在信息技术革命深入变革业务模式的今天,大数据的价值已经得到高度重视,但是如何推进大数据落地、形成数据决策力,仍然是企业用户迫切需要解决的问题。在近日举行的第三次世界互联网大会“大数据分论坛”上,百分点战略和运营副总裁刘钰指出:大数据落地是目前准备或者正在采用大数据的企业都需要面临的挑战,解决之道是企业必须让技术与业务进行深度,从而形成符合大数据时代的数据决策力。
本届世界互联网大会发布了《乌镇报告》,重点提出要建立网络空间命运共同体,要实现这一目标,必然推动人类从单纯相互联结的“互联网时代”步入对信息进行搜集和挖掘的“大数据时代”,借助大数据的发现与预见能力,提高网络空间命运共同体参与各方的生产力水平,并强化对于网络空间的治理。在此背景下,企业也亟需针对海量数据形成全面、智能、精炼、友好的深度分析,将各类相关数据合理地运用到决策体系中,基于数据进行科学决策,对企业运营及战略形成强力的支撑。
刘钰表示:“数据决策力未来会像财务能力一样成为企业生存与发展的一项必备能力。企业建设数据决策力是一项长期的过程,但并不意味着刚开始就需要投入大量的投资,可以通过具体应用的实施迅速获得投资回报,还能通过不断的反馈来带动和优化信息化的建设,从而使得大数据的建设速度更快捷、资金管理更高效。同时,组织和企业可以遵循由核心信念(Belief)、架构设计(Architecture)、专业团队(Staff)、基础设施(Infrastructure)和机构能力(Capability)构成的数据决策力建设的BASIC理论,从而让企业对自身数据决策力有清晰的认识。”
百分点认为目前市场中主要有甲方买卖、甲方乙方化、战略合作、合资公司、跨界融合这5种模式来实现大数据落地:
• 甲方买卖:传统的交付模式,甲方购买大数据产品与解决方案,并由乙方交付;
• 甲方乙方化:甲方从自身需求出发,形成大数据产品或解决方案,并在同行业中进行输出;
• 战略合作:供求双方建立战略合作关系、进行深度合作;
• 合资公司:通过合资的方式深度融合行业,实现大数据技术与具体业务的深度融合;
• 跨界融合:不同行业之间跨界融合,实现大数据资源的敏锐应用。
对于这5种大数据落地模式,刘钰表示:“企业用户可以根据自身业务以及实际需求,决定采用哪种方式来实现大数据转型。五种落地模式反映出技术与业务融合的程度不同,甲乙买卖这种传统模式在技术与业务融合程度方面最弱;甲方乙方化则会带来同业竞争的困扰;战略合作、合资公司以及跨界融合这三种模式能够有效促进技术与业务的融合,不过能够做到跨界融合的公司凤毛菱角。”
目前,百分点不仅可以为企业用户提供标准化的大数据产品与解决方案,还可以凝聚自身领先的大数据理念、架构、技术,与对方的资源、业务洞察力等优势结合起来。同时百分点也将通过自身深厚的技术积累与一流的大数据人才,推进大数据理论的研究与大数据技术的发展,帮助更多组织和企业用户构筑数据决策力。百分点将于12月份正式推出数据决策力评估模型,进一步完善数据决策力模型理论的同时,也为企业对自身数据决策力的清晰了解提供参考依据。
为了借助大数据提升网络空间的治理水平,百分点还在此次大会上发布了“智慧之盾”以及“异常聚集模型”两大产品。其中,“智慧之盾”着眼于物联网+大数据的融合,可以通过对威胁信息的敏锐洞察保证核心基础设施安全;“异常聚集模型”则可以通过大数据模型的构建预测出暴恐、黄赌毒等异常聚集行为,协助公安机关维护社会稳定。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。