至顶网CIO与CTO频道 06月24日 北京消息(文/王聪彬):2020年可以说每一天都在见证历史,新冠疫情的突然造访就如同“黑天鹅”不期而至,而企业现在还不开始数字化转型就如同“灰犀牛”存在潜在风险,当下在黑天鹅和灰犀牛的夹击下,经济和市场都产生了巨大的影响。
疫情之后,也将引发全球宏观经济的巨大变化,客户发生新的变化,组织需要新的能力,技术需要新的架构,行业需要新的生态,在这个变化的过程中数字化转型也将成为疫后企业新需求的核心,通过数字化来打造未来企业。
“数据是企业进行数字化转型的核心,企业需要利用数据和分析来发展他们的业务。” Tableau大中华区总裁叶松林说道,我们的使命就是帮助人们查看和理解数据,尤其在这个多变的时代,就更加意义非凡。
Tableau大中华区总裁叶松林
数据价值被逐渐放大
经此一“疫”,数字化转型已经从迫不及待转变成不能等待。叶松林认为,数据和数据分析是数字化转型的关键,如果不把数据加以分析利用,数据将失去存在的意义,Tableau希望帮助企业完成数字化转型,成为一个数据驱动型的企业。
我们也看到数据在此次疫情中就扮演了重要的角色,通过数据的运用制定了各种防控措施。同时在复工复产中,数据同样也在驱动企业在新环境下更好地开展经营,这些都是数据产生的价值。
Tableau可以则可以通过三个方面帮助客户使用数据,第一、在危机时期更快作出应对:在快速变化的环境中迅速获取分析洞见,根据您信任的数据做出更明智的决策,充分利用专家云集的全球社区;第二、适应新的业务现实:灵活敏捷的探索新的业务方向,利用外部数据源获得更丰富的视角,确保所有人及时了解最新情况并积极参与;第三、用数据为所有人赋能:从数据洞见到行动一气呵成,运用人工智能发现新的洞见,扩展到整个组织。
同时Tableau在疫情期间建立了COVID-19 Data Hub新冠疫情数据中心,帮助企业领导者和公众免费获取数据帮助决策,其数据汇集了专家和Tableau社区的所有资源;Tableau On Tableau则通过分享内部案例,展示Tableau在疫情中如何进行跨职能的分析,从而帮助客户更好的使用Tableau。
在中国,Tableau还针对疫情开放了员工赋能计划,员工通过14天的学习可以获得可视化分析的基本技能,同时为个人开放90 天免费在线培训平台 eLearning。在商务上,面向大型企业提供测试及试用产品,面向小型企业免费提供3个月软件许可,并且联合经销商提供优惠活动。
用数据创造新的可能性
数据在疫情中的使用正变得更加重要,远程办公是疫情期间的主流办公方式,在这样的环境下,很多时候就需要每一个员工做出决定,而不是像之前将大家聚在一起做决定。让每一个员工做出更好的决策就需要数据的支持,同时也需要高层的信任。
同时在疫情发生后,企业在使用数据上也发生了一些变化。叶松林表示,企业过往一直在探讨的是“已知的不知道”,像门店位置对营业额的影响等,但是现在企业更愿意去探讨“未知的不知道”,像天气对于营销的影响,并且通过使用COVID-19 Data Hub新冠疫情数据中心的数据与企业自身数据交叉对比,创造新的可能性。
在具体的案例上,疫情期间全球领先的专业服务公司怡安为客户提供及时的数据洞察服务,帮助客户有效地调整业务模式。怡安在其产品的后台系统嵌入Tableau后,帮助客户的数据分析效率提高50%以上,并且有效地为商业决策进行数据挖掘。这一新工具还帮助组织更灵活、更有效地管理人才和运营,以应对疫情带来的困难。
Tableau也与一汽大众合作,在疫情期间通过直播学习、在线答疑、作业复习等方式进行在线数据分析培训。不仅为公司储备了大量的数据可视化分析人才,也促进了企业的数据驱动文化,对加速公司恢复生产和数字化转型起到了非常重要的作用。
在未来,数据分析将越来越受到重视,政府、制药等各行各业都将加大投入。同时Tableau也将从促进信任、培养人才、寻求支持、鼓励分享、改变观念五个维度辅助构建数据驱动型企业,在后疫情时代实现长期发展。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。