今年雲栖大會,我被這隻“羊”硬控了……
9 月 19 日 - 21 日舉行的 2024 雲栖大會已經落下帷幕,但是關于 AI 引領雲計算第三次變革的澎湃浪潮聲,相信還在很多參會者的耳邊回響。
特别是穿行在今年雲栖大會各個展區,IT之家可以深刻感受到今年大家更加關注 AI + 雲計算在實際産業場景中的應用,其中,特别是“數據 ×AI”, 正成為一個熱門關鍵詞和趨勢 。
01.
從雅戈爾到騰勢,這些企業數字化背後的秘密
“3 億多行、30TB 以上的數據報表,而且幾十個獨立數據煙囪,相互調用有獨立的用戶名和密碼,不同業務線的數據标準還不統一……”
在雲栖大會的展區現場,老牌服裝巨頭雅戈爾曾經面臨的數據資産使用痛點引起了IT之家的注意。數據量大、數據孤島問題嚴重,數據治理難,是這家企業在多年經營中逐漸積累的問題。
不過自 2005 年起,雅戈爾開始數字化進程,并在 2016 年進入“數據中台時代”。2019 年,他們開始和阿裡巴巴瓴羊的合作,利用 Dataphin 和 Quick BI 優化了數據處理和業務決策流程,在“數據 + AI”技術的加持下,實現了從傳統制造到智能生産的華麗轉身。
Dataphin 如今幫雅戈爾整合了 16 個系統,一站整合了 900 多個報表,400 多組指标,大幅降低了業務部門和 IT 部門之間的溝通成本,門店運營工作也能節省 60%-70%。
這裡的瓴羊,即瓴羊智能科技,它是阿裡巴巴全資子公司,主要就是為企業提供數據要素服務。他們能提供一整套數字化産品和服務,包括數據生産、消費以及數據流通等環節。 簡單來說就是通過數據為客戶創造價值 。
除了雅戈爾,在雲栖大會展區,小編還看到更多因為選擇了正确的數據治理方案而實現企業業務增長和數字化轉型的案例。
比如作為深耕小微金融代表的台州銀行,通過構建統一數據中台門戶,成功在内部統一了數據“度量衡”,包括制定全行級基礎類數據标準 1600+ 項、全行級指标體系 2500+……
還有比亞迪旗下高端豪華品牌騰勢汽車通過建設數智營銷平台,打通數據、系統、業務三流合一,實現了潛客邀約效率提升超過 80%,預約試駕率提升 21.9%、購車率提升 23.4%.
在和現場人員的交流中,IT之家能明确感受到“把數據用好”能夠為企業帶來的價值。
而在眼下這個洶湧而來的 AI 時代, “把數據用好”這件事本身也正在迎來進化 。
02.
瓴羊發布産品智能化戰略,從基建到應用,用 AI 逐層解構場景
就在 9 月 20 日,瓴羊于 2024 雲栖大會上舉辦了一場“Data×AI”相關的專場論壇。會上,阿裡巴巴集團副總裁、瓴羊智能科技 CEO 朋新宇發布了年度産品智能化戰略,可以總結為一個公式:
(算法 + 算力 + 數據) x 場景
私以為,這個公式包含了兩層意思:
首先“算法 + 算力 + 數據”其實就是 AI,它們是 AI 構成的核心要素。将這個公式展開,就是“算法 × 場景 + 算力 × 場景 + 數據 × 場景”,也就是說, “場景”應該貫穿 AI 的每一個要素 。
第二,算法再牛、算力再強,數據再豐富,也隻能做加法, 隻有當它們能落地到“場景” , 才能做乘法 ,才能讓 AI 的價值成倍釋放。
朋新宇在會上表示:“人工智能正以前所未有的速度重塑商業模式和生活方式,這其中,算法是智力,算力是體力,數據是血液, 但讓 AI 真正飛入尋常百姓家的關鍵 , 在于與具體場景的深度融合 。”
他強調,在 AI 的投入上,所有的企業應該從場景解構和業務重構開始。唯有這樣,AI 才能真正融入業務,推動千行百業的創新與發展。
所謂場景解構,就是确定在哪些場景痛點中可以應用 AI 解決問題,而業務重構,則是将 AI 能力有效整合進具體的場景中。
那麼瓴羊如何幫助企業們去解構場景、重構業務?朋新宇将之拆解為三層。與這三層對應的,在這次論壇上瓴羊也帶來了旗下産品體系智能化升級新能力的發布。
1、應用層
先看應用層,朋新宇從 AI× 分析、AI× 營銷、AI× 客服三個核心應用場景進行了解讀。同時,瓴羊也結合大模型打造了企業級的智能應用。
首先是瓴羊的 Quick Audience 智能營銷增長平台,它帶來了門店智能營銷助手的新能力。
過去傳統的門店往往是粗放式營銷,靠天吃飯,等客上門。而 Quick Audience 可通過數據 ×AI 的能力助力門店周邊客群精耕細作,比如基于大數據洞察周邊客群畫像與空間、基于大模型智能生成創意與觸達策略等,從而讓門店營銷洞察看得清、觸達可智能、效果可測量,增長可主動。
同時 Quick Audience 還升級了智能采集分析助手的新能力,可以幫助企業在埋點分析的全流程中極緻提效。
在演講中,瓴羊副總裁林鳴晖以他們服務過的一家珠寶店為例,通過 Quick Audience 門店智能營銷助手對客群做深度刻畫、營銷創意素材智能生成、觸達時機通道自推送等手段,該品牌一年的 ROI 做到了 50,正好在做活動期間,客群到店率非常高,整體線下的門店轉化率提升了 50%。
而在以往,他們基本都沒有做過這方面的工作,都是等客人上門。
“Data×AI 幫助企業一起做好營銷的内功,能夠穿越周期,行穩緻遠。”林鳴晖表示。當然,做到這一步隻是開始。同時他還強調:
“我們認為品牌要非常堅定的做品牌人心,在自有渠道上加大數字化營銷的投入,如果可以把自己的渠道做強,這是非常重要的,剩下用好平台的工具,把那邊的 ROI 做好就可以。”
在 AI× 客服方面,瓴羊也帶來了産品能力的升級。Quick Service 2.0 結合大模型,以及精通客服行業知識的業務小模型,推出三大核心能力: AI 問答 、 AI 輔助 和 AI 知識庫 。
無論是消費者,還是服務運營者或是一線客服本身,相信都為客服問題頭疼過,這是因為客服在目前大部分企業裡都不是價值中心,由此帶來客服效率低下、答非所問,無法解決問題等一系列難題。
Quick Service 2.0 則可以通過 AI 問答結合大語言模型深度推理能力精準洞察客戶實際需求,克服企業在應對客戶個性化需求時智能機器人答非所問的問題。
而 AI 輔助可顯著提高企業客服團隊的工作效能,比如大模型驅動的智能填單技術,可以讓一線客服在處理線上線下任務協同上的時間大幅縮短 95%。
AI 知識庫則針對服務運營進行優化,提升部署效率。
企業以往需耗費大量資源配置衆多 QA 條目,但機器人仍難以獨立解決客戶問題。現在則隻需幾份核心文檔,Quick Service 2.0 可以通過快速産品配置化的方式落地 Agent 智能服務專家,從而精準确洞悉消費者的真實需求。這讓知識庫管理員的運營效率提升了 30%,部署時間從 7 天縮短至 10 分鐘。
2、數據層
如果說在應用層的場景解構是通過數據治理的智能化升級幫助企業實現對外業務的能力蛻變,那麼在數據層的解構則是讓企業實現内部架構和管理流程的升級。就像朋新宇在現場所說:
你自己家的數據要有好數據,數據要好,質量要高。其實這個話題的本質,就是你如何做好自己企業裡面的數據治理。
說到這就不得不提到這次活動中瓴羊旗下 Dataphin 和 Quick BI 這兩款産品的智能化升級。
其中,數據建設和治理平台 Dataphin 帶來了智能化 Agent 能力,可對全域數據資産一鍵向量化,快速看清有哪些數據資産,簡單問答即可提供業務分析思路,在取數方面還能鍊接即席查詢及 BI 分析執行看數。
同時 Dataphin 還帶來了更先進的數據系統架構、更輕量的研發版本、更便捷自由的雲上半托管模式, 包括 全新的敏捷研發版 ,滿足中小企業小數據規模的全面數據建設與治理訴求。
而瓴羊的智能商業分析可視化工具 Quick BI 重點升級了智能問數 2.0,可以通過自然語言輸入獲得企業多維度的數據内容和聚合内容。
聽起來是不是有點抽象?在活動現場,瓴羊副總裁王賽和團隊的演示,大家可以更直觀感受到這兩款産品在實際應用中的表現。
比如當企業負責人想看公司銷售總金額的進展情況,他隻需用自然語言直接詢問,AI 助手智能小 Q 就能用目标加上實際進展情況的進度圖直觀呈現。同時它還能主動進行趨勢預測、波動歸因、導出、分享等等。
看完了演示,IT之家第一感覺是要想實現這樣的功能,首先高質量數據的采集、分析肯定是非常重要的。其實在會後的采訪中,小編也就此詢問了王賽,他表示,這是基于從在阿裡巴巴集團開始的過去二十年不斷積累的技術能力,來幫助企業處理各種繁複雜亂的、差異化的數據,去建立統一标準。
在阿裡巴巴集團的時候,我們提了一個 OneData 的方法、理念以及落地到 Dataphin 這樣的工具和體系裡。對于企業來說,有這樣的方法論、有這樣的産品和工具,以及我們技術能力的沉澱,我們是能夠比較快速的把企業裡面的數據整合、建設起來,然後去做模型的訓練。
王賽說道。
除了讓自己家的數據變好,對于企業來說,很多自身掌握的數據往往是不夠的,還需要讓數據流通起來。而從去年開始,瓴羊就在構建數據流通的服務,叫做“瓴羊港”,在這裡, 企業不管是買數據 、 采集數據 、 交換數據 , 都能更便捷 。
而在這次雲栖大會的活動中,朋新宇表示,如今瓴羊港已經新增數據夥伴 30 家,細分數據類型超過 30 個,總計标簽數達到 3000+,同時平台較去年還新增了數據質量檢驗模塊、數據洞察模塊、文本标注、模型訓練等能力,确保用戶能在港上買到、用到高質量的數據服務。
3、基建層
最後是在基建層,也就是企業數字化的基礎設施建設。瓴羊 CEO 朋新宇提出了一個比較有意思的主張:
AI 時代,企業們需要更多含 G 量和含模量(即 G 模),這裡的“G”,就是 GPU。
如果是老闆,關注今年預算裡有多少錢花在 GPU 上,未來整個計算的主流是 GPU 為主,CPU 為輔,所以今天能用上雲的智能智算中心,是最好的選擇,可以彈性也可以做業務的高峰和低谷的兼容和擴容,所以請大家關注含 G 量(含 GPU 的占比)。
朋新宇如是說。
其實這句話的本質,就是呼籲企業抓住 AI 時代的趨勢,不僅僅是上雲,而且是用智能計算、用 AI 大模型的能力去發揮數據最大的價值。這些,一定會在企業基礎設施的建設中得到體現。
03.
用起來,比等風來更重要
在活動後的采訪中,不少記者重複提到一個問題,就是瓴羊為什麼沒有做大模型,是基礎的、通用的大模型不投入,還是垂直的大模型也不投入?
瓴羊 CEO 朋新宇的回答是這樣的:
我們不投入做基礎模型的研發,但是我們把垂直模型應用到場景裡面的那個過程,其實比做一款模型更複雜,投入的量和技術的要求更高。
其實從百模大戰熱火朝天的打響以來,行業裡也不乏“将大模型投入到百萬量級的應用中更重要”的聲音,但更多還是停留在呼籲上,這裡有主觀的原因,客觀上 AI 還處在發展的初級階段, 真正可完美落地的應用場景也确實不好找 。
而在這個過程中,數據恰恰就是 AI 時代企業的剛需 ,也是 痛點明确存在 、 可以實實在在落地到很多具體應用場景的“切入點” 。
未來,數據在企業的場景裡無處不在、AI 在企業應用中無處不在的時代一定會到來,對于企業來說,早一步将“Date×AI”落地,就相當于在數智化轉型中搶占了先機。
畢竟,在 AI 的時代風口裡,“用起來”永遠比“等風來”更重要。
來源:IT之家
我來說兩句