本次疫情对捷豹路虎的核心业务来说是一场巨大挑战,这包括了工厂停工两个月、半导体短缺以及供应和需求方面的严重挑战。但由于借助了先进的数据分析,这家英国跨国汽车公司不仅经受住了这场风暴,还比预期更精准地做到了,而且利润更高。
JLR’s 40-person data science and analytics team has developed an innovative forecasting engine atop a mixed proprietary/open source stack to the tune of £100 million in revenue during each of the past three years, with £2 million in profit directly attributed to JLR’s data team in 2020 — despite a disastrous global pandemic, says Harry Powell, director of data and analytics at JLR.
JLR的数据和分析总监Harry Powell表示,JLR有一个40人数据科学和分析团队,团队在一个混合专有开源堆栈之上开发了一个创新预测引擎,在过去三年中每年都有高达1亿英镑的收入,尽管这次的灾难性全球大流行,2020年里200万英镑的利润直接拜JLR数据团队所赐。
“One of the key parts of our strategy has been implementing graph technology in the business, and we’ve had some reasonably good results applying it to the supply chain,” says Powell, noting that JLR’s use of graph database technology from TigerGraph has been critical in reducing the automaker’s supply chain planning from three weeks to 45 minutes.
Powell表示,“我们战略的关键之一是在业务中落实图技术,我们将其用在供应链上,已经取得了一些相当好的结果。”他指出,JLR使用TigerGraph图数据库技术,这对于将该家汽车制造商的供应链规划可以从三周缩短到45分钟起到了至关重要的作用。
JLR now plans to deploy graph database technology to address quality improvement and pricing applications for its automobiles.
JLR现在计划进一步部署图数据库技术,用于解决旗下汽车的质量改进和定价应用。
As opposed to relational and non-SQL databases, graph databases detect, capture, and leverage connections among data stored or actively in use in business processes in real time, making them superior to relational databases when tackling challenges involving “incidental and unpredictable relationships,” says Carl Olafson, a research vice president at IDC.
IDC的研究副总裁Carl Olafson表示,相对于关系型数据库和非SQL数据库,图数据库可以进行实时检测、捕获及可以利用存储的数据或在业务流程中积极使用的数据之间的联系,这就使得图数据库在处理涉及“偶然和不可预测的关系”的挑战时比关系型数据库更优越。
好文章,需要你的鼓励
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。