京东数科进化:“数字化操作系统”赋能传统产业智能转型

2018年11月,京东金融进行重大组织架构调整,将名称更改为“京东数科”。这次调整中,京东数科改变的不只是名称。在业务方面,公司不但继续强化原有的金融科技板块,而且将数字城市、数字农牧、AI广告投放等全部纳入范围之中。

从此,京东数科正式从金融数字化切换到了更广阔的产业数字化赛道,开始自我进化。

从京东金融到京东数科
2013年10月,京东金融正式宣告作为一个独立板块开始运营,并推出了“白条”、“京保贝”等知名工具产品,以消费金融为切入点,迅速将业务范围扩展到了供应链金融、在线支付等领域。在京东电商平台积累的海量用户数据基础上,京东金融早期以“科技金融”为主攻方向,开发出了先进的底层风控和信用生态系统。在这套系统支撑下,京东金融为5亿庞大用户群进行了信用评估,并在信贷业务上实现了全程无人工审批、实时授信、动态风控。实践证明,其坏账率远低于传统风控模式。

2015年,“互金”成为资本竞相追逐的风口。然而此时的京东金融,尽管坐拥令“互金新贵”们普遍艳羡的5亿规模C端用户数据,却并没有像其他机构那样,急于去追逐短期利益。因为京东管理层认为,当前风口的短期性、表面性——“互金”风口关注的只是流量和获客,此时大量涌现出来的互金平台们,始终没有能够触及到金融供应链层面,没有做到从控制风险的角度解决问题,无法从结构上去为产业真正降低成本做出贡献。包括银行、证券机构在内的传统金融产业,由于缺乏线上数据和线上场景,在向互联网数字化升级转型的过程中,往往会因为线上风控能力较差,非常容易成为互联网金融诈骗等的侵害,造成大量损失。要解决这个问题,传统金融该产业需要的是一场真正的供给侧改革。

基于这个认知,京东金融果断决策转变发展战略,避开拥挤而浅薄的互金风潮,将原先奉行的“科技金融”方向,转变为“金融科技”。从那时起,京东金融上下开始将资源向“金融科技”方向倾斜,致力于帮助银行、证券机构等实现资金供给端与需求端的匹配,大幅提升风险管控水平,真正做到降本增效。

时间进入2018年,京东金融再度走到了战略发展方向的抉择关口。历经5年发展,京东金融无论在消费金融还是在金融产业供给侧改革方面,都做得非常成功。但京东集团掌舵人刘强东和京东金融CEO陈生强,却不约而同地在思考更深层的问题:未来的京东金融,是要做一个金融公司,还是科技公司?

这5年来,京东金融所做的事情,可以用“金融数字化”来概括:一方面借助电商平台以及消费金融业务的开展,积累了十几年的海量用户数据和交易数据;另一方面又在帮助金融产业实现供给侧改革过程中,大量应用和开发了包括机器学习、人工智能、图像识别与区块链等在内的最新技术。所以,京东金融实际上已经成为一个以科技驱动业务的互联网公司,它的核心竞争优势就是数据和科技这两项。

刘强东和陈生强都认为,既然拥有了数据和科技这两项核心优势,京东金融就不应该将发展方向局限于金融领域。首先,金融是一个高维度产业,它要真正成为社会经济发展的推进器,就必须实现金融与实体产业的深度连接。自身拥有数据和科技优势的京东金融,完全有能力承担金融与实业之间连接器的角色;更重要的是,这个优势不仅能为金融产业服务,更能延伸到其他实体产业中,通过帮助传统产业实现数字化升级来为社会创造更大价值。因此,京东金融决心实现再次转型,向产业数字化挺进。

进化:京东数科这一年
从2018年底更改名称、并出台重大组织机构调整至今,京东数科在“进军实体经济数字化”的方向已取得了不少成绩。并在城市、农牧、营销和资管四大领域打造了堪称典范的应用实例。

在数字城市领域,京东数科在科技部主持的,涉及中央经费高达2.1亿元的“物联网与智慧城市关键技术及示范”重点专项2019年定向项目中,拿下了“国家中心城市数据管控与知识萃取技术和系统应用”项目。这是智慧城市领域第一个由互联网公司牵头拿下的国家重点研发计划,它标志着京东数科在物联网、大数据、人工智能领域的技术实力得到国家层面的认可与支持。

在农牧业务领域,京东数科已经与吉林精气神、哈尔滨信诚、重庆六九畜牧、四川元宝枫等养殖企业签署订单,以人工智能AI技术,实现了对每一头猪的身份精准识别和跟踪,确保每一头猪都能得到单独进食的饲养条件,并对喂食饲料的营养摄入进行了智能化监控。同时还通过智能化温湿度环境监控、猪仔感染病情分析、疾病检测等手段,确保了出栏率。预计,京东数科的体系在全国大范围推广后,将为整个行业实现每年节省500亿元的成本效应。

在新形态营销方面,京东数科旗下的京东钼媒,在自主研发与合作共建两种形式并进的策略下,为社会行业提供了能智能匹配需求端和供给端的先进广告投放体系,极受客户欢迎。在这套体系支撑下,京东钼媒已经实现了对1千万个以上媒体点位的整合,在300多个城市中,覆盖了包括零售、办公、出行、社区、公共空间等几乎所有可触达的场景,成效斐然;在金融资管领域,京东数科准确把握了金融机构寻找新增长点的需求,以创新科技应用,并且在资管运营中,帮助银行、证券等传统机构延伸了对下沉市场、以及新兴产业群体的触达能力。

综合来看,通过这一年的实践,京东数科确实做到了依托数据和科技优势,下沉到实体产业的真实场景中,实现了与产业的深度融合,以业务共生为宗旨,在农牧、金融、城市、营销等四大核心领域里,为传统产业做到了价值提升。

京东数科“进军实体经济数字化”这一年,不与传统产业竞争者争利,而是一方面用数字化技术传统产业实现产业互联网升级,另一方面则是以“共生”、“共创”为宗旨,与传统产业共建场景、共谋发展。

京东数科在打造行业解决方案、与传统产业共创价值的过程中,践行了产业互联网的发展理念,实现了真正意义上的进化。

京东数科“数字化操作系统”产业价值巨大
纵观一年来的产业互联网实践,京东数科为每个行业所打造的解决方案,看似互相之间存在着行业区隔,在不同产业数字化服务模块中,提供的服务也存在千差万别。但这些方案还存在着共同的特征:都是坚持以科技为基础,以数据为要素,所有模块都有着一样的底层驱动体系。实际上,这个底层驱动体系,就是京东数科逐步成型的“数字化操作系统”。

这个操作系统的核心逻辑主要在三方面体现:

第一、通过互联网软硬件、网络通信、物联网、AI、区块链等技术应用,将物理世界的多维信息以及产业知识数字化,以数字连接打通线上与线下。第二、以数据和技术为最大公约数,重塑产业流程和决策机制,实现产业效率的提升和成本结构的改变,通过降低边际成本来实现规模覆盖,并形成规模效应和网络效应。第三,用共建共生替代自我封闭,实现数据和技术应用在多产业、多链条的网状串联和协同,进而创造更大的产业价值和客户价值。

从这三方面来看,京东数科的“数字化操作系统”,实际上就是一整套向实体产业进行数字化赋能的技术中台体系。通过这个技术中台,京东数科帮助传统产业打破自我封闭、实现了效率和成本的最优化,共同创造更大的产业价值和社会价值。

当前,这套数字化操作系统已经在实践中为产业数字化产生了巨大的价值。如:基于这一操作系统,京东数科推出的一系列金融行业解决方案,正在发挥这日益显著的提效降本效益。其中的智能资管科技平台JT²,上线8个月内,就服务机构已近200家,用户数量超过1300个,广泛覆盖银行、券商、基金、信托等多类金融机构的交易、投资、托管、研究等各环节;而其中的一站式金融数字化解决方案JDD T1,涵盖了数百个产品和组件,可根据每家金融机构的实际需求灵活定制,围绕“科技+开放”的能力建设形成针对性的解决方案。到目前为止,京东数科已累计支持合作银行的零售业务交易规模近5000亿,保有量破1000亿,并实现连续18个月持续高速增长。

而在智能城市领域,京东数科数字化操作系统的重要模块:智能城市操作系统,已经成功落地雄安新区,发挥着新区的数据汇聚中心、数据管理中心、数据服务中心和AI赋能中心的重要角色。

从金融科技到科技金融,再到产业数字化操作系统,京东数科在变革中引领行业发展,奔向更为广阔的产业数字天地。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值