这家总部位于美国弗吉尼亚州里士满的货运公司运营着一支由8500多辆拖拉机和34000多辆拖车组成的车队,为了推动自助服务分析,以及提供客户和内部利益相关者为了满足客户运输要求所需的实时信息,Estes Express已经着手开展一项致力于改善数据集成和数据管理的数据转型之旅。和很多大型组织一样,Estes Express Lines在开展数据转型之旅之前,数据是分布在不同的数据源中,这意味着每个敏捷项目团队都必须编写自己的代码来访问这些源系统中的数据。
Estes Express Lines公司数据战略、商业智能和分析高级总监Bob Cournoyer表示:“除了影响客户体验外,缺乏无缝的数据集成和数据管理策略,还对上市时间产生了不利影响,耗费了宝贵的人力资源。”
数据问题影响业务成功
随着运输问题受到更严格的审查,Estes Express Lines的客户也越来越关注有关他们货运情况的最新详细信息,例如预期费用、交货时间以及货物是否损坏。虽然Estes Express已经有一个数据仓库,但主要是用于分析的,由于这个数据仓库是每24小时批量更新一次,因此是无法做到实时工作的。
Cournoyer说:“数据是无处不在的,在云端、在本地、在整个组织的多个数据库中,甚至有时是在桌面上的,所以我们无法满足客户的需求。这让客户和服务客户的人都感到十分沮丧。”
从多个来源提取数据,然后以通用方式共享这些数据,也给Estes Express公司的IT部门造成了损失。“我们基于云的系统本质上是非常具体并且完全不同的。例如,我们使用Salesforce CRM来管理客户,使用Oracle ERP管理后台功能。很多时候,来自所有不同系统的数据需要合并在一起,这是一个乏味的过程。用户无法自助服务,我们必须为他们分配资源来满足这种需求。”
在旧系统的模式下,IT必须编写ITIL流程来获取请求的数据,然后将这些数据移动到另一个数据库以供业务用户访问,而不是直接连接到实际数据源。“每次有人对新信息提出新请求时,我们都必须调动代码而且要经历整个测试生命周期。至少可以说,这对企业来说的确是令人沮丧的。有一段时间,我的数据团队有15人,其中7人都只能忙于数据分析了。”
这些数据瓶颈还导致上市时间延迟。“每当我们需要交付能够为业务增加价值的解决方案时,我们都必须花费额外的时间来获取数据和数据分析,可能还需要编写代码。根据复杂性的不同,这可能会让项目延长六到八周的时间。”
除了这些迫切需要数据管理平台的挑战之外,Estes Express公司还肩负着减少技术债务的使命。正如 Cournoyer所说,“我们不想继续挖得更深。复制数据和移动数据是有成本的,我们希望避免这部分成本。”
面向未来的Estes Express数据战略
考虑到这些挑战,Cournoyer开始着手制定一项数据战略,旨在让数据可供内部业务用户和IT系统实时使用,而不会产生任何技术债务。
他说:“首先,整个IT部门进行了重组。数据团队被解耦,所有的数据分析师都组成了不同的敏捷团队,这样他们就可以去支持任何数据需求。然后,我们开始探索打造一个平台来解决数据问题。”
Estes Express公司对包括IBM在内的所有大型厂商进行了评估,最后决定采用Denodo的逻辑数据结构访问所有企业数据并在一个中央位置提供这些数据。
“在部署解决方案之前,我们决定进行为期六周的概念验证。我们选择了最需要的几个关键数据领域并将其进行虚拟化,这些领域约占我们整个数据领域的10%。我们在六周的时间内构建并交付了一些基于这些数据领域的API,我们与以前从未见过该系统的内部团队一起完成了整个过程。这就是学习和使用新解决方案的简单之处。”
在六周结束的时候,Cournoyer和他的团队“能够对两三个关键概念审批回业务端”,概念验证工作被转移到下一个项目。“在此期间,我们能够映射超过50%的数据,并开始使用该产品的一些更高级的功能。现在,也就是一年半之后,我们已经对此非常精通了。”他还补充说,现在Estes Express公司“有超过90%的数据已经是完全映射的”。
虽然Estes Express公司选择本地实施是因为他们仍然拥有大量的本地运营数据,但数据结构涵盖了他们所有的内部数据源和基于云的数据源,通过建立单一真实来源实现实时数据的一致性。
提升客户体验,缩短上市时间
有了由数据虚拟化提供支持的逻辑数据结构,Estes Express公司现在就能够实时管理、集成数据并将数据交付给任何用户,无论源数据在什么位置、是什么格式。
Cournoyer说:“我们的客户服务代表现在可以轻松地获得信息,不再需要自己摸索或者搜索了。这种将价值回馈给我们的客户和我们的内部客户的能力是巨大的。对货物位置以及在系统中流动情况提供前所未有的洞察力,这实现了最佳的客户体验。”
“我们通过第三方公司衡量客户情绪。他们后来告诉我们,我们的数据增长了。此外,我们可以分析客户评分并进行情绪分析,以调整产品以改善客户体验。”
新的数据策略还缩短了上市时间。他说:“在某些情况下,过去我们需要数周甚至数月的时间来提供解决方案。而现在,我们可以在几天甚至几小时内完成。上市时间的缩短帮助我们更快地向应用业务用户提供数据,并且还将劳动力成本降低了10%。”通过为所有项目启用集中的、一致的数据,部署后的问题也减少了,从而节省了公司的时间和资源。
而且,IT部门不再需要移动和存储数据了,通过减少SQL数据库的数量、降低许可和存储成本,减少了公司的技术债务。
新的数据战略还帮助Estes Express将API开发带回内部。Cournoyer说:“以前我们是花钱请第三方公司为我们构建API。过去我们需要六到八周的时间才能获得API,但如果这个过程中需求发生变化,他们就必须返回并重新设置。现在我们借助这个新的数据平台,两个小时之内就能构建几个API。我不知道如何给出一个数字,但我们对第三方构建API的依赖确实已经大大减少了,这对我们来说是一个巨大的成本节约项。”他还补充说,基于数据结构的策略,也为Estes Express公司新的数据治理方案奠定了基础。
好文章,需要你的鼓励
Forrester副总裁兼首席分析师高恩德在访谈中表示,尽管AI技术广泛存在,但在生产力统计数据中并未体现革命性改变。他引用美国劳工统计局数据指出,个人电脑时代同样未能显著提升生产力增长率。研究显示,95%的生成式AI项目未产生实际投资回报。Forrester预测到2030年AI可能取代6%的工作岗位,约1040万个职位,但目前大部分企业裁员主要出于财务考虑而非AI替代。
中国人民大学联合快手科技研发的DPWriter系统通过创新的"多样化规划分支"策略和智能奖励机制,成功解决了AI写作中质量与创意多样性难以兼得的问题。该系统让AI先制定包含五个维度的详细写作计划,在规划阶段进行创意分支,再配合双重奖励评价体系,实现了在保证写作质量的同时大幅提升创意多样性。实验显示新方法在多样性指标上提升15%,为AI辅助创意写作开辟了新路径。
谷歌发布Personal Intelligence工具,让用户可根据个人偏好定制Gemini聊天机器人。该工具能访问Gmail、谷歌相册和YouTube等服务中的个人数据,提供更精准的回复。例如分析收件箱中的餐厅预订来推荐食谱,或利用汽车照片回答维修问题。工具提供多项隐私控制选项,默认关闭且用户可自定义访问权限。初期仅向美国付费用户开放,未来将扩展至免费账户和国际市场。
ellamind公司研发的sui-1是首个能为长文档摘要提供精确引用标注的AI模型。该24B参数模型通过创新的XML标签系统,为每个摘要观点标注原文出处,解决了AI摘要"不可验证"的核心问题。模型可处理10万词文档,支持200万词超长文档的迭代处理,在准确性测试中达到84.2%,远超同类开源模型。研究团队采用Apache 2.0许可证完全开源模型和训练数据,为政府、法律等需要高准确性的领域提供可信赖的文档分析工具。