后疫情时代的世界与以往已经截然不同,面对此次疫情“大考”,企业从经历变化,到适应变化,纷纷开始打造适应未来数字化转型的新模式、新服务和新业态。“以数据为中心”不再是业务发展、提升核心竞争力的可选项,而是必选项。换句话说,数据驱动全链条的数字化升级已经是越来越明显的趋势,比如,基于精准化消费者定位和分层化需求感知对接的柔性生产链以及弹性供应链等,就成为数据智能技术的重点发力端。
大部分企业已经意识到向数据驱动体系转变的必要性,但在实际落地并赋能上却又明显力不从心。如何破解企业数字化转型“顽疾”,从数据中释放洞察力,提升运营决策能力,成了这段时期企业关注的重点。
由于外部环境发生了显著变化,数据服务开始呈现出一些新的趋势。如,大数据应用以优化决策、降本增效为基本方向的态势越来越明显。同时,越来越多的业务应用场景被开发出来,大数据应用进一步从消费端向生产端、供给端渗透、延伸,各种技术工具、数据产品服务或整体化解决方案持续涌现……
谷歌团队曾提出,大数据的典型特征是“四个V”——Volume数量、Velocity速度、Variety类型、Veracity准确,但实际上还有一个V更为重要——Value价值。一些企业花了大量的成本去完成前四个V,好不容易实现了快速、及时地收集、访问到海量数据,但到实现价值时却功亏一篑,因为种种原因无法真正让数据指导行动、优化决策。不产生价值,企业的运营效率和投资回报就无法得到提升,“数据驱动”就是一句空话。
对于数据的应用和数据价值的实现,TalkingData创始人兼CEO崔晓波有自己的理解。在崔晓波看来,一、数据本身没有价值,只有依托于业务场景才能产生价值;二、数据本身不是“资产”而是“负债”,数据在规范化的采集、存储、处理、合规的过程中要消耗大量成本,只有数据与业务结合并在应用中产生增益,才称得上是具有价值的资产;三、数据在实际业务中不断地产生、应用、增值、再产生,形成业务与数据的闭环,才是最理想的数据价值生态。
抓住问题本质,会帮助企业更好地推进决策能力建设,在客户关系管理、营销广告投放、产品销售渠道、门店选址运营甚至产品研发、供应链管理等等方面,利用大数据创造巨大的价值,让“数字化转型”从趋势真正落地到企业的实际业务中。
作为中国大数据行业的领军企业,TalkingData在近十年发展历程中,已积累起丰富的面向场景的数据生产要素、融合场景的智能算法和数据应用服务以及数字化转型实施经验。为了满足不同行业、不同规模、不同发展阶段企业的需求,TalkingData在对技术和标准化产品进行不断优化迭代的同时,也在不断创新和沉淀针对业务场景的定制化方案和服务。在运营数据产品时,TalkingData会首先对实际业务进行深入调研,再帮助企业整合所需的数据、构建相应的算法模型,将数据匹配、高效且合规地应用在业务场景中,以此发挥数据的价值。
此外,TalkingData的团队架构也是基于这样的需求而搭建,通过前台的数据分析师、业务分析师等对业务具备深度认知的人员,面向企业提供服务;中台则提供数据工程、数据科学、营销科技等平台能力来支撑前台,从而应对不同的业务场景。凭借多年发展,如今TalkingData已经在互联网、营销、零售、快消、金融、房地产、公共事业等多个行业落地开花,与上千家企业一起洞见数据价值、应对数字化转型挑战。
崔晓波曾在一次采访中提到,TalkingData作为没有业务场景的公司,更需要结合行业伙伴的能力一起去探索,连接数据和业务场景。近年来,TalkingData也在积极与产业链上下游的企业进行交流和合作,希望打造开放共享、良性共生的数据生态。今年1月,TalkingData宣布获得由华润资本领投的1亿美元新一轮融资。TalkingData会选择华润资本作为投资方,一个重要的原因就是看好华润集团旗下的丰富业态,可以为TalkingData带来更多的场景。
疫情洗礼下,数字化转型始于被动而建于主动,重在技术基建、根在业务场景,成于数据价值的提取。企业需要TalkingData这样的服务商来搭建基础设施、加速落地实施、实现价值转化,而TalkingData也需要与企业共同构成数据与业务相互增益的闭环,让数据价值的潜力得以充分释放,帮助企业和社会无惧后疫情时代的挑战,在发展数字经济、数字社会的道路上快进一步。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。