与许多其他企业一样,知名服饰品牌Ralph Lauren过去一年半以来也承受着新冠疫情爆发带来的巨大压力,自身业务弹性受到严酷挑战。为了有效抗疫,他们不得不关闭多家门店与办公室,转而以更安全的方式在客户与员工之间建立交互通道。
幸运的是,已经执掌Ralph Lauren公司首席技术官事务四年的Janet Sherlock决定推行一系列举措,全力支持运营稳定。事实上,Sherlock的职权范围远远超出了传统CIO的水平,在Ralph Lauren内部负责一切技术战略与整体管理,包括设计概念化、面向批发分销商的产品配送、官方门店乃至面向个体消费者的产品寄送等等。她的团队还负责着门店技术以及产品管理与用户体验这一完整生态。
此外,Sherlock还要分神监管一切全球数字平台、营销技术、数据分析与数据科学事务。而所有这些,都必然需要建立在同样由她负责的Ralph Lauren全球基础设施、网络安全、IT风险/合规与隐私保护体系之上。
Ralph Lauren公司CIO Janet Sherlock
Ralph Lauren曾在新冠爆发之前部署过一套名为Flex Place的混合灵活工作调度方案,正是它的存在让公司偶然获得了应对疫情紧急状况的能力。以此为基础,Sherlock团队迅速推出线上订货服务。她的团队已经在客户的无接触取货方面取得了重大进展,在方案全面铺开之后,客户完全可以在无法或不愿进入实体门店的前提下购买并取走自己的商品。
Sherlock指出,“我认为我们最大的左移努力主要集中在线上店铺方面。在新冠疫情爆发之前,我们一直在考虑推出线上商店,也为此推入了大量精力与心血。但最大的困扰在于,Ralph Lauren的门店一直以精心的构建与独特体验设计闻名,我们希望能在线上平台为那些无法亲临店面的客户提供同样的购物感受。”
为此,她的团队规划出丰富的线上购物体验,并迅速将新元素与原有电子商务平台相集成,确保客户能够直接通过虚拟体验购买热点商品。“具体来讲,我们设计了七种不同的线上店面体验,而且仍然在不断充实我们线上购物环境中的功能。”
Sherlock及其团队需要克服的一大棘手问题,在于如何协助Ralph Lauren的设计与营销团队找到新的日常工作模式。设计与营销是一种非常个人、但又离不开相互沟通的工作,Sherlock的团队为此专门构建了一套设计协作平台。事实证明,新冠疫情反而让各团队摸索出新的工作与协同方式。如今,设计与营销团队希望能将坐班与线上两种工作模式结合起来,借此增加日常工作的灵活性。
对企业来说,产品审批是另一种似乎不可能在线上完成的工作流程。传统的产品审批要求工作人员亲自参加会议,讨论关于版型、款式及贴合度等重要指标的审批内容。长期以来,人们一直认为审查员必须得亲眼看到、亲手摸到材质才能做出决定。
Sherlock强调,“我们决定在审批流程中使用3D产品开发功能,尽可能简化整个工作体系。我们还建立起线上体验,重现并替代掉展厅游览,同时为各批发分销合作伙伴提供不同的线上订购选项。”
展望未来,Sherlock又提出三项战略重点:体验、数据与自动化。这些要点首先是为了给公司提供更大的灵活性空间。体验强调创建多种多样的客户旅程并提供最切实需求的参与方式,而不再强制规定客户要如何从Ralph Lauren处选购商品。“我们的线上平台、营销技术与店内功能将实现全面的统一性与互操作性,借此创造出无缝化体验。当然,未来还将有更多酷炫的功能体验陆续推出。”
接下来,她认为数据也将成为新的战略重点领域。“我们对涉及数据核心元素的整体数据战略非常慎重,包括如何处置我们的产品数据、数字化资产、客户数据,并以战略性方式思考将这些数据存储在哪里、如何访问与利用、又该如何进行维护等。
这不仅会影响数据分析能力,同时也将决定Ralph Lauren是否有能力实时提供个性化、实时运营、实时决策等服务……在此基础之上,我们又可以进一步讨论高级分析与数据科学功能,也就是数据战略中的下一个阶段。”她将企业与数据之间的关联形容为一种“结缔组织”,这是一门新兴学科,有望帮助企业内的各传统孤岛之间实现良好协作。
Sherlock认为,更高的自动化水平将提高IT服务的实施效率,同时进一步推动公司的一体化实践,最终在数字时代下增强竞争优势。Sherlock和她的团队已经在着手实施各种变革,希望借此颠覆几十年来支配业务运作模式的传统思路,并在探索的过程中为企业带来愈发强劲的竞争力。正所谓“需求是发明之母”,而新冠疫情形势下的新需求又在催生出一项又一项激动人心的技术发明。
好文章,需要你的鼓励
谷歌宣布为Chrome iOS版推出新功能,用户可在工作和个人谷歌账户间轻松切换,无需反复登录登出。该功能支持托管账户浏览,实现严格的数据分离,工作账户的标签页、历史记录和密码等本地数据与个人浏览完全隔离。随着企业不再提供公司手机,员工常需在个人设备上访问公司资源,此更新有助企业允许员工使用自选设备。
复旦大学研究团队开发的AnyI2V系统实现了从任意条件图像到视频的生成突破。该系统无需训练即可处理多种输入模态(包括3D网格、点云等),支持用户自定义运动轨迹控制,并通过创新的特征注入和语义掩模技术实现了高质量视频生成,为视频创作领域带来了革命性的便利工具。
OpenAI宣布其最新实验性推理大语言模型在2025年国际数学奥林匹克竞赛中达到金牌水平。尽管机器在数学推理、代码生成等认知任务上表现卓越,但这并不意味着它们具备真正的智能。机器缺乏知识迁移能力、情感理解、自我意识、内在动机等关键特征。它们无法像人类那样灵活适应新环境,也不具备主观体验和意识。真正的智能需要多方面综合能力,而非仅仅在特定任务上的优异表现。
斯坦福大学研究团队开发了KL-tracing方法,能让视频生成AI模型在无需专门训练的情况下进行精确物体追踪。该方法通过在视频帧中添加微小追踪标记,利用模型的物理理解能力预测物体运动轨迹。在真实场景测试中,相比传统方法性能提升16.6%,展现了大型生成模型在计算机视觉任务中的潜力。