11月24日,北京又是一个雾霾天,整个北京城都貌似被笼罩在其中,由于北京奥运会的申办,鸟巢水立方成为京城的标志性建筑之一,同时带动了周边的商业氛围,企业级大数据技术与应用服务商百分点集团便坐落于此处。
24日,正值感恩节之际,百分点的办公室内装饰着各种鲜花甜点,给人一种轻松惬意的感觉。见到媒体朋友,刘钰热情的跟大家打招呼,并进行会前沟通。
作为百分点集团战略和运营副总裁,刘钰长期关注于大数据领域技术与应用,聊到数据决策力,刘钰变得侃侃而谈。"数据决策力是百分点首次提出大数据在企业落实中极为重要的角色,是指基于数据做出科学决策的一个理论。"据悉,在今年的世界互联网大会"大数据分论坛"上,刘钰做了关于数据决策力的主题演讲,谈到关于数据决策力落地难题及解决之道。

回顾三年前在北京寒冬天路边等出租车,赶上高峰期最多能等半个多小时,而如今,最热的打车APP,让你足不出户,就可以提前预订出租车。
再看看银行业,以前我们去银行办理业务,拿号、排队、办理等等都是较为传统的办理流程。而如今,银行、APP等电子渠道会部署数据采集工具,详细记录用户访问、浏览、交易等行为,为用户提供最为便捷的产品和服务。
用刘钰的话来说,"这就是大数据的力量"。
众所周知,大数据的到来,冲击着许多主要行业,尤其是金融、交通、医疗最为明显,无可否认,大数据彻底改变了我们的生活。
据了解,百分点于今年八月份发布了《数据决策力白皮书》,推出"数据决策力"理论,主要从当前大数据复杂环境面临的挑战、何为数据决策力,数据决策力评估指标标准及应用案例五大方面讲述了如何以数据决策力驱动组织和企业未来的发展。那么,基于数据做出科学决策,真正落地会面临哪些痛点?百分点提出的"数据决策力"又是如何驱动的?
"决策不仅仅是企业的管理层,公司所有人部门,不同层级的人,每天面临决策,一个公司的决定是否准确,直接影响到公司的管理效率、管理水平以及公司的成败。"但企业根据数据进行决策真正落地并非易事,刘钰表示,"数据决策力是未来任何一家公司都必须具备的一种如同财务管理能力的一种基本能力,如果缺乏基本能力的话,公司内的资产力就不易盘活,在竞争激烈的市场中也会受损。"
根据刘钰的表述,我们了解到,决策的目的是为了在急剧变化的复杂环境中规避运营风险,并在驾驭这种复杂性的过程中寻找发展的机会。而构成数据决策力的五大要素,即核心信念(Belief)、架构设计(Architecture)、专业团队(Staff)、基础设施(Infrastructure)和机构能力(Capability),百分点将五大要素定义为BASIC理论,由企业营销环节入手,从上往下,层层传递,实现技术与业务的相互融合。

所谓核心理念是指数据是企业的重要资产,企业决策层必须树立数据是企业核心资产的核心理念。在此之上,将数据决策力赋予全员,通过设计和调整相应的组织架构才能渗透和传递到企业的各个层级,即架构设计,只有建立正常的组织架构,才能将大数据真正渗透到组织中。有了正常的架构接下来就是专业团队的组建,在全民倡导大数据的时代中,数据团队的组建直接影响企业的业务模式,让数据团队与业务团队保持高效沟通并参与决策是提升数据效率的关键。再建设基础设施,最后四大要素都具备之后,一种全新的机构能力自此诞生,即数据决策力。
基于数据做出科学决策,以如今企业发展趋势来看,有四大行业的需求较为旺盛,一是金融业,随着银行思路的转变,互联网金融化的步调在今年大大加速,各商业银行开始把互联网金融作为经营转型的重要战略部署;二是3C制造业,在大数据的帮助下,未来的3C制造将被大数据彻底颠覆;三是融媒;最后是政府,现在政府也越来越迫切意识到将大数据进行开放管理。
谈到企业在落实大数据面临的痛点,刘钰爽朗的笑声打破了严肃的氛围。"数据冷启动是政府面临最大的问题,"刘钰讲道,政府虽然手中有大量的数据,但如果想用时下最热的互联网工具处理数据,那么原始数据会失去价值,需要有新型数据源做社会关联关系,因此,政府目前仍然面临冷启动的难点。另外,人才也是落实的一大难点。据统计,大数据的人才缺口有150万,既懂大数据技术,又懂业务的人才很难自然产生。
据刘钰介绍,百分点针对大数据领域的人才培养上做了很多动作,百分点大数据学院对于在技术培养、理念灌输、管理上均有一套完善的培育体系。希望在大数据时代,百分点也能贡献力量助力产业发展。
然而,国内外众多知名大数据厂商也根据趋势开始布局大数据市场,百分点作为一家成立仅七年的时间,同样面临着市场中优胜劣态的竞争。提及此事,刘钰认为百分点拥有数据资源,并且拥有经过内部检验过的整体解决方案,真正内部跑过各种大数据应用,比如在华为消费者业务的大数据项目中,百分点能够击败其他竞争对手,靠的就是这种经验。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。