至顶网软件频道消息:金佰利(Kimberly-Clark)是一家全球财富500强企业,旗下个人护理产品品牌包括Huggies、Kleenex和Scott,每天在175个国家/地区每4人中就有1人在使用它的产品。金佰利公司通过Kimberly-Clark Professional提供产品和解决方案,在食品服务、医疗保健、制造业、办公建筑等各种行业中打造更健康、更安全、更高效的工作场所。作为行业领导者,金佰利致力于推动数字化创新,改善快速消费品的运营和客户体验。下面就让我们来看看金佰利在运营中使用大数据、物联网和人工智能的几种方式。
K-Challenge大赛为消费品行业带来创新热潮
金佰利赞助举办年度K-Challenge大赛,邀请企业家、初创公司和其他创新者通过金佰利数字创新实验室(D'Lab)开发消费品包装类别下的各种创新产品。比赛主要关注6个大类,数据和预测分析、网络安全、全渠道购物者体验、物联网/可穿戴设备/连接设备、供应链/运营解决方案、内容和媒体体验。这项技术创新投资帮助金佰利更好地适应当今最有创意的一些想法,并将其运用到运营中。
自助零售分析
金佰利的内部来源和外部来源会产生大量数据,内部来源例如销售和营销支出,外部来源例如尼尔森调研、Web应用、商店业绩和购买信息等。在采用Tableau、Amazon Redshift和Panoply的平台之前,金佰利的复杂数据存在于多个数据源且不够灵活的系统中,这使得大量数据难以被利用起来。通过整合数据,现在金佰利内部的更多专业人员可以访问使用这些数据,既节省了时间(每周减少8小时)又节省了金钱(2年内节省25万美元),因为他们用更少的时间来收集和整理数据,把更多时间花在了分析和解释这些数据,现在他们可以有效地访问和使用这些数据。
面向设施管理人员的物联网应用
为了帮助设施管理人员远程监控和管理洗手间的状况,Kimberly-Clark Professional推出了智能洗手间应用。建筑物洗手间的状态对于租户和顾客如何看待这个地方至关重要。不卫生的浴室可能会导致客户和租户对设施满意度较低。皂液分配器、空气清新剂、大门等传感器收集数据,然后发送到基于云的应用,设施管理人员可以从移动设备或桌面访问这些数据,以监控建筑物内洗手间的状况,而不需要一定去现场。对这个智能洗手间应用的一项试验研究显示,部署了这个应用之后耗材的使用量减少了20%。
用数据简化复杂的供应链
金佰利的全球供应链庞大且复杂。金佰利采用了更加网络化的供应链方法,因为通常每个相关方会参与流程的多个阶段。整个供应链——从规划、制造、合作伙伴管理到交付——中以数据为驱动的分析帮助金佰利简化并解决了供应链中固有的复杂性,并能够在整个过程中发现价值。金佰利知道,数据对于满足不断变化的客户需求、从供应链的透明度到客户对产品、价格、服务和质量的期望来说都是至关重要的。此外金佰利还采取了更加开放的方式与供应商合作,专注于共同创新。
高效的销售和营销
在中国沃尔玛商店的一个试点计划中,金佰利使用大数据来推动销售,从每天产生的大量POS数据中发现新的商机。金佰利与Retail Solutions合作,实时跟踪销售和库存。该系统可以准确分析海量数据集,确保每个产品和每个商店的库存都得到优化。此后,金佰利与其他零售商也推出了类似的计划,以获取POS点的活动情况,持续了解客户对产品的需求。
金佰利还利用数据和机器学习,通过RevTraxSmartOffers和Nielsen Marketing Cloud来提高数字化营销的成果和客户体验。金佰利可以根据实时消费者行为不断更新优惠活动。 通过跨数字渠道使用数据分析,金佰利还可以更好地了解他们13亿的客户,从而为客户提供他们所需的内容和他们的需求,从而推动互动并提高转化率。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。