像王石、任志强等做房地产那个时代如果意识到数据挖掘的价值,那今天的房地产企业绝对是一个恐怖的存在。试想一下,你有真实的户主数据,从购房合同可以了解到他的资产情况,通过物业管理,他的购物习惯、社会关系等生活习惯可以掌握。可以想象只要对这些数据稍加利用,对金融行业、对O2O产业将产生怎么样的影响?
这就说明在传统领域,对于数据的认识还有一定的差距。首先是思想上没有意识到。其次是意识到了数据的作用,但是如何利用数据又是一个问题。
在思想上认识不到数据是有价值的,那真是杨元庆说的,拿榔头敲也敲不醒,这真的是没办法。只有思想上认识到数据是有作用的,才可能想通过各种手段来挖掘其中的价值。
为了让企业全面认识到数据的作用,中国领先的大数据技术与应用服务商,百分点发布了《数据决策力白皮书》。白皮书从复杂环境带来的挑战、何为数据决策力、构筑数据决策力、数据决策力评估指标体系、应用案例等五个方面讲述了如何以数据决策力驱动组织和企业未来发展。通过白皮书,希望没有意识到数据的作用的企业开始意识到数据的价值。而对于已经意识到数据价值的企业希望选择一个专业的数据服务商来为企业提供数据服务。
百分点集团副总裁梁培明介绍:"希望通过此书,可以唤醒和改变组织与企业管理者们原有的依赖智力、经验、知识为主的决策方法,通过运用大数据洞察隐藏在复杂性之下的潜在规律,为决策者提供构筑数据决策力的建议以及数据决策力评价指标体系,全方位地帮助企业构筑数据决策力。"
何为数据决策力?就是基于数据进行科学决策并产生价值的能力。就像股神巴菲特一样,每一次做出决策绝对是通过大量的数据做出理性判断,而不仅仅靠经验。当然我们没有像巴菲特一样,做出准确的判断,那么因为大多数企业有三个盲点:
(一)在运用数据支撑决策过程中:
第一你的数据量不够、数据种类不全,第二你觉得数据成本太高,第三不知道如何把种类繁多的数据与决策体系融合。
(二)在数据决策力建设过程中:
首先对数据资源认识不够,根据《数据决策力白皮书》调查显示,只有7%的受访者引入了行业数据或者市场上相关数据与企业数据平台实现整合,大部分企业只是淡淡保留财务、渠道、生产等核心数据。同时只有13.6%的受访者调整公司组织机构和管理流程,构建基于数据的决策支撑体系。同时绝大多数企业没有独立的数据部门,相关职责要么归入信息化部门,要不归入管理部门。
(三)缺少数据决策力评价体系:
《数据决策力白皮书》也清晰的说明,目前企业基本无法评估企业基于数据的决策能力,但是这些受访者又希望有一个对其数据决策力进行评估的体系。
对于这三个盲点,百分点用"恒星-行星"模型来帮助企业从战略层面来整合传统基于流程的信息化建设与数据决策力建设的融合。而具体如何建设数据决策力,百分点通过释放数据决策力的3D理论和建设数据决策力的BASIC理论来实施。
释放数据决策力的3D理论
梁培明在媒体采访中具体谈的了如何让数据作为决策力释放出来,这里百分点提出了3D理论。3D理论侧重在数据决策力的释放上,而且不需要企业事先做一个长期的规划或者一次性大规模投资。3D理论包括数据化(Datafy)、发现洞见(Discover)和设计重构(Design)3个环节,这3个环节构成了数据决策力释放的完整周期。
数据化:就像铁矿石提炼出铁才有价值意义,数据化就是将海量的"天然"数据资源转换为数据资产的过程。包括数据获取和数据资产池化。数据获取来源包括天然的数据资源包括各种智能终端、联网设备产生的大数据,各种计算网络产生的日志大数据,或者各种结构化数据。数据资产池化,就是将已经提取的有价值的数据资产放在一个池子里,实现迅速、高效、共享的资源数据池。方便节省计算和存储资源。
发现洞见:这就是目前所说的深度学习、文本分析、机器学习等,将不同来源、不同维度的数据关联企业,交叉挖掘分析,产生"化学反应",实现新的价值。比如开头的那个例子,业主信息的二次利用,可以产生旅游产业、餐饮产业等等。再比如制造业中,通过采集机器运行日志信息,从中发现系统运转过中的故障易发的零件和规律,然后为精细化运维提供洞见和支撑。
设计重构:就是通过提炼出来的"铁",通过工具,变成"汽车"供人们使用。具体来讲就是依托组织丰富的数据资产,将洞见和发现回馈到实际业务中,然后帮助企业做出决策。这又会产生大量的数据资源,从而形成一个螺旋式上升的循环,不断的促进企业前进。
最后,我们真看出利用数据做出决策力真不是一件容易的事情,要想成为巴菲特,还真必须需要一个专业的数据服务商来帮助企业进行转型。
好文章,需要你的鼓励
本文探讨了AI发展的未来趋势,详细分析了六条有望实现通用人工智能(AGI)的技术路径。随着生成式AI和大语言模型面临发展瓶颈,业界开始将目光转向其他AI发展方向。这六条路径包括神经符号AI、神经形态AI、具身AI、多智能体AI、以人为中心的AI和量子AI。每种路径都有其独特优势和挑战,可能单独或组合推动AI进入下一个发展阶段,最终实现与人类智能相当的AGI系统。
微软研究院发布突破性多语言AI技术UPDESH,通过"自下而上"数据生成策略,让AI真正理解不同文化背景下的语言表达。该技术基于各语言维基百科内容生成950万个训练数据点,覆盖13种印度语言,显著提升低资源语言AI性能,为构建文化敏感型AI系统提供新路径。
培生公司第三季度销售增长加速,并预示年底表现更强劲,但其AI应用可能是更重要的发展。该公司虚拟学习部门销售额激增17%,学生注册人数攀升。培生运营的在线学校将AI工具嵌入课程材料中,公司表示有越来越多证据显示这些工具帮助学生取得更好成绩。公司推出了AI学习内容组合,包括AI素养模块和融合人工导师与AI学习工具的视频平台。
NVIDIA团队提出RLBFF方法,将AI训练中的复杂评价转化为明确的二元判断标准,解决了传统人类反馈模糊和可验证奖励局限的问题。该方法在多个权威测试中取得突破性成果,其中JudgeBench获得第一名,训练的模型性能媲美知名商业模型但成本仅为其5%,为AI训练领域带来重要方法论创新。