至顶网CIO与CTO频道 03月19日 北京消息:全球领先的信息技术研究和顾问公司Gartner公司认为,由于新冠病毒影响了全球供应链,供应链领导者应在初步危机管理中重点关注三个影响领域。
Gartner供应链业务高级研究总监Sarah Watt表示:“随着新冠病毒在全球的扩散,供应链业务中断加剧,并且消费者的消费习惯也在发生变化。供应主要受到三个方面的影响:员工因防疫而被限制出行、工厂关闭或制造速度放缓以及负责运输货物的物流渠道受限。大多数供应链企业机构都已进入危机管理状态,每天甚至每小时评估影响和响应。”
Gartner建议供应链领导者重点关注三个主要领域。
影响领域一:劳动力
为限制新冠病毒的影响,许多员工根据地方政府的指示或雇主的建议留在家中。雇主已对出差和现场考察进行了管制。对于工厂而言,这将导致无法生产商品并将商品出口到相关市场或其他工厂。只要这种情况持续下去,供应链就无法按照预期运行。
Watt女士认为:“随着病毒在全球蔓延,供应链领导者需要考虑如何保护工人的健康并为患者提供支持。必须通过人力资源部门进行清晰、一致的沟通,同时确保出行安全。随着这场危机的持续,危机管理团队可能会变得不堪重负,进而做出错误的决定。”
影响领域二:产品
新冠病毒可能会改变竞争格局。商品供应商面临失去市场份额的风险,这是因为如果客户未按时收到产品,他们会寻找其他供应商代替。与品牌忠诚度关联性较高的产品可能会因为客户更愿意等待,而在短期内受到的影响较小。随着病毒的发展,消费者可能会采取更为保守的消费方式,消费将集中在基本的生活物资上。
当被迫做出权衡决策时,供应链领导者必须分析和预测新冠病毒对客户需求和产品供应的影响。可基于高收入或高利润率产品的需求来确定优先级别并进行权衡。
Watt女士表示:“供应链企业机构需要根据疫情的发展和消费者的情绪不断重新评估自身的供需计划。供应链可能还会因为该事件而出现产品需求急剧增加或意外的后果,例如人们因恐慌而争相购买生活必需品。”
影响领域三:成本
运输成本的增加会对企业机构产生各种经济上的影响,并且大大增加企业达成财务目标的难度。
Watt女士表示:“就连合同中约定的材料价格和数量都可能失效。供应商可以援引不可抗力因素条款或以其他方式将所增加的成本转嫁到整个供应链中。”
与冠状病毒有关的任何额外费用应引起整个企业机构的重视,而不仅仅是一个部门,这样才能更轻省地根据企业机构实现战略目标和管理利益相关者期望的能力来评估成本。
Watt女士总结道:“可以与法务部门一起分析所有供应商合同。在续约时,应该为企业机构提供万一将来发生类似情况时的财务保障。在此次事件后,供应链必然会与之前有所区别。今后,企业机构将更加关注自身应对变化的能力、风险敞口和业务连续性计划。”
如需了解更多相关内容,请阅读Gartner的报告全文:Coronavirus Alters Supply Chain Dynamics Impacting People, Products and Costs。
如需进一步了解企业机构如何应对新冠疫情造成的破坏性影响的相关信息,请访问Gartner新冠病毒资源中心(Gartner coronavirus resource center)。该中心提供了一系列Gartner免费报告和在线研讨会,旨在帮助企业机构响应、管理和备战新冠疫情的快速蔓延和全球影响。
好文章,需要你的鼓励
树莓派基金会调查发现,尽管60%的家长认为编程是孩子的重要技能,但超过70%的家长表示孩子在正常课程中没有学习编程。该基金会CEO指出,随着AI技术快速发展,年轻人掌握技术理解和创造能力比以往更重要。超半数家长认为编程应成为必修课程,并相信学习编程能提升孩子未来职业前景。为填补学校教育空白,基金会呼吁在学校和图书馆广泛设立编程俱乐部,目标到2035年全球教授1000万儿童编程技能。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
文章介绍了AI大语言模型中最新的深度研究功能,这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法,并重点展示了深度研究功能的实际应用。通过实际测试,作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告,展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。