企业在使用大数据这件事上已经不是一件新鲜事,虽然出发点或有不同,但最主要的原因还是为了提升客户体验、降低风险、增加收入和利润。
Cloudera也与技术市场研究公司Vanson Bourne联合编写了《Cloudera企业数据成熟度报告:认识企业数据战略对业务的影响》报告,报告采访了2100位IT决策者,以及1050位业务决策者,亚太地区有700多位参与调查,其中150多位来自中国。
数据使用和价值
调查显示,企业的数据源各种各样,数据库的客户数据是最主要的来源,其次是物联网数据、客户情绪数据、以及供应链数据。企业可以通过增加数据源使用更多的数据,与IT决策者相比,高层决策者对数据的分析和使用更多。
企业使用最多的是IoT边缘设备管理、AI/ML以及数据科学协作工具。在部门的使用上,以业务和IT为主的部门对数据的分析和使用最多,运营和服务客户/关系管理部门使用较少。
企业数据战略
企业通过制定路线图来帮助企业现有数据源的优先级别非常重要,目前看来大多数的企业已经落实了数据战略。当然战略有效性不是一蹴而就,49%的采访对象认为他们的数据战略非常有效,其中数据战略实施超过一年的企业中,63%的采访对象认为他们的数据战略非常有效,在实施未超过一年的企业中,28%的采访对象认为他们的数据战略非常有效。
而且数据战略实施超过一年的企业,平均利润增长达到了4.85%,96%的高层决策者认为企业处理和管理数据对业绩产生了积极地影响,而且数据战略更成熟的企业更好地应对了新冠疫情。
调查也发现,提高数据管理和分析能力将是未来三年的首要事项。96%实施企业数据战略的IT决策者同意,目前数据战略是其业务韧性的关键;97%采取企业数据战略的IT决策者还认可数据战略可以帮助公司更有效地采用混合员工队伍;95%的IT决策者认为公司的技术和基础设施有效改进空间,满足他们现有和未来的数据战略需求。
混合模式的发展趋势
未来18个月内,企业将进一步把位于本地的数据和性能分析转移至多云环境中,混合数据云使企业可以快速、轻松地访问和分析数据以做出更加明智、以数据为导向的决策,并且更加有效地满足企业在当今竞争激烈环境中的需求,向混合多云环境转变无疑将给企业提供服务客户和满足业务战略需求方面的绝佳机会。
企业也投资用于支持混合办公和基础设施,企业高管表示,43.07%的员工2022年将继续远程工作,因此企业正在投资基础架构,以支持混合工作环境。79%的企业希望将其数据和性能分析功能部署在混合架构上。在各种云选项中,多云明显更受青睐。44%的IT负责人表示在未来十八个月内更倾向于采用多云架构。凭借混合数据云,企业可以快速、轻松地访问和分析数据,做出更明智的数据驱动型决策,进而有效满足企业在竞争激烈的商业环境中的创新需求。
业务计划
很多企业把42%的资源和时间用于云的迁移和战略,还有38%的时间和资源是投入在数据治理、数据管理方面。
36%的IT决策者认为企业的数字化转型已经是业务战略的全部,16%认为是大部分,但总的来讲绝大多数企业都认为数字化转型和他们的业务战略是息息相关的,只有大概1%的人认为数字化转型和实际业务没关系。
“在数字化转型过程中,大数据可能是企业碰到比较大的困难。”Cloudera大中华区区域副总裁王刚(Galen)表示,如何用比较领先的架构节省成本,大数据技术更新迭代速度,以及大数据人才的缺乏都是其中的难点。
多以拥有有效的企业数据战略,企业能够更好地运用数据分析衡量和评估员工多元化计划。通过对内部多元化的深入了解,企业能够改善决策、推动创新,并提高员工的工作积极性。
好文章,需要你的鼓励
美光发布新款2600客户端QLC固态硬盘,采用自适应写入技术动态优化缓存,使QLC闪存达到TLC级写入性能。该技术通过顶层SLC缓存处理新写入数据,二级TLC缓存应对SLC满载情况,空闲时将数据迁移至QLC模式。硬盘无DRAM设计,采用Phison四通道控制器和美光276层3D NAND,提供512GB至2TB容量选择,相比竞品QLC和TLC固态硬盘,顺序写入速度提升63%,随机写入速度提升49%。
澳大利亚堪培拉大学研究团队首次发现AI在调试代码时存在"疲劳"现象,调试能力会按指数衰减规律急剧下降。研究提出了调试衰减指数(DDI)评估框架,能预测AI调试的最佳干预时机。通过战略性重启方法,在合适时机让AI重新开始,可显著提升调试成功率而无需额外计算资源,为AI编程工具的优化使用提供了科学指导。
在AMD AI推进大会上,CEO苏姿丰展示了公司在AI硬件和软件方面的显著进展。新一代MI350系列GPU性能提升4倍,高端MI355X在内存、计算吞吐量和性价比方面均优于英伟达B200。公司计划2026年推出Helios机架级平台,ROCm 7推理性能提升3.5倍。尽管在GPU训练、TCO优势等方面表现良好,但在NIMs微服务、企业级GPU市场渗透等领域仍需加强,以进一步缩小与英伟达的差距。
Cohere Labs研究团队提出了一种革命性的多语言AI优化方法,无需重新训练模型即可显著提升非英语语言的表现。通过"多重采样+智能选择"策略,让AI生成多个候选答案后选出最优回应。实验显示该方法让8B参数小模型在多语言任务上挑战大型商业模型,平均性能提升6.8-17.3个百分点,为AI多语言应用开辟了高效可行的新路径。