作为一个经久不衰的炒作主题,大数据已经被视为大型企业机构的专属,而非中型企业面临的挑战或机遇。然而,戴尔软件针对中端市场大数据计划所做的调查结果却截然相反。大数据计划,曾经只是大型企业独有的优势,正在以新的分析工具不断加强IT部门领导与公司业务之间的联系,帮助中型企业机构改进产品质量和决策。
为了寻求推动中端市场采用大数据项目的原因所在,戴尔软件委托Competitive Edge Research 对全球中型企业高管进行了一次调查。着眼于中型企业机构,本次调查显示,大数据项目从根本上给企业带来了重大转变,并成为全球中型企业的一个关键决策因素。调查结果还显示,当今绝大多数的中型企业机构相信大数据项目的潜力将帮助他们解决实际业务问题,他们正在以实际行动来支持这一计划。
调查结果显示中型企业正积极实施大数据计划
本次调查最显著的结果就是:41%的受访者已经制定了一个或多个大数据项目,另外55%的受访者计划在可预见的未来启动一个大数据项目。更进一步的调查结果表明,更多中型企业机构计划利用大数据分析来发展业务,而不只是找到削减成本的方式。其它调查结果还包括:
一系列关键驱动因素推动中型企业拥抱并投资大数据计划。受访者表示,其大数据项目有三大目标,提供质量更高的产品和服务,充分利用新的商机,提高决策质量和速度。紧随其后的目标是,更好地了解客户需求,具有快速响应竞争威胁的能力,以及提升营销计划的有效性。
早期成果带来出立竿见影的影响
尽管许多中型企业才刚刚开始启动大数据计划,但是早期成果显示,这些计划将对其企业机构的生产效率和成功产生非常直接、正面的影响。根据调查显示,正在执行大数据项目的企业机构对生产力和决策的满意度比那些仍在规划阶段的企业机构要高得多。例如:
关键成功因素
戴尔调查显示,作为大型企业机构大数据计划中一个众所周知,但经常被忽视的最佳实践,即IT与业务部门之间的协作是最常提到的中型市场项目成功的前提条件,41%的受访者认为,要想让大数据计划获得成功,必须在两个部门之间进行协作。其它常被提及的成功因素包括:
中型企业机构中已初现成功迹象,但是仍有增长空间
尽管绝大多数企业机构已经普遍看到早期成果,但是仍然有增长空间。管理数据复杂性仍然是中型企业机构所面临的最大障碍,因为他们希望充分获得数据驱动方案的潜在好处。根据调查,40%的企业机构认为管理各种数据类型和结构的需求将是一大挑战,而只有24%的企业机构将缺乏易于使用、高成本效益的数据清洗工具视为挑战[1]。此外,大多数中型企业机构仍然没有将社交媒体及其它大型数据资源纳入其分析工具组合,这意味着有大量分析洞察来源在很大程度上尚未得到开发。
尽管所需的大数据技术的成本和复杂性使得某些机会未被开发,但技术仍然在不断改进,大数据相关项目的预算也在增长。戴尔调查结果显示,没有任何理由表明,中型企业不受益于其对数据更好的分析,更重要的是,他们现在已经清楚的意识到这一点。
引言
“戴尔调查再次证明“大”数据只是相对而言。作为一家拥有海量复杂数据的企业并不是受益于数据驱动思维的先决条件。任何规模的企业机构只要致力于通过提高业务流程的质量而更具分析能力、以数据为导向,潜在的好处就是无限的。中型企业机构大数据计划所获得的早期成功将鼓励其增长和进一步投资,随着他们进一步深入到不同的数据集,并具有不断改进的分析能力,将获得额外的投资回报。这就是为什么戴尔开发了各种跨软件、硬件和服务的解决方案,帮助各种规模的企业充分利用数据和信息更快速地做出更好、更明智的决策。”
-戴尔软件产品管理信息管理执行总监Darin Bartik
关于此次调查
戴尔软件委托Competitive Edge Research对全球中型企业机构的300位IT决策者进行了问卷调查。受访者包括跨领域的总监、经理、副总裁或首席高管,他们担任IT和业务线的领导职务。所谓中型企业,即企业规模在2000-50000人之间。此次调查于2013年11月在美国、欧洲中东和非洲以及亚太区进行。私营和公共企业机构都接受了访问[1]。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。