至顶网CIO与应用频道 09月11日 北京消息:现在对大型组织而言,“适者生存,优胜劣汰”这句老话振聋发聩,因为他们发现较小型的对手正以前所未有的速度追赶上来。不容置疑的是,与中小型组织相比,在全球拥有数万到数十万员工的大型组织转型更具挑战性。 转向数字化运营的竞赛已经进行多时,而这些企业的困境在于确定何时以何种方式开始改变。海量的数据是这个数字时代的核心,各个组织现可利用技术来收集和分析大量的数据。
许多公司通过分析客户行为,利用得出的见解快速响应市场趋势,从而找到了竞争优势。而他们能否有效找到优势取决于其敏捷性,也就是说公司提取和分析关键信息的速度和规模是重中之重。
因而自助式分析和可视化平台当道,为并非数据科学家的员工赋予分析能力,让他们能够根据最新数据信息快速做出决策。
一切从普及数据开始
当员工没有掌握正确的信息和资源,或者认为分析负担过重时,他们常常难以做出明智的决策。基于 Tableau 等直观平台的数据分析和可视化,让员工能够从报表中提出无数的问题并立即获取答案,从而更快、更有效地利用其信息。为整个组织的员工提供自助式数据资源,最终将使员工生产力和业绩双双提升。
例如联想这一跨国技术公司,开发了整个公司都可访问的多个自动化仪表板[1]。这样一来,就为员工提供了简单易用的工具,让他们能主动获取自己需要的答案。“我们改为了使用交互性极强的单个整合报表,”该公司分析、BI 与可视化主管 Santhosh Nair 说,“大家可以自行查看那些仪表板,提出不同的业务问题,直接获得答案,并更快做出决策。”我们发现,这种自助式分析方法还能增强员工技能、提升员工满意度。
一张图片胜过千言万语
在自助式分析的基础上,员工可以得益于为其受众量身定制的可视化报表。这对于部门间交流尤为可贵,因为不同部门的员工可能对不同的术语和模型产生困惑。可通过条形图、时间图等易于理解的可视化格式呈现数据,让所有受众都能理解。这可以缩短用于解释、讨论和决策的时间,让大型组织更为敏捷地运营。
屈臣氏集团 (ASW)[2] 是世界上最大的国际保健美容零售商,他们正利用数据可视化,操纵其数据并与之交互,获得相关业务见解,及时做出决策,从而在快消品零售行业获得竞争优势。通过从自动数据提取刷新中采集到的实时数据,屈臣氏集团 可以在数小时内创建月度类别仪表板,对类别销售业绩、客户行为和销售趋势进行可视化。而在以前,光是生成几种产品类别的报表就需要几天的时间。利用这一工具,屈臣氏集团还通过共享数据而加强了部门间的协作。
客户为王
自助式数据分析和可视化等平台不仅能提升内部办事效率及员工生产力,还能帮助组织与关键的外部利益相关方(尤其是客户)建立关系。通过现在可以利用的各种反馈通道(从社交媒体和调研网站到用户可发布评论的电子商务平台),捕获客户数据再非难事。
数据可视化提供的是“了解客户”的能力,另一全球技术企业 Honeywell 证实了这一点[3]。通过数据分析和可视化,Honeywell 员工可以利用离散的数据点获得宝贵的见解,更好地预测客户需求、改进其产品和服务的质量。“我们看重的是产品的易用性、直观性和客户对产品的良好接受度。对于我们这样的财务规划和分析组织而言,我们关注的是报表易于阅读,内部客户可迅速根据报表做出决策。”霍尼韦尔财务规划分析运营及转型高级总监 Preetham Shanbhag 说。
提升敏捷程度并非灵丹妙药
数据分析和可视化虽然可以提供众多优势,但它并不是一劳永逸的解决办法。要真正利用其潜力,组织需要考虑众多因素,例如以适当的思维方式推进当前变革蓝图,从而真正让员工能够利用数据可视化的价值。对于希望实现转型的组织而言,数据驱动型决策可以提供无限的可能。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。