过去两年当中,企业用户眼中最热门、最时髦的词汇就是“大数据”。众多公司拼尽全力想弄清楚自己到底如何对收集到的数据加以利用、又需要怎样将其转化为竞争优势。不过根据麻省理工学院信息系统研究中心主任Jeanne Ross的观点,这类方案并不是一套能够万试万灵、广泛适用于当今企业需求的解决办法。
作为《你可能根本不需要大数据》一文的作者,Ross提醒企业用户在着手购买之前认真分辨那些包围着大数据的炒作迷雾。
“我认为大家会在大数据世界的游历当中不断成长,”Ross指出。她解释称,确实有一些来自特定行业的企业利用大数据获得了一定的竞争优势。举例来说,她提到石油与天然气行业长期以来一直利用大数据帮助其决定何时、何地投入大量资金建设基础设施。然而特定产业的成功案例并不一定足以指导或者被推广到其它领域当中。“我确实见证过众多客户在实践活动中取得了辉煌的成功。我们只是还没有找到能够将其再现的确切方法。”
当被问及这些企业在感受到大数据问题的解决难度并因此产生恐惧是否属于认知偏差时,Ross指出“不,其实不存在什么偏差。如果大家自认为做不到,那么结果往往也确实如此。”对于那些第一次意识到大数据当中蕴含潜在价值的企业而言,这样的结论确实令人有些沮丧。
感兴趣的朋友可以观看下面这段完整的采访视频:
“我认为大多数企业其实并不属于数据驱动型机构,”Ross解释道。“我认为他们其实属于指标驱动型。”
这种差异的意义其实非常重大。当下众多企业都能对特定类型的数据作出响应,但要想真正转化为数据驱动型机构、他们需要深入意识到数据的重要价值。举例来说,Ross援引了来自澳大利亚的付费电视服务商Foxtel作为论据。
“他们很清楚自己计划推出什么样的产品,也很清楚客户们希望收看哪些频道,”她指出。然而这些信息并不足以帮助他们制定战略决策。“他们重新审视了各个环节,并意识到‘数据驱动’的核心含义是什么。事实上,他们根本没有必要刻意强迫自身向所谓数据驱动靠拢。”
在谈到CDO这一新兴角色时,Ross解释称目前普遍存在这样一种假设,即一旦某家企业引入了CDO职位、那么所有与数据相关的工作都可以将其打理,也就是说几乎没有进一步关注此类话题的必要了。Gartner通过调查发现,25%的受访企业计划在未来一年内设置CDO职位,但Ross强调称绝大多数企业可能根本没必要聘用这样一位新高管。
要成功运营一家企业,关键在于准确把握并维护好真实的单一数据来源。企业中的很多部门都需要操作数据来证明自身具备盈利能力或者能为企业的整体发展作出贡献。从长远角度看,这种作法明显不利于企业进步,毕竟不同的数据往往会带来完全不同的分析结果。
一旦企业找到真实准确的单一数据来源,Ross认为接下来最关键的工作就是制定一套自上而下的贯彻性策略。“我们需要让员工明白,犯错误是不可避免的。大家犯错误的速度越快,从中学到的东西就越多、而成长的周期自然也就越短。”不过如果企业中有人不愿意承认错误与失败、甚至因此拒绝融入这种文化模式,那么此类策略也彻底失去效力。
当前技术趋势可谓瞬息万变,特别是在过去五年当中,因此希望借助技术手段获取竞争优势的企业必须睁大眼睛、提起戒备。充分利用大数据潜力所需要的绝不仅仅是资金投入,还要求管理者对企业整体以及其中的每个组成部分具备深入了解。
好文章,需要你的鼓励
随着数字化时代的到来,网络安全威胁呈指数级增长。勒索软件、AI驱动的网络攻击和物联网设备漏洞成为主要威胁。企业需要建立全面的风险管理策略,包括风险评估、安全措施实施和持续监控。新兴技术如人工智能、区块链和量子计算为网络安全带来新机遇。组织应重视员工培训、供应链安全、数据治理和事件响应能力建设。
滑铁卢大学研究团队开发出ScholarCopilot,一个革命性的AI学术写作助手。该系统突破传统"先检索后生成"模式,实现写作过程中的动态文献检索和精确引用。基于50万篇arXiv论文训练,引用准确率达40.1%,大幅超越现有方法。在人类专家评估中,引用质量获100%好评,整体表现优于ChatGPT。这项创新为AI辅助学术写作开辟新道路。
AWS Amazon Bedrock负责人Atul Deo正致力于让人工智能软件变得更便宜和更智能。他在12月re:Invent大会前只有六个月时间来证明这一目标的可行性。Deo表示AI领域发展速度前所未有,模型每几周就会改进,但客户只有在经济效益合理时才会部署。为此,AWS推出了提示缓存、智能路由、批处理模式等功能来降低推理成本,同时开发能执行多步骤任务的自主代理软件,将AI应用从聊天机器人转向实际业务流程自动化。
哥伦比亚大学研究团队发布NodeRAG技术,通过异构图结构革新智能问答系统。该方法将文档信息分解为7种节点类型,采用双重搜索机制,在多个权威测试中准确率达89.5%,检索效率提升50%以上,为智能信息检索技术带来重大突破。