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
富士胶片推出Instax Mini Evo Cinema相机,结合复古与现代技术。这款相机能够拍摄照片和视频并即时打印,通过时代转盘可调节至不同年代模式,从1930年代的颗粒感淡色到1980年代的鲜艳色彩,再到2020年代的高分辨率。相机外观仿照老式8mm摄影机设计,支持15秒视频拍摄,配备蓝牙连接和专用手机应用。售价410美元,2月初上市。
纽约大学朗格尼医学中心研究团队开发了Lang1专业医疗AI模型,并创建ReMedE真实医院运营评估体系。研究发现,仅10亿参数的专业医疗AI在医院运营预测任务上显著超越6710亿参数的通用AI模型,挑战了"大即是美"的AI发展理念,为医疗机构提供了经济可行的专业化AI解决方案,证明了专业化训练在特定领域的独特优势。
Lumen Technologies的Black Lotus Labs团队自10月初以来已成功阻断了550多个与AISURU/Kimwolf僵尸网络相关的命令控制节点流量。这两个僵尸网络能够控制被感染设备参与DDoS攻击和恶意流量中继。Kimwolf主要感染超过200万台Android设备,特别是Android TV流媒体设备,通过住宅代理网络进行传播。研究显示威胁行为者正在Discord服务器上销售代理服务,僵尸网络规模在10月份激增300%。
北卡罗来纳大学教堂山分校团队推出Agent0框架,实现AI智能体完全自主进化。系统通过双智能体协同机制,一个负责出题一个负责解题,结合代码工具使用,在数学推理上提升18%,通用推理提升24%,无需任何人工标注数据,为AI自主学习开辟新路径。