至顶网软件频道消息:随着数据的高速增长,包括移动、持续连接和自主性车型在内的数字化转型迅速涌现,福特早在2014年就认识到了要采取更为全面和战略性的数据驱动决策方法的需求。鉴于此,福特公司首次聘请了首席数据和分析官员保罗·巴勒(Paul Ballew),并与2015年1月组建了福特全球数据洞察与分析(GDIA)部门。
巴勒是Dun & Bradstreet、全国保险、通用汽车公司及JD Power and Associates的老将。福特的新闻稿表示,巴勒面临的挑战是“要在福特内部将大数据和分析技术推向下一个层次……要在全企业范围内建立一个分析和整合各种研究、分析、流程、标准、工具并有合作伙伴参与的愿景“。
数据科学家亚当·布莱克(Adam Blacke)最近告诉笔者,分析工具、方法和流程以前在整个公司使用过,但“各团队在业务里使用的分析方法不一致导致效率不佳”。
GDIA的创建是为了分享最佳实践并在整个组织里推动优化的、数据驱动的决策过程。GDIA的成员有福特原部门内部的老将,也有新员工,GDIA现有员工已发展到600多名。GDIA通过协商合作对各种业务提供支持,包括制造、研发、供应连锁营销、客户服务、行政、法律和会计团队。
笔者在《福特分析团队推动全面数据分析》案例研究报告里提到过,GDIA的中心化协调促进了一致性及最佳实践的共享。布莱克表示,“我们知道大家可以相互学习。我们以前只是让各团队学习不同的东西,但他们并不会与别的团队分享探索分析的经验。”
中心化是各部门充分利用已经存在的数据科学专业知识的一种方式,而中心监督可以采取多种方式实现。例如,Facebook开发了一种混合法,混合法里的数据科学专家仍然安插在特定的业务领域里,笔者在2013年的一篇文章做过解释,这些数据科学专家也会向当时的首席分析官肯·鲁丁报告(鲁丁后来加入了谷歌),他们会定期与其他业务部门的同行会面。
混合法里的专家们在某一个业务领域开发深刻的专业知识,业务团队可直接利用这些专业知识(并提供资金)。而专家们也会定期与同行分享他们在分析方面的工作,并与各业务部门的同行交流思想和经验教训。首席分析官促进人才的发展、设定和协调分析优先事项,并为所有业务部门的基础架构和数据投资提供支持。
福特的中心化法同样是可行的,中心化法并不能阻止个别业务部门保留自己专门的分析资源。中心化团队的方法对于将数据驱动决策和优化分布到各种小部门和业务团队非常有益,这些小部门和业务团队由于太小或其他原因在一般情况下往往没有足够的设备支持自行开展分析方面的项目。
分析专家Thomas Dinsmore是《颠覆分析》(Disruptive Analytics)一书的作者。Dinsmore最近告诉笔者,对于数据科学家的做法应该像商业飞机一样:要超额预订。中心化法是确保分析项目的稳定及确保有足够的具有优先性分析项目的一个方法。但如果分析的支持队列过长或缺乏企业创新,中心化也可能出麻烦。 Dinsmore表示,他也见过有些机构试了中心化法后重回分散化(或者也可能是混合)法。
好文章,需要你的鼓励
铠侠正在测试最新的UFS v4.1嵌入式闪存芯片,专为智能手机和平板电脑设计,可提供更快的下载速度和更流畅的设备端AI应用性能。该芯片采用218层TLC 3D NAND技术,提供256GB、512GB和1TB容量选择。相比v4.0产品,随机写入性能提升约30%,随机读取性能提升35-45%,同时功耗效率改善15-20%。新标准还增加了主机发起碎片整理、增强异常处理等功能特性。
上海AI实验室团队提出创新的异步拍摄方案,仅用普通相机就能实现高速4D重建。该方法通过错开相机启动时间将有效帧率从25FPS提升至100-200FPS,并结合视频扩散模型修复稀疏视角导致的重建伪影。实验结果显示,新方法在处理快速运动场景时显著优于现有技术,为低成本高质量4D内容创作开辟新路径。
谷歌在伦敦云峰会上发布Firebase Studio更新,新增Gemini命令行界面集成、模型上下文协议支持和"代理模式"。代理模式提供三种AI协作层次:对话式"询问"模式用于头脑风暴,人机协作代理需开发者确认代码变更,以及几乎完全自主的代理模式。尽管谷歌声称已有数百万应用使用该平台,但目前仍需精心设计提示词,非工程师用户还无法直接创建成熟应用。
上海AI实验室联手复旦大学提出了POLAR方法,这是一种革命性的奖励模型训练技术。通过让AI学会识别不同策略间的差异而非死记评分标准,POLAR在多项任务上实现了显著提升,7B参数模型超越72B现有最强基线,为AI对齐问题提供了全新解决思路。