
Qlik大中华区董事总经理刘智宏
数字经济时代,不管市场形势如何变化,数据总是不容忽视的,而且其作用只会越来越大。对于企业而言,是否能够利用数据并遵从数据所产生的洞察并采取明智行动,对于企业的成功至关重要。企业应该与信息建立起动态的关系,即实现“主动智能”,以提升实时性和敏捷性,让数据发挥作用,从而助力企业在数字经济时代取得成功。
但要实现这个目标充满挑战。具体来说,如果仅仅将采用主动智能视为技术转型的一环是远远不够的,无法真正发挥其作用,而只有企业从上而下调整工作方式才能发挥主动智能的潜力。
改变企业整体的工作方式需要时间和毅力,毕竟打破常规并非易事。Qlik在近期开展的一项关于提升技能以抓住主动智能所带来机遇的全球调研中发现,全球员工有超过半数表示做决策时很难做到仅参照数据而不考虑领导意见。同样有超过半数的员工表示不愿改变现有工作方式。
因此,企业如果希望成功实现向主动智能文化的转变,就必须从高层开始驱动变革。
以下是我认为领导者打造主动智能组织所需具备的三大特质:
以数据为导向
45%的最高层决策者仅凭直觉而非基于数据的洞察来制定决策。企业应基于数据作出明智决策并及时采取行动,其重要性不言而喻。随着企业业务发展加速,缺乏数据支撑的决策更加不可行。
然后,虽然近九成(89%)的高层管理人员希望团队成员能够向其说明数据在决策过程中发挥的作用,但其中近半数的领导者(45%)仍然凭直觉而不是基于数据的洞察来制定决策。这显然互相矛盾,任何此类“领导说了算”的做法都是在组织内倡导基于数据做决策的绊脚石。
领导者们不愿基于数据做决策的部分原因是,有42%的领导者对可用数据的实时性和准确性心存怀疑。高层领导都不相信数据,还如何要求其他员工相信数据?在缺乏信任的情况下,我们就不愿冒险,更不愿做出改变,而这将阻碍企业提升自身响应力、创新力和前瞻力。
可解释性和数据沿袭有助提高数据的可信度,但是想要实现这一点,就需要从领导层开始建立信任数据的文化。
对新想法持开放态度
曾有名人说过,宁要令人不愉快的真相也不要美丽的谎言。我们用数据不只是为了印证自己的观点,更希望它能够揭露真相。领导者需要对数据持开放态度,在数据结果与个人立场相悖时敢于接受事实。
给予充分信任,下放决策权
端到端分析数据管道带来的最大好处之一是有助实现数据民主化,任何员工都可以在工作中使用数据并从中受益。它不仅有助于领导者采取有效行动,也便于企业员工依据可操作信息和洞察做出决策。通过以正确形式向用户提供数据且不考虑他们的职务,数据就会变得易用和可用。这有助于培养信心和信任感,让更多员工能够独自或作为团队一员自由使用数据。在企业中提供洞察,有助于员工相互协作,使企业能够利用集体力量解决问题或实现个人无法单独完成的目标。
如果企业领导者能够抓住这个契机,制定策略来推动实现数据民主化,那么他们将会获得回报。关键在于构建相信数据的文化,给予员工足够的信任,让员工自行做决策。以正确的形式将数据放在恰当的位置,使用合适的工具提升用户技能。授予员工访问数据的权限,这样组织在做决策时才能做到集思广益,从而发挥集体的智慧。
即刻着手构建面向未来的数据能力
总而言之,企业管理层应该以身作则,积极推行善用数据,拥抱主动智能,确保企业能够在数字经济中的赢得先机。
如需了解更多关于主动智能如何助力企业成功的见解与实例,可关注公众号: Qlik商业智能。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。