数据已经成为的重要资产,通过数据分析获得最大限度的洞察,这将成为企业未来竞争力塑造和战略布局的关键,而AI技术的应用,将深化这一过程,极大提升企业的生产力。
对此,我们整理了五个案例,分别从平台构建、数据收集、数据治理、数据分析、数据应用五个角度,介绍了IBM Cloud Pak for Data如何通过人工智能场景服务组合,为企业提供企业级AI所需的一切工具,并支持任何云环境,加速实现数据的经济效益。
>>>案例一
卡塔尔开发银行与IBM携手,加速新模型开发和部署
卡塔尔开发银行(Qatar Development Bank,QDB)是一家卡塔尔银行,于1997年成立,主要促进卡塔尔中小规模多元化经济发展项目,为卡塔尔工业、旅游、教育、医疗卫生、农业、动物资源和渔业部门发展提供金融服务,银行及贷款。
通过与IBM 合作建立IBM 多哈创新中心(IBM Innovation Hub Doha),卡塔尔开发银行部署了IBM Cloud Pak for Data,用于加速新模型的开发和部署,将人工智能应用于数据,而不是将数据应用于人工智能。在此基础上,IBM Cloud Pak for Data还上线了Watson Studio、Watson OpenScale、Watson Assistant等Watson微服务,经过与高级数据科学、数据工程和应用构建功能整合,还能帮助企业在数据中发现以前无法发现的洞察。
>>>案例二
北欧联合银行凭强大数据库性能,支持关键业务运行
北欧联合银行成立于2001年,由瑞典、芬兰、挪威和丹麦四家银行合并而成,总部位于斯德哥尔摩,通过700家分行为北欧地区、波罗的海国家和俄罗斯超过1100万客户提供个人、商业和企业银行业务及理财服务。
为了支持遍布各地的核心银行业务及客户数据系统的正常运行,北欧联合银行内部拥有数百个数据库,IT环境相当复杂。因此,如何监控这数百个数据库并保持一切顺利运转成为IT部门的一大挑战。据此,北欧联合银行与IBM合作实施了可即时向DBA发出问题警告的数据库管理工具,不仅保持了数据库的高性能和高可用性,还简化了数据库监控流出,节省了大量运维时间,维护了卓越的用户体验。
>>>案例三
Edison升级系统性能,应对数据激增挑战
Edison创立于1882年,总部位于意大利米兰,是欧洲历史最悠久的能源和公用事业公司,业务运营覆盖全球十多个国家和地区,仅在意大利就为超过100万的客户提供能源服务。
面对大幅增长的数据量,Edison原有的业务系统难以应对,报告和分析运行时间过长,导致高层决策速度减慢。据此,Edison将其业务系统迁移到DB2 with BLU Acceleration,使得数据处理速度加快了十倍,数据库压缩75%,每年节省100万欧元的成本。
>>>案例四
Rotkäppchen-Mumm保持竞争力的秘诀:有效降低库存成本
Rotkäppchen-Mumm Sektkellereien GmbH(德国小红帽)创立于德国弗赖堡,主要生产起泡酒、烈性酒以及其他各种饮品。在竞争非常激烈的德国市场,该公司占了55%的份额。一直以来,Rotkäppchen-Mumm都将精益运营作为重要的业务目标,但是,要实现成本效益、控制库存水平,同时还要降低缺货风险、保障客户服务,这并不是一个容易完成的任务。
面对这样的业务挑战,Rotkäppchen-Mumm Sektkellereien GmbH基于IBM Cognos TM1和IBM SPSS Modeler 软件的全新解决方案,使得销售预测准确性提高了22%,帮助Rotkäppchen-Mumm从更准确的洞察中收获效益,同时,还在不增加缺货风险的情况下显著降低了库存水平,增加了流动资本。
>>>案例五
孩子王:立足数据实现精准营销,构建业务洞察
孩子王总部位于江苏南京,是一家数据驱动的,基于用户关系经营的创新型新家庭全渠道服务商,是中国母婴童商品零售与增值服务的品牌。在全国,拥有大型实体门店、线上PC端购物商城、移动端APP等全渠道购物体验。
据了解,孩子王基于Cognos Analytics、 Planning Analytics 和 SPSS Modeler三大组件构建了整合的营销分析支撑平台,实现了向数据驱动型零售商的战略转型。该平台能够收集企业全景信息,通过全角度分析,建立有数据支撑的战略决策和行动转化机制、并对行动进行高效的监控和分析。同时通过建立报表、分析、行动三层管理机制,实现了从预测、计划/预算到监控分析、营销方案制定,到精准营销及模型再调优的完整闭环。最终,成为孩子王进行会员分类分级和精准营销的重要基础,使其投资回报率提升了30%。
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。