至顶网CIO与CTO频道 11月05日 北京消息:在2个月前Tableau发布了最新的2019.3版本,其中包括三大创新:Explain Data能够以用户易于理解的方式为其数据可视化提供自动分析;Tableau Catalog,其与Tableau Prep可以组合,为分析识别出合适的数据,大大节省时间;Data Management作为Tableau Server的插件,可大规模管理数据并部署Server。
近日,Tableau又与IDC共同发布了《亚太数据就绪指数(DRI)报告》。对亚太地区7个市场的超过700家亚太地区企业参与了该调查,调查从治理、技术、流程、员工技能、企业数据文化五个维度上将这些企业的数据就绪状态划分为三个阶段,分别是领先、发展中和落后。
什么是数据就绪指数?其是指企业通过广泛运用分析使数据成为其业务核心要素的能力。Tableau大中华区总裁叶松林表示,当今企业想要抓住数字经济下的发展浪潮,需要准备好变成数据驱动型的公司,构建数据驱动文化。
Tableau大中华区总裁叶松林
数据就绪对于企业的商业表现有很大程度的影响。报告显示,数据就绪程度高的企业的业绩平均比落后的企业高出90%,尽管如此,只有20%的企业在处于数据就绪领先地位,而大多数处于发展中(66%)和落后(14%)领域。该调查强调,与员工相关的因素,如员工数据技能和企业范围内的协作都被视为关键绩效驱动因素。
报告还显示,中国大陆市场企业数据就绪指数为2.64,在亚太地区排名第六,其中企业领先的企业占5%、发展中的企业占75%、落后企业占20%。新加坡(52%)和澳大利亚(49.5%)的数据就绪领先企业数量最多,而印度处于落后的企业最多(30%)。亚太地区市场在数据就绪指数(DRI)的详细排名如下:
市场 |
DRI平均分数 |
|
1 |
澳大利亚 |
3.54 |
2 |
新加坡 |
3.52 |
3 |
日本 |
2.74 |
4 |
韩国 |
2.69 |
5 |
中国香港 |
2.67 |
6 |
中国大陆 |
2.64 |
7 |
印度 |
2.51 |
根据行业划分数据就绪程度显示,金融服务和保险为3.01、专业服务为2.97、公共事业为2.77、通信、媒体和电信为2.7。
为了帮助企业应对数据就绪的挑战,Tableau推出了战略框架Tableau Blueprint,包含具体计划、建议和指南。其为企业提供了一个全面的框架,构建对企业的数据成功至关重要的核心能力:敏捷性、精通程度和社区,适用于任何数据发展阶段的企业。
叶松林指出,Tableau Blueprint和企业就绪指数不谋而合,目的都是帮助企业转型成为一个数据驱动型企业。Tableau Blueprint可以让企业知道它目前的数据就绪定位,以及下一步的计划。
目前Tableau Blueprint已经逐渐建立,继续按照需求加大中国整体的投放,当然Tableau Blueprint不仅仅是培训,更重要的帮助企业了解缺失的是什么并给出未来方向,超越了技术层面。
Tableau相信人会有越来越多的中国企业真正发挥企业的数据价值,Tableau也将帮助企业解决发挥数据价值时可能遇到的问题,不断创新,让客户在使用并理解数据这件事上有更好的体验。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。