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
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。