ZDNet至顶网软件频道消息:在当今大数据时代,我们最缺乏的是什么?缺少数据?缺少分析和管理数据的工具?可能都对,但又都不那么准确。在大数据时代,我们真正或缺的,可能是数据科学家,也就是对数据能够有效掌握和分析的人。
一个企业内部的数据集成或者数据质量管理工作是否有价值,在于面对的是否是有效的数据应用和使用者,他们就是数据科学家,只有他们有效的获取和利用了这些数据,才能发挥数据的最大价值。
遗憾的是在企业传统的数据管理业务中,服务的直接对象是IT部门,而不是真正需要数据的业务部门。为了让数据真正为业务部门服务,Informatica发布了IDP(Intelligent Data Platform)智能数据管理产品,让业务部门成为真正的数据受益者。
Informatica大中国区首席产品顾问但彬在接受ZDNet记者采访的时候介绍了IDP发布的初衷。“在传统业务模式中,IT部门成为业务部门获取数据的桥梁,然而数据的描述和最终获取都会因为多了IT部门这道环节而大打折扣。我们推出的IDP直接面向业务部门,业务人员可以根据自己的需求,按需获得他所要的数据。而这种需求,完全基于业务部门对业务的理解。”
Informatica大中国区首席产品顾问但彬
IDP将人员、位置与事物以更加智能的方式紧密相连,从而为应用程序、设备和人员提供支持。举例来说,当传统数据管理解决方案能够生成20种报表时,如果客户想要第21种,需要IT部门与供应商一起来进行再开发。而有了IDP,业务人员可以在这个数据管理平台上很方便地直接生成第21中分析报表,而不需要借助IT部门的帮助。
从实现手段来看,IDP并不是一个IT工具,更像是一个平台,若想让业务部门灵活使用,就要做到“轻应用”。什么叫做“轻应用”?但彬举了一个很直观的例子。
“当我们在电脑上双击一段视频文件的时候,可能会自动打开腾讯影音或者暴风影音播放器;当我们双击一个文档的时候,可能会自动打开Word;当我们双击一个MP3的时候,会自动打开媒体播放器。对我们来说我们不需要了解应用程序背后是什么业务逻辑,我们要做的只是双击和打开。Informatica要做的是,面对来自不同渠道的数据和数据的各类形态,通过IDP,业务部门只需要一个类似于‘双击’的动作,数据的识别、处理、分析都可以轻松完成,对业务部门来说不需要关注后台是如何运作的,也不需要去掌握技术上是如何实现的,他们只要能够使用。”这些面对业务人员的操作都是交互式的,也是自助式的。“我们会给用户一个操作台来直接操作数据,而不像原来只是一个界面,让IT人员去定义规则。现在的平台更像是一个面向数据的应用。”
虽然IDP前端面对用户是“傻瓜式”的,但是其基础还是需要雄厚的数据管理和分析能力,在这方面,Informatica本身就有着很强的技术实力。从IDP的核心来说,需要极强的智能学习能力。在PC端当我们打开某一个未识别文件的时候,系统给予我们很多的选择程序,当我们选择其中一个后,未来再打开同样类型的文件时系统会自动选择打开;IDP也同样如此,它有一个机器学习的功能,这是完全智能的。
除此之外,在数据基础架构层,无论数据的输入、集成、数据质量管理还是数据安全管理,Informatica都是行业内的领导者。Informatica拥有企业数据集成、数据质量管理、主数据管理、信息生命周期管理等多种解决方案,这些数据基础架构层是由IT部门运维的,如果想要变成良性的持续不断地能够把数据管理和使用得更好,就需要一个更加智能的平台,也就是IDP,IDP的智能不是凭空产生的。
数据基础架构层与数据智能化层之间的关联也就决定了IDP包含的三大要素:首先是Informatica Vibe 虚拟数据机:这是一种可嵌入式数据处理引擎,它提供了对任何位置、格式或来源的数据的近乎普遍的访问能力,支持客户“一次映射,多次部署”;其次是数据基础设施:数据基础设施层能够在任何规模下,系统、连续地交付干净、安全、互连的数据。从部门级到企业级,从事务数据到大数据,从内部部署到云端;最后是数据智能:为客户重新定位数据基础设施层所创建的元数据,进而提高可见性、改善决策过程并加强运营智能化水平。
对于Informatica来说,也通过一些销售组合来给予客户多一些的选择。据但彬介绍,用户既可以以传统的方式购买一套IDP产品安装在本地,也可以通过云的方式购买。对于Informatica来说,云的方式会是优先考虑的一种销售方式。
虽然IDP是今年年中Informatica全球大会刚刚提出的概念,目前还没有落地的产品,但是从发展理念来看,这是将Informatica传统业务、优势产品与智能化产品进行组合的一整套解决方案。但彬表示,为了让用户接受IDP的概念,Informatica会在打包销售IDP解决方案的时候,赋予其上的数据基础架构层产品以一个非常优惠的价格,比单独购买某一产品更加划算。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。