最近,有幸和国内不同行业的CIO(医疗、教育、互联网、金融等)交流了大数据的看法,听了听他们一线用户对于大数据的理解,总体来看他们对于大数据本身充满了积极的热情,并且对于大数据有着深刻的认知包括对于大数据技术、产品以及“瓶颈”,虽然现阶段这些行业企业开展大数据仍然存在一定的阻力,但这些行业CIO普遍看好大数据以及其未来行业的发展。
大数据行业前景以及发展不做过多的阐述,从大数据的应用现状来看,现在不论哪个行业企业在开展大数据时有许多问题待解决比如如何打通并且获得基于企业内部数据之外的互联网数据?如何让企业及IT部门快速“升级”知识结构去接受大数据?…等等这些问题成为企业开展大数据所必需要思考的。
面对大数据在行业企业中存在的问题,建议行业企业及CIO开展大数据时应该优先考虑以下几方面,从而保证大数据的成功。首先,向互联网迈进,向互联网电商行业企业学习大数据的应用经验。企业以及CIO都害怕当小“白鼠”,这很正常的。不过,对于互联网或者电商企业而言,他们在大数据领域已经对于大数据进行了多次的尝试与实践,而且他们天生就具有大数据的“基因”,他们对于大数据的理解、应用已经走在了传统行业企业的前列并且已经取得了一定的成绩比如熟知的阿里巴巴、京东、当当、国美在线他们自身就在大数据领域有许多先进的经验可供传统企业参考。
另外,除了互联网电商行业外,在电信、金融行业的企业他们同样也具有惊人的数据,以数据为核心的这些行业同样也已经对大数据有了很多的探索和尝试,开展了许多有价值的新业务,传统企业在开展大数据时可借鉴这些行业企业的成功经验来开展大数据。
其次,加强与外部第三方数据平台如阿里大数据平台、百度大数据引擎、谷歌大数据平台、腾讯大数据平台等的合作。内部数据分析结果往往有限,要想发挥数据价值还得借助外部第三方数据的力量,他们本身就拥有海量的数据源以及分析能力,能够从不同区域、不同行业等多个维度进行数据分析,从而创造更商的价值。比如在医疗领域可以通过疾病的发病区域以及时间,分析出哪些季节、哪些区域是高病发区,然后医疗机构可根据数据结果提前制定相应的应对措施。在教育行业,可以通过第三方的大数据为考生在估分、报考、专业选择上提供帮助等等。未来,随着这些三方数据平台开放能力的加强,越来越多的行业企业能够借助大数据受益。
第三,改善现有IT部门的知识结构。某金融行业CIO私下里曾经指出,现在的云计算、大数据技术真的很好,但是在企业中阻碍这些新技术的应用恰恰是这些IT部门的负责人,这是因为一旦新的技术来临,会对于现有的IT人员的知识结构形成冲击,这导致了新技术很难在企业进行尝试或者部署。面对现状,这需要CIO以及IT人员勇于接纳新的技术,快速适应如大数据等新技术所带来的变化。
归纳小结,以后的大数据将变得无处不在,但无论是是技术、产品还是应用还有待提升,仍然还需要很长一段路要走,对于行业企业以及IT负责人来讲还需要不断的摸索、实践,相信随着技术的成熟,大数据必然能够在行业中发挥出巨大的价值,助力企业创造出新的辉煌。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。