qixin group yu binping과의 대화: 대형 모델은 기업에서 '데이터 플라이휠' 구현을 가속화할 것입니다.
2024-09-14
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
데이터는 토지, 노동, 자본, 기술에 이어 다섯 번째 생산요소이자 인공지능의 3대 요소 중 하나로 그 중요성이 업계에서 공감대를 형성하고 있다. 디지털 혁신의 물결 속에서 기업은 비즈니스 성장과 효율성 향상을 달성하기 위해 데이터를 통해 비즈니스를 추진하는 혁신적인 솔루션을 끊임없이 찾고 있습니다.
그러나 지난 몇 년간 많은 기업들이 데이터 미들 플랫폼 구축을 시작했음에도 불구하고 '구축은 쉽지만 적용은 어렵다'는 딜레마에 직면하는 경우가 많다. 최근 qixin group의 cto인 yu binping은 51명의 cto와 기업이 데이터를 사용하여 비즈니스 성장을 촉진할 수 있는 방법에 대해 논의했습니다.
데이터를 관리해야 하지만 적용도 필요합니다.
디지털 혁신 과정에서 데이터 관리와 적용은 기업이 무시할 수 없는 문제가 되었습니다. yu binping은 데이터 수집, 정리, 거버넌스 및 가치 마이닝이 많은 기업이 직면한 공통 과제라고 믿습니다.
실제 운영에서 기업 데이터는 다양한 시스템과 부서에 분산되어 있는 경우가 많으며 일부 데이터는 권한, 형식 또는 기술 제한으로 인해 통합하기 어렵습니다. 더욱이, 현재 데이터의 대부분은 사후에 수집된 것이므로, 데이터의 품질에도 일정한 문제가 있습니다. 또한, 기업마다 데이터 정리를 위한 데이터 표준과 데이터 내용이 다릅니다. 결국 “데이터 수집 문제, 품질 문제, 거버넌스 문제로 인해 빅데이터 부서가 보고 부서로 전락하는 경우가 많습니다.”
yu binping은 현재 많은 기업이 직면하고 있는 공통적인 문제는 빅 데이터가 '빅 데이터'가 되었다는 것입니다. 즉, 데이터의 양은 많지만 정적이며 실제 적용 가치가 제한된다는 점을 지적했습니다. 이러한 현상의 이면에는 기업의 데이터에 대한 이해 부족과 효과적인 데이터 활용 방법이 부족하기 때문입니다.
yu binping은 데이터 애플리케이션이 비즈니스 시나리오 및 기술 기능과 긴밀하게 통합되어야 한다고 강조했습니다. 기업은 비즈니스 요구 사항을 깊이 이해하고 기술적 수단을 사용하여 데이터의 가치를 발굴하여 기업에 혁신과 성장을 가져올 수 있는 복합 인재를 육성해야 합니다. 예를 들어, 소매 업계에서는 전자 상거래 분야에서 고객 행동 데이터 분석을 통해 새로운 비즈니스 기회와 공급망 최적화를 발견할 수 있으며, 사용자 인증 데이터를 사용하여 개인화된 추천을 제공할 수 있으며, 이를 통해 사용자 경험을 향상시킬 수 있습니다. 판매실적.
기업 디지털 아키텍처의 핵심 구성 요소인 데이터 센터는 소매업이든 b 기업이든 데이터를 수집 및 통합하고, 데이터 섬의 상황을 종식하고, 데이터의 중앙 집중식 관리 및 분석을 실현하고, 데이터 활성화를 촉진하는 데 핵심적인 역할을 합니다. 다양한 지점과 사업부 간의 공유 및 협업. 그러나 yu binping의 견해에 따르면 데이터를 어떻게 더 큰 가치로 만들고 비즈니스 성장을 촉진할 것인지에 대한 더 깊은 도전에 직면했을 때 전통적인 데이터 중간 플랫폼은 부적절해 보입니다. 사업 효과를 키워라."
플라이휠이 돌아가면 아이디어가 먼저입니다
그렇다면 기업은 데이터 센터가 비즈니스 성장에 힘을 실어주지 못하는 상황에 어떻게 대응해야 할까요?
"데이터가 가치를 창출하거나 비즈니스 성장에 도움이 되려면 먼저 지침 개념이 있어야 합니다." yu binping은 지침 개념 없이는 기술 부서나 독립적인 기술이 데이터에 대해 더 큰 가치를 창출하기 어려울 것이라고 믿습니다. 즉, 개념의 지침에 따라 알고리즘, 데이터 웨어하우스, 대규모 모델과 같은 "기술"의 구현을 촉진할 수 있으며, 함께 협력해야만 데이터에서 더 나은 가치를 창출할 수 있습니다.
이러한 고려 사항은 "데이터 플라이휠"의 개념과 일치합니다. "데이터 플라이휠" 개념은 데이터 소비를 핵심으로 강조하고 데이터 흐름과 비즈니스 프로세스의 심층 통합을 촉진하며 자체 강화 주기 메커니즘을 형성합니다. 데이터 플라이휠의 핵심은 데이터 분석과 적용을 비즈니스의 모든 측면에 통합하여 데이터 자산의 활성화와 비즈니스 애플리케이션의 혁신을 실현하는 것입니다.
"전통적인 기업에서는 '데이터 플라이휠'이 데이터 적용을 위한 개념이나 가이드로 사용될 수 있습니다." yu binping은 데이터 플라이휠이 데이터 센터와 모순될 뿐만 아니라 이를 기반으로 데이터를 추진하는 도약이라고 강조했습니다. 더 깊은 수준으로 응용합니다. 데이터 처리를 위한 인프라로서 데이터 센터는 공공 데이터 창고와 빅 데이터 플랫폼을 구축하는 데 중점을 두고 있습니다. 데이터 플라이휠은 동적 순환과 지속적인 최적화의 특성을 갖고 있어 두 가지가 서로 보완하고 공동으로 데이터 애플리케이션의 가속기가 되었습니다. 기업의 데이터 개발을 촉진합니다. 거버넌스 및 애플리케이션에서 보다 효율적이고 지능적인 도약을 달성합니다.
yu binping은 자신의 사업을 예로 들어 데이터 기반 기업의 경우 고객 분석, 정밀 마케팅 등을 위해 데이터와 기술에 의존하는 것이 표준이 되었다고 제안했습니다. 데이터 분석 및 결과 구축 알고리즘, 모델, 데이터 웨어하우스 및 ai 애플리케이션 등이 포함됩니다. 데이터나 기술의 가치에 대한 인식이 부족한 엔터프라이즈 팀의 경우 비즈니스 문제점을 적극적으로 찾아 해결하고, 실제 사례를 통해 데이터 기술의 효율성을 입증함으로써 더 많은 요구 사항과 문제점에 대한 솔루션을 자극하는 것이 핵심입니다. 선순환을 형성하고 데이터의 잠재적 가치를 최대한 활용합니다.
대형 모델의 장점인 플라이휠은 착륙 시 가속됩니다.
"데이터 플라이휠"의 개념은 기업의 현재 요구 사항 및 문제점과 일치하지만 "플라이휠"을 어떻게 회전시킬지는 여전히 탐구해야 할 문제입니다.
yu binping에 따르면 데이터 플라이휠의 성공적인 구현은 명확한 고객 및 비즈니스 목표, 고품질 데이터 및 적절한 기술적 수단에 달려 있습니다.
첫째, 데이터 플라이휠은 단순히 기술을 추구하기보다 고객과 비즈니스에 초점을 맞춰 디지털 전략이 고객과 비즈니스 성장에 진정으로 도움이 될 수 있도록 해야 합니다. 둘째, 구현 경로는 데이터 플라이휠 효과를 달성하기 위한 기반인 데이터 수집, 처리 및 구성을 포괄하는 데이터 품질을 보장해야 합니다. 마지막은 가치를 극대화하기 위한 적절한 알고리즘, ai 모델 및 기타 특정 기술적 수단을 선택하는 기술 역량입니다.
기술 수준에서 대형 모델의 급속한 개발은 데이터 플라이휠 구현을 위한 강력한 가속기를 제공했습니다.
yu binping은 대형 모델 기술의 적용으로 데이터 응용의 편의성과 효율성이 크게 향상되었다고 지적했습니다. “대형 모델의 지원이 없으면 데이터 플라이휠은 이론적인 수준에만 머물거나 관련 종사자만 사용할 수 있습니다. 대부분의 전통적인 기업이 이 개념을 실행하려면 대형 모델의 힘에 의존해야 합니다.”
예를 들어, 대규모 모델 기술은 강력한 의미론적 이해 기능을 통해 데이터를 신속하게 식별하고 분류하여 데이터 거버넌스 프로세스를 단순화할 수 있습니다. yu binping의 실무에서는 대규모 모델을 사용하여 데이터 정리 및 거버넌스 작업을 최적화하며 정확도는 95% 이상입니다. 이러한 기술 적용은 데이터 처리 효율성을 향상시킬 뿐만 아니라 기업에 더 많은 데이터 가치를 제공하고 비즈니스 의사 결정을 위한 강력한 데이터 지원을 제공합니다.
결국 중국의 많은 기업의 주요 목표는 여전히 비즈니스를 디지털화하고 기술을 사용하여 비즈니스와 고객에게 더 나은 서비스를 제공하는 것입니다. 기업은 이러한 추세를 파악하고 계속 탐색하고 실천하며 데이터를 날개로 활용하고 플라이휠 회전을 가속화하며 디지털 혁신의 도약을 달성해야 합니다. (시안닝 뉴스 네트워크)
