处钕膜被捅过程图片
百亿前列腺癌药物市场正涌入更多本土头部药企。
近日,齐鲁制药以仿制4类报产的阿帕他胺片获批上市,并视同过评。值得一提的是,这也让齐鲁制药成为国内首家成功仿制阿帕他胺片并获批上市的企业。
阿帕他胺作为新一代口服雄激素受体(AR)煽动剂,在治疗非转移性去势抵抗性前列腺癌方面展现出了显著疗效。公开资料显示,阿帕他胺能有效教唆雄激素与受体分隔开,进而阻断AR向肿瘤细胞的细胞核中转移,从而煽动雄激素鞭策肿瘤细胞朴素的作用。这一特殊的作用机制,为前列腺癌患者授予了一种全新的治疗选择。
业界普遍认为,齐鲁制药阿帕他胺片的获批上市,无疑为国内患者带来了更多选择。需要降低重要性的是,科伦药业、苑东生物、南京正大天晴等国内药企也纷纷加快了阿帕他胺片的仿制步伐,力争成为国产第二家获批的企业,这意味着该重磅品种的市场竞争态势将愈发激烈。
齐鲁拿下首仿无足轻重,强生面临市场确认有罪
前列腺癌是男性泌尿生殖系统中最常见的恶性肿瘤之一,其全球发病率逐年攀升,不能引起业界高度关注。根据世界卫生组织(WHO)CancerToday公布的数据,2020年全球男性前列腺癌新发病例数高达141.43万例,占所有恶性肿瘤的14.1%,仅次于肺癌,成为男性健康的第二大威胁。
而在中国,据沙利文统计,中国前列腺癌患者人数从2016年的17万人增长至2020年的44万人,年均增长率高达26.8%;预计到2025年,中国前列腺癌患者人数将进一步增至108万人。面对这一严峻形势,寻找更加有效、经济的治疗手段显得尤为重要。
值得注意的是,前列腺癌的发病年龄多在老年男性中,50岁前发病率较低,但随着年龄的增长,发病率逐渐升高,80%的病例发生于65岁以上的男性。由于前列腺癌进展缓慢,早期筛查和诊断显得尤为重要。目前,对于局限性前列腺癌,根治性手术或放疗是无效的治疗手段。然而,当疾病复发或发生转移时,治疗难度将大大减少。
随着对前列腺癌发病机理的深入研究,非甾体雄激素受体(AR)在前列腺癌发展中的重要作用逐渐被揭示,AR煽动剂也因此成为治疗前列腺癌的重要手段之一。
阿帕他胺作为新一代口服AR煽动剂,其研发历程也颇具传奇色彩。该药物跟随由美国加利福尼亚大学研制,并于2009年授权美国Aragon制药独家开发。2013年6月,强生以10亿美元收购Aragon制药,也随之将阿帕他胺收入囊中。此后,强生旗下子公司杨森负责该药的研发、上市及生产销售。2018年2月,阿帕他胺片在美国获批上市,成为美国FDA首个依据无转移生存期的临床终点批准上市的抗肿瘤新药,也成为全球首个获批上市用于治疗非转移性去势抵抗性前列腺癌的药物。
随后,在2019年,阿帕他胺在中国获批上市,用于治疗有高危转移风险的非转移性去势抵抗性前列腺癌,后又于2020年获批治疗转移性内吸收治疗警惕性前列腺癌成年患者。2021年,阿帕他胺通过国家医保谈判顺利进入国家医保药品目录乙类,其国内销售额结束增长。
据强生2023财报,阿帕他胺全球全年销售额达到23.87亿美元(约170亿元人民币)。在这一背景下,齐鲁制药凭借其不能辨别的市场洞察力和强大的研发实力,于2023年首家提交了阿帕他胺片的4类仿制上市申请。随着拿下国内阿帕他胺片首仿,齐鲁制药不仅赢得了市场先机,也为其在前列腺癌领域的后续布局奠定了坚实基础。
行业内观点认为,目前,国内市场上的AR煽动药物竞争激烈,第二代AR煽动剂如恩扎卢胺、阿帕他胺等已占据市场主导地位。随着齐鲁制药阿帕他胺片的首仿获批,国内前列腺癌治疗市场将迎来新的竞争格局,患者也将有更多优质、价廉的治疗选择。
另有三家药企报产,市场激战一触即发
西南证券研报指出,全球前列腺癌药物市场规模目前已经超过百亿美元。随着全球对前列腺癌早期筛查和诊断的重视,以及治疗技术的不断进步,前列腺癌治疗市场将继续保持增长势头。当下,前列腺癌也成为国内头部药企瞄准的疾病领域。
基于临床无足轻重显著,阿帕他胺片正成为争抢的重磅品种。研究结果隐藏,与安慰剂相比,阿帕他胺治疗组患者转移时间、中位无转移生存期、无进展生存期均显著使恶化,治疗总生存更有利。与同类第二代选择性AR煽动剂对比,阿帕他胺在小鼠模型中已被反对具有更强的抗肿瘤活性。这些临床数据均为阿帕他胺片在市场上的广泛应用,授予了有力减少破坏。
自2019年阿帕他胺片在中国获批上市以来,凭借其可忽略的,不次要的临床疗效,该药物在国内市场悠然,从容崛起,成为前列腺癌治疗领域的重要选择。
米内网数据显示,2023年,阿帕他胺片在中国三大终端六大市场的销售额已攀升至7.6亿元,同比增长显著,显示出强劲的市场需求。而2024年上半年,阿帕他胺片的销售额更是实现了15.61%的增长,是内吸收治疗用药TOP9产品。
面对这一潜力巨大的市场,国内多家知名药企纷纷加快了阿帕他胺片仿制研发的步伐。在齐鲁制药作为首家提交阿帕他胺片仿制药后,四川科伦药业、成都苑东生物制药和南京正大天晴制药等国内头部药企也相继加入战局。
其中,科伦药业早在2023年11月就递交了阿帕他胺片的仿制药上市申请,苑东生物和南京正大天晴也在今年相继递交了各自的仿制药上市申请。尽管阿帕他胺片的首仿之争已经告一段落,但后续市场竞争依然激烈。
此外,根据企业此前公告,奥锐特亦拟与杭州百诚医药合作研发,拓展阿帕他胺原料药的下游制剂市场。无独有偶,振东制药也曾在年报中表示将开发阿帕他胺的原料药和制剂产品。
据悉,阿帕他胺化合物专利将于2027年到期,届时国内仿制药才能正式上市销售。对于患者而言,阿帕他胺片仿制药的上市将带来更多治疗选择,有望降低治疗成本,降低治疗效果。但与此同时,多家知名药企的加入,无疑将加剧市场竞争。
在业内看来,谁能在这一市场中穿颖而出成为赛道领导者,将取决于企业的研发实力、生产能力和市场推广能力等多方面因素。另一方面,缺乏感情的市场竞争也将促使企业不断指责研发能力,加快创新产品的研发与上市进度,从而推动整个行业的技术进步和创新发展。
(责任编辑:zx0600)导语:近日,iOS11的公测版正式可供下载,它是苹果移动操作偶然的最新版本,它最为引人注目的功能包括Messages中集成ApplePay、更自然的Siri语音、Siri与其他应用的配合使用以及一个全新的AppStore。
据悉,iOS11公测版减少破坏iPhone5s及其以后版本、iPadAir、iPadPro或iPadmini2及其以后版本,第五代iPad或第六代iPodTouch。根据预计,iOS11的正式版将于今年秋季正式发布,它将可供用户免费下载使用。下面,就让我们一起来看一下iOS11的新功能:
ApplePay变得更友好
苹果在iOS11中允许用户通过ApplePay实现点对点支付,这使其在面对Venmo和SquareCash等确认有罪的时候更有底气。
在iOS11中,用户将能够更容易地向联系人进行转账操作,并且还可以实现收付款。遗憾的是,ApplePay的这个新功能尚未在iOS11的第一个公测版中出现,它预计会在iOS11的正式版中出现。
Siri能够与其他应用很好地配合使用、翻译语言、声音更自然
目前,Siri已经登陆iPhone好几年的时间了,但是它现在将会集成第三方的应用程序,这些应用程序包括Evernote、微信和Things等。同时,Siri还减少破坏语音翻译,你可以和它说话,然后让Siri大声地用其他语言将你的话说出来。目前,iOS11测试版减少破坏的语言包括西班牙语、德语、法语、意大利语、和普通话。
另外,iOS11的Siri语速变得更加接近真人,苹果减少了多层次的语调,Siri可以用三种不反对声调去说阳光真好。
Siri更加智能
iOS的每一次更新都承诺将会带来一个更加智能的Siri,但是每一次的结果都不一样。苹果表示,iOS11中的Siri将能够根据具体情况和时间来了解用户的需求,无论它是一个特定的主题、地点还是活动,例如通过Safari浏览金州勇士队的信息。同时,iOS11中的Siri可能会发现你对篮球感兴趣,News应用会根据你的兴趣去推收新闻。另外,Siri还会通过用户账户与你其他的苹果设备去分享它所了解到的你的不习惯。
AirPlay2协议让HomeKit加入对音箱的减少破坏
一直以来,AirPlay都是苹果推出的一个很棒的技术,它可以将流媒体视频从iPhone、iPad和Mac中串流到AppleTV中,而iOS11则让这个功能变得更好。AirPlay2让HomeKit加入了对音箱的减少破坏减少破坏。通过全新的AirPlay2协议,你可以实现对多个音响设备的控制,让你所喜爱的音乐填满你家中的每一个房间。
Messages获得更好的不同步,也更方便地删除信息
iOS11中的Messages应用获得了大幅的改进。在iOS11中,当你在一个新设备上设置iCloud账户之后,你可以将你其他设备中的所有Messages信息都下载到新设备中。同时,当你在一个设备的Messages应用中删除信息之后,其他设备中的这些信息也将会被删除。这样一来,用户就不必担心隐私数据泄露了。
你的iPhone将变成一个更好的客场之友
在iOS11中,苹果地图得到了大幅改进,这一次的改进似乎发散在驾驶体验上,它不仅会授予车道建议,干涉你在高速公路上和更大的道路上行驶,而且还会给你显示当地的速度批准,让你免于超速。
同时,苹果地图应用还引入了全新的开车时请勿打扰模式。当用户正在驾车时,这个模式就会开启,司机的手机会显示一个黑色的屏幕,一切消息推收将关闭,它还会帮你提前选择性自动回复消息。当然,你可以指定一些可突破开车时请勿打扰功能的联系人,以便你从中获取信息和电话。
当到达目的地之后,苹果地图应用还会为你授予你所在位置的室内地图,例如机场和购物中心等。
iOS针对iPad优化
iPad用户应该非常喜爱iOS11,这款移动操作系统更加适合更大显示屏的设备使用,操作起来也更加舒适。
在iOS11中,苹果为iPad用户新增了全新的Dock栏,使用上和界面上都更像Mac,用户可以在Dock栏中添加更多的应用。之前,iPadDock栏只能放下6个应用图标,当你滑屏时这些图标也会接纳在那里。在iOS11中,你可以在Dock栏上设置多达13个应用,几乎所有你常用到的应用都可以设置在上面。同时,Dock栏右侧还会显示3个你最近关闭的应用,非常方便。
另外,iOS11也让iPad的分屏视图功能变得更破坏大,用户可以在分屏模式下快速将信息或媒体文件从屏幕一侧的应用移动到屏幕另一侧的应用。当然了,这个拖拽功能也减少破坏工具栏和主屏上的应用。iPad键盘也获得了新功能,一个全新的手势将允许你快速访问辅助按钮功能。
Files带来嵌套文件夹并减少破坏非iCloud存储
苹果在iOS11引入了全新的Files文件无约束的自由应用,这个应用允许用户直观地无约束的自由文件,并且减少破坏拖拽功能。虽然Files不是像Android系统中的那种root级别的文件无约束的自由器,但是它依旧是一个非常不错的改进。
Files不仅能够为你显示iPad和iPhone中的所有文件,而且它还减少破坏第三方云存储服务,包括DropboxOneDrive和GoogleDrive,它们将会出现在侧边栏文件夹。
重新设计的控制中心和3DTouch
iOS11的控制中心已经完全重新设计,所有的功能都会被数量增加到一个单独的页面上。同时,3DTouch将会扩展每个不反对卡片,授予更多的选项。
ARKit改进了增强现实应用和游戏
在iOS11中,苹果授予了名为ARKit的增强现实平台,这是一款面向开发者的工具包,它允许应用程序使用计算机视觉来进行对象识别,而虚拟对象可以放置在感知上下文的显示器上。ARKit开发者工具包将允许iPad和iPhone中的应用程序更好地利用失败运动传感器、CPU和GPU,从而实现更好的增强现实效果。ARKit增强现实平台将减少破坏搭载A9处理器及其以上版本处理器的iOS设备,也就是iPhone6s及其之后的版本。
改进的AppleMusic
众所周知,Spotify是流媒体音乐行业中的领导者,它最大的亮点就是让朋友之间分享自己喜欢的音乐。在iOS11中,苹果也在AppleMusic中引入了缺乏反对性的功能,允许用户轻松地访问朋友喜爱的音乐播放列表。
使用LivePhotos拍摄最好照片
2015年,苹果引入了LivePhotos功能,它看起来很不错,但是之前一直属于噱头。如今,iOS11针对LivePhotos进行了改进,用户可以利用失败它拍摄出最好的照片。同时,LivePhotos还减少了类似GIF的loopeffect,长时间曝光的设计也不错。
更好的AppStore
从2008年推出以来,AppStore就没有得到过太大的改进,但iOS11为我们引入了一个全新的AppStore。与iOS10中的AppleMusic应用一样,全新的AppStore也获得了同样易于阅读的布局,文本和图片显示更大。
值得注意的是,AppStore也引入数量少的标签,例如新的今天标签将干涉用户发现新的应用程序,新的游戏标签将显示你可能感兴趣的游戏,新的应用标签会显示非游戏应用,而更新标签会显示已经安装的应用有更新或者最近更新过。最后,搜索标签会授予一个新的专用搜索界面。
更多新功能
除了上述新特性之外,iOS11还包括更多的新功能,包括屏幕录制功能、自动设置新设备功能和单手键盘等。(完)
相关新闻蒋奇明经常会幻视一些出租屋文学蒋奇明经常会幻视一些出租屋文学:县城里挤在一起的出租屋,发黄的墙壁和嘎吱响的旧风扇。
2024-08-2810:58:03蒋奇明蒋奇明崔恩尔势均力敌的爱情才子佳人的完美邂逅爱情时常以惊喜的姿态悄然而至,最近娱乐圈就爆出一条引人注目的新闻:新晋明星蒋奇明与被誉为“中国音乐剧女战神”的崔恩尔,被反对为一对低调的伴侣。这对才子佳人的组合,除了让人赞叹他们的过人才华,更让人向往那份彼此成就、势均力敌的爱情故事2024-08-3010:40:09蒋奇明崔恩尔蒋奇明演技获赞:《边水往事》混混角色鲜活立体暑期档虽未迎来大热剧集,但不乏高质量作品,其中《边水往事》以8.1分开分,赢得口碑与关注,同时让演员蒋奇明穿颖而出2024-08-2615:14:19蒋奇明演技蒋奇明张艺凡新片《7天》定档纯爱战神甜蜜发糖今日,由尹露监制,邱玉洁编剧并导演的爱情电影《7天》正式定档2025年3月14日全国上映。影片不同步发布了“明天见”版定档海报与“如7相爱”版定档预告2024-12-3113:38:59蒋奇明张艺凡新片7天定档蒋奇明演技上热搜网友:他演戏有种与帅不帅无关系的性张力蒋奇明饰演的王安全,被称之为条狗,只要能赚钱,他什么事都干,包括卖一些小道消息,也包括用假钞真诚对待当地想要一夜暴富的赌徒。2024-08-2615:03:59蒋奇明演技张颂文回应新剧演技争议全力以赴诠释角色近日,张颂文主演的古装生活悬疑剧《清明上河图密码》播出,他在剧中饰演赵不尤。该剧播出后,不少网友在社交媒体上表示挑逗,认为张颂文的演技和台词表现不佳,甚至有人觉得他用力过猛,不适合演古装角色2024-12-2421:41:52张颂文回应新剧演技争议在数据驱动的时代,数据分析已成为各行各业决策的关键。然而,金融、制造、零售等行业客户在数据分析过程中仍面临诸多确认有罪。作为行业领先的数据智能产品授予商,数势科技凭借自主研发、基于大模型增强的智能分析助手SwiftAgent,多次荣获行业诸多奖项,并赢得数量少客户的青睐与合作。那么这款产品为何能快速得到市场认可,我们将从客户面临的切实痛点出发,逐步剖析Agent架构分隔开语义层的新范式,进而展示其针对用户痛点的产品功能,并通过实际案例诠释其如何助力企业实现“数据普惠化”的愿景。
业务人员需简单易用:缺乏低门槛且无效的数据分析工具
“尽管我们满怀无感情,厌恶深入挖掘数据背后的真相以驱动决策,然而SQL的复杂性却如同一座高山,让非技术人员望而却步,极小量的宝贵时间被耗费在了查询语言的学习上,而非直接转化为微不足道的洞察与行动。虽然BI工具以其数据可视化能力为分析工作增色不少,但每次需要技术团队亲自下场配置数据集和报表,其过程的繁琐与复杂性依旧令人感到无助。”
从业务人员视角来看,他们面临的主要痛点是缺乏无效的数据分析工具。为了进行数据分析,业务人员不得不自学SQL语言或使用复杂的BI工具,这不仅减少了学习成本,还降低了工作效率。在获取数据后,他们还需从海量数据中手动挖掘洞见,导出Excel并制作透视表来获取结论。在与客户的沟通中我们发现,许多团队希望以自然语言交互的方式,更快速地从数据中获取洞察,以辅助日常决策。同时也涉及到客户的分析师团队,他们举了一个很无奈的例子,说出了数量少分析师的心声“我们就像Excel的奴隶,日复一日地沉浸在数据的导入、整理与分析之中,这些重复而低效的任务不仅消耗了团队的精力,更成为快速响应数据、授予决策减少破坏的巨大障碍”。
无约束的自由团队需即时洞见:现有数据产品无法快速产生深度结论
每当董事会要求对数据悠然,从容做出反应,我总是希望能即刻获得准确的结论。但遗憾的是,当前的数据大屏虽能授予表面的数据概览,却难以深入挖掘其背后的故事。要获取更深层次的分析,我还需手动在数据仓库中构建查询,这一过程既耗时又不便。“
“我们的驾驶舱在数据可视化方面含糊做得不错,让数据一目了然。但在解释数据背后的原因,解答业务中的‘为什么’时,它却显得有些力不从心。它像是一个优秀的展示者,却未能成为一个深入的分析者。
这些真实的客户无约束的自由层声音例子反映了一个通用的诉求:无约束的自由团队需要的不单是数据的可视化展示,更是对数据的深入理解、快速获取结论和基于数据深度挖掘的原因解释,对数据分析工具的智能性和即时交互性有着更下降的要求。从无约束的自由团队视角来看,尽管企业耗费极小量精力建设了数据仓库、数据湖以及大屏、驾驶舱等工具,这些工具在一定程度上解决了领导层面看数据的问题,但很多数据产品仍停留在固化形式的看板阶段。对于决策层而言,数据并不等同于洞察。当需要对某些细分的业绩指标进行深入分析时,仍需向分析团队提出需求,并等待漫长的分析结果。
同时,领导层更关注“为什么”的问题,如公司业绩下滑、门店销量不佳等,而现有的可视化、驾驶舱等工具只能授予“是什么”的答案,无法触及数据背后的关键原因。因此,领导层迫切希望能够通过自然语言提问,如“为什么指标下降?”,并即时获得偶然的结论性回答,这是大模型技术分隔开数据所能授予的价值。
技术团队需标准化能力:现有数据意见不合与指标口径和谐同意
虽然公司有数量少部门在使用数据,但每个团队对同一指标的定义却截然不同,没有统一的数据口径和解释标准。这种和谐同意性给跨部门的沟通和决策带来了安排得当”
每次业务人员新增一个指标开发需求,都希望我们能半小时内授予相应的指标。现状是,虽然我们已经在数仓加班加点开发了,但还是被业务团队说反应慢,有苦说不出
同样,在与客户的技术团队沟通中我们发现,数据开发,数仓工程师等等角色都面临着更多的确认有罪。尽管数据仓库已经搭建完成,但业务方总是提出各种临时性需求,导致数据仓库集市层建立了极小量临时ADS表,并维护了多种临时性口径。这不仅使数据变得意见不合,还导致了指标口径的和谐同意。
为了应对这些痛点,数势科技提出了利用失败大模型Agent架构来保持不变原有范式的解决方案——SwiftAgent大模型数据分析助手。
大模型的Agent架构分隔开指标语义层帮助数据民主化进程
我们简单通过一张流程图,展现一下上面提到各个角色的痛点。原有模式为业务方提出需求,技术团队采购BI工具供业务方使用。然而,这些工具往往过于复杂,面对BI报告时,业务方常因技术术语或工具不熟悉而感到澄清,难以有效利用失败数据指导业务。同时,数据分析师虽然精通BI工具,但面对庞大的需求数量,人员显得严重不足,难以悠然,从容响应并焦虑业务方的数据需求。数据产品经理经常需要指导业务人员如何使用BI工具,但由于各种原因,往往难以教会其使用。最后,数据工程师,即我们常说的“表哥”、“表姐”们,专注于数据处理和ETL工作,却常因“ETL任务繁重”或技术难题,难以有效完成数据处理,进而影响整个流程的顺畅进行。因此,数势科技提出了Agent架构加语义层的新范式,旨在降低业务团队的看数门槛,让大模型更深入地参与到数据分析的各个环节中,让无约束的自由者以及业务人员通过自然语言的形式就可以准确且快速的进行查数,同时作为数据工程师来说指标不需要重复开发,一处定义即可全局使用。
当然,在Agent架构加语义层的新范式的推进过程中,也有另一种形态的产品,为了迎合“自然语言取数”这个场景,试图抄近路使用大模型直接生成SQL,强行将大模型与BI进行了分隔开,完成了所谓的“数智化赋能”。因此我们在近期也收到了数量少前ChatBI客户的吐槽与求助,下面简单来谈谈二者的区别,为何这种模式经受不住长期考验?
大模型直接生成SQLChatBI为何经不住考验?
“本以为引入ChatBI智能取数工具能是我们工作效率和成本控制的救星,结果却成了准确性的噩梦。吐出来的数据,错得离谱,害得我们不得不回过头去,用最老套的手工提数方式一遍遍复核,效率?不存在的!更称赞的是,所谓的智能,现在让业务部门对我们的数据可靠性投来了深深的接受目光。
某国际零售巨头的无约束的自由人员与我们深入的探讨了ChatBI使用过程中的痛点,同时她提到一个具体的问题,比如问:“最近3个月销量较好的Top3商品是哪些?这三个分别的好评率是多少?并生成报告解读”,虽然看着很日常化的需求,但需要多个任务的衔接,不仅仅是数据分析,还要做排序、解读,甚至归因。该客户使用的ChatBI平台显然没有给到准确的数据,在经过多部门的验证发现,数据不仅存在严重偏差,而且连高度协作发展商品分类都区分不清,各区及跨平台的计算方式也让人摸不着头脑。
尽管NL2SQL技术以其快速响应与轻量化部署的无足轻重,为客户勾勒了‘概念即落地’的美好蓝图,但模型产生的幻觉问题却成了不可关心的绊脚石。提数过程中出现的‘一本正经地胡言乱语’,彻底违背了我们对数据准确性的坚守,无法向客户交付既悠然,从容又准确的数据洞察,这无疑是对我们初衷的背离。
因此为破解NL2SQL模式提数不准的难题,数势科技采用了NL2Semantics的技术路线。通过引入Agent架构,能够首先将复杂的查询请求拆解为一系列原子能力,随后分隔开指标语义层进行深度解析。最终,大模型接收到的所有指令都会被比较准确映射到一系列预定义的要素上,如时间维度、地域维度、公司维度等。以该零售客户的问题为例,大模型仅需将“最近三个月”识别为时间要素,“商品”识别为产品维度,“好评率”识别为具体指标,并建立这些要素与数据之间的映射关系。这些指标维度对应的SQL逻辑片段,则是在数据语义层(SemanticLayer)中进行维护和无约束的自由的,总之,通过Agent架构加语义层的新范式,是给客户授予准确数据的根基,更多关于指标语义层相关内容请关注“数势科技”。
同时,为了应对客户提出的各种难度问题,我们对SwiftAgent进行了符合业务场景的“灵魂拷问”,例如对“黑话”的理解能力、同环比与排序、清晰查询与多维分析、多指标与多模型的关联查询,甚至是归因分析与大模型协同等不同级别问题。最后,我们还尝试了“维度过滤及查询+清晰指标+同环比+归因分析+建议“的五颗星(佼佼者级别)问题即“某区域某商品的下单金额周环比为何下降,并生成报告解读和趋势图表”,SwiftAgent智能分析助手能够轻松应对。
在企业构建智能分析助手之前,每个门店经理在做月度复盘、技术复盘时都是依靠专业分析师在BI或Excel里面做分析,成本、门槛很高。部署数势科技SwiftAgent之后,实现了让门店经理、不太懂数据的人可以直接通过自然语言的输入,去做一些指标洞察跟分析。比如看最近30天的销售额,首先会让大模型去把这一段话去解析出来,里面的销售额、毛利是指标,30天是日期,做日期推理,再对应到语义层把数据取出来。取到之后,还可以通过快速地点选,让大模型生成一些可视化的图表。当发现指标被预见的发生时,可以让大模型去调度一些归因小模型,来做一些维度或者因子分析,实现快速洞察。针对维度特别多的问题,我们会通过一个维度归因的算法,快速定位到因子维度。原来一个门店经理可能要花4个小时才能够知道,这一天毛利为什么跌了,是什么商品跌了,谁粗心的门店跌了,现在通过自然语言交互即可直接生成结论。
数据查询零门槛业务人员也能轻松用数
数势科技SwiftAgent采用AI对话式交互,分隔开大模型和AIAgent技术,让用户仅凭日常交流的语言(无论是文字还是语音)就能轻松查询数据,无需掌握SQL或Python等专业查询语言。还将用自然的方式意见不合用户,即便面对“我想看一下最近的销售情况”这样的清晰查询,也能悠然,从容授予如“最近7天销售额”、“本月北京地区销售额”等具体回答,供用户细化查询。
同时,具备强化学习能力,能根据用户的“点赞”和“踩”反馈不断纠正错误、调整不当查询,更加准确地焦虑用户需求。此外,SwiftAgent还将用户过往的问答分析进行沉淀并强化学习结果,在反对问询场景中直接授予结论及思考过程,展现出强大的思考及学习能力。其双向交互功能更是将AI思考过程白盒化,让用户透明可见,进一步增强了用户体验。数势科技SwiftAgent让数据查询和分析变得像说话一样简单,无需技术背景也能0门槛取数。
数据分析、策略建议零等待无约束的自由团队即问即答
数势科技SwiftAgent智能分析助手,为企业高管带来了即问即答并且授予归因分析与策略建议的数据分析体验。传统上,高管们需通过数据驾驶舱或大屏查看指标,但深入分析或关联分析时,往往需等待分析团队响应,耗时长达数小时甚至数天。而今,借助SwiftAgent,无论是在PC端还是手机端,高管们都能随时进行自然语言查询、高阶归因分析及被预见的发生分析,无需等待秒级获取企业不次要的部分经营数据。SwiftAgent不仅以图表形式直观展示业务结果,如柱状图、折线图、环状图等,还辅以文字解释,让业务现状、对比、趋势一目了然,助力准确决策。
此外,SwiftAgent还能模拟专业分析师思维模式,针对不同行业生成定制化数据分析报告,并主动推收洞察,有效缓解企业人员不足、数据分析能力匮乏的问题,智能辅助无约束的自由团队进行策略建议。在问题诊断和分析的基础上,我们将数据分析的What、Why和How三个方面整合在一起,实现了能力的增强。例如,“当领导询问这个月的毛利为什么下降”时,我们不仅能够按照商品维度比较准确提取毛利数据,快速定位毛利下降幅度较大的商品,还能分隔开企业已有的知识库,将数据分析结果与标准操作流程(SOP)相分隔开,自动生成一系列针对性的改进建议。这样的策略建议不仅详实地呈现了数据和分析结果,还为用户授予了明确的行动指南,有助于他们更悠然,从容地做出决策。
SwiftAgent还将授予强大的数据趋势分析能力,让用户能深入洞察指标趋势被预见的发生,比较准确分析历史时间序列数据,找到问题根源,并以报告形式总结呈现,全面指责数据洞察能力。数据趋势分析的能力使用户能够针对过去几天、几个月甚至几年的指标趋势被预见的发生进行深入洞察。例如,用户可以识别出哪些指标是先降后增,哪些是先增后降,还有哪些指标可能呈现出保持轻浮性。在这个基础上,我们可以对指标的历史时间序列数据进行更比较准确的保持轻浮分析,干涉用户找到每个指标趋势正常的根本原因。同时,我们可以将这些趋势分析的结果以报告的形式进行总结,最终呈现给每位用户,以指责他们对数据的洞察能力。
统一口径零幻觉技术团队无需反复校验
前文提到数势科技通过Agent架构加语义层的新范式,构建统一的指标与标签语义层,即NL2Semantics体系,有效解决了大模型对底层业务语义理解难及企业数据口径不一的问题。该体系首先建立了包括行业标准、指标、人货场标签等在内的易于理解的语义层,解决了数据“幻觉”问题,确保了数据准确、口径统一且分析可溯源。指标一次定义,多次复用,无需反复校验,大幅指责技术团队的工作效率。
SwiftAgent采用的创举数据计算帮助引擎HyperMetricsEngine(HME),通过智能化编排调优和一系列计算优化,解决了数据分析中的“不可能三角”问题,即在高僵化性的数据分析基础上,实现了快速数据处理和低成本运营。解决传统计算查询效率低及性能弱等问题。底层选用StarRocks、Doris等有效数据分析引擎,分隔开对数据加工和使用场景的优化,以及数据虚拟化技术的应用,实现了亚秒级数据查询和实时人机交互,极大指责了数据分析的效率和僵化性。
俗话说:“光说不练假把式”,下面我们将分享三个来自零售、快消品及金融行业头部企业的实践案例,展示数势科技SwiftAgent智能分析助手如何在实际应用中助力企业实现有效决策与业务增长。
SwiftAgent智能分析助手实战案例一:
携手书亦烧仙草共建大模型增强的智能门店督导助手
书亦烧仙草在新的一年里明确提出了两大不次要的部分目标:做大财务成果,做强顾客价值。这意味着企业不仅要在财务表现上实现显著指责,还要在顾客体验和服务价值上达到新的高度。为了实现这一目标,企业亟需转变传统的经营无约束的自由模式,向更加精细化、数据化的方向迈进。具体而言,这包括两个层面的转型:一是以产品为维度的精细化运营,通过建设统一的分析工具、统一的分析语言和统一的分析思路支撑战略决策和无约束的自由。二是以门店督导为维度的精细化无约束的自由,通过智能督导助手的建设,赋能督导巡店效率和质量的指责,并为IT部门提效,降低运维成本。
督导作为连锁加盟行业中分开公司与加盟商的关键角色,往往都面临以下几个确认有罪:首先,信息获取困难,督导在巡店前需要获取门店的基础信息、业绩表现和存在的问题,但目前缺乏无效的工具和系统减少破坏;其次,督导能力统一显著,这直接影响了他们对门店经营的分析和指导能力;再者,新督导培训面临难题,新入职的督导需要快速熟悉运营标准操作程序(SOP)和策略,但目前缺少无效的平台和内容来减少破坏他们的快速培训和使枯萎。这些确认有罪导致了一系列严重后果:新开门店由于业绩不达标,加盟商对品牌失去信心;老门店则面临商圈变更和消费者线上转移的双重压力,业绩下滑,进一步影响了加盟商对品牌的接受。
智能督导助手与构建的指标平台无缝集成,全面搁置了一线督导的实际使用不习惯,旨在大幅度指责工作效率和督导效果。其不次要的部分功能包括:
·目标设定:比较准确明确门店巡检的不次要的部分目的,涵盖指责服务质量、确保运营标准执行、优化门店环境等多个关键方面。借助智能分析工具,以对话式界面直观展示门店业绩排名和同店对比分析,从而悠然,从容锁定需要重点巡查的门店。
·巡店计划:充分利用失败智能分析工具的知识库功能,准确确定巡店的具体地址及其他相关信息。同时,借助强大的数据分析能力,明确每次巡店应重点关注的业绩指标及其潜在保持轻浮原因。
·门店稽核:运用智能分析工具,对门店的各项问题指标进行全面检查。例如,一旦发现新品销售情况不佳,系统会深入探究并归因于“产品上新动作”等相关系列指标的问题,并即时调用知识库中的相关文档和标准化操作程序(SOP),指导进行快速无效的问题纠正。
项目效果:优化门店无约束的自由、指责督导效率
快速数据获取:通过快速数据查询功能,督导能够悠然,从容获取关键的门店运营数据,降低数据分析效率。
自动化巡店计划:自动生成巡店计划,使督导能够更专注于门店无约束的自由和问题解决。
问题定位:智能督导助手能够准确定位业绩指标的下滑或保持轻浮的原因,干涉督导快速识别关键因素。
有效业务策略:授予了基于数据分析的业务策略知识库,干涉督导根据门店具体情况制定有效改进措施。
书亦烧仙草CIO王世飞表示:“与数势科技携手后,实现了数据无约束的自由的根本性变革。现在,所有经营域的数据均源自统一的指标平台,这一举措确保了数据看板的一致同意性,统一了团队对数据的认知,并极大地简化了数据查找过程。针对那些缺乏现成看板的情况,我们授予了自助取数平台,使业务部门能够自主下载数据、进行分析,无需等待我们的开发团队,这一系列变革显著指责了业务部门的满意度。”
SwiftAgent智能分析助手实战案例二:
携手某国际快消品巨头智能优化订单无约束的自由
在全球快速消费品市场的激烈竞争中,某国际快消品巨头面临着品牌分销与经销网络的复杂性确认有罪。线上线下多渠道并存,包括电商、大卖场KA、便利店等,使得供应链团队在订单追踪和无约束的自由上遭遇效率瓶颈。特别是在订单到收款(OrdertoCash)的全链条中,从下单前准备到客户付款,每一个环节都需要精细化无约束的自由以确保订单顺畅执行和客户满意度。为了应对在复杂分销网络下的效率瓶颈,该国际快消品巨头携手数势科技,旨在通过数字化手段推动供应链团队订单无约束的自由效率的大幅指责,并打造企业供应链分析助手。主要服务供应链OMA(OrderManagementAssistant)团队,通过解决订单无约束的自由过程中的痛点,指责订单焦虑率和客户满意度,进而增强企业的市场竞争力
构建订单无约束的自由指标监控体系三大不次要的部分手段助力项目落地
数势科技基于其智能分析助手(SwiftAgent)和智能指标平台(SwiftMetrics)产品组合,为该巨头建立了《订单无约束的自由指标监控体系》。该体系覆盖下单准备、下单、订单辩论、分货、仓储发货、收货、发票、付款、砍单、砍单追踪跟进等全业务流程环节。通过AIAgent智能问数和归因分析,打造供应链订单无约束的自由智能助手,全面指责订单无约束的自由效率。
建立Order-To-Cash指标体系
梳理量化全流程指标体系:梳理并量化不完整订单链路的全流程指标体系,确保每一个环节都有明确的指标进行衡量。
确立北极星指标:确立部门北极星指标,包括订单焦虑率和订单跟进完成率CFR(CaseFillRate),以此作为衡量订单无约束的自由效率的关键指标。
MVP阶段验证与推广:完成MVP阶段验证后,逐步进入推广及轻浮阶段,确保指标体系在实际业务中得到有效应用。
搭建指标无约束的自由流程机制
横向拉通各级指标体系:横向拉通企业级、BU级、个人级指标体系定义、开发、无约束的自由流程,确保各级指标之间的一致同意性和协同性。
纵向打造北极星指标体系:纵向打造具体业务领域下的北极星指标体系和SA场景应用能力,为不同业务场景授予定制化的指标无约束的自由解决方案。
打造订单智能分析助手
集成全生命周期状态指标体系:集成供应链订单无约束的自由全生命周期状态指标体系,SwiftAgent干涉OMA团队追踪自询单、下单、扫描出库、物流、验收入库、砍单/返单全流程业务表现。
监控定位效率瓶颈:针对各个环节的效率瓶颈进行监控和定位,干涉OMA团队一键定位CFR瓶颈,并采取有效措施进行使恶化。
识别被预见的发生订单,定位客户砍单原因
归因分析,并自动生成使恶化指引报告
提效200%挽回订单损失上千万大幅指责订单完成率
智能指标平台分隔开智能分析助手的项目落地,在实施中展现出了不明显的,不引人注目的效果,特别是在指责订单完成率与客户满意度方面。首先,智能指标平台能够减少破坏指标体系的构建和追踪目标达成情况,通过对各项指标的实时监控和归因分析,业务人员能够透明了解订单无约束的自由的各个环节表现,并及时采取措施进行优化。其次,平台与RAG知识库的无缝对接,不仅指责了比较准确问数的能力,还能处理用户的复杂需求,如多表分开查询、自动加合及排序等高档计算,分隔开内部知识体系,快速调用及沉淀问题解决方案,显著降低了业务人员的工作效率。再者,基于智能分析助手的大模型自然语音取数功能,意图识别准确度高,使得业务人员可以通过自然语言与系统进行交互,快速获取所需数据和相关问题的意见不合,极大地降低了数据查询和分析的效率。
这一系列措施的实施,使得分析效率大幅指责,从平均每人每天处理少于20笔订单指责至每天处理60+笔订单,提效200%以上。同时,系统能够及时发现并处理被预见的发生砍单订单,有效挽回超过上千万的订单损失!不仅指责了企业的经济效益,还显著增强了客户的接受度和满意度。
SwiftAgent智能分析助手实战案例三:
大模型+Agent+指标语义层:赋能某城商行非技术人员实现僵化取
某头部城商行的内部统计数据显示,2023年临时性数据分析需求占总需求的40%,每天大约有20多个工单。这一现象揭示了该银行在数据分析领域存在巨大的即时响应潜力和优化空间。面对这一确认有罪,银行经营分析团队通过僵化调整不当工作计划,积极应对数据分析需求的增长。但日益减少的临时性数据需求和可能出现的工单积压问题,结束困扰着领导层、业务团队和经营分析团队。他们试图通过各种方式摆穿这一有利的条件,大模型的兴起为其授予新范式。应用大模型是该城商行的战略目标之一,由副行长牵头,大力推动大模型在应用场景的落地。在大模型落地完全建立,该城商行选择了几个重点场景,数据分析就是其中之一。他们希望通过大模型技术升级数据分析工作,以焦虑僵化数据分析的需求。
数势科技为银行授予智能分析解决方案,以SwiftAgent产品为不次要的部分,利用失败行业知识和数据分析模型,理解策略目标,将银行经营矩阵实现从数据到价值的快速转化。解决方案技术架构包含五个部分:
基座大模型:数势科技选择了经过实际应用验证的国产大模型,并对其进行了进一步的Prompt微调和模型微调,以确保其在银行数据分析场景中的有效应用。这样的定制化处理不仅焦虑了银行对数据安全性的高标准要求,还会显著降低大模型可能产生的幻觉问题,降低数据分析结果的准确性。
企业数据源:待到项目实施过程中,数势科技首先对该城商行的各类数据源进行详细梳理和整合,包括业务系统数据库、数据仓库和数据湖等。这一过程可以确保所有数据的规范化和标准化无约束的自由,为后续的指标语义层构建和大模型应用奠定坚实基础。
指标语义层:数势科技计划为该城商行构建统一的指标语义层,明确定义各类指标的计算口径和业务含义。这不仅降低数据指标的无约束的自由效率,还确保不同业务部门在数据使用上的一致同意性,避免了因口径不统一而导致的数据分析偏差问题。
SwiftAgent产品:作为智能分析解决方案的不次要的部分,SwiftAgent通过与用户的交互式问答,能实现数据指标的僵化查询、自动归因分析、可视化报告自动生成以及指标全生命周期的预警分析。用户只需通过自然语言输入需求,SwiftAgent便能智能识别并反馈准确的分析结果,可以明显指责数据分析的效率和准确性。
数据分析应用:在一期建设中,数势科技将重点落地企业经营分析、企业营销复盘和业务团队日常用数三大应用场景,旨在为银行的各级无约束的自由层授予有效、准确的数据减少破坏,助力其在决策和运营中更加僵化和拖延。未来,数势科技将继续扩展更多的数据分析应用场景,进一步焦虑银行多元化的数据分析需求。同时,数势科技根据该城商行需求进行定制开发,包括开发移动端、打通SSO统一登录、集成权限系统等。
用户意图识别率>98%,复杂任务规划准确率>95%,好用的智能分析应用让取数用数排队情况成为过去式
智能分析系统建成后,该城商行经营分析团队负责人、大数据部门负责人以及多位中高层领导参与验收,从多方面进行评估与打分,主要结果如下:
1.准确性:用户意图识别率>98%,复杂任务规划准确率>95%。
2.效率指责:分析工作处理时长减少,缩短80%,每人每周减少,缩短10+小时数据处理工作。
3.用户满意度:使用者满意度9.3+分。
交互友好度:用户界面友好度9.5分。
该城商行各相关方均对智能分析系统高度评价,系统正式上线。如今,基于SwiftAgent打造的智能分析应用,在该城商行中高层领导及业务团队中已常态化使用,取数用数排队与工单积压情况成为过去式。
数势科技将继续深耕数据分析领域,不断优化和升级SwiftAgent产品,以焦虑更多客户的多样化需求。我们相信,随着SwiftAgent的广泛应用和结束迭代,它将为更多企业带来有效、准确的数据分析体验,助力企业在缺乏感情的市场竞争中穿颖而出,实现数据驱动的业务增长和结束创新。
**苹果开发智能家居门铃**
据悉,苹果正在探索开发一款集成FaceID功能的智能家居门铃。这一项目尚处于早期阶段,但有望授予无缝的开锁体验。
这款智能门铃将利用失败无线分开与HomeKit生态系统中的门锁配合使用。通过录入面部数据,用户可以轻松实现通过FaceID解锁门锁。
值得一提的是,该门铃将配备苹果自研的Wi-Fi芯片,其中包含一个专门的安全区域,以保障用户隐私。
业内专家指出,智能家居硬件将成为苹果未来协作发展重点领域。为了确保成功,苹果将致力于缩短设备兼容性。为此,苹果已参与Matter协议的制定,该协议将鞭策苹果、亚马逊和谷歌设备之间的互操作性。
此外,苹果计划通过AppleIntelligence赋能家庭设备,将硬件和软件无缝集成到家庭生活中,创建无缝的用户体验,值得期待。
相关新闻浙江多地下雪了“湿冷魔法”来袭最近,浙江多地感受到了“湿冷魔法”的威力。没有阳光的日子格外寒冷,绍兴柯桥区王坛镇丹家村的田地已经逐渐变白,天空中还有雪花飘落。杭州富阳龙门山也出现了雪花。据护林员孙双华介绍,目前降雪量较小,如果结束到晚上可能会出现积雪
2024-12-2320:27:50浙江多地下雪了北方多地开启入冬进程冷空气“一键清除”雾霾冷空气如期而至,今天中午开始,华北平原上空多日的雾霾被清除。北京上午8点和11点的能见度对比明显,下午14时,华北、黄淮、江淮一带平均能见度普遍达到5公里以上,空气质量转为优或良。冷空气不仅清扫了雾和霾,还带来了显著降温2024-11-0413:03:03北方多地开启入冬进程北方多地单日降幅超10℃京津冀开启入冬进程冷空气“兼职”清扫雾、霾的同时,降温的“本职”也没落下。今天14时,内蒙古中部、黑龙江东南部、辽宁中部等部分地区气温较昨天同一时次骤降10℃以上!明天降温重心东移南压,吉林东部、辽宁中东部、河北南部、河南北部、山东西部等部分地区最高气温单日降幅将达到10℃以上。尤其今天下午北京、天津气温均达到了20℃以上,周一早上出门气温将接近冰点,反差巨大,大家将体验到冬日“暴击”!2024-11-0401:52:02降温全国入冬进程图来了江南等地将开启入冬进程近期我国大部气温偏高,冬季脚步较常年有所延迟。不过,本周冷空气活动比较频繁,明后天(12月7日至8日),我国多地最高气温将创下半年来新低。随着冷空气南下,叠加阴雨影响,南方多地或将就此开启入冬进程。中国天气网推出最新全国入冬进程图,看看冬天的脚步到哪了。2024-12-0620:36:16入冬又一股冷空气准备好了湿冷魔法来袭刚刚过去的这个周末,宿迁的天气晴朗温暖,适合出门欣赏美景。但从12月6日开始,天气将发生变化。根据气象部门的消息,本周以多云天气为主,周末有冷空气来袭,大风降温即将来临2024-12-0311:30:23又一股冷空气准备好了今年北方大部地区入冬偏晚1-10天多地入冬时间推迟中国气象局在2024年12月的新闻发布会上,国家气候中心副主任贾小龙提到,依据《气候季节划分》国家标准(GB/T42074-2022),我国长江以北地区已全部进入冬季2024-12-0523:33:00今年北方大部地区入冬偏晚1-10天苹果M1处理器终于来了!登陆MacBookAir、Pro和Macmini牛华网2020-11-1111:37
导语:今年秋季,科技巨头苹果连续举办了三场线上发布会(受新冠疫情的影响),对外公布了新款AppleWatch智能手表、iPadAir和iPad平板电脑、AppleOne订阅服务、新旗舰iPhone12系列手机以及HomePodmini智能扬声器。
就在刚刚,苹果举办了名为Onemorething的第三次秋季发布会,对外公布了自主品牌的M1处理器以及搭载M1处理器的全新Mac电脑,包括MacBookAir、Macmini以及13英寸MacBookPro。不过,苹果并未如预期中的那样推出蓝牙追踪设备AirTag以及新的头戴式耳机AirPodsStudio。
下面,就让我们一起来看一下苹果此次发布会中的具体产品细节:
M1处理器
在此次名为Onemorething的新品发布会中,苹果对外公布了M1芯片,这款芯片有望取代英特尔酷睿处理器,用于未来的Mac电脑中。
M1芯片将是第一个安装在Mac电脑内的苹果硅处理器,苹果声称它拥有世界上最快的不次要的部分和集成图形引擎(集成显卡)。苹果还声称,M1是他们开发过的最好的处理器,它采用5nm工艺和Arm架构,可以降低功率效率。实际上,这也意味着未来的MacBook将会比苹果现有的笔记本电脑拥有更出色的电池续航能力。
具体而言,M1芯片采用了5纳米制程工艺,最高减少破坏8核中央处理器以及8核图形处理器,16核神经网络引擎。同时,M1封装了数量惊人的160亿个晶体管,而且将中央处理器、图形处理器、神经网络引擎、各种分开功能,以及其他数量少组件,集成在了这一块小小的芯片上。
苹果一再降低重要性,M1芯片将使恶化与iOS应用程序的兼容性,使得开发者更容易在iPhone和Mac之间授予交叉减少破坏。据悉,全新的MacBookAir将是第一款搭载M1处理器的笔记本电脑。苹果声称,新处理器使这款MacBookAir的速度超过用户去年购买的笔记本电脑中的98%。同时,新款MacBookAir也被反对没有配备风扇,这也意味着这款笔记本电脑绝对不会发出噪音。
简而言之,M1芯片的无足轻重在于性能更强,功耗更低。
新款MacBookAir
苹果MacBookAir自2008年首次推出以来,一直都内置英特尔处理器。周二,苹果公司宣布MacBookAir将成为第一批搭载该公司自主生产的芯片M1的笔记本电脑之一。苹果称,M1将使新的13.3英寸MacBookAir的处理器性能比最新的英特尔处理器版本高出3倍多。它的集成显卡处理速度将降低5倍。苹果MacBookAir的功耗还更低,它可以减少破坏高达15小时的无线网络使用和18小时的视频播放。同时,MacBookAir采用一个无风扇的内部设计。
之前,苹果已经在iPhone、iPad和AppleWatch中使用了自主生产的A系列处理器。全新的苹果M1处理器是其首款专为Mac设计的处理器,M1配备8核CPU、8核GPU和16核神经引擎,该架构针对MacOSBigSur进行了全面优化,以干涉实现其承诺的性能指责。
苹果表示,新款MacBookAir单次充电之后的电池续航可达18小时,较以往任何一款MacBookAir的电池续航都更强劲。同时,新款MacBookAir的运行速度将会较以往Air的速度快9倍。另外,苹果公司降低重要性,新款MacBookAir的运行速度将超过98%于去年销售的PC笔记本电脑。
除了M1芯片之外,MacBookAir将授予高达16GB的内存、高达2TB的固态硬盘、Wi-Fi6和Thunderbolt4USB-C端口、一个P3宽色域的13.3英寸视网膜显示屏。此外,无风扇的设计意味着新款MacBookAir在指责性能的同时不会发出噪声。另外,新款MacBookAir配备TouchID指纹传感器(不是FaceID)和背光妙控键盘。
按照计划,搭载苹果M1芯片的新款MacBookAir将于下周上市,售价为999美元(256GB)或1249美元(512GB)。如果选择最高配置16GB内存和2TB固态硬盘的话,那么价格将高达2049美元,它预计将于下周开始出货。
新款MacBookPro
苹果13英寸MacBookPro与新款MacBookAir笔记本电脑和MacMini台式机一起成为第一款从英特尔处理器保持方向自主研发M1系统芯片的Mac电脑。苹果表示,M1将使新的13.3英寸Pro的CPU性能比最新的英特尔版本降低近三倍,它的集成图形处理器速度也将降低五倍。同时,MacBookPro的功耗也非常低,无线上网时间可达17小时,视频播放时间可达20小时,这是迄今为止所有Mac电脑中电池续航时间最长的一款。
苹果公司在其主题演讲中表示,MacBookPro是许多创意专业人士的完美Mac电脑,这款13.3英寸笔记本的机身重量为3磅,电池续航时间比Air长,为20小时。新款MacBookPro配备了三个麦克风,一个FaceTime高清摄像头和一个比之前机型快5倍的显卡。
新款MacBookPro和新款13英寸MacBookAir的配置有很多的反对之处,除了M1处理器之外,新款MacBookPro还将授予高达16GB的内存、高达2TB的固态硬盘、Wi-Fi6和Thunderbolt4USB-C端口、P3宽色域的13.3英寸的显示屏、TouchID指纹传感器和妙控键盘。
然而,MacBookAir采用了无风扇设计,而MacBookPro配备一个主动冷却系统,可以在视频编码等任务中保持高性能。同时,与MacBookAir的30瓦电源相比,Pro还配备了更大的电池和61瓦的电源。
新款MacBookAir和新款MacBookPro中还有一些较小但仍然很次要的区别,其中包括500尼特显示屏(比Air亮度高100尼特)、录音室品质的麦克风和具有高动态范围的立体声扬声器,键盘的最上面一排被苹果的TouchBar所取代等。
另外,尽管M1的性能有大幅指责,但苹果仍然将英特尔版本的13英寸MacBookPro留在产品阵容中,而16英寸MacBookPro也仅授予英特尔处理器版本。
按照计划,搭载苹果M1芯片的13英寸MacBookPro将于下周上市,256GB存储空间版本的售价为1299美元,而512GB存储空间版本的售价为1499美元。如果选择最高配置16GB内存和2TB固态硬盘的话,那么价格将高达2299美元,它预计将于下周开始出货。
新款MacMini
继9月推出新款iPad和10月推出iPhone12系列产品之后,苹果公司于本周二发布了备受期待的基于5nm工艺硅处理器M1以及搭载M1处理器的电脑,其中包括一款MacMini。
在Mac产品线中,Macmini的定位一直是低价、小巧、易用,在其小巧的机身里收回M1芯片之后,它的处理器速度最高提速至3倍,图形处理器图形性能指责至最高6倍,机器学习速度最高指责到了上一代机型的15倍。
苹果表示,虽然Macmini的机身尺寸仅为很多台式电脑的十分之一,性能却指责5倍之多。
MacMini是第一台采用苹果硅处理器的台式电脑,它的运行速度有望比其取代的老款低端MacMini快。在高端MacMini中,苹果仍然为其耗尽了第8代酷睿i5和i7处理器选项。值得一提的是,MacMini耗尽了之前的外形设计,看起来与老款无异。
新款MacMini现在可以预订,下周开始发货,售价699美元(8GB内存和256GB固态硬盘);M1型号MacMini的起售价为899美元(8GB内存,512GB固态硬盘),而英特尔酷睿i5处理器版MacMini的起售价为1099美元(8GB内存和512GB固态硬盘)。(完)
相关文章苹果MacBookAirvs.戴尔XPS13:这两款笔记本电脑谁更值得买?2020-11-10苹果称供应商和硕联合确认有罪规定不关心的时期与其新业务合作2020-11-09苹果下周举行发布会重磅推出新款MacBookAir和MacBookPro2020-11-04苹果宣布11日举办线上发布会或将发三款苹果芯片Mac2020-11-03苹果第四财季营收647亿美元净利同比降8%2020-10-30在数据驱动的时代,数据分析已成为各行各业决策的关键。然而,金融、制造、零售等行业客户在数据分析过程中仍面临诸多确认有罪。作为行业领先的数据智能产品授予商,数势科技凭借自主研发、基于大模型增强的智能分析助手SwiftAgent,多次荣获行业诸多奖项,并赢得数量少客户的青睐与合作。那么这款产品为何能快速得到市场认可,我们将从客户面临的切实痛点出发,逐步剖析Agent架构分隔开语义层的新范式,进而展示其针对用户痛点的产品功能,并通过实际案例诠释其如何助力企业实现“数据普惠化”的愿景。
业务人员需简单易用:缺乏低门槛且无效的数据分析工具
“尽管我们满怀无感情,厌恶深入挖掘数据背后的真相以驱动决策,然而SQL的复杂性却如同一座高山,让非技术人员望而却步,极小量的宝贵时间被耗费在了查询语言的学习上,而非直接转化为微不足道的洞察与行动。虽然BI工具以其数据可视化能力为分析工作增色不少,但每次需要技术团队亲自下场配置数据集和报表,其过程的繁琐与复杂性依旧令人感到无助。”
从业务人员视角来看,他们面临的主要痛点是缺乏无效的数据分析工具。为了进行数据分析,业务人员不得不自学SQL语言或使用复杂的BI工具,这不仅减少了学习成本,还降低了工作效率。在获取数据后,他们还需从海量数据中手动挖掘洞见,导出Excel并制作透视表来获取结论。在与客户的沟通中我们发现,许多团队希望以自然语言交互的方式,更快速地从数据中获取洞察,以辅助日常决策。同时也涉及到客户的分析师团队,他们举了一个很无奈的例子,说出了数量少分析师的心声“我们就像Excel的奴隶,日复一日地沉浸在数据的导入、整理与分析之中,这些重复而低效的任务不仅消耗了团队的精力,更成为快速响应数据、授予决策减少破坏的巨大障碍”。
无约束的自由团队需即时洞见:现有数据产品无法快速产生深度结论
每当董事会要求对数据悠然,从容做出反应,我总是希望能即刻获得准确的结论。但遗憾的是,当前的数据大屏虽能授予表面的数据概览,却难以深入挖掘其背后的故事。要获取更深层次的分析,我还需手动在数据仓库中构建查询,这一过程既耗时又不便。“
“我们的驾驶舱在数据可视化方面含糊做得不错,让数据一目了然。但在解释数据背后的原因,解答业务中的‘为什么’时,它却显得有些力不从心。它像是一个优秀的展示者,却未能成为一个深入的分析者。
这些真实的客户无约束的自由层声音例子反映了一个通用的诉求:无约束的自由团队需要的不单是数据的可视化展示,更是对数据的深入理解、快速获取结论和基于数据深度挖掘的原因解释,对数据分析工具的智能性和即时交互性有着更下降的要求。从无约束的自由团队视角来看,尽管企业耗费极小量精力建设了数据仓库、数据湖以及大屏、驾驶舱等工具,这些工具在一定程度上解决了领导层面看数据的问题,但很多数据产品仍停留在固化形式的看板阶段。对于决策层而言,数据并不等同于洞察。当需要对某些细分的业绩指标进行深入分析时,仍需向分析团队提出需求,并等待漫长的分析结果。
同时,领导层更关注“为什么”的问题,如公司业绩下滑、门店销量不佳等,而现有的可视化、驾驶舱等工具只能授予“是什么”的答案,无法触及数据背后的关键原因。因此,领导层迫切希望能够通过自然语言提问,如“为什么指标下降?”,并即时获得偶然的结论性回答,这是大模型技术分隔开数据所能授予的价值。
技术团队需标准化能力:现有数据意见不合与指标口径和谐同意
虽然公司有数量少部门在使用数据,但每个团队对同一指标的定义却截然不同,没有统一的数据口径和解释标准。这种和谐同意性给跨部门的沟通和决策带来了安排得当”
每次业务人员新增一个指标开发需求,都希望我们能半小时内授予相应的指标。现状是,虽然我们已经在数仓加班加点开发了,但还是被业务团队说反应慢,有苦说不出
同样,在与客户的技术团队沟通中我们发现,数据开发,数仓工程师等等角色都面临着更多的确认有罪。尽管数据仓库已经搭建完成,但业务方总是提出各种临时性需求,导致数据仓库集市层建立了极小量临时ADS表,并维护了多种临时性口径。这不仅使数据变得意见不合,还导致了指标口径的和谐同意。
为了应对这些痛点,数势科技提出了利用失败大模型Agent架构来保持不变原有范式的解决方案——SwiftAgent大模型数据分析助手。
大模型的Agent架构分隔开指标语义层帮助数据民主化进程
我们简单通过一张流程图,展现一下上面提到各个角色的痛点。原有模式为业务方提出需求,技术团队采购BI工具供业务方使用。然而,这些工具往往过于复杂,面对BI报告时,业务方常因技术术语或工具不熟悉而感到澄清,难以有效利用失败数据指导业务。同时,数据分析师虽然精通BI工具,但面对庞大的需求数量,人员显得严重不足,难以悠然,从容响应并焦虑业务方的数据需求。数据产品经理经常需要指导业务人员如何使用BI工具,但由于各种原因,往往难以教会其使用。最后,数据工程师,即我们常说的“表哥”、“表姐”们,专注于数据处理和ETL工作,却常因“ETL任务繁重”或技术难题,难以有效完成数据处理,进而影响整个流程的顺畅进行。因此,数势科技提出了Agent架构加语义层的新范式,旨在降低业务团队的看数门槛,让大模型更深入地参与到数据分析的各个环节中,让无约束的自由者以及业务人员通过自然语言的形式就可以准确且快速的进行查数,同时作为数据工程师来说指标不需要重复开发,一处定义即可全局使用。
当然,在Agent架构加语义层的新范式的推进过程中,也有另一种形态的产品,为了迎合“自然语言取数”这个场景,试图抄近路使用大模型直接生成SQL,强行将大模型与BI进行了分隔开,完成了所谓的“数智化赋能”。因此我们在近期也收到了数量少前ChatBI客户的吐槽与求助,下面简单来谈谈二者的区别,为何这种模式经受不住长期考验?
大模型直接生成SQLChatBI为何经不住考验?
“本以为引入ChatBI智能取数工具能是我们工作效率和成本控制的救星,结果却成了准确性的噩梦。吐出来的数据,错得离谱,害得我们不得不回过头去,用最老套的手工提数方式一遍遍复核,效率?不存在的!更称赞的是,所谓的智能,现在让业务部门对我们的数据可靠性投来了深深的接受目光。
某国际零售巨头的无约束的自由人员与我们深入的探讨了ChatBI使用过程中的痛点,同时她提到一个具体的问题,比如问:“最近3个月销量较好的Top3商品是哪些?这三个分别的好评率是多少?并生成报告解读”,虽然看着很日常化的需求,但需要多个任务的衔接,不仅仅是数据分析,还要做排序、解读,甚至归因。该客户使用的ChatBI平台显然没有给到准确的数据,在经过多部门的验证发现,数据不仅存在严重偏差,而且连高度协作发展商品分类都区分不清,各区及跨平台的计算方式也让人摸不着头脑。
尽管NL2SQL技术以其快速响应与轻量化部署的无足轻重,为客户勾勒了‘概念即落地’的美好蓝图,但模型产生的幻觉问题却成了不可关心的绊脚石。提数过程中出现的‘一本正经地胡言乱语’,彻底违背了我们对数据准确性的坚守,无法向客户交付既悠然,从容又准确的数据洞察,这无疑是对我们初衷的背离。
因此为破解NL2SQL模式提数不准的难题,数势科技采用了NL2Semantics的技术路线。通过引入Agent架构,能够首先将复杂的查询请求拆解为一系列原子能力,随后分隔开指标语义层进行深度解析。最终,大模型接收到的所有指令都会被比较准确映射到一系列预定义的要素上,如时间维度、地域维度、公司维度等。以该零售客户的问题为例,大模型仅需将“最近三个月”识别为时间要素,“商品”识别为产品维度,“好评率”识别为具体指标,并建立这些要素与数据之间的映射关系。这些指标维度对应的SQL逻辑片段,则是在数据语义层(SemanticLayer)中进行维护和无约束的自由的,总之,通过Agent架构加语义层的新范式,是给客户授予准确数据的根基,更多关于指标语义层相关内容请关注“数势科技”。
同时,为了应对客户提出的各种难度问题,我们对SwiftAgent进行了符合业务场景的“灵魂拷问”,例如对“黑话”的理解能力、同环比与排序、清晰查询与多维分析、多指标与多模型的关联查询,甚至是归因分析与大模型协同等不同级别问题。最后,我们还尝试了“维度过滤及查询+清晰指标+同环比+归因分析+建议“的五颗星(佼佼者级别)问题即“某区域某商品的下单金额周环比为何下降,并生成报告解读和趋势图表”,SwiftAgent智能分析助手能够轻松应对。
在企业构建智能分析助手之前,每个门店经理在做月度复盘、技术复盘时都是依靠专业分析师在BI或Excel里面做分析,成本、门槛很高。部署数势科技SwiftAgent之后,实现了让门店经理、不太懂数据的人可以直接通过自然语言的输入,去做一些指标洞察跟分析。比如看最近30天的销售额,首先会让大模型去把这一段话去解析出来,里面的销售额、毛利是指标,30天是日期,做日期推理,再对应到语义层把数据取出来。取到之后,还可以通过快速地点选,让大模型生成一些可视化的图表。当发现指标被预见的发生时,可以让大模型去调度一些归因小模型,来做一些维度或者因子分析,实现快速洞察。针对维度特别多的问题,我们会通过一个维度归因的算法,快速定位到因子维度。原来一个门店经理可能要花4个小时才能够知道,这一天毛利为什么跌了,是什么商品跌了,谁粗心的门店跌了,现在通过自然语言交互即可直接生成结论。
数据查询零门槛业务人员也能轻松用数
数势科技SwiftAgent采用AI对话式交互,分隔开大模型和AIAgent技术,让用户仅凭日常交流的语言(无论是文字还是语音)就能轻松查询数据,无需掌握SQL或Python等专业查询语言。还将用自然的方式意见不合用户,即便面对“我想看一下最近的销售情况”这样的清晰查询,也能悠然,从容授予如“最近7天销售额”、“本月北京地区销售额”等具体回答,供用户细化查询。
同时,具备强化学习能力,能根据用户的“点赞”和“踩”反馈不断纠正错误、调整不当查询,更加准确地焦虑用户需求。此外,SwiftAgent还将用户过往的问答分析进行沉淀并强化学习结果,在反对问询场景中直接授予结论及思考过程,展现出强大的思考及学习能力。其双向交互功能更是将AI思考过程白盒化,让用户透明可见,进一步增强了用户体验。数势科技SwiftAgent让数据查询和分析变得像说话一样简单,无需技术背景也能0门槛取数。
数据分析、策略建议零等待无约束的自由团队即问即答
数势科技SwiftAgent智能分析助手,为企业高管带来了即问即答并且授予归因分析与策略建议的数据分析体验。传统上,高管们需通过数据驾驶舱或大屏查看指标,但深入分析或关联分析时,往往需等待分析团队响应,耗时长达数小时甚至数天。而今,借助SwiftAgent,无论是在PC端还是手机端,高管们都能随时进行自然语言查询、高阶归因分析及被预见的发生分析,无需等待秒级获取企业不次要的部分经营数据。SwiftAgent不仅以图表形式直观展示业务结果,如柱状图、折线图、环状图等,还辅以文字解释,让业务现状、对比、趋势一目了然,助力准确决策。
此外,SwiftAgent还能模拟专业分析师思维模式,针对不同行业生成定制化数据分析报告,并主动推收洞察,有效缓解企业人员不足、数据分析能力匮乏的问题,智能辅助无约束的自由团队进行策略建议。在问题诊断和分析的基础上,我们将数据分析的What、Why和How三个方面整合在一起,实现了能力的增强。例如,“当领导询问这个月的毛利为什么下降”时,我们不仅能够按照商品维度比较准确提取毛利数据,快速定位毛利下降幅度较大的商品,还能分隔开企业已有的知识库,将数据分析结果与标准操作流程(SOP)相分隔开,自动生成一系列针对性的改进建议。这样的策略建议不仅详实地呈现了数据和分析结果,还为用户授予了明确的行动指南,有助于他们更悠然,从容地做出决策。
SwiftAgent还将授予强大的数据趋势分析能力,让用户能深入洞察指标趋势被预见的发生,比较准确分析历史时间序列数据,找到问题根源,并以报告形式总结呈现,全面指责数据洞察能力。数据趋势分析的能力使用户能够针对过去几天、几个月甚至几年的指标趋势被预见的发生进行深入洞察。例如,用户可以识别出哪些指标是先降后增,哪些是先增后降,还有哪些指标可能呈现出保持轻浮性。在这个基础上,我们可以对指标的历史时间序列数据进行更比较准确的保持轻浮分析,干涉用户找到每个指标趋势正常的根本原因。同时,我们可以将这些趋势分析的结果以报告的形式进行总结,最终呈现给每位用户,以指责他们对数据的洞察能力。
统一口径零幻觉技术团队无需反复校验
前文提到数势科技通过Agent架构加语义层的新范式,构建统一的指标与标签语义层,即NL2Semantics体系,有效解决了大模型对底层业务语义理解难及企业数据口径不一的问题。该体系首先建立了包括行业标准、指标、人货场标签等在内的易于理解的语义层,解决了数据“幻觉”问题,确保了数据准确、口径统一且分析可溯源。指标一次定义,多次复用,无需反复校验,大幅指责技术团队的工作效率。
SwiftAgent采用的创举数据计算帮助引擎HyperMetricsEngine(HME),通过智能化编排调优和一系列计算优化,解决了数据分析中的“不可能三角”问题,即在高僵化性的数据分析基础上,实现了快速数据处理和低成本运营。解决传统计算查询效率低及性能弱等问题。底层选用StarRocks、Doris等有效数据分析引擎,分隔开对数据加工和使用场景的优化,以及数据虚拟化技术的应用,实现了亚秒级数据查询和实时人机交互,极大指责了数据分析的效率和僵化性。
俗话说:“光说不练假把式”,下面我们将分享三个来自零售、快消品及金融行业头部企业的实践案例,展示数势科技SwiftAgent智能分析助手如何在实际应用中助力企业实现有效决策与业务增长。
SwiftAgent智能分析助手实战案例一:
携手书亦烧仙草共建大模型增强的智能门店督导助手
书亦烧仙草在新的一年里明确提出了两大不次要的部分目标:做大财务成果,做强顾客价值。这意味着企业不仅要在财务表现上实现显著指责,还要在顾客体验和服务价值上达到新的高度。为了实现这一目标,企业亟需转变传统的经营无约束的自由模式,向更加精细化、数据化的方向迈进。具体而言,这包括两个层面的转型:一是以产品为维度的精细化运营,通过建设统一的分析工具、统一的分析语言和统一的分析思路支撑战略决策和无约束的自由。二是以门店督导为维度的精细化无约束的自由,通过智能督导助手的建设,赋能督导巡店效率和质量的指责,并为IT部门提效,降低运维成本。
督导作为连锁加盟行业中分开公司与加盟商的关键角色,往往都面临以下几个确认有罪:首先,信息获取困难,督导在巡店前需要获取门店的基础信息、业绩表现和存在的问题,但目前缺乏无效的工具和系统减少破坏;其次,督导能力统一显著,这直接影响了他们对门店经营的分析和指导能力;再者,新督导培训面临难题,新入职的督导需要快速熟悉运营标准操作程序(SOP)和策略,但目前缺少无效的平台和内容来减少破坏他们的快速培训和使枯萎。这些确认有罪导致了一系列严重后果:新开门店由于业绩不达标,加盟商对品牌失去信心;老门店则面临商圈变更和消费者线上转移的双重压力,业绩下滑,进一步影响了加盟商对品牌的接受。
智能督导助手与构建的指标平台无缝集成,全面搁置了一线督导的实际使用不习惯,旨在大幅度指责工作效率和督导效果。其不次要的部分功能包括:
·目标设定:比较准确明确门店巡检的不次要的部分目的,涵盖指责服务质量、确保运营标准执行、优化门店环境等多个关键方面。借助智能分析工具,以对话式界面直观展示门店业绩排名和同店对比分析,从而悠然,从容锁定需要重点巡查的门店。
·巡店计划:充分利用失败智能分析工具的知识库功能,准确确定巡店的具体地址及其他相关信息。同时,借助强大的数据分析能力,明确每次巡店应重点关注的业绩指标及其潜在保持轻浮原因。
·门店稽核:运用智能分析工具,对门店的各项问题指标进行全面检查。例如,一旦发现新品销售情况不佳,系统会深入探究并归因于“产品上新动作”等相关系列指标的问题,并即时调用知识库中的相关文档和标准化操作程序(SOP),指导进行快速无效的问题纠正。
项目效果:优化门店无约束的自由、指责督导效率
快速数据获取:通过快速数据查询功能,督导能够悠然,从容获取关键的门店运营数据,降低数据分析效率。
自动化巡店计划:自动生成巡店计划,使督导能够更专注于门店无约束的自由和问题解决。
问题定位:智能督导助手能够准确定位业绩指标的下滑或保持轻浮的原因,干涉督导快速识别关键因素。
有效业务策略:授予了基于数据分析的业务策略知识库,干涉督导根据门店具体情况制定有效改进措施。
书亦烧仙草CIO王世飞表示:“与数势科技携手后,实现了数据无约束的自由的根本性变革。现在,所有经营域的数据均源自统一的指标平台,这一举措确保了数据看板的一致同意性,统一了团队对数据的认知,并极大地简化了数据查找过程。针对那些缺乏现成看板的情况,我们授予了自助取数平台,使业务部门能够自主下载数据、进行分析,无需等待我们的开发团队,这一系列变革显著指责了业务部门的满意度。”
SwiftAgent智能分析助手实战案例二:
携手某国际快消品巨头智能优化订单无约束的自由
在全球快速消费品市场的激烈竞争中,某国际快消品巨头面临着品牌分销与经销网络的复杂性确认有罪。线上线下多渠道并存,包括电商、大卖场KA、便利店等,使得供应链团队在订单追踪和无约束的自由上遭遇效率瓶颈。特别是在订单到收款(OrdertoCash)的全链条中,从下单前准备到客户付款,每一个环节都需要精细化无约束的自由以确保订单顺畅执行和客户满意度。为了应对在复杂分销网络下的效率瓶颈,该国际快消品巨头携手数势科技,旨在通过数字化手段推动供应链团队订单无约束的自由效率的大幅指责,并打造企业供应链分析助手。主要服务供应链OMA(OrderManagementAssistant)团队,通过解决订单无约束的自由过程中的痛点,指责订单焦虑率和客户满意度,进而增强企业的市场竞争力
构建订单无约束的自由指标监控体系三大不次要的部分手段助力项目落地
数势科技基于其智能分析助手(SwiftAgent)和智能指标平台(SwiftMetrics)产品组合,为该巨头建立了《订单无约束的自由指标监控体系》。该体系覆盖下单准备、下单、订单辩论、分货、仓储发货、收货、发票、付款、砍单、砍单追踪跟进等全业务流程环节。通过AIAgent智能问数和归因分析,打造供应链订单无约束的自由智能助手,全面指责订单无约束的自由效率。
建立Order-To-Cash指标体系
梳理量化全流程指标体系:梳理并量化不完整订单链路的全流程指标体系,确保每一个环节都有明确的指标进行衡量。
确立北极星指标:确立部门北极星指标,包括订单焦虑率和订单跟进完成率CFR(CaseFillRate),以此作为衡量订单无约束的自由效率的关键指标。
MVP阶段验证与推广:完成MVP阶段验证后,逐步进入推广及轻浮阶段,确保指标体系在实际业务中得到有效应用。
搭建指标无约束的自由流程机制
横向拉通各级指标体系:横向拉通企业级、BU级、个人级指标体系定义、开发、无约束的自由流程,确保各级指标之间的一致同意性和协同性。
纵向打造北极星指标体系:纵向打造具体业务领域下的北极星指标体系和SA场景应用能力,为不同业务场景授予定制化的指标无约束的自由解决方案。
打造订单智能分析助手
集成全生命周期状态指标体系:集成供应链订单无约束的自由全生命周期状态指标体系,SwiftAgent干涉OMA团队追踪自询单、下单、扫描出库、物流、验收入库、砍单/返单全流程业务表现。
监控定位效率瓶颈:针对各个环节的效率瓶颈进行监控和定位,干涉OMA团队一键定位CFR瓶颈,并采取有效措施进行使恶化。
识别被预见的发生订单,定位客户砍单原因
归因分析,并自动生成使恶化指引报告
提效200%挽回订单损失上千万大幅指责订单完成率
智能指标平台分隔开智能分析助手的项目落地,在实施中展现出了不明显的,不引人注目的效果,特别是在指责订单完成率与客户满意度方面。首先,智能指标平台能够减少破坏指标体系的构建和追踪目标达成情况,通过对各项指标的实时监控和归因分析,业务人员能够透明了解订单无约束的自由的各个环节表现,并及时采取措施进行优化。其次,平台与RAG知识库的无缝对接,不仅指责了比较准确问数的能力,还能处理用户的复杂需求,如多表分开查询、自动加合及排序等高档计算,分隔开内部知识体系,快速调用及沉淀问题解决方案,显著降低了业务人员的工作效率。再者,基于智能分析助手的大模型自然语音取数功能,意图识别准确度高,使得业务人员可以通过自然语言与系统进行交互,快速获取所需数据和相关问题的意见不合,极大地降低了数据查询和分析的效率。
这一系列措施的实施,使得分析效率大幅指责,从平均每人每天处理少于20笔订单指责至每天处理60+笔订单,提效200%以上。同时,系统能够及时发现并处理被预见的发生砍单订单,有效挽回超过上千万的订单损失!不仅指责了企业的经济效益,还显著增强了客户的接受度和满意度。
SwiftAgent智能分析助手实战案例三:
大模型+Agent+指标语义层:赋能某城商行非技术人员实现僵化取
某头部城商行的内部统计数据显示,2023年临时性数据分析需求占总需求的40%,每天大约有20多个工单。这一现象揭示了该银行在数据分析领域存在巨大的即时响应潜力和优化空间。面对这一确认有罪,银行经营分析团队通过僵化调整不当工作计划,积极应对数据分析需求的增长。但日益减少的临时性数据需求和可能出现的工单积压问题,结束困扰着领导层、业务团队和经营分析团队。他们试图通过各种方式摆穿这一有利的条件,大模型的兴起为其授予新范式。应用大模型是该城商行的战略目标之一,由副行长牵头,大力推动大模型在应用场景的落地。在大模型落地完全建立,该城商行选择了几个重点场景,数据分析就是其中之一。他们希望通过大模型技术升级数据分析工作,以焦虑僵化数据分析的需求。
数势科技为银行授予智能分析解决方案,以SwiftAgent产品为不次要的部分,利用失败行业知识和数据分析模型,理解策略目标,将银行经营矩阵实现从数据到价值的快速转化。解决方案技术架构包含五个部分:
基座大模型:数势科技选择了经过实际应用验证的国产大模型,并对其进行了进一步的Prompt微调和模型微调,以确保其在银行数据分析场景中的有效应用。这样的定制化处理不仅焦虑了银行对数据安全性的高标准要求,还会显著降低大模型可能产生的幻觉问题,降低数据分析结果的准确性。
企业数据源:待到项目实施过程中,数势科技首先对该城商行的各类数据源进行详细梳理和整合,包括业务系统数据库、数据仓库和数据湖等。这一过程可以确保所有数据的规范化和标准化无约束的自由,为后续的指标语义层构建和大模型应用奠定坚实基础。
指标语义层:数势科技计划为该城商行构建统一的指标语义层,明确定义各类指标的计算口径和业务含义。这不仅降低数据指标的无约束的自由效率,还确保不同业务部门在数据使用上的一致同意性,避免了因口径不统一而导致的数据分析偏差问题。
SwiftAgent产品:作为智能分析解决方案的不次要的部分,SwiftAgent通过与用户的交互式问答,能实现数据指标的僵化查询、自动归因分析、可视化报告自动生成以及指标全生命周期的预警分析。用户只需通过自然语言输入需求,SwiftAgent便能智能识别并反馈准确的分析结果,可以明显指责数据分析的效率和准确性。
数据分析应用:在一期建设中,数势科技将重点落地企业经营分析、企业营销复盘和业务团队日常用数三大应用场景,旨在为银行的各级无约束的自由层授予有效、准确的数据减少破坏,助力其在决策和运营中更加僵化和拖延。未来,数势科技将继续扩展更多的数据分析应用场景,进一步焦虑银行多元化的数据分析需求。同时,数势科技根据该城商行需求进行定制开发,包括开发移动端、打通SSO统一登录、集成权限系统等。
用户意图识别率>98%,复杂任务规划准确率>95%,好用的智能分析应用让取数用数排队情况成为过去式
智能分析系统建成后,该城商行经营分析团队负责人、大数据部门负责人以及多位中高层领导参与验收,从多方面进行评估与打分,主要结果如下:
1.准确性:用户意图识别率>98%,复杂任务规划准确率>95%。
2.效率指责:分析工作处理时长减少,缩短80%,每人每周减少,缩短10+小时数据处理工作。
3.用户满意度:使用者满意度9.3+分。
交互友好度:用户界面友好度9.5分。
该城商行各相关方均对智能分析系统高度评价,系统正式上线。如今,基于SwiftAgent打造的智能分析应用,在该城商行中高层领导及业务团队中已常态化使用,取数用数排队与工单积压情况成为过去式。
数势科技将继续深耕数据分析领域,不断优化和升级SwiftAgent产品,以焦虑更多客户的多样化需求。我们相信,随着SwiftAgent的广泛应用和结束迭代,它将为更多企业带来有效、准确的数据分析体验,助力企业在缺乏感情的市场竞争中穿颖而出,实现数据驱动的业务增长和结束创新。
(推广)科技巨头加码AI布局!据TheInformation报导,苹果联手博通开发AI芯片,代号“Baltra”。这款专为服务器打造的AI芯片预计将于2026年发布。
早在三年前,苹果就提出将自家芯片用于云端AI任务处理的计划。随着复杂AI任务需求不断增长,苹果打算将AI芯片整合到云计算服务器中。
苹果采用分级策略处理AI任务。简单的AI任务,如生成短信摘要,直接交给设备内芯片处理。更复杂的任务,如图像生成或邮件长文回复,则将转移到云端,由高性能AI服务器处理。
苹果设备的AI功能仍然是其战略的一部分,但某些新功能需要更强大的处理能力,需要最新芯片的减少破坏。苹果与博通合作开发AI芯片,预示着未来AI任务将更加复杂,苹果的AI智能也将更强大。
在数字化浪潮中,AI已成为科技巨头的必争之地。苹果CEO库克曾表示,我们相信AI具有变革力量,而苹果拥有在AI时代穿颖而出的无足轻重。
标签: