6月16日,在以“数据X新质生产力跃升”为主题的第三届中国数据要素高峰论坛上,神州数码在汽车后市场零配件供应链管理行业成功落地的解决方案——车企售后零件需求预测项目获得“2024年度最佳数据赋能解决方案”奖,意味着其在汽车数字化转型领域的卓越数据赋能能力得到业内充分肯定。
据悉,本次大会主要聚焦“数据要素”和“新质生产力”两大核心热点话题,汇聚了来自数据管理领域的专家学者以及各个行业的数字化领军者,共同探讨数据驱动下的变革浪潮,加快推进新质生产力的跃升之道。其中在本次大会颁发的“2024年度最佳数据赋能解决方案”奖项,主要是表彰在企业数字化转型进程中起到数据赋能作用、创造数据赋能价值、实现数据驱动增长并具有一定社会影响力的企业。其评选标准也更侧重企业在科技创新与产品研发方面的持续投入,以及在数字化转型实践落地过程中,企业利用创新技术帮助客户所取得的成效。
作为本次获奖解决方案,神州数码车企售后零件需求预测项目旨在解决汽车产业快速发展所带来的后市场零配件供应链管理问题。与整车供应链相比,配件供应链管理的复杂度更高,平均一辆汽车大概由6000个零配件组成,一个全新车型大约能够带来2500—3000个左右的新配件品种,大多数车企需要管理超过30000个零配件SKU。由于零配件需求的随机性,传统库存管理方式往往导致库存水位过高或过低,服务水平不稳定,企业难以有效预测和管理零配件需求。所以精准预测用户需求,通过合理配置库存,优化企业库存管理,避免因备货不足或过剩导致的服务水平下降就显得尤为重要。
基于数据治理、数据探索、模型训练、策略应用等全周期数据价值挖掘流程的技术优势,神州数码通过对供应商生产、供应链物流、库存流转等全流程进行数据采集和KPI监控,帮助车企构建汽车零配件供应链的数据解决方案。该解决方案采用大数据分析技术,通过零配件的生命周期、业务属性等进行分类,同时结合历史销售数据、市场趋势、客户反馈以及节假日、销售政策、天气等多重影响因素,能够科学有效地进行售后零件的需求预测及优化,最终实现库存管理和服务水平整体提升。该项目的实施,不仅将汽车配件总体预测精度提高约3%,降低库存积压15%以上,也通过系统自动推荐零配件降低管理工作量,使人工成本降低10%以上。
这一项目仅仅是神州数码深耕汽车领域的冰山一角,以数据为驱动力,神州数码的数字化技术已贯穿汽车行业的制造、生产、营销、管理、运维以及售后等各个环节,比如整车厂可以通过数字技术实现流程自动化、设计研发自动化,4S店可通过大数据平台实现汽车智慧运营与智能化营销,实现降本增效。
数字经济时代,数据作为重要生产要素,早已成为企业创新的重要驱动力。致力于成为领先的数字化转型合作伙伴,神州数码认为,企业的数字战略、数字化转型,就是企业数据资产不断累积,最终形成企业发展的增长飞轮。基于深刻的市场洞察,神州数码在“数云融合”战略引领下,以数据为核心,不仅在汽车领域,还在快消零售、金融、职教等行业,始终赋能企业构建自身的数据资产,加速释放数据价值。
此次获得“年度最佳数据赋能解决方案”奖项,既是对神州数码过去成绩的认可,也是对企业未来发展的鼓励。未来,神州数码将继续紧抓云原生、数字原生、AI原生带来的发展机遇,继续发挥自身在数据赋能方面的优势能力,推动更多企业、更多产业实现数字化转型。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。