至顶网CIO与应用频道 05月25日 人物访谈(文/王聪彬):5年前,Teradata天睿公司首席运营官Oliver Ratzesberger刚刚加入Teradata时就在关注如何通过技术、方法、产品获得成功。2年前,他在迪斯尼世界分析师大会上给1500多位数据科学家、高级分析人员介绍未来企业的发展方向。
正是这次分享成为一个契机,一些高管纷纷建议Oliver应该写本数据分析相关的书,来帮助不同行业的企业通过数据取得成功。
Teradata天睿公司首席运营官Oliver Ratzesberger
所以在2017年Teradata Partners全球用户大会上,Oliver就带来了与美国西北大学凯洛格商学院Mohan Sawhney教授合著的《感知型企业:数据驱动的商业决策演进》(The Sentient Enterprise: The Evolution of Business Decision Making),现在中文版也正式出版并来到中国。
感知型企业是一个循序渐进的过程
Teradata所提出的感知型企业,是让企业可以像人一样可以感知环境的变化并进行反馈,企业则可以在激烈竞争的商业环境中获得成功。
《感知型企业》一书则为根据数据增长速度做出快速决策的企业提供了路线图,并概述了感知型企业的五大基础特质:
主动性:能够感知下一个机会的信号或预警下一次危机的小趋势;
无障碍:企业作为单一的组织存在,而不会受到数据孤岛的阻碍或瓶颈影响;
自动化:能够聆听数据,并进行实时决策,无须太多人工干预;
可扩展性:适合任何规模的企业,帮助它们利用任意数据做出业务决策;
可演进性:通过原生的、自然的智能实现决策的演进。
当然感知型企业并不是一蹴而就,应是一个循序渐进的过程。感知型企业的演进分为五个阶段,即五个平台的建设:敏捷数据平台、行为数据平台、协同思维平台、分析应用平台和自主决策平台。因为在每个阶段中,企业追求和关注的重点不同,数据分析带来的价值也不同。
根据需求的不同,每一个企业都有着不同的感知方向,Teradata会通过咨询帮助企业找到洞察所需要的数据分析,之后利用Teradata技术建立可扩展的平台。Oliver举例到,中国一家企业不希望数据只是存在静态的数据湖里,而是获得动态7*24小时的实时分析能力。一家全球智能手机厂商希望跟踪每一个供应链中销售的手机,通过数据保证质量以及开发新产品。
而且感知型企业一定要保证结果是可复制的,所以敏捷性和合作性是非常重要的。Teradata Everywhere、四维分析等服务都可以使数据分析尽可能的简化,通过平台的建立让数据科学家和其他员工专注于提升最终的业务结果,而不是纠结在细节数据上。
按需构建自己的感知能力
在Teradata看来,金融、零售、通信等行业在感知型企业都在构建自己的感知能力。
像迪斯尼在感知上就走在了前沿,几年前其就推出了“魔力腕带”,游客通过腕带不仅可以进行消费、订酒店等,还可以获得优惠。这种定制化的体验,让不同年龄段的游客都可以得到最优质的服务体验。
腕带中的传感器还可以让迪斯尼了解到客户的行为数据,比如在哪里消费、参与了哪些娱乐项目。通过这些信息进行优化,迪斯尼可以将进园数提升4倍,各个项目等待时间可以节省80%。
但相比金融、零售、通信行业在数据的使用上,制造业却相对滞后。中国是制造业大国,Teradata则看到制造业的前景可期,因为制造业未来的传感器数据将无数不在。
Oliver特别提到四维分析(4D Analytics)在未来制造领域的应用,四维分析可将三维空间位置数据与作为第四维度的时间相结合,特别是在边缘计算应用中可发挥重要作用,轻松管理时间与位置常变变量,并轻松结合运营及客户数据,达到之前无法实现的大规模数据分析。
总体看来,感知型企业在技术角度要做到可扩展性和运营简便性两方面,当然文章开头也提到成为感知型企业不仅仅需要技术,在企业内IT部门和业务部门应该打破孤岛式的沟通,建立有效的协作方式。
好文章,需要你的鼓励
Atlassian、Intuit和AWS三大企业巨头正在为智能代理时代做准备,重新思考软件构建方式。当前企业API为人类使用而设计,未来API将成为多模型原生接口。Intuit在QuickBooks中应用自动发票生成,使企业平均提前5天收款;AWS通过AI辅助迁移服务显著提升效率;Atlassian推出内部员工入职代理和客户代理,节省大量时间成本。专家强调需要建立强大的数据架构和信任机制。
这项研究首次系统评估了AI代码智能体在科学研究扩展方面的能力。研究团队设计了包含12个真实研究任务的REXBENCH基准,测试了九个先进AI智能体的表现。结果显示,即使最优秀的智能体成功率也仅为25%,远低于实用化要求,揭示了当前AI在处理复杂科学推理任务时的显著局限性。
MIT研究发现,使用生成式AI完成任务时,大脑运作方式与单纯依靠自身思考存在显著差异。研究显示,使用ChatGPT等工具的用户记忆力更差,神经连接活动减少,对所写内容的回忆能力明显下降。虽然AI工具能提高效率,但可能导致用户缺乏对知识的深度理解和掌控感。研究强调需要更多科学数据来了解AI使用对人类认知的长期影响。
俄罗斯莫斯科国立大学研究团队开发出MEMFOF光流估计新方法,在保持顶尖精度的同时将1080p视频分析的GPU内存消耗从8GB降至2GB,实现约4倍内存节省。该方法通过三帧策略、相关性体积优化和高分辨率训练在多个国际基准测试中取得第一名成绩,为高清视频分析技术的普及奠定基础。