作为家喻户晓的家居用品品牌,惠而浦年销售额达220亿美元,在全球拥有54个制造和技术研究中心,拥有KitchenAid、Maytag、Amana、Yummly等多个知名品牌。该公司在全球拥有69000名员工,该公司的高级副总裁兼首席信息官Danielle Brown对如何最好地领导公司的数字化转型战略有着独到的见解。
Brown于2020年11月进入该公司,领导其全球信息系统(Global Information Systems),她明白交叉协作和有效利用数据来创建新产品和服务不仅对未来的成功至关重要,而且对于履行职责来说也很重要——拥有这样一个位高权重的职位意味着拥有发言权,并要了解技术的发展方向。
她表示:“我们的愿景是成为最好的厨房和洗衣公司,不断追求改善家庭生活,这在过去几年中变得更加明显和重要。”“数据显示,人们继续更加持续地使用我们的产品。我们还发现人们在家里更多地在网上研究、浏览和采购。所有这些都让我们的业务出现了转型。”
当然,端到端的消费旅程一直是惠而浦在推进的一项工作,这项工作在Brown到来之前就开始了。她表示,“但是,在我们的领导团队中,关于IT我经常说的一件事是,我们对公司有独特的看法。我们可以看到所有不同的流程,因此有独特的有利位置,我们的部分角色就是连接其中的很多点。这就是我们有机会将其作为一个完整的旅程进行讨论,并了解消费者感受的地方。我们必须思考技术以及作为一个IT组织是如何分层的。这是我们带来的一部分价值。因此,随着我的加入,这是IT部门作为领导团队开始关注的一些事情。”
Brown最近与CIO Leadership Live主持人Maryfran Johnson探讨了利用传感器数据提升产品功能、加速数字孪生战略、重塑供应链动态等话题。下面是这场采访的一些编辑摘录。想了解更多见解,请观看下方的完整视频。
四个战略重点:一个是提供产品领导力,其中包括支持整个产品生命周期中的数字孪生和数字线程等技术的数据和技术。这正是IT部门真正帮助实现产品领先地位的用武之地。第二是利用物联网和人工智能来支持我们可以为消费者提供的新数字服务和新的数字产品。第三是利用技术从采购前到采购后与客户互动,从而赢得数字消费之旅。我们的第四个战略重点是重塑价值链,提高知名度。这是我们IT部门与业务合作伙伴并肩工作推进这一目标的另一种方式。因此,我们的战略重点从头到尾经受住了时间的考验。
重新招募人才:今天的员工比过去有更多的选择。作为一家公司,我们必须确保推广我们的价值主张。俗话说:“人们会离开老板,但不一定会离开公司。”他们希望自己的老板是一个关心他们事业的人。他们首先承担的是员工的角色,但是他们与自己的老板或者主管合作,因为他们的视野有限。因此,我们有一个被称为“职业指南针(Career Compass)”的工具,它分享员工的经验,并帮助员工知道经理关心他们的职业生涯。当你在一个组织内经历了多位领导或者有一些新的领导时,你不希望你的履历被遗忘。因此,我们从这个人目前已有的职业生涯开始,然后探索你想在职业生涯中向什么方向前进,但不是沿着传统的阶梯。我曾听到它被称为格栅。有许多不同的路线可供选择。这不一定关乎职位或晋升;这是关于某人希望在职业生涯中拥有的经验,因为如果你想成为全球CIO或企业架构师,就需要这些经验。这样的事情真的很有效,可以让公司留住人才。
创新生态系统:你必须考虑哪些是真正成熟的技术,而哪些技术更具投机性。人工智能和机器学习在今天已经成熟。你还可以进行自然语言处理,通过RPA和类似性质的东西来做技术。因此,我们正在业务和市场中使用这些技术。你也可以使用一些更具投机性的技术,例如元宇宙和区块链等技术。对于像这样的新兴技术,我们会在内部进行试验,思考如何将它们应用于我们的业务,以及它能够如何创造新的或者不同的机会。但是技术必须为最终消费者增加价值。不能只是为了技术而技术。
企业数据战略:我自认是一个数据极客。在使用内部数据的时候,你需要管理这些数据。两者都极其重要。我们的首要任务是提供产品创新,并拥有以数据为根本的数字孪生或数字线程。它与我们的产品组织战略配合,同时还要简化数据并确保其以数字化的方式贯穿始终,或者嵌入到我们的记录系统之中。围绕产品数据的正确治理也必须到位,以便贯穿整个产品生命周期。这就是数据治理对我们组织至关重要的原因,而分析是释放价值的一种方式。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
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。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
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。