dialog mit yu binping von der qixin group: große modelle werden die implementierung des „datenschwungrads“ in unternehmen beschleunigen
2024-09-14
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
daten sind der fünfte produktionsfaktor nach land, arbeit, kapital und technologie und eines der drei elemente der künstlichen intelligenz. ihre bedeutung ist in der branche zum konsens geworden. im zuge der digitalen transformation sind unternehmen ständig auf der suche nach innovativen lösungen, um ihr geschäft mithilfe von daten voranzutreiben und so geschäftswachstum und effizienzsteigerungen zu erzielen.
doch obwohl viele unternehmen in den letzten jahren mit dem aufbau von data-middle-plattformen begonnen haben, stehen sie oft vor dem dilemma „einfach zu bauen, aber schwer anzuwenden“. kürzlich diskutierte yu binping, cto der qixin group, mit 51 cto, wie unternehmen daten nutzen können, um ihr geschäftswachstum voranzutreiben.
daten müssen verwaltet, aber auch angewendet werden
im zuge der digitalen transformation sind datenmanagement und -anwendung zu themen geworden, die unternehmen nicht ignorieren können. yu binping glaubt, dass datenerfassung, datenbereinigung, governance und value-mining häufige herausforderungen sind, mit denen viele unternehmen konfrontiert sind.
im tatsächlichen betrieb sind unternehmensdaten häufig auf verschiedene systeme und abteilungen verteilt und einige daten lassen sich aufgrund von berechtigungen, formaten oder technischen einschränkungen nur schwer integrieren. darüber hinaus werden viele der aktuellen daten nachträglich erhoben, und es gibt auch gewisse probleme mit der qualität der daten. darüber hinaus haben verschiedene unternehmen unterschiedliche datenstandards und unterschiedliche dateninhalte für die datenbereinigung. letztlich führen „probleme bei der datenerfassung, qualitätsprobleme und governance-probleme häufig dazu, dass die big-data-abteilung zu einer berichtsabteilung wird.“
yu binping wies darauf hin, dass ein häufiges problem vieler unternehmen derzeit darin besteht, dass big data zu „big data“ geworden ist, d. h. die datenmenge ist zwar groß, aber statisch und hat nur einen begrenzten praktischen anwendungswert. hinter diesem phänomen steckt das mangelnde verständnis des unternehmens für daten und das fehlen effektiver datenanwendungsmethoden.
yu binping betonte, dass datenanwendungen eng in geschäftsszenarien und technische merkmale integriert werden müssen. unternehmen müssen komplexe talente fördern, die sowohl geschäftliche als auch technologische kenntnisse haben. sie können die geschäftlichen anforderungen tiefgreifend verstehen und technische mittel nutzen, um den wert von daten auszuschöpfen und so innovation und wachstum in das unternehmen zu bringen. beispielsweise können im einzelhandel neue geschäftsmöglichkeiten und die optimierung der lieferkette durch die analyse von kundenverhaltensdaten im e-commerce-bereich entdeckt werden. die verwendung von benutzerautorisierungsdaten zur abgabe personalisierter empfehlungen kann das benutzererlebnis und die verkaufsleistung verbessern.
als kernkomponente der digitalen architektur eines unternehmens spielt das rechenzentrum eine schlüsselrolle bei der erfassung und integration von daten, sei es im einzelhandel oder im b-business, bei der beendigung der situation von dateninseln, bei der realisierung einer zentralen verwaltung und analyse von daten und bei der förderung von daten austausch und zusammenarbeit zwischen verschiedenen niederlassungen und geschäftseinheiten. doch nach ansicht von yu binping scheint die traditionelle mittlere datenplattform unzureichend zu sein, wenn man mit der tieferen herausforderung konfrontiert wird, wie daten einen größeren wert generieren und das geschäftswachstum fördern können, „aufgrund der natur der mittleren plattform ist dies schwierig.“ den effekt steigern“.
das schwungrad dreht sich, ideen stehen an erster stelle
wie sollten unternehmen also auf die unfähigkeit von rechenzentren reagieren, das geschäftswachstum zu fördern?
„damit daten einen mehrwert schaffen oder zum geschäftswachstum beitragen können, muss es zunächst ein leitkonzept geben.“ yu binping glaubt, dass es für die technische abteilung oder unabhängige technologie schwierig sein wird, einen größeren wert für die daten zu generieren. mit anderen worten: unter anleitung von konzepten können wir die implementierung von „techniken“ wie algorithmen, data warehouses und großen modellen fördern. nur durch zusammenarbeit können wir einen besseren wert aus daten generieren.
diese überlegung deckt sich mit dem konzept des „datenschwungrads“. das konzept des „datenschwungrads“ betont den datenverbrauch als kern, fördert die tiefe integration von datenfluss und geschäftsprozessen und bildet einen sich selbst verstärkenden zyklusmechanismus. der schlüssel zum datenschwungrad besteht darin, die datenanalyse und -anwendung in jeden aspekt des geschäfts zu integrieren und so die aktivierung von datenbeständen und die innovation von geschäftsanwendungen zu realisieren.
„in traditionellen unternehmen kann das ‚datenschwungrad‘ als konzept oder leitfaden für die datenanwendung verwendet werden.“ yu binping betonte, dass das datenschwungrad nicht nur nicht im widerspruch zum rechenzentrum steht, sondern ein darauf basierender sprung ist, der daten vorantreibt anwendungen auf die nächste ebene. als infrastruktur für die datenverarbeitung konzentriert sich das rechenzentrum auf den aufbau öffentlicher data warehouses und big-data-plattformen; das datenschwungrad ist mit seinen eigenschaften der dynamischen zirkulation und kontinuierlichen optimierung zu einem beschleuniger von datenanwendungen geworden erzielen sie einen effizienteren und intelligenteren sprung in der governance und anwendung.
am beispiel seines eigenen unternehmens wies yu binping darauf hin, dass es für datengesteuerte unternehmen zur norm geworden sei, sich auf daten und technologie für kundenanalysen, präzisionsmarketing usw. zu verlassen. die kontinuierliche verbesserung der technischen fähigkeiten sei entscheidend, um die genauigkeit sicherzustellen datenanalyse und ergebnisse, einschließlich erstellung von algorithmen, modellen, data warehouses und ki-anwendungen usw. für diejenigen unternehmensteams, die sich des werts von daten oder technologie nicht ausreichend bewusst sind, liegt der schlüssel darin, proaktiv geschäftliche schwachstellen zu finden und zu lösen und die wirksamkeit der datentechnologie anhand konkreter fälle zu demonstrieren, wodurch die lösung weiterer anforderungen und schwachstellen angeregt wird. einen positiven kreislauf bilden und den potenziellen wert der daten voll ausschöpfen.
dank des großen modells beschleunigt das schwungrad bei der landung
obwohl das konzept des „datenschwungrads“ mit den aktuellen bedürfnissen und schwachstellen von unternehmen übereinstimmt, ist es immer noch eine frage, wie das „schwungrad“ zum drehen gebracht werden kann.
laut yu binping hängt die erfolgreiche umsetzung des datenschwungrads von klaren kunden- und geschäftszielen, qualitativ hochwertigen daten und geeigneten technischen mitteln ab.
erstens sollte sich das datenschwungrad auf kunden und unternehmen konzentrieren und nicht nur auf technologie, um sicherzustellen, dass digitale strategien kunden und geschäftswachstum wirklich unterstützen können. zweitens muss der implementierungspfad die datenqualität sicherstellen und die datenerfassung, -verarbeitung und -konstruktion umfassen, was die grundlage für die erzielung des datenschwungradeffekts darstellt. das letzte sind technische fähigkeiten, die auswahl geeigneter algorithmen, ki-modelle und anderer spezifischer technischer mittel zur maximierung des werts.
auf technischer ebene hat die rasante entwicklung großer modelle einen starken beschleuniger für die umsetzung des datenschwungrads geschaffen.
yu binping wies darauf hin, dass die anwendung der großmodelltechnologie den komfort und die effizienz von datenanwendungen erheblich verbessert hat: „ohne die unterstützung großer modelle verbleibt das datenschwungrad möglicherweise nur auf der theoretischen ebene oder wird möglicherweise nur von denjenigen genutzt, die es betreiben.“ um dieses konzept in die praxis umzusetzen, müssen sich die meisten traditionellen unternehmen auf die leistungsfähigkeit großer modelle verlassen.“
beispielsweise kann die technologie großer modelle durch ihre leistungsstarken semantischen verständnisfunktionen daten schnell identifizieren und klassifizieren und so den datenverwaltungsprozess vereinfachen. in der praxis von yu binping werden große modelle zur optimierung der datenbereinigung und governance-arbeit mit einer genauigkeitsrate von über 95 % verwendet. solche technologischen anwendungen verbessern nicht nur die effizienz der datenverarbeitung, sondern setzen auch einen größeren datenwert für unternehmen frei und bieten eine starke datenunterstützung für geschäftsentscheidungen.
schließlich besteht für viele unternehmen in china immer noch das hauptziel darin, ihr geschäft zu digitalisieren und technologie zu nutzen, um ihr geschäft und ihre kunden besser zu bedienen. unternehmen müssen diesen trend begreifen, weiter erforschen und praktizieren, daten als flügel nutzen, die drehung des schwungrads beschleunigen und einen sprung in der digitalen transformation erreichen. (xianning news network)
