Jeff Lipniskis在PPG公司负责的是IT业务线。作为该公司全球IT、建筑涂料和拉丁美洲的总监,他直接汇报给公司首席信息官,并负责公司建筑涂料业务的全球IT工作,领导该公司有关防护和船舶涂料业务的IT公司,以及监管研发部门的IT工作。
作为在PPG工作了21年的老员工,Lipniskis经历了公司一系列重大投资组合转型和全球化进程。在过去的20年中,PPG进行了60多次收购,销售额增长了大约一倍。如今,PPG是全球最大的油漆和涂料制造商,业务遍及全球65个国家。
近日,Lipniskis在IDC数据和分析峰会上,和IDC分析师Derek Hulitzky探讨了他在PPG公司是如何利用数据为业务战略赋能的。
标准化和灵活性之间的平衡
Jeff Lipniskis:在通过收购进行转型的过程中,你会看到基础设施出现了多样化,有不同的ERP平台,越来越复杂的应用组合。而且更重要的是,当你将这些不同的组合整合在一起的时候,业务流程会发生很多变化。而且,数据正是在业务流程的层面上发生了交汇,数据在这些流程中生成、受到管理。因此,从整个组织的层面来说,我们要花费大量时间在实施标准化上。
如果收购之旅持续进行下去的话,当更多不同组织融合进来,我们将如何优化供应基础?我们如何优化制造和实验室、对其进行巩固并使其具有恰当的规模?我们如何打造一种客户体验,让你觉得你只是在与PPG开展业务,而不是一家收购了60多家不同公司的企业打交道。数据是其中一个关键的部分,对实现这种客户体验起到的推动作用。
但是归根结底,我们需要在IT方面保持灵活,以确保我们达成了这些业务成果的目标。
良好的监管
我们的核心是围绕全球治理和监管开始的,拥有良好的主数据管理,数据丰富的项目和流程标准化,并实现持续发展。
然后我们开始审视这一战略的下一个重要支柱,也就是围绕数据架构进行开发,对数据和定义的统一视图,拥有跨不同系统的资源。那么你如何将其联系在一起,并横跨多个业务线?
选择恰当的工具
作为Azure云上采用微软的客户,我们在报告和分析等方面使用了微软工具集。但是在AI/ML方面,你会看到一些变化,越来越多的是因地制宜,而不是一刀切,也就是说,你要看哪些是最适合你的模型,或者有哪些最现成的工具。这样你就可能有很多个不同的供应商,有时候你需要连接到多个不同的云,利用多套解决方案来构建这个模型或者具备某种能力。
投资数据架构
老实说,我们在这方面的成熟度是非常低的,我们是通过引入外部专业知识才帮助我们达到了当前的架构水平。我们的架构还在不断演进。如今,我们正在构建内部人才和内部能力,从而继续保持该架构的状态并不断演化。如果时光可以倒流的话,在架构上进行的前期投资从长远来看对我们将是有益的。
数据准备
我们的确很专注于所有新系统的实施,以确保我们生成越来越多的数据和遗产都是尚未为人工智能做好准备的。你需要创建数据质量指标,需要进行审计,从第一天开始就进行验证,即使你还没有将数据放入模型中,总有一天它会让你达到你的目的,也许是一年,两年,或者三年,总而言之,朝着这个方向走下去不会有太糟糕的结果。
PPG数据战略的下一步是什么,对我们来说,这将是我们提高现有基础成熟度的举措之一,我认为我们已经打下了一个很好的基础,在这个基础上我们通过学习和适应并继续保持灵活性来不断实现演进。如果展望未来,我相信我们肯定会更加关注人工智能和机器学习所带来的影响,我们将看到人工智能和机器学习技术加快发展,我甚至认为当我们的数据做好了准备,这将是“指数级”的增长。因此,我认为,未来的重中之重将是AI/ML。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
哈佛、MIT联合研究揭示人类语言理解的神经机制,发现大脑通过"信息出口"将语言从核心系统传递至专业脑区实现深度理解。研究提出浅层与深层理解的区别,为人工智能发展提供重要启示,表明真正智能需要多系统协作而非单一优化。该发现可能改变我们对语言认知的理解。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
腾讯混元等团队开发出革命性的AI视频生成自我评判系统PAVRM和训练方法PRFL,让AI能在创作过程中实时评估和改进视频质量,无需等到完成才反馈。该技术使视频动态表现提升56%,人体结构准确性提升21.5%,训练效率提升1.4倍,为AI视频生成质量带来质的飞跃。