根据 Oracle 和《纽约时报》(New York Times) 畅销书作者 Seth Stephens-Davidowitz 共同开展的《决策困境》 (The Decision Dilemma) 研究发现,人们在使用数据制定决策时通常会感到迷茫,影响了他们的生活质量和业务绩效。该项研究对包括中国在内的 17 个国家/地区的 14,000 多名员工和企业负责人展开调研。研究结果显示,人们不得不做出比以往更多的决策,在生活和职业生涯中普遍面临决策困境,以下为来自中国受访者的研究数据。
随着决策次数的增加,拥有更多数据却适得其反
面对海量的数据,人们会感到穷于应付,失去对数据的信任,导致决策过程更加复杂,并对他们的生活质量产生负面影响。
决策困境造成组织惰性
企业领导者希望获得数据的助力,他们清楚知道数据对于组织的成功至关重要,但尚缺助力成功的工具,削弱了他们的信心和及时做出决策的能力。
数据必须与决策相关,否则人们会放弃决策
数据收集和分析对企业领导者来说关系重大。
数据科学家兼《人人都在说谎》(Everybody Lies) 和《别相信你的直觉》(Don’t Trust Your Gut) 作者 Seth Stephens-Davidowitz 表示:“人们正在被数据淹没。这项研究强调了一个人在普通的一天中接收的大量信息,包括互联网搜索、新闻提醒、朋友评论等。这些信息加起来,经常会超出大脑的处理能力范围。因此,人们倾向于排除令人困惑、有时甚至会相互冲突的数据,凭着直觉做出决定,但这可能是一个很大的错误。事实已经一次又一次地向我们证明,我们的直觉会有很大误导性,而明智的决策需要在正确理解相关数据的情况下才能实现。企业需要寻找一种方法来处理手头上的数据流,以区分信号和噪音,这是至关重要的第一步。”
Oracle红牛车队主席兼首席执行官 Christian Horner 表示:"当我们的车手以每小时200多英里的速度比赛时,他们必须非常迅速地做出关键且正确的决策,如何时进站、哪条轮胎最适合赛道上的条件,这可能决定了输赢。凭借Oracle云基础设施远程软件服务 (Oracle Cloud Infrastructure, OCI),我们的团队可以通过在大奖赛周末期间运行数十亿次的比赛策略模拟,确保我们根据赛车的性能、赛道上发生的变化以及比赛中竞争对手的行动做出明智的决策。"
店匠科技(Shoplazza) CTO夏冰表示:“我们以技术和数据为导向,科学系统化地提升跨境电商企业的出海效率。借助甲骨文强大的数据管理能力,我们在保障业务安全稳定的同时,还将助力跨境电商企业更好地利用数据做出正确决策,抓住商机,实现海外业务发展。”
AdTiming 首席技术官张文涛表示:“作为全球智能营销平台,我们致力于帮助移动应用开发者获取更高广告收益、提升广告体验,这其中数据收集与分析对于营销决策至关重要。云技术与人工智能的深度融合,将大幅提升数据驱动型决策能力,助力我们为全球客户提供了更为智能、高效的营销服务。”
甲骨文公司高级副总裁及亚洲区董事总经理李翰璋表示:“随着数字经济的飞速发展,企业需要更多的相关数据来获得全局视图。对于负责制定决策的企业领导者而言,如果忽视这些数据,就需自担风险。这项研究指出,企业领导者需要重新思考对待数据和决策的方法,其中关键的一点是将数据从洞察到决策再到行动中连接起来,而Oracle云技术内嵌机器学习和人工智能,充分支持基础数据管理、增强和应用分析、运营应用套件,能够有效满足这一需求。”
好文章,需要你的鼓励
随着IT成为企业运营的核心支撑,IT服务台的重要性日益凸显。现代ITSM平台已从简单的帮助台发展为复杂的管理系统,集成了工单跟踪、资产管理、性能监控等功能。这些平台的核心是工单门户,确保请求得到及时处理。许多产品强调自助服务功能和AI集成,通过智能路由、预测分析和生成式AI来提高问题解决效率。本文详细介绍了21款主流ITSM工具,帮助企业选择适合的解决方案。
韩国AI研究院团队深入研究了大型语言模型的置信度评估机制,发现AI有时会对错误答案表现出过度自信的"幻觉"现象。研究揭示了AI内部"置信度计算器"的系统性偏差,提出了"内部一致性检测"方法来识别AI的真实确信程度,为开发更可靠的AI系统提供了重要科学基础。
思科与英伟达、VAST Data合作推出安全AI工厂,整合服务器、GPU和存储设备为企业提供一体化AI基础设施。该方案采用融合基础设施形式,以AI POD作为核心组件,搭载英伟达RTX PRO 6000 Blackwell GPU和思科UCS服务器。存储方面支持NetApp、Pure Storage或VAST Data产品。VAST声称其InsightEngine能够加速RAG管道,将响应延迟从分钟级降至秒级,支持企业级智能体AI应用。
苹果公司研究团队通过创新的GSM-Symbolic测试方法,发现当前先进AI系统在数学推理方面存在严重缺陷。研究表明,AI虽然在标准测试中表现优异,但面对表述稍有变化的同类问题时准确率显著下降,暴露出其缺乏真正的逻辑理解能力,主要依赖模式匹配而非推理。这项发现为AI评估提供了新标准,并为未来开发更可靠的AI推理系统指明了方向。