![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
企业数字化转型
文章平均质量分 90
数字化营销工兵
1. 一共读了5个大学
2. 研究生专业:数字化营销+可持续发展与社会组织
3. 人工智能-自学成才,全靠自学
4. 7年AI产品销售经验,多个业绩超过3000万(其中单机设备最高成交价80万,EPC项目最高5000万,软件业绩超过2亿)
展开
-
德国西门子论未来质量管理 - 如何与明天相遇?
本文原文发表于2021年。在Frost&Sullivan最近发表的一份白皮书中,他们讨论了制造业的质量投资。质量是制造过程的关键要素,但似乎比其他KPI(包括周期时间、交付周期和生产效率)的优先级更低。尽管质量的价值是一个已知的因素,但其成本并不总是得到适当的管理。此外,避免质量管理并不是一个有意的决定,但解决成本和过渡问题以实现适当的CLQ往往是一个挑战。因此,尽管质量的属性被广泛认可,但其深度尚未被探索。本白皮书对制造业的质量范式进行了深入分析。原文链接已经至于文章方便读者后续仔细阅读。原创 2024-06-06 23:02:07 · 844 阅读 · 5 评论 -
Salesforce推出Einstein 1 Studio:用于自定义Einstein Copilot并将人工智能嵌入任何CRM应用程序的低代码人工智能工具
三大看点1. Salesforce管理员和开发人员现在可以在每个Salesforce应用程序和工作流程中构建、定制和嵌入人工智能,包括Einstein Copilot。2. Einstein 1 Studio与数据云深度集成,通过对客户数据和元数据的全面理解,解锁并统一被捕获的数据和基础人工智能模型3. 新的开拓者人工智能课程——包括Einstein Copilot和Prompt Builder——在Salesforce的免费在线学习平台上为600多万开拓者介绍职业道路和技能原创 2024-06-02 07:58:19 · 1069 阅读 · 0 评论 -
微软如何打造数字零售力航母系列科普12 - 使用Microsoft Fabric将客户数据带入人工智能时代
早在2023年初,在Microsoft Build上,微软在公开预览中介绍了Microsoft Fabric,这是一个新的统一SaaS平台,结合了Azure Data Factory、Azure Synapse Analytics和Power BI的所有功能。Fabric是一个完整的分析平台,有七个核心工作负载,针对特定的人物角色和相关任务,所有这些都在一个架构下。这些功能将使系统集成商(SI)合作伙伴和解决方案构建者能够以更安全、更合规、更具成本效益的方式简化和统一客户的数据资产。原创 2024-06-01 18:58:52 · 1303 阅读 · 0 评论 -
智慧数据管道:工具、技术和主要概念
数据管道的工具、技术和主要概念问:我们需要采集使用哪些数据?问:如何收集企业数据?问:什么是流数据管道?问:我们需要建立怎样的数据平台?原创 2024-05-21 21:23:23 · 851 阅读 · 1 评论 -
微软如何打造数字零售力航母系列科普11 - 什么是Microsoft Fabric中的数据工程?
Microsoft Fabric中的数据工程使用户能够设计、构建和维护基础架构和系统,使其组织能够收集、存储、处理和分析大量数据。Microsoft Fabric提供了各种数据工程功能,以确保您的数据易于访问、组织良好且具有高质量。从数据工程主页,您可以:1. 使用lakehouse创建和管理您的数据2. 设计管道,将数据复制到你的湖边小屋3. 使用Spark作业定义向Spark集群提交批处理/流式作业4. 使用笔记本编写用于数据接收、准备和转换的代码原创 2024-05-21 19:36:49 · 1118 阅读 · 0 评论 -
Gartner调查显示,一半的供应链组织计划在2024年会实施GenAI
调查显示,2024年将5.8%的平均供应链预算分配给生成式AI技术。根据Gartner,股份有限公司的一项调查,一半的供应链领导者计划在未来12个月内实施生成型人工智能(GenAI),另有14%的领导者已处于实施阶段。调查数据还显示,首席供应链官(CSCO)平均将其职能预算的5.8%用于生成型人工免疫。原创 2024-05-19 01:28:51 · 568 阅读 · 0 评论 -
专题报告 - 2024年数字趋势 - 运营调研报告概述
“在运营创新和效率方面进行了大量投资——以及技术无法实现的原因”许多公司投资了多种技术来实现运营数字化。云(62%)和人工智能(包括机器学习(55%))是明显的领导者,而ERP增强(27%)和数据生态系统(33%)的投资最少。在不同的运营领域中,质量控制使用技术最多,以人工智能、运营可见性和分析为首。服务和维护是最少的,规划、采购、制造和分销都处于相似的水平。原创 2024-05-19 00:26:29 · 748 阅读 · 0 评论 -
机器视觉的AI工程包含哪些?- 不仅仅是算法工程优化,还包括项目管理。
机器视觉下的AI工程是指什么?文科生今天花了一个下午学习了一下人工智能工程这个理念,提一些困惑,请专家同行指正。 关于软件工程优化,debugging, tuning,软件工程化管理,之前有很多专家分享。 这是百度软件工程的定义 -正在上传…重新上传取消网页链接软件工程/16352442?fr=aladdin。 从工程的角度来看,始终贯穿了PDCA四个环节。当机器视觉与AI(deep learning)结合在一起的时候,AI工程的范围也变化,除了软件本身的工程化管理,机器视觉中涉及到的电子,电气和机械化.原创 2021-10-25 01:07:30 · 254 阅读 · 3 评论 -
传统企业制造业销售体系为什么在软件平台和APP之间徘徊不前?--- 参考Martech 2022年度报告
结合美国Martech公司数字化营销年度报告以及个人软件销售经历,与制造业企业销售负责人分享如何在工厂推动数字化销售体系,搭建销售平台和销售APP。增加数字销售体系搭建,短期内需要一定的成本以外,还需要营销人深入了解销售体系本身以及数字化技术的技术含量,是否真的适合自己的企业当前和未来的需要。这需要耐心。纯属个人自学笔记,非专业人士,不要过于较真就行。如果对您有所启发,请一起参与探讨,是我最大的快乐。原创 2024-02-24 13:36:30 · 507 阅读 · 1 评论 -
第三篇 - 人工智能与机器学习技术VS情景语境(contextual) - 我为什么要翻译介绍美国人工智能科技巨头IAB公司(1)
然后利用数据集来训练神经网络并测量结果模型的性能。由于暴力通常被用作回避类别,因此对神经网络的性能进行了调整,以满足召回阈值,同时最大限度地提高精度。【一些思考】原创 2024-02-28 23:00:03 · 448 阅读 · 0 评论 -
第五篇 - 人工智能与机器学习技术VS创意创新(creative)--- 我为什么要翻译介绍美国人工智能科技巨头IAB公司(1)
如何选择一个人工智能公司帮助我们做营销创意创新工作?1.创新专注于生成人工智能的开创性进展,特别是在机器学习模型和自然语言处理方面。强调开发和应用先进的人工智能工具,特别是大型语言和扩散模型。2.项目成功检查这些公司在跨不同行业的成功业绩记录。评估这些解决方案对业务流程、创造力和客户投资回报的影响。3.客户反馈分析客户的证明和评论,衡量人工智能系统的有效性和影响,进行验证。4.适应性和进化评估这些公司如何跟上不断发展的人工智能技术,尤其是生成式人工智能模型和技术。原创 2024-02-29 17:01:52 · 859 阅读 · 0 评论 -
第六篇 - 人工智能与机器学习技术VS市场营销环境下的数据迁移(Data Migration)--- 我为什么要翻译介绍美国人工智能科技巨头IAB公司?
MOSTLYAI公司基于差异真实数据与迁移合成数据迁移差异,致力为客户提供合成数据迁移技术开发。他们对市场有深刻的理解:数据隐私和合规性在测试中使用真实数据会带来隐私风险,需要采取广泛措施对敏感信息进行匿名或假名处理。合规性的维护可能很有挑战性。合成数据是人工的,不包含真实世界的信息,因此非常适合在没有隐私问题的情况下进行测试。它确保遵守数据保护法规。数据安全在测试中处理真实数据可能会使敏感信息面临安全风险,因此需要采取严格的安全措施。合成数据是在受控环境中生成的,没有真实世界的漏洞,因此具有高度安原创 2024-03-01 23:27:29 · 1569 阅读 · 6 评论 -
现代数据向平台的迁移将如何彻底改变商业智能?
仅仅获取数据是不够的。通过利用人工智能的尖端并采用现代数据方法,首席信息官可以揭示潜在的模式、看不见的趋势和复杂的相关性,从而在激烈的数据驱动经济中产生显著的竞争优势。本文探讨了数据现代化和人工智能进步的变革潜力,并揭示了首席信息官如何利用这些创新的力量来推动创新,加强网络安全,并培养一种数据驱动的文化,从而实现更可持续的业务增长。对于那些准备用双手抓住人工智能的人来说,未来的道路已经成熟,但在他们伸出援手之前,他们必须确保自己的数据“为人工智能做好了准备”,结构良好,适合未来用例的数量、速度和多样性。原创 2024-03-02 11:52:46 · 795 阅读 · 1 评论