至顶网CIO与应用频道 05月15日 北京消息:全球领先的信息技术研究和顾问公司Gartner于近期开展的首席执行官和高管调查显示,首席执行官仍然把增长列为2019年和2020年的头号工作优先事项。相比去年的调查结果,最显著的变化是越来越多的首席执行官开始重视财务事宜,尤其是提升盈利能力。
Gartner 2019年首席执行官和高级业务主管调查(Gartner 2019 CEO and Senior Business Executive Survey)在2018年第四季度访问了473位首席执行官和高级业务主管,了解他们的业务问题以及技术议程影响的领域。总计有473位来自年收益为5000万美元或以上公司(其中60%的年度收入为10亿美元或以上)的业务主管参与了调查。
Gartner副总裁兼杰出分析师Mark Raskino表示:“在去年增长率经历了大幅下跌后,今年增长率从2018年的40%上升至53%。这表明,在风起云涌的环境中,首席执行官将其注意力转移到战术性业绩上。”
与此同时,财务优先事项、成本和风险管理的提及次数有所上升(参见图一)。Raskino先生认为:“但据我们观察,首席执行官都无意大幅削减各个业务领域的成本。他们意识到经济挑战日益增多,而且态度愈发谨慎——他们并非为经济衰退做准备。”
图一、首席执行官的十一大业务优先事项
来源:Gartner(2019年5月)
新的增长机会
该调查结果显示,面对增长挑战时,一般的解决方案是寻求在其它地区实现增长。受访者在回答时谈到了其他城市、州、国家和地区,而且“新市场”也包括可扩展的地理范围(新市场也可以是行业相关市场或虚拟区域)。
Raskino先生表示:“当传统和国内市场出现饱和或发生衰退时,通过开拓其它地区的市场来获得增长也就成了自然而然的选择。但今年,此类国际地域情况复杂,更因地缘政治格局发生转变而难以预料。23%的首席执行官认为,关税、配额和其他贸易管制形式对其企业产生了显著影响。另有58%的首席执行官对此问题表示普遍担忧,这表明越来越多的首席执行官预计该问题在未来可能对其企业产生影响。
首席执行官应对增长前景疲软和利润率下降的另一种方式是实施多元化业务——这更加意味着开展数字化业务,以提供新产品和创收渠道的必要性。82%的受访者承认他们正在制定让公司变得更加数字化的管理计划或转型方案——该比例在2018年为62%。
对技术寄予厚望
成本管理正引起首席执行官的更高重视,其优先级从2018年的第十位提升至当前的第八位。当被问及成本控制方法时,27%的受访者提到了技术赋能,这也成为继人员和组织措施(如:奖金以及费用和预算管理)之后的第三个指标。但在考虑生产力和效率举措时,首席执行官更倾向于将技术视为一种工具。47%的受访者认为技术是提高生产力的两大方法之一。
面向所有企业高管的数字技能
实施数字化业务需要企业所有高层人员都参与其中。但调查结果显示,首席执行官担心一些高管不具备能够应对未来挑战的强大甚至足够的数字技能。首席执行官通常认为销售、风险、供应链和人力资源等部门最需要更多的数字化人才。
一旦所有的企业高管更加认同数字化业务,企业就必须培养执行其业务战略的新能力。当被问及其所有公司最需要培养哪些组织胜任力时,18%的首席执行官提到了人才管理,紧随其后的是技术赋能和数字化(17%)以及数据中心性或数据管理(15%)。
Raskino先生表示:“以数据为中心的决策将引发管理体系中的关键文化和能力变革,并有望在数字化时代蓬勃发展。企业高管必须成为业务部门和整个组织内鼓励和促进数据为中心(data centricity)及数据素养(data literacy)的榜样。”
Gartner客户可阅读报告全文《2019年首席执行官调查:增长挑战年》(2019 CEO Survey: The Year of Challenged Growth),了解更多信息。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。