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
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。