几年前,当澳大利亚红十字会(Australian Red Cross)这个社区服务慈善机构开始进行数字化转型的时候,发现有很多不同的系统无法协同工作。如今,经过数据梳理和发挥作用,可以满足不断变化的需求。
在澳大利亚红十字会数字化转型之旅开始的时候,首席信息官Brett Wilson很快就意识到他们的数据存在问题。他说:“我们整个组织有大约250个应用,这些应用都产生了大量的数据。”但这些信息对他们没有任何帮助,其中大部分数据都是孤立的或者无效分割的,导致一些业务决策和投资都是基于不完整的或者被误读的数据。

澳大利亚红十字会首席信息官Brett Wilson
“如果你对数据没有很好的理解,就无法很好地利用它,”他说。因此,他们开始着手构建一个能够聚合、清理和组织数据的客户数据平台(CDP)。这个平台把捐赠者的交易历史与来自网站、电子邮件、社交和其他来源的行为数据相结合,创建能够推动筹款活动的营销自动化活动,与每位捐赠者进行更个人化的互动。
正确使用数据
有句话说,数据是新型石油,但石油只能使用一次,Wilson说:“我更愿意把数据视为一种可重复使用的可再生资源,可以与其他数据源链接以发现新的洞察。我们数字化转型工作的目标是打造一个数字主干,以便整个企业的很多不同系统都可以协同工作并相互增强。”
大约15年前,企业只是存储数据,并没有真正考虑他们可以用这些数据来做什么。“今天,我们首先要问的问题是,我们是否必须保留这些数据,我们可以用这些数据来做什么,以及我们如何将这些数据转化为商业资产。”为了得到答案,他们寻求外部合作伙伴的帮助。“对我们来说,重要的是我们有合作伙伴,他们知道什么是好的——不仅是在你推出一个系统时,而且从数据的角度,因为我们从许多不同的电子表格和系统中提取数据,需要有人能说你不想引入这些数据,因为它不会在以后增加任何价值。”
税务透明度
在每个财政年度结束时,澳大利亚红十字会都会开展税收活动,提醒人们他们的捐款是可以退税的。“有了正确的技术和更清晰的数据,我们在税收活动后看到捐款增加了10%,我们不能把这一切都归功于数据,但数据绝对是让我们比过去更有效地推广的基础。”
结果不言而喻。过去,澳大利亚红十字会运行着很多不同的Excel电子表格和系统。但现在,每个人(多达20000人)都可以在一个系统上展开工作。此外,他们还开发了全面的数据治理功能,详细说明了澳大利亚红十字会将如何使用数据以及不会使用哪些数据。“换句话说,这涵盖了从我们如何收集信息、与谁共享信息、再到我们必须保留多长时间才能将其删除等所有内容。”这一切都归结于了解哪些数据更具战略性并实现具体结果,这一切都需要进行企业文化上的重大转变。
做出改变
回顾这一过程,Wilson说,变革管理是项目的症结所在,他们本可以做得更好。具体来说,他认为他和他的团队应该花更多时间了解他们所做变革带来的影响,特别是对现场运营和内部运营团队的影响。
“重要的是让每个人都参与进来,这样他们就会明白事情为什么会发生变化,以及他们会得到什么好处,而不是仅仅告诉他们我们正在推出一个新系统,不管他们喜不喜欢,他们都必须使用这个系统,”他说。
他还强调了让员工有主人翁意识的重要性。“毕竟这是他们的平台,我们只是恰好支持部署并维持这个平台,但他们需要适应它,因为他们要使用它。”
最重要的是,不要低估组织变革。“既然我们已经打下了基础,或者说数字支柱已经到位,我们必须专注于改进,但除非我们带着大家一起踏上征程,否则我们就无法做到这一点。这不仅仅是关于技术实施,还需要能够讲述故事,这样每个人都能理解你在做什么以及为什么要这样做。”
好文章,需要你的鼓励
本文揭示了AI时代CIO的七项关键行为特征,基于对多位CIO和AI专家的深度访谈。专家指出,AI精通的CIO需具备实用AI素养、战略视野和变革领导力,能将技术与业务战略对齐,建立强大数据治理基础。文章详细解析了分析型AI、生成式AI和智能体AI三大技术领域,强调数据基础的重要性,并提出CIO应从项目思维转向产品思维,通过跨职能团队实现端到端价值交付。
斯坦福大学等机构联合开发的CIFT系统首次解决了机器人"近视眼"问题,通过精确控制真实数据和合成数据的混合比例,让机器人在陌生环境中的表现提升54%以上。该系统包含多视角视频增强引擎MVAug和数据组合优化策略,能够预测数据失效的"去相干点",确保机器人学习真正重要的任务特征而非环境表象,为实用化通用机器人奠定了重要基础。
尽管苹果在AI竞赛中看似落后,但其私有云计算基础设施展现了技术优势。当行业为追赶大语言模型而降低隐私标准时,苹果坚持原则,开发出保护用户数据隐私的技术方案。谷歌最新宣布的类似实施方案验证了苹果技术路线的正确性,这可能推动其他AI实验室采用相同做法,为用户隐私带来重大胜利。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。