導(dǎo)語(yǔ):美國(guó)《華爾街日?qǐng)?bào)》網(wǎng)絡(luò)版今天撰文稱(chēng),隨著數(shù)據(jù)分析技術(shù)逐漸向企業(yè)基層人員開(kāi)放,加之相關(guān)服務(wù)的價(jià)格降低、速度加快,很多公司都在用這種技術(shù)取代中層管理人員。
以下為文章主要內(nèi)容:
創(chuàng)業(yè)公司內(nèi)部正在發(fā)生一些可能產(chǎn)生深遠(yuǎn)影響的變化,如果老牌巨頭想要繼續(xù)生存下去,可能也要被迫模仿這種模式:越來(lái)越多的企業(yè)開(kāi)始縮減員工人數(shù),甚至減少管理崗位,并用“數(shù)據(jù)”取而代之。
“每次有人讓我給他增加人手時(shí),其實(shí)很多答案都可以直接從數(shù)據(jù)中獲取,然后直接交給決策者。”在線二手服裝店thredUP CEO詹姆斯·雷因哈特(James Reinhart)說(shuō),“我認(rèn)為這大約可以節(jié)省四五個(gè)數(shù)據(jù)分析人員。”
Looker是一家云計(jì)算服務(wù)提供商,專(zhuān)門(mén)將海量企業(yè)數(shù)據(jù)轉(zhuǎn)換成數(shù)據(jù)控制中心,供企業(yè)內(nèi)部的所有員工查看。該公司CEO弗蘭克·比安 (Frank Bien)表示,其他創(chuàng)業(yè)公司也發(fā)現(xiàn)了類(lèi)似的問(wèn)題。Looker競(jìng)爭(zhēng)對(duì)手RJMetrics也持有同樣的觀點(diǎn):得益于管理結(jié)構(gòu)的徹底轉(zhuǎn)變,創(chuàng)業(yè)公司比以前 更加靈活了——這種新型管理結(jié)構(gòu)將決策推向了組織外圍,讓那些真正從事日常工作的員工來(lái)做決定。
這種扁平化的層級(jí)結(jié)構(gòu)之所以成為可能,是因?yàn)橐痪€員工得以獲得以前難以接觸到的大量數(shù)據(jù)。在傳統(tǒng)企業(yè)結(jié)構(gòu)中,通常只有級(jí)別更高的管理人員才能查看。
比安表示,以前的企業(yè)受困于“數(shù)據(jù)救濟(jì)隊(duì)”——管理層掌握所有數(shù)據(jù),但基層員工卻必須排隊(duì)領(lǐng)取制作決策所需的數(shù)據(jù)。短短幾年前,數(shù)據(jù)庫(kù)的價(jià)格還 非常昂貴,“商業(yè)智能”軟件的成本也高達(dá)數(shù)百萬(wàn)美元,可能需要數(shù)月才能安裝完畢。所以,這類(lèi)服務(wù)未能廣泛普及完全在情理之中。但這種情況已經(jīng)改變。
Chubbies是一家服裝創(chuàng)業(yè)公司,他們通過(guò)瞄準(zhǔn)大學(xué)生群體實(shí)現(xiàn)了快速發(fā)展。該公司就借助數(shù)據(jù)的力量充分放權(quán)給普通員工。Chubbies甚至沒(méi)有單獨(dú)的CEO,而是任命了4名聯(lián)席CEO,每個(gè)CEO負(fù)責(zé)一項(xiàng)業(yè)務(wù)職能,并將這種模式向下推廣到公司的所有層級(jí)。
“我們所有員工都可以獲得相同的數(shù)據(jù)。”Chubbies聯(lián)席CEO湯姆·蒙哥馬利(Tom Montgomery)說(shuō),“如果你沒(méi)有傳統(tǒng)的CEO和最終決策者,那就必須相信所有人都能根據(jù)其掌握的數(shù)據(jù)制定正確決策。建立信任可能需要一段時(shí)間,可 一旦信任建立了,便可大幅加快決策速度。”
以前,如果要在電子商務(wù)公司內(nèi)調(diào)用大量數(shù)據(jù),需要首先詢問(wèn)數(shù)據(jù)科學(xué)家,還需要編程人員的協(xié)助。要從數(shù)據(jù)庫(kù)中查閱信息需要一段時(shí)間,如果你遺漏了重要的數(shù)據(jù)列,或者還有進(jìn)一步的問(wèn)題需要詢問(wèn),耗費(fèi)的時(shí)間可能長(zhǎng)達(dá)數(shù)小時(shí),甚至數(shù)天。
但現(xiàn)在,云計(jì)算服務(wù)已經(jīng)大幅簡(jiǎn)化了這一流程,使得公司的所有員工都可以查看和分析整個(gè)數(shù)據(jù)庫(kù)的內(nèi)容,例如,根據(jù)客戶所在的地區(qū)和購(gòu)買(mǎi)記錄分析其生命周期,銷(xiāo)售人員也可以在計(jì)算廣告的投資回報(bào)率時(shí)更加周全地考慮更多問(wèn)題。
舉個(gè)例子:以前,首先由營(yíng)銷(xiāo)經(jīng)理來(lái)確定是否應(yīng)當(dāng)規(guī)劃某項(xiàng)活動(dòng),然后由營(yíng)銷(xiāo)助理負(fù)責(zé)為客戶設(shè)計(jì)相關(guān)活動(dòng)。但現(xiàn)在,Chubbies聯(lián)席CEO蒙哥 馬利表示,他唯一的一名活動(dòng)規(guī)劃員就可以使用各種信息中心來(lái)了解Facebook點(diǎn)贊數(shù)、Instagram貼圖數(shù)和各項(xiàng)活動(dòng)帶來(lái)的具體銷(xiāo)量,因?yàn)檫@些數(shù) 據(jù)都已經(jīng)完成了編碼,可以隨時(shí)查看。因此,所有的活動(dòng)決策都交給這位活動(dòng)規(guī)劃員來(lái)制定,包括是否需要舉行進(jìn)一步的活動(dòng),以及舉行的時(shí)間。如果有人質(zhì)疑此人 的決策,他完全可以用數(shù)據(jù)為自己辯護(hù)。
數(shù)據(jù)訪問(wèn)權(quán)和分析權(quán)的下放并不意味著數(shù)據(jù)科學(xué)家的價(jià)值降低,很多數(shù)據(jù)在推送到信息中心之前需要進(jìn)行清理和驗(yàn)證。即使通過(guò)算法來(lái)完成,也需要設(shè)立專(zhuān)職人員,以便深入解讀這些信息的來(lái)源和含義。
事實(shí)上,企業(yè)將數(shù)據(jù)作為一項(xiàng)競(jìng)爭(zhēng)優(yōu)勢(shì)來(lái)對(duì)待并非最新趨勢(shì)。從IBM到惠普,再到Tableau、Qlik、GoodData和Birst等市場(chǎng)新秀,目前約有數(shù)十家專(zhuān)門(mén)從事企業(yè)智能軟件開(kāi)發(fā)的企業(yè)。但對(duì)于過(guò)去5年成立的創(chuàng)業(yè)公司來(lái)說(shuō),關(guān)鍵在于,現(xiàn)在已經(jīng)能夠以低廉的價(jià)格快速存儲(chǔ)和分析海量數(shù)據(jù)。亞馬遜的Redshift“數(shù)據(jù)倉(cāng)儲(chǔ)”服務(wù)就是這一趨勢(shì)的典型代表。雖然成立僅兩年,但Redshift卻已經(jīng)成為亞馬遜有史以來(lái)增速最快的服務(wù)。
比安表示,這一趨勢(shì)的關(guān)鍵其實(shí)并非“大數(shù)據(jù)”,只是以更快的速度為普通員工提供了更多可用數(shù)據(jù)?,F(xiàn)在,所有員工都擁有了可以監(jiān)測(cè)目標(biāo)進(jìn)程的工具,所以很多創(chuàng)業(yè)公司不再需要設(shè)立專(zhuān)門(mén)的中層管理人員來(lái)搜集信息和制定決策。而企業(yè)高管也不再需要借助中層管理人員來(lái)了解員工的表現(xiàn),因?yàn)閿?shù)據(jù)的透明性和明確性已經(jīng)可以取代人類(lèi)完成這一工作。
盡管并不意味著中層管理將徹底消失,但這的確是一場(chǎng)革命。很多公司的中層甚至高層管理人員都在兼做“球員和教練”,既直接從事業(yè)務(wù),也會(huì)指導(dǎo)其他人開(kāi)展業(yè)務(wù)。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。