高露洁-棕榄的起源可以追溯到1806年。当时,刚从英国移民至美国短短两年的William Colgate在纽约市荷兰街开了一家制造淀粉、肥皂和蜡烛的工厂,就定名为William Colgate & Company。多年过去,这家小厂凭借着牙膏、棕榈油加橄榄油制成的新型肥皂(棕榄之名就源于此)和一系列健康卫生产品的热销,逐步扩大了自己的商业版图。
如今,高露洁-棕榄已经发展成市值170亿美元的跨国企业,也是口腔护理领域的全球领导者。高露洁品牌除家庭口腔护理之外,还在个人护理、家庭日用、皮肤健康和宠物营养等领域保持着行业优势。而为了不断推动健康与卫生产品创新、更好地为消费者服务,高露洁决定借助数据与分析技术的力量。
高露洁很清楚,作为一家拥有200多年历史的老牌厂商,数据和分析技术将成为其下一阶段保持创新和业务增长的关键。高露洁为此专门设立了首席分析与洞察官职务,展示出这家公司重塑决策流程、拉动业务增长的决心。
身为高露洁的首席分析与洞察官,Diana Schildhouse于2021年开始接起这副重担。在此之前,她曾担任美泰全球战略、洞察与分析高级副总裁。在加入高露洁之后,Schildhouse作为高层领导团队后员直接向集团战略与增长总裁汇报,并与各级业务管理者密切合作。单从这样的报告结构,就能看出高露洁对于数据和分析技术在塑造企业未来方面寄予的厚望。
高露洁还为数据和分析技术制定了明确的应用原则:对数据和分析的投资,必须带来可量化的商业价值。为了确保业务产出的可量化性,高露洁选择了由用例驱动的“业务至上”方法。其基本思路是首先询问企业需要解决哪些“重大业务问题”,例如收入增长管理(RGM)中的产品定价、促销与分类、营销、媒体效能以及数字商务等环节。
Diana Schildhouse最近在波士顿召开的首席数据与分析官(CDAO)碰头会上强调,高露洁将使用数据和分析技术更好地服务客户、为消费者提供更多选择,并借此实现业务增长与价值提升。不同于多数行业CDAO将主要精力投入到监管、合规和风险管理等“防御性”数据分析的思路,Schildhouse表示她的重点在于“100%进攻”,即主动利用数据分析推动业务增长、创新新产品、更好地服务于消费者。犀利的切入角度赢得在场数据与分析高管们的喝彩,他们也表示渴望将更多时间用于扶持业务发展。
高露洁对于数据和分析的重视,特别是借此服务消费者并推动创新的决心,已经在多项实践措施中得到体现。首先,高露洁与内部业务主管和外部合作伙伴联手,统筹多个数据源,借此更好地了解消费者需求,再根据信息预测制定产品研发方向。例如,高露洁公司已经成功采用专有的图网络方法分析消费者们在谷歌、百度和Reddit等搜索引擎上的查询模式。这能帮助他们更好地了解消费者浏览过程,借此确定潜在的消费者需求,再有针对性地对自身产品组合做出创新。如此一来,从七零、八零后的健康诉求,到千禧一代的养颜需要,都能被高露洁所明显掌握。
在研发领域,高露洁也一直走在利用AI和机器学习(ML)改善消费者体验的最前沿。AI/ML已经在研发创新领域遍地开花,包括利用专利算法分析临床数据、识别新兴趋势、预测新配方的功效、明确消费吸引力和设定上市时间等。凭借着AI技术在口腔护理、皮肤健康和宠物营养等业务领域的科学应用,高露洁获得了2020年的爱迪生奖。
尽管不少组织都在口头上支持数据驱动转型,但高露洁却把这些观念落到实处,在企业内部建立并嵌入了数据与分析文化。高露洁内部成立了新的数据素养与分析学院,负责阐释涉及数据和分析技术的术语热词,保证把这些看似神秘的数据和分析概念透彻解释了那些创造商业价值的一线员工。结果就是,业务团队在使用数据和分析时表现得愈发轻松且自信。
高露洁还增设了其他课程,包括面向所有的数据科学课,希望将数据科学概念转化为简单的业务术语和表达形式。高露洁公司董事长兼CEO Noel Wallace也以身作则,亲自参与分析培训,并强调“数据和分析是高露洁每个岗位的重要组成部分。”Schildhouse及其团队的作用就是确保将数据文化融入“日常业务流程”,确保公司中的每位成员都习惯于用数据讨论每一项或大或小的决策。
展望未来,Schildhouse表示她的团队将进一步扩大数据和分析的应用范围,立足高露洁内部的更多领域、用例和市场推动业务价值量化,真正将数据和分析嵌入到所有日常活动当中。她还提到,整个过程将高度强调“以人为本”,而且不只是要深入了解高露洁的消费者、更要专注于业务合作伙伴们的真实诉求,在各个业务层面都充分尊重人们的愿望与感受。Schildhouse总结道,“我们致力于用数据和分析 力量推动整体业务增长与创新,包括我们如何制定决策、如何创造产品、如何与人互动。”
从这个角度来看,这家拥有200多年发展历史的企业正在践行承诺、引领潮流,通过拥抱数据和分析之力推动业务转型。相信这种与时俱进的勇气,也将让高露洁继续获得全球消费者们的青睐。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。