至顶网CIO与应用频道 11月08日 北京消息:粤运交通企业数据资源管理平台建设项目,是广东粤运交通股份有限公司(以下简称粤运交通)信息化建设的重要内容,普元助力粤运交通信息化建设,承接了这一项目。通过搭建具有交通领域特色的粤运“12345“企业大数据应用平台,普元促进企业向数字化经营转型,有力支撑“粤运交通+互联网”和企业大数据战略。今年10月31日,粤运交通数据资源管理平台二期项目验收会圆满举行,系统在粤运交通全集团各业务单位实际工作中得到了有效应用,获得一致认可。
粤运交通数据资源管理平台二期建设项目通过验收
在粤运交通数据资源管理平台二期项目验收会上,业内专家及粤运交通各业务主要代表,形成项目验收小组,对普元承建的“数据资源管理平台二期项目“进行了验收。验收会上,验收小组听取了主办方对项目建设背景介绍,普元公司代表对项目建设过程情况及所取得的成果情况进行了汇报,同时还在会议现场对数据资源管理系统进行了实际操作演示。
专家组和各成员公司业务代表对汇报内容及系统进行了详细的审核,经过质询和讨论,验收小组和各业务代表认为数据资源管理系统运行稳定,业务功能正常,系统在粤运交通全集团各业务单位实际工作中得到了有效应用,一致同意通过验收。
普元EOS助力粤运交通打造数据资源管理平台
粤运交通成立于1999年12月,是广东省交通集团有限公司旗下的上市企业,2012年9月省交通集团将所属道路运输业务注入粤运交通,实现重大重组。目前公司主要从事提供汽车运输及配套服务、综合物流服务和高速公路相关服务,正积极构建“3+1+1”业务发展体系,打造“出行服务、现代物流、资源开发、智慧交通、资本运作”五大板块,开展15 项具体业务。
在信息化发展的市场大环境下,粤运交通积极进行数字化转型,在普元的帮助下于2016年11月开始粤运交通数据资源管理系统第一期建设。该系统建设采用普元EOS开发平台和数据开发框架,第一期项目完成了粤运交通基础数据和业务报表功能的全面开发,实现了与业务数据仓库的对接、数据初始导入。为粤运交通主数据实施工作,特别是精细化、标准化、指标化的管理工作提供了便捷性和实时性,对于建立主数据标准库、指标体系和运营评价体系提供了数据资源。
全生命周期自服务大数据治理平台推动企业数字化转型
普元自2008年就开始涉足大数据治理领域,面向数据全生命周期的自服务大数据治理平台,以强自动化的元数据为核心,融合了数据标准、数据质量、数据共享、数据安全等多种成熟的产品和方案,为企业提供从大数据治理咨询到工具支撑再到落地实施的一体化解决方案。
从2017年8月起,粤运交通数据资源管理系统开始第二期建设,在一期项目基础上进一步深化数据资源的在线化、可视化、动态化管理,搭建数据管理基础平台。在第二期建设中,普元助力粤运交通快速搭建经营报表指标管理和数据采集管理体系,建成了具有交通领域特色的粤运“12345“企业大数据平台(即一个大数据平台,二个标准体系,三个技术平台、四个应用系统、五个核心库),重点打造决策分析的两大数据门户、三个业务驾驶舱、三个业务专题应用。实现多渠道,可视化展现,提供全面、准确和多维的数据分析,提供针对性,及时性和准确性的专题分析,和集中性、易用性和便捷性统计报表,有力支撑”粤运交通+互联网“和企业大数据战略。
粤运交通大数据应用平台
从成立以来,普元大数据治理一直走在行业前列,大数据治理客户遍布全国,目前已成功应用到金融、电信、制造、政府、航空、电力等各大行业,拥有大量大数据治理成功实施案例。后续,普元会继续为粤运交通做好数据增长预测评估,做好系统性能优化及设计,完善数据质量保障方案及相关的售后服务工作,以领先技术助力粤运交通实现战略目标,以优质高效服务促进粤运交通成为交通行业信息化领头羊。
好文章,需要你的鼓励
Akamai的分布式边缘架构从设计之初就以韧性为核心,全球平台通过跨区域负载均衡和智能路由技术,确保即使某些节点出现故障,流量也能无缝切换至可用节点。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。