ZDNet至顶网软件频道消息:零售业对于大数据并不陌生,事实上,他们正处在数据洪流的风口浪尖之上——从最初的搜索到最终的购买,每一笔交易的整个过程都在持续不断地产生数据。对于零售商而言,巨大的数据洪流常常让人无所适从,但其中也蕴藏着巨大的商机。IDC最近发布的一项由微软委托进行的研究表明,只要对采集到的数据进行更有效的整合、分析并加以充分利用,在未来四年内,全球各地的零售业将创造出940亿美元的新增收益——这可是一笔不容错过的“数据红利”。
过去,为了分析海量的业务数据,零售商往往只能求助于那些懂得驾驭专业工具的数据专家,以及他们做出的充斥着专业术语的报告。而现在,借助现成的业务软件,零售商可以从小处着手,从数据分析中获得更有价值的洞察——只要简单地导入或拖拽数据,任何一位店铺经理都能对店内商品陈列布局、现货库存量,以及如何招揽顾客等环节进行分析,并据此做出相应的改进。
事实上,相比某些大张旗鼓、兴师动众的变革措施,从小处着手的战略反而可以更快捷地付诸实施,从而为零售商带来立竿见影的实惠和数据红利。
整合数据流:首先要弄清楚与自身业务相关的数据有哪些,例如商品类别、供货情况、促销活动的成果等。然后是找到将它们整合到一起的方法,比如某一款产品在不同区域销售情况的对比,会员卡注册情况与预订商品退货率之间的关联性等——正确看待数据的价值,将帮助你更一针见血地提出业务相关问题。
从细处着眼:要用更加细致的分类取代粗枝大叶的统计,用更多筛选条件划定出更具体、特征更鲜明的目标人群。举例来说,我们不再需要“年龄在18到35岁之间、年收入在75,000-99,000美元之间的女性消费者”这样粗略的数据分组;而是要进一步将其细分为年龄在25到29岁、生活在某个特定街区、喜欢听乡村音乐、每月购物5次、覆盖了店内最畅销产品三分之一销量的那群女性消费者。只有如此细致的定义,才能帮助零售商有针对性地提供真正个性化的产品和服务,从而增加销售额。
充分利用公共数据:很多公共数据是可以免费查寻到的,而且其格式也能够被直接导入到电子表格或其它的应用程序中,零售商完全可以利用它们对自己的数据进行补充。比如,将气象台发布的气象数据与店铺的日销售数据相结合,就可以了解天气状况对于人们购物行为的影响;人口普查数据能够显示出不同地区增长最快的群体是哪些人;而来自社交媒体的数据则可以迅速展现消费者的反馈和态度,为销售趋势提供先期洞察——对于那些无法从过往销售数据中获得参考的新技术或新类型的产品来说,这种手段尤其适用。
面对汹涌的数据洪流,零售商既可以选择小心翼翼地涉水而行,也可以选择积极投身其中,以弄潮儿的姿态去攫取可观的数据红利。借助现成的数据和业务工具,零售商完全可以从小处着手,通过整合数据流并加以有效的分析和利用,从中发掘出有价值的洞察,进而帮助决策、获得收益。
好文章,需要你的鼓励
科技亿万富翁拉里·埃里森资助的研究团队将向英国牛津大学投资1.18亿英镑,用于将AI技术应用于疫苗研究。牛津疫苗研究小组将领导这一项目,研究人体免疫系统对严重细菌感染和抗生素耐药性的反应。该项目由曾主导新冠疫苗试验的安德鲁·波拉德教授领导,计划采用人体挑战模型,让志愿者在受控条件下接触细菌,然后运用现代免疫学和AI工具来精确识别预测保护效果的免疫反应,以开发针对致命疾病的创新疫苗。
伦斯勒理工学院研究团队通过网络科学方法首次系统揭示了大语言模型的内部"认知架构"。研究发现AI模型采用类似鸟类大脑的弱定位架构,模块间通过分布式协作而非专业化分工来处理认知任务。这一发现颠覆了基于功能模块优化的传统思路,指出应充分利用网络级协作来提升AI性能。
据报道,ChatGPT开发商OpenAI计划在印度建设一座耗电量超过1吉瓦的数据中心,目前正寻找当地合作伙伴。该设施预计可容纳至少5.9万片英伟达B200芯片。这可能是OpenAI全球数据中心计划的一部分,旨在为国际用户提供更低延迟服务。OpenAI CEO奥特曼将于下月访问印度,公司还计划年底前在新德里开设办事处。
腾讯和清华研究团队首次从数学理论角度解释了为什么AI需要外部工具。研究证明纯文本AI存在"隐形枷锁",无法突破预训练的能力边界,而工具集成能打破这种限制,让AI获得全新的问题解决策略。团队还开发了ASPO算法,解决了训练AI更早使用工具的技术难题。实验显示配备工具的AI在数学问题上全面超越纯文本版本,展现出三种新奇认知模式,为构建更强大的AI系统提供理论指导。