据被称为21世纪的“石油”,对数据进行积累、分析、理解和有效使用所产生的价值在各行各业都已经被验证,而且不再只局限于某些大型企业。不同规模的组织机构、不同岗位上的工作人员都已经深谙这一点。
然而,虽然先进的数据技术被越来越多地使用,使用者的数据素养也不断提高,但仍有一些机构组织掉队了,例如公益组织,而这并非是公益组织缺乏使用数据工具、提高数据素养的意识,而是在能力和工具方面有所欠缺,所以还无法建立以数据为驱动的组织文化。
假设能够充分利用和释放数据的价值,公益组织和其他非营利机构想必能够极大提高运作和项目效率。但由于公益慈善领域通常需要各种审核和存档,这通常成为了公益组织购买数据工具方面的掣肘。
逐渐扩大的数据鸿沟
对公益组织而言,所获得的捐款或其他收入首要任务是回馈社区和人,这就意味着对新技术的投资和吸收高技能员工必须放在第二位。
如同数字鸿沟造成能上网的人比不能上网的人有着更大的优势,数据鸿沟也会对公益组织利用数据做好项目产生深远的影响。换句话说,假使公益组织无法获得数据驱动的洞察力,或无法有效地使用数据,他们的努力可能会受到严重阻碍。虽然这无关业界竞争,但对于利用数据来推动慈善、人道主义事业的进步是大为不利的。
能用、善用数据是关键
虽然有越来越多的公益组织通过数据来推动项目发展,但企业在这方面仍旧更占优势,很多企业已经在采用各种数据驱动型技术,如人工智能、物联网、数据分析等等,这些技术对于环保等项目上都能发挥巨大的用途。埃森哲最近的一份报告显示,有60%的机构在使用人工智能,53% 的机构使用数据分析和物联网来减少排放。要成功部署这些技术需要大量的数据,而且所有部门的员工都要具备数据知识,这样他们才能有效地使用这些工具。
更重要的是,公益组织的预算日渐紧缩,导致这些组织只能限制使用已有数据和工具,因此如何能够将现有数据和工具的价值最大化变得更加关键。如果利用创新工具生成数据的能力继续主要为企业所掌握,那么公益组织就必须专注于提高技能,使拥有的数据更加有效。
于今年年中发布的《中国公益组织互联网使用与传播能力第八次调研报告》显示,在中国公益组织中,有数字化规划和信息化规划的比例达45.25%,但不少机构在数字化和信息化方面投入的预算总体较低,没有预算的组织比例达到了39.36%。超8成机构在2022年并没有计划应用、部署、开发新的信息系统或数字化业务。
报告指出,公益组织的短板在于“数据分析能力”。 仅有23.18%的组织经常或有时对官方网站的数据进行分析(使用百度统计、站长网等工具),多数组织从不或很少对官方网站数据进行分析。同时,对微博、微信、短视频平台的数据及筹款数据的比例都较低。这也是公益组织数字化进程中的一大能力制约因素。
责任当前,谁应该站出来?
公益组织是真正在推动社会发生积极变化的机构,因此帮助他们符合所有人的利益。而企业主要是为了改善其环境、社会和治理(ESG)方面的表现,在商业利益面前,社会利益始终是放在第二位。
这种情况下,政府在向公益组织提供具体支持以提高其数据素养方面可以发挥作用,而且,在数据素养方面,各方有着很大的合作空间。例如,非营利组织可以利用企业的数据专业知识和资源,而合作的同时可以为企业提供机会,将合作纳入企业现有的ESG项目,营造双赢的局面。
总而言之,公益组织需要各方的大力支持,帮助他们释放数据的力量来应对最严峻的全球性挑战。可以设想一下,如果慈善机构和非政府组织能够提高数据素养,充分利用所拥有的信息,他们将能取得怎样的成就?数据技能的缺失,未来可能更广泛的数据鸿沟,将大大阻碍公益组织的工作效率,这是所有人都不愿意看到的。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
Google DeepMind最新研究发现,视频生成AI模型Veo 3展现出惊人的零样本学习能力,能够在未经专门训练的情况下完成图像分割、边缘检测、迷宫求解等多种视觉任务。研究团队通过18,384个视频样本验证了这一发现,认为视频模型正朝着通用视觉智能方向发展,可能引发类似大语言模型的行业变革。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
北航团队开发的GeoSVR技术突破了传统3D重建方法的局限,采用稀疏体素表示和体素不确定性评估,无需依赖初始点云即可实现高精度表面重建。该方法通过智能的深度约束和体素协同优化策略,在DTU等标准数据集上取得了最佳性能,为VR/AR、文物保护、影视制作等领域提供了新的技术选择。