作伙伴为您提供指引,并利用敏捷性解决方案显著提升竞争优势(甚至面对那些已经部署敏捷的竞争对手),立即根据上述现代商业实践找到有针对性的主要解决方案。其中包括:
倘若该解决方案无法为业务提供360度全方位的可视性,并且透过该可视性提供真正有利的商业情报,则表明您未找到正确的合作伙伴。倘若该解决方案主要针对流程而非以人为本,亦表示这不是正确的合作伙伴。您需要找到因人们看到了其中的价值而愿意使用的产品。
企业要想在现代世界取得成功,必须具备敏锐的洞察力,对解决繁杂的市场及客户需求的变化作出快速应对,并且实现规模化。这将令企业在二十一世纪及以后能迅速发展,提升业绩,击败竞争对手。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。