至顶网CIO与CTO频道 03月20日 编译:随着全球企业手中数据量的快速增长,高级分析正成为各类业务活动的核心。消化数据、运用数据,企业才能够做出更明智的业务决策。MicroStartegy发布的《2020年全球企业分析状况报告》显示,全球94%的企业认为数据对于业务增长至关重要,而且超过半数受访企业已经在利用先进的预测分析工具简化运营流程。
此外,推动各类组织职能部门获取数据驱动能力的技术大众化投资也开始持续增长,调查中有65%的企业计划在2020年之内增加分析层面的支出。而且纵观各个行业,数据智能不再属于那种“能有更好”的锦上添花式元素,而开始成为企业运营整体业务的核心基础。
在过去几十年中,在大数据等领域的投资也给公共事业领域带来深远影响。事实上,公共事业部门在基础设施改善方面已经花费数十亿美元,包括部署智能电表、电表数据管理以及CRM与CIS系统。如今,具有前瞻性的公共事业CIO应当进一步投资数据湖技术,让这种最为原始的数据存储库形态焕发出新的生机。随着对大数据洞察见解的获取以及数字化转型趋势的广泛普及,公共事业部门迫切需要将企业级分析能力整合至实时策略当中,利用数据为企业及客户创造价值。
没有定制化基础,数据将仅仅是数据
尽管大数据技术能够高效处理大规模数据集,但由于缺乏充分的分析能力与两年内纪支持,相当一部分数据未能得到充分利用。公共事业部门往往会聘用数据分析师以运行查询并发现异常,但这类数据湖深度极大,直接导致跨部门数据科学团队负担过重、资源不足,并迫使公共事业部门只能立足现场情况组织缺少普适性的解决方法。
如果没有合适的机器学习技术与资源,数据分析人员将只能利用标准的异常检测工具包获取通用算法,并直接损失50%甚至更高比例的数据洞察结论。在这方面,企业分析技术能够发挥重要作用。这类分析解决方案旨在部署源自行业内相似查询及用例的具体策略,借此缓解负载限制,解决大部分公共事业及能源机构所面临的多达70%的问题与挑战。接下来,剩余30%问题将交由定制化解决方案处理,这将显著降低实际执行中所需要的人力与工作量。
公共事业CIO利用企业分析加人工智能(AI)实现消费者数据定制化,借此建立起一套集成化生态系统,确保在整个组织之内高效传播可行性情报,同时消除低效解决方案所产生的信息孤岛。
举例来说,在利用AI加企业分析解决方案就个人电表数据建立个性化客户资料时,我们不仅可以确定哪些家庭拥有电动汽车,同时也能检测到对方一般在哪个时段充电、以及充电期间需要消耗的具体电力。以这部分信息为基础,公共部门可以调整运营思路、增强客户参与度并改善运营效果。一方面,公共部门可以为这些家庭提供针对电动汽车的营销计划;着眼于内部,公共部门也可以统筹计划内负载中断,借此解决电网中的供求不平衡问题。
另外,在客服中心层面,公共事业部门的工作人员可以利用个性化能源配置资料主动向客户通报其能源使用情况,并据此为客户提供实用工具。例如,公共部门可以发送自定义通知,提醒客户其账单额度有可能增长,这将显著降低客服中心的工作强度。
这种能源配置层面的个性化能力还将给公共事业部门带来更准确、更及时的信息供应,改善宏观层面的需求侧管理与规划,引导用户理解分段使用机制带来的节能收益,并将他们的用量与邻居做出比较。这一切,都让公共事业部门为客户建立起全方位视角,帮助他们制定更具战略远见的决策,同时增强客户与公共事业部门间的沟通纽带。
企业分析与客户情报的价值
时至今日,几乎各个行业都已经成功建立起全面且具备定制化空间的解决方案,用以跟踪客户接触点。例如,Salesforce公司提供包含预置应用的集成化客户交互平台,并得到全球数百万组织机构的青睐。之所以大获成功,是因为Salesforce方案能够在简化机构运营流程的同时,为每一位终端客户提供与具体需求相符的定制化集成效果。
同样的,公共事业部门也可以借助企业分析平台的力量。这类平台提供通用型数据分析方法,帮助公共部门掌握个性化程度更高的客户交互途径,具体包括有针对性的节能技巧或者根据客户实际能耗进行使用指导等等。例如,公共部门可以识别出不同客户的首选通信渠道,并借此及时发布折扣信息。
公共事业部门的CIO们有必要主动与现有CRM解决方案或客服中心供应商联系,了解有哪些直接集成型解决方案可供选择,借此将数据洞察能力推广至组织内的各个部门,最终实现日常工作流程的全面升级。更重要的是,只需要非常有限的精力投入,公共部门就能够在第三方集成与API/数据集之间架起企业分析的桥梁。
目前,公共事业CIO在采用企业分析平台时面临的最大挑战之一,正是数据访问。在这方面,大家不妨直接与智能电表供应商合作以实现硬件及软件层面的企业分析平台绑定。如此一来,企业分析供应商就能够直接从电表数据管理系统中读取格式化后的电表数据(而不再需要额外经由内部数据湖,或者由CIO负责电表数据的标准化整理)。通过这种方式,整个对接及平台实施周期能够缩短三到六个月时间。
对公共事业CIO们来说,企业分析解决方案相当于是传统数据湖基础设施的一种扩展,旨在帮助团队快速、高效利用客户情报中蕴藏的价值。随着公共事业部门得以快速发现并理解现有应用场景下的能源消耗模式,强大的洞察能力终将带来更广阔的发展空间与价值挖掘潜力。
能源数据有望将信息转化为可见、可操作的洞察结论,只有把握住这一客观核心,公共事业部门才能在面对整个行业乃至整个社会提出的复杂信息需求时,成功跟上发展步伐并提升自身服务能力。这将是新时代下的新焦点,也将成为未来人们对于公共事业部门的基本要求。
好文章,需要你的鼓励
科技泡沫并非世界末日,从经济角度看,泡沫是押注过大导致供过于求。AI泡沫问题复杂在于AI软件开发节奏与数据中心建设周期的时间错配。甲骨文关联数据中心获180亿美元信贷,Meta承诺三年内投入6000亿美元基础设施。麦肯锡调查显示企业虽广泛使用AI但规模有限,多数仍持观望态度。微软CEO表示更担心数据中心空间不足而非芯片短缺,电力需求成为新瓶颈。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。
Goodfire.ai研究人员首次发现AI语言模型中记忆和推理功能通过完全独立的神经通路运作。研究显示,移除记忆通路后,模型丧失97%的训练数据复述能力,但逻辑推理能力几乎完全保留。令人意外的是,算术运算与记忆共享神经通路而非推理通路,这可能解释了AI模型在数学方面的困难。该技术未来有望用于移除版权内容或敏感信息而不损害模型核心功能。
这项由ETH苏黎世等机构发表的突破性研究首次系统性揭示了优化器选择对AI模型量化性能的重大影响。研究团队发现传统的异常值理论完全失效,并开发了革命性的ABC分解框架来准确预测量化后性能。实验证明Shampoo优化器在量化场景下表现最优,该发现为AI模型的实际部署提供了重要指导,有望让AI技术在资源受限设备上发挥更大作用。