首页 > 传媒 > 关键词  > 量化投资最新资讯  > 正文

企业数据分析协作场景特征、常见问题及解决方案

2022-05-06 11:03 · 稿源: 站长之家用户

随着互联网技术和数字化生存带来的众多商业模式创新,企业不断加速数字化转型,挖掘数据价值、指导业务决策,而高效流畅的协同能力却成为了企业组织管理和数据驱动的瓶颈。

典型场景有如企业数字化团队人员各自为战工作流程难以协调统一、生产资料及最终产成品缺乏管理致使软性资产易流失、业务人员工程能力较弱无法真正参与数据驱动的业务场景、外部人员协助项目而企业内资产安全性得不到保障等等……因此,针对于大数据协同管理难点的产品级解决方案是当前帮助企业走出协同瓶颈,集约化生产管理,释放数据价值,多维度赋能业务的必然选择。

大数据下企业的协同管理可分为三个层级:

1. 数字化团队内部协同:指企业的数字化部门在进行数据分析建模的过程中,对于数据流程、生产要素、资料成果的协作、共享及管理

2. 大数据项目跨部门协同:指企业在数据驱动业务模式下,数字化部门与业务部门在模型构建、业务应用、迭代优化的过程中对于任务拆解、流转路径、协同机制的系统性管理

3. 企业数字化业务外部协同:指企业与外部机构、人员建立业务链接的过程中产生的协同需求,含对外价值输出的渠道与形式,及内外合作时资产公开性与安全性的平衡管理

下文将针对此三个层级下的六项典型场景,通过企业真实需求案例及对应和鲸科技旗下数据科学协同平台 ModelWhale 所提供的解决方案,作深入解析。

***

目录

数字化团队内部协同

场景一:分析建模全要素的获得与成果复现

场景二:成果结构化整合沉淀

大数据项目跨部门协同

场景三:业务部门协同探索模型开发优化

场景四:模型应用全生命周期管理

企业数字化业务外部协同

场景五:研究成果对外发布应用

场景六:引进外部专家协同工作

***

数字化团队内部协同

大数据时代,企业利用“数据科学+”能力赋能业务决策,在数据研发团队内部建立起横向协同机制,能够大幅提升团队工作效能已是共识。

场景一:分析建模全要素的获得与成果复现

数字化团队所需支持的业务条线众多,且发展目标可能各不相同,因而团队成员经常是专注于各自独立的板块开展工作。然伴随着企业数字化转型的需求更密集也更复杂,很多基础性的工作可以共建,对于数据的要求也不再是相对独立的、单一的数据展示和资源挖掘,需要更多综合性、交叉性的开发利用,越来越多的数字化团队开始寻求突破,以更协同的形态提高整体效率。

以从事量化投资的某金融公司 A 为例。量化投资是指利用计算机技术进行交易的证券投资方法,通过对庞大的历史数据建模分析,海选出能带来超额收益的多种“大概率”事件,持续计算生成定量化的投资信号,自动交易投资。制定量化交易策略的团队即典型的数字化团队。

量化策略具有一定时效性,一旦市场上其他投资者也采取相同的策略或市场环境发生了变化,就可能会导致所带来的超额收益越来越小,因此团队需要持续优化量化投资策略,提高交易速度,使收益最大化。然而目前团队内部存在的一系列“协同问题”给他们造成了困扰。

由于前期各个量化研究员都是独立开展工作,而后续策略的优化,如根据市场信息补充新的数据或使用新的特征等,却需要以之前的工作为基础,这些既有生产资料不仅仅来源于自身,也有可能来源于团队内的其他人。前期形成的“信息孤岛”导致团队成员后期在获取他人的数据和模型时频繁出现数据版本错误或代码版本错误等情况。同时,所使用的编程语言、版本模块不同形成的研究环境差异,也给复现造成了困难。数据、环境、代码,三要素难以同步获得与复现,严重拖缓了投资决策,让 A 公司错过了很多稍纵即逝的市场机会。

解决方案:

ModelWhale 由点及面,帮助量化团队解决了制定策略时全要素的内部协同问题。

首先,每个研究员都可以通过平台自由调取存放在数据库、对象存储以及 NAS 空间的各类数据,或者根据分析需要上传本地的数据集开展策略研究。团队的数据管理员可将各个成员的数据需求与其所在部门或策略小组相结合,将数据定向分发,并灵活设置每个人使用、下载的权限。如果某个研究员在其后续的策略优化过程中为数据集增加了新的特性,可以生成新的数据版本,则团队内部其他成员也能够根据分析需要选择特定的数据版本建模分析。在后期进行策略的持续迭代时,数据版本的选定即可快速统一,减少了成员间的沟通成本,也避免产生数据偏差。

其次,量化研究员除了可以使用平台预置的分析环境外,还可以根据需要,利用表单、Bash 指令等方式构建自定义分析环境。所构建的自定义镜像环境皆可一键分享给团队内的其他成员使用,管理员也可以配置统一的镜像在团队内部共享。ModelWhale 会自动记录每一次代码运行时的镜像环境,当成员需要合作训练模型或在他人的策略之上进行优化时,所使用的分析环境将自动匹配,实现快速复现。

此外,量化研究员在分析建模时,每取得一部分阶段性成果即可将其保存为一个版本,并备注下版本的关键信息,则后续即使再与他人合作编辑,也依然能找回自己已有的历史版本。通过版本间对比,研究者可以快速查阅他人对于代码的“增”、“删”、“改”的情况,或是接受修改,或是文件级退回或 Cell 级回溯实现快速还原,全部修订完成后也可生成新的版本,为后续的工作打下基础。

版本对比页面示例

无论是数据、分析环境还是代码文件,在 ModelWhale 上都可以通过主动分发和申请审核来实现权限控制。生产要素一体化管理,快速获得与复现,让数字化团队分析建模的内部协同过程更便捷,也更自在。

场景二:成果结构化整合沉淀

在数字化团队中,除了各要素的获得与复现外,做好对代码文件、分析报告、算法模型等成果的管理沉淀,也是资源利用最大化,提升团队整体效能的重要机制。由于历史的生产资料都散落在团队成员个人的设备中,随着人员流动经常会出现既往成果流失的情况;同时,由于缺乏成果的复用途径,当遇到相似场景分析时,算法人员仍需要从零开始编写代码,而不是在之前的基础上推进迭代。这些不仅会给团队带来很多不必要的资源浪费,也会对企业的数字资产安全造成威胁。

伴随着电子商务的冲击,以服装零售为主营业务的 B 公司现阶段进入了扩张瓶颈期。为了应对竞品对手和多业态市场的压力,企业希望能结合大数据对客户行为模式与特征建模分析,以更全面地了解客户,指导业务决策。然而,尽管目前企业的数字化团队主要只负责对线下不同地区各个门店的业务数据以及各时间段公司整体的营运数据汇总整合、制作报表,或做一些相对基础的可视化分析的工作,但由于数据来源复杂且数据规模量较大,已经几乎占据了团队全部的工作时间。

要让数字化团队投入时间挖掘更多数据价值,就需要整体提高团队的效率。就 B 公司而言,尽管线下门店众多,但其产生的数据几乎都是同类型的,且以指导业务为目的数据分析过程也会比较雷同。横向来说,只要对一家门店的数据形成标准化分析流程,其他门店也能同样适用;纵向来看,未来的数据分析也可以在现有分析流程之上进行迭代。导致数字化团队重复造轮子的原因正是因为过往的分析流程没有被提取出来,已解决的问题、已产生的成果也没有进行很好的结构化沉淀。

解决方案:

ModelWhale 为分析建模过程中产生的数据、分析流程、模型成果等提供了多重管理路径。

接入线下各门店的多来源数据后,数据人员可将各类销售、营运、库存数据制作成数据集进行分类,便于灵活调用。使用平台内置的算法代码片段,团队可快速开展数据清洗、可视化分析等数据处理工作;对于常用的代码片段,分析人员也可一键收藏,方便后续复用。

此外,ModelWhale Canvas 拖拽式编程为 B 公司搭建起业务标准化分析流程提供了更敏捷的开发模式。数字化部门可以在 Canvas 里面基于可视化手段预构模型组件、封装常用分析工作流,然后再转化为 Notebook 进行更精细化的建模工作。基于这种形式,建模工作通常可以快速地推进,在修改部分业务逻辑后,模型服务就能很快上线。同时,低代码开发的模型服务采用参数配置的方式实现,因此后续开发人员只需要修改参数或调整某些模块,便可快速响应其他类似业务指标的开发需求。

Canvas 分析工作流 flow 示例图

完成算法模型的训练后,团队成员可将模型保存到团队的算法库中,并备注好算法说明和适用场景,方便他人后续调取使用。算法团队还可以部署离线预测式的模型服务,定期获取数据库中的新数据,生成对应的分析结果。最后,所有的数据、算法,以及分析过程中产出的代码、数据、文档、视频等,都可以沉淀在团队的知识库中,统一整合、统一授权。成果的结构化整理也可形成持续监测效果,为企业长期的业务决策提供更多支持。

通过 ModelWhale ,数字化团队可以在分析建模的同时自然地实现数字资产的结构化整合沉淀,从生产机制上提高了团队内部整体工作和协同效率。

大数据项目跨部门协同

业务问题的解决有时是从一处痛点开始突破,比如针对于某个产品的销售业绩建立预测模型;有时则需要按照体系化的方法持续进行解决,比如提升客户的整体满意度。数字化部门的工作应该在具体的业务背景下展开,并随着业务场景的发展与时俱进。

场景三:业务部门协同探索模型开发优化

当算法人员针对业务部门提出的具体需求分析建模、优化迭代时,业务部门也需要同时根据实际应用场景提出相应反馈,把人的经验、观察、思考转化为可被执行的流程化程序,从而让模型更好地赋能业务。然而目前,大多数企业的业务人员工程能力都相对有限,无法真正参与模型探索优化的过程,跨部门协作难度高、效率低,使得大多数企业都忽略或放弃了这一环节。

随着工业4.0推动制造业的数字化转型,企业 C 在广泛采用智能生产设备的基础上,希望能构建起对整体生产过程的智能化控制,现阶段致力于将云计算平台与物联网相结合,实现生产设备性能和健康情况的远程实时监测。企业希望通过算法部门对历史数据建模分析,了解设备故障发生的机理及前期预兆,从而指导一线生产人员在有类似情况时提前关闭设备或对设备采取保养维修,避免非计划停机带来的损失。然而算法部门在建立模型时却遇到了困难。

工业大数据规模庞大,类目众多,需要进行多重关联分析,但相关数据包括监测设备的操作运行状态、操作情况、周围的环境数据等,都具有较强的专业属性,甚至部分概念是晦涩难懂的。许多数据的异常值及变化到底意味着什么,经常需要请业务专家来帮忙解释,但间断性的询问不仅效率低、沟通成本高,还会给双方造成一定心理负担。因此,C 企业希望能在模型开发优化时构建起一套业务专家和数据工程师的协同探索机制。

解决方案:

ModelWhale 为业务人员和算法人员共同探索模型开发优化提供了沟通的桥梁。

低代码的范式能同时满足不同工程能力的人员使用,可视化的模型是业务和技术共享的视觉语言。通过图形连接,业务人员可以向算法人员直观地展示业务观点,包括各类数据指标的特征及应用场景——比如从业务视角看,某两项数据之间可能会有强相关性,或者某个指标可能会产生较多极端值等等,便于开发人员熟悉和理解业务逻辑,大幅降低建模工作的难度,也让模型本身更具有业务导向性。开发人员也可快速将模型组件转化为代码,优化完善的同时与业务人员进行二次确认。

其次,算法部门可以将优化过后的分析过程在 Canvas 中封装成组件给到业务人员使用。也就是说,当开发人员做出一套成型的可出报告的 Canvas 组件后,一线的业务人员只需要将数据替换,即可生成相对应的分析报告,真正实现算法成果的投入应用。业务人员在使用过程中也能根据使用情况持续给予反馈,形成双向合作流。

此外,算法人员和业务人员可以围绕 Notebook 的文学性编程进行合作,算法部门专门负责代码调整,业务部门负责文字的润色和说明。项目支持有选择性地展示各个 Cell,隐藏复杂或重要的代码,生成交互式报告,在线以 Notebook、PPT 等多种形式即时与他人分享。若相关人员在阅读过程中产生疑问,可具体到 Cell 发表评论直接交流,在算法人员修改后也能即时看到修改结果。

另外,C 企业需要的不仅仅是一个业务人员也能低门槛使用的平台,而是希望整个企业内部能统一数字化意识。数字化人才决定了数字化技术在企业生产过程中能否实现数据资产的衍生价值。对此,和鲸同时联合旗下和鲸社区以及和鲸科赛,通过不同活动和实践探索形式,如支持其内训、举办数据竞赛等,帮助 C 企业真正构建起数字业务跨部门协作的生态。

ModelWhale 从工具层面打破工程能力的隔阂,跨部门整合人员能力,简化模型开发优化流程,同时也能帮助企业培养更多自驱式数据人才。

场景四:模型应用全生命周期管理

从开发训练到部署应用再到优化迭代,这是一个算法模型最简易的生命周期。密切关注模型在业务中的表现,持续跟踪落地效果进而调整模型,如果将其称之为是算法模型的“运维”,这种特殊的运维与传统的针对软件工程所设计的运维又不相同。

首先,算法模型的应用天生就是需要与数据进行关联的,模型无法脱离数据产生效果;其次,算法模型的应用天生就是需要优化迭代的,这个迭代并不是主要围绕 bug 的修复,而是依赖实际应用场景的数据反馈,围绕模型效果优化的迭代。因此,算法模型的“运维”过程是与数据强关联的、是必要的、是势必要囊括多个部门参与其中,且分别提供不同支持的。

以数字金融公司 D 为例,近期,D 正在探索用大数据解决企业中的风控问题。风险控制直接影响着企业的盈利水平,传统的风控工作十分依赖业务员,在操作风险和信息实时性上都有较大弊端,而大数据风控则可以将用户的各种信息度量化,提前进行风险预警,并部署在系统平台上全自动实施执行。然而 D 公司在搭建风控模型时目前存在着两个问题:

首先,风控模型从内部数据和三方数据的收集到模型开发,需要多个部门与算法部门进行合作,但各部门间缺乏系统化的跨部门工作流,协作效率低下,推进困难;其次,生成的模型需要根据业务端的使用情况不断调整优化,模型迭代周期的要求极短,但由于上下游基础设施建设混乱,缺乏链式更新机制,非常依赖下游的主观能动性去了解更新的内容以及主动配合更新,因此容易造成信息滞后。尽管公司各方都投入了很多时间精力,但缺乏对模型应用全生命周期管理导致成果仍不尽人意。

解决方案:

ModelWhale 协助 D 公司打通了模型产出、应用、迭代、管理的全链路。

在模型产出阶段,数字化团队可基于平台完成数据分析及算法开发的全部流程。由于风控模型的数据来源于多个部门,需要多方合作参与,各部门成员可以通过项目的任务看板实时查看进展情况,并落实各自的职责。在多源数据分别接入后,数据管理团队即可生成新的数据版本及数据描述性统计文档;算法部门在建模的过程中也可以通过发布离线训练任务以及进行模型训练可视化对比,提升计算效率,挑选出最合适的模型。

模型训练可视化对比示例

待模型开发完成后,源代码、数据、建模环境等可以被打包后进行自动化部署并发布为应用,这个过程可以由算法部门自己完成,而不用再麻烦专业工程人员。部署完成后,相关业务部门就可以直接通过 API 即时启动调用,或通过模型应用的链接快捷调用,无需复杂的下载、传输,有效简化了模型从开发到应用的复杂度。

对于 D 公司模型快速迭代的需求,算法部门可以在后台查看模型被调用的次数以及调用的历史,平台所记录下的部署后模型使用过程信息皆可为模型优化提供方向;同时业务部门也可以持续通过任务看板反馈模型的应用情况。ModelWhale 支持保留迭代版本源码,因此算法人员可从任意阶段开始模型优化调整。自动化部署和自动记录反馈,给模型提供了持续有序的迭代机制。

ModelWhale 用短时间、低成本实现了模型各个节点的无缝跳转,有效提高了模型应用的效率,并降低优化迭代的难度,使模型具备持久的生命力。

企业数字化业务外部协同

除了内部协同外,企业也需要借势、借力于外部力量,统筹外部合作利益关系,构建数字生态圈。建立良好的外部协同机制,既要确保边界柔软——利于技术渗透,又要边界清晰——确保资产安全。

场景五:研究成果对外发布应用

数字化转型成功的企业可以真正释放数字潜力,将成果转变为切实可得的经济效益,数字技术的对外应用无疑是变现最有利的途径。要达成这一目标,企业需要借助一定的载体向自己的目标客户群持续输出自身的能力创造价值,这是与客户建立起链接的起点。另外,企业也要为合作搭建快速通道,尽可能消除中间壁垒,降低合作的成本。

以医疗企业 E 为例,E 借助其临床研究项目产出的大量预测模型,推出了全新的医学检测服务方案,医生可以通过将患者身体的各项机能数据代入模型,快速获得相关检测的预测结果。基于此,E 公司希望能同更多医院或相关生物健康型公司合作,实现医学价值的最大化。然现有两个问题亟待解决。

首先,在临床预测模型的应用上,传统情况下需要通过第三方软件,重新输入数据后在本地运行模型的代码文件,才能获取输出结果,整个过程效率低速度慢,对临床医生来说可能有着比较高的使用成本;其次,E 公司希望可以后期计算出模型的预测精度,便于进行优化迭代,同时也为自己对外建立起“精准预测”的口碑提供事实依据,这就需要在模型应用时记录下每次模型输出的结果,再与实际情况进行比对来获取。此外,公司还在思考如何加强外界对于自身数据驱动创新的形象认知。

解决方案:

ModelWhale 构建了灵活的对外基础设施框架,让模型资产得到更高效的利用。

对于已经训练完成的模型,企业可以一键进行部署,若某些临床预测的应用场景含有多个模型,也可以将其组合在一起发布。将部署的临床预测模型发布成应用时,算法人员可以根据模型应用计算需要,将输入的数据类型自定义设置为文件或表单,并为发布成表单的应用添加不同格式的字段,如性别、年龄、心率、血压等各类临床诊断常用指标。

模型应用界面示例

发布完成后,外部应用者——企业的目标合作对象即可前往模型应用界面,根据模型应用需要输入数据字段或上传符合要求的文件,实时在线获得基于模型和数据的预测结果。无缝跳转的链接更有利于企业达成对外合作,实现经济效益的落地。

对于模型预测精度的追踪,算法人员可以在后台查看详细记录的模型调用信息,包括模型调用的用时、反馈的结果以及调用中问题点的记录,这些记录和结果都可以直接转换为分析用数据集,评估模型在实际场景下的使用情况,并用于后续的模型训练和调优。

此外,ModelWhale 还为 E 企业提供了自定义配置门户页面功能,企业可将内部优质医疗数据集和优质医学研究项目分享至门户页,面向社会公开,以实现数字化成果的展示与分享。

ModelWhale 帮助企业构建起开放共享的数据生态,通过成果的便捷化应用和可视化展示,最大化数字资产价值,获得尽可能多的经济效益。

场景六:引进外部专家协同工作

开放式创新为企业提高学习能力带来机遇,使企业的探索性学习和挖掘性学习得到更多外部资源的支持。跨越组织边界与外部的研发实验室或研究机构合作,这在科技密集型和数据密集型行业中已经成为企业业务拓展深化的极佳途径。然而大数据项目中,当引进外部专家协同开展工作时,对于内部生产资料公开性与安全性的平衡管理是需要特别注意的关键事项。

据了解,某医院 F 在医疗过程中生成了大规模的临床数据,可用于众多重大医疗难题研究,具有宝贵的临床诊疗与科研意义。然而,团队目前的工程能力相对较弱,尚无法支持开展数据分析建模工作,倘若让这些数据白白流失,将会造成巨大的资源浪费。针对此种情况,医院拟引入来自国外的数据科学家团队共同研究,由医院方提供数据和研究思路,外部团队专门提供算法和模型支持。

然而,医院的临床数据几乎都来源于就诊患者的个人医疗信息,因涉及到患者的隐私问题不可随意外泄,但若是进行建模分析,数据又是最关键的要素,对此医院始终没有找到一个两端平衡的解决办法;其次,外部合作团队由于地理条件限制难以长时间直接在院内进行工作,双方需要在线远程合作,这也给二者的分工协同造成了困难。

解决方案:

针对内外协同场景,ModelWhale 的云端环境在实现协作便捷性的同时也能保证数字资产的安全。

在云端组织上,外部成员可以进入组织成为项目成员共同开展工作,不受时间和距离的限制;专家可以就数据分析过程中的产出进行评价,让信息交互和团队协作更加直观高效。

组织内设有完整严谨的权限管理系统,针对数据、代码、模型成果等资产提供了多重安全防护措施。首先,管理员可以控制和分配数据库的访问权限,每个数据集都有独立的使用、下载权限管理,也就是说一旦医院方关闭了外部建模分析团队成员的数据下载权限,则其只能在云端环境调用数据集,无法将数据下载至本地。其次,组织管理员可以随时查看数据的读取、选用和产出情况,进行持续监控。另外,ModelWhale 对于不同用户的资源使用还进行了多租户隔离、存储计算分离,防止非项目组用户访问到该相关数据产生数据泄露问题。

在组织或企业自身的工程能力较弱时,寻求外部专家解决方案不失为是一个高效的策略。基于 ModelWhale ,和鲸科技还为合作伙伴提供了赛训众包的业务,企业可以通过发起数据竞赛吸引更多社会各界的数据人才,群策群力解决现有业务中的难点问题。

ModelWhale 保障组织全权掌握自己的数据应用范围,在安全可控的情况下,通过外部协作挖掘更多数据价值。

结束语

数字技术的确在重构着这个世界,互联互通的程度更高、更快、也更复杂,建立完善的协同机制是深度挖掘数据价值的核心利器,也是企业应对变化的生存选择。本文将企业在数字化转型中产生的协同诉求拆解至三个层级并提供了对应解决方案。

  • 数字化团队内部协同:实现以生产要素和数字资产为核心的互联互通、高效复用,形成资源聚集的规模效应;

  • 大数据项目跨部门协同:连接数字技术与业务智慧,增强信息流动性,完善上下游反馈链路,促进模型成果持续赋能;

  • 企业数字化业务外部协同:高效率价值传递、信息安全开放,吸纳更多参与主体,打造广阔数字价值生态圈。

ModelWhale 提供即开即用的云端分析环境,将数字资产管理、Notebook 交互式 & Canvas 拖拽式编程、建模分析、模型服务、任务及权限管理等功能深度整合,一体化解决企业大数据分析的多种协同问题,使数据驱动的决策更加便捷高效。过去5年来,来自气象、医药、制造、金融、新零售等多个领域的先进企业都与 ModelWhale 进行深入合作。ModelWhale 综合各类业务场景,持续升级产品功能,完善全方位服务体系,欢迎更多组织共同交流沟通。

ModelWhale 数据科学协同平台将帮助企业突破瓶颈,为数字化转型提供高效协同最佳实践。

***

欢迎关注 ModelWhale 官方微信公众号、视频号,了解更多企业数据智能化转型、升级解决方案。

推广

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,文章为企业产品宣传内容,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

  • 相关推荐
  • 大家在看
  • 【腾讯云】618年中专享优惠抢先看,价值1206元礼券一键领取

    腾讯云618采购采购季,云服务器多种机型限时抢购,产品首购低至1折,续费最高享3.6折优惠。,专业技术7*24小时在线服务,腾讯云为企业和个人提供快捷,安全,稳定的云服务!

    广告
  • 三维天地LIMS助力煤化工生产企业煤质数据分析

    现阶段,我国的煤质分析按照国标标准,但其中还存在一些问题,影响着煤质分析的准确性,可能会导致误差的存在,从而影响煤化工工艺、产品质量,对此,需要加强对煤质分析的探讨,不断提升煤质分析的准确度,为煤化工企业的发展提供可靠的基础...针对目前煤质数据分析面临的问题,需要对煤质检验信息进行统一收集、传递、管控并出具质量报告单,并通过多渠道汇总到化验中心......

  • 同视:视频会议场景一体化解决方案,让企业「流畅」开会

    一场突如起来的疫情更加催化了传统办公模式的改变,相当一部分企业居家办公、远程办公、多终端操作已经常态化,更多办公场景下的协作需求和场景应用在全民“云办公”的背景下被催生...通过对企业用户会议需求的深度理解以及产品上的专业研发能力,旨在为广大企业用户提供更加简单、高效、充满黑科技的一体化会议解决方案...从方案到产品,完全根据企业会议室大小、声场环境、实际业务使用需求等综合评估,免费提供全套定制化的一体化会议解决方案......

  • 11个案例教你用数据分析洞见招聘全流程!

    5 月 19 日,Moka客户成功经理张岩分享《数据分析,洞见招聘全流程》,讨论如何构建招聘运营所需的数据支持体系...过程数据即职位进展、招聘交付等过程数据......

  • 豪迈中国:专注家具生产解决方案,与定制家居企业一同成长

    生产基地从一千多平方米,发展到 20 万平方生态型生产基地;产品种类从传统的代加工产品发展到拥有办公家具、生活家具多类产品研发与营销的能力,一跃已成为华人办公家具第一品牌......

  • 神策数据发布 B2B 电商解决方案

    受疫情影响,国内 B2B 电商市场进入红利发展期,越来越多的供应商认为线上销售模式相比疫情前更加/同等有效;同时,线上灵活的获客模式以及采购的便利性,突破了传统线下交易的地域限制,能够有效提升平台的市场占比。B2B 电商平台涉及三方:平台方、供应商、采购商,平台如何帮助供应商、采购商提高供需匹配、提高转化与复购,是平台运营的关键。针对此,神策数据发布 B2B 电商解决方案,帮助 B2B 电商平台突破传统运营模式,充分利用产品及服务实现线上线下的双线运营、双向赋能,助力 To B 业务增长。线上的平台数字化转型分为 3 个阶段:

  • 个推「智能运营」上线,帮开发者实现一站式用户洞察与数据分析

    对开发者和运营人员来说,只需登录个推开发者中心,即可通过智能运营的可视化看板进行数据分析与洞察,全面了解APP用户新增、日活、留存、流失等数据指标...智能运营打通了个推消息推送等多元用户触达渠道,APP可以基于平台全面深入的用户洞察结果,有效圈选目标用户群,并通过个推消息推送无缝连接用户...智能运营服务集个推用户洞察、数据分析能力于一体,可帮助开发者轻松构建以用户为中心的智慧化运营体系......

  • 拓新消息云出海解决方案,极光助力中国企业出海扬帆

    极光(Aurora Mobile, 纳斯达克股票代码:JG),针对出海企业及海外市场正式推出极光消息云出海解决方案...极光正是前瞻性地窥见了这一道“出海契机”,及时推出消息云出海解决方案——通过高效、精准、全面的客户触达工具,帮助“新航海家”在中国优势的基础上,更多、更好地理解“海外市场”,极光信心十足...而考虑到海外客户不同于国内用户的消息触达习惯,极光通过收购国内领先邮件服务商SendCloud(闪达),将其领先的国际邮件、国际短信通道板块正式融合进极光消息云出海解决方案......

  • 天翼云HPC解决方案助力企业畅享高性能计算

    会上,天翼云科技有限公司高级解决方案经理梁小彪表示,天翼云HPC解决方案依托自研云操作系统Cloud OS 4.0,打造自主可控可信的云网底座,提供天翼云高性能计算云解决方案,为企业、高校、科研机构等提供一种高性能、高可靠、部署快捷、安全可信的计算服务,满足计算密集型、海量数据处理等需求,助力企业业务模式创新...天翼云HPC解决方案可为企业、高校、科研机构等提供高性能、高可靠、部署快捷、安全可信的计算服务,助力企业降本增效、业务模式创新,并在科技、汽车、医疗等多个行业落地应用......

  • 【友客来私域分销小程序】帮企业商家打造一体化分销解决方案

    它集合分销商城系统+营销裂变玩法+二级分销运营模式,帮你打造一体化的分销解决方案...简单来说,友客来私域分销小程序,是一种传播裂变的获客工具...友客来私域分销小程序采用的是企业商家喜欢的,也就是“二级分佣,无限级裂变”的运营模式...二级分佣的模式可以帮助商家发展无限级的分销商,而且分销商还可以邀请下级分销商...友客来私域小程序也帮大家考虑到了,在小程序控制后台,有一个独立的分销数据统计,每一个分销商的每一笔订单都会详细的记录,上后台可以随时查看分销商的订单和业绩,便于统一管理......

  • Pixso率先推出Sketch企业级设计资源迁移全面解决方案

    很多设计小伙伴使用Sketch的会把很多公共模块设计出可以复用的组件库,日积月累,形成自己设计的小金库,设计稿采用组件库来设计,极大的方便了设计师改稿效率,对于企业来说,设计团队大量使用sketch形成的设计资源分散在设计师自己的电脑中,不便于管理和维护,如何保障设计资源的完整性和一致性?如何实现跨平台兼容,避免业务中断?打造企业级Sketch设计资源迁移解决方案服务在企业中呼声非常高...在国内,Pixso率先推出首个Sketch企业级设计资源迁移全面解决方案......

  • GTX 1630是高端显卡吗?

    不是。GTX1630虽然发布时间很晚,在2022年6月28日发布,但是性能却不是很高,性能是和GTX1050TI相当的。GTX1630基于12nm 工艺,基于 TU117图形处理器,在其 TU117-150-KA-A1变体中,该卡支持 DirectX12。这确保了所有现代游戏都可以在 GeForce GTX1630上运行。TU117图形处理器是一个平均尺寸的芯片,芯片面积为200平方毫米,有47亿个晶体管。与完全解锁的 GeForce GTX1650不同,后者使用相同的 GPU 但启用了所有896个着色器,NVIDIA 已禁用 GeForce GTX1630上的一些着色单元以达到产品的目标着色器数量。它具有512个着色单元、32个纹理映射单元和16个 ROP。NVIDIA 已将4GB GDDR6内存与 GeForce GTX1630配对,使用64位内存接口连接。GPU 以1740MHz 的频率运行,作为单插槽显卡,NVIDIA GeForce GTX1630不需要任何额外的电源连接器,其额定功率最大为75W。显示输出包括:1x DVI、1x HDMI2.0、1x DisplayPort1.4a。GeForce GTX1630使用 PCI-Express3.0x8接口连接到系统的其余部分。该卡的尺寸为145毫米 x69毫米 x18毫米,采用单插槽冷却解决方案。

  • 苹果iPhone14 Plus有红外线功能吗?

    没有iPhone14 Plus没有红外传感器,因此无法使用红外功能来控制空调等家用电器设备。不过苹果的iPhone可以使用支持homekit的智能家居设备来控制,只要家用设备支持homekit即可在手机上控制。另外现在也有很多的设备支持了APP操作,或者是家用网关,因此也可以通过这样的方式来操控家用设备。

  • 尼康Z 30适合初学者吗?

    适合尼康Z30适合初学者,Z系列的镜头设计小巧且易于使用,而且具有高性能。它们能高清晰渲染细节,创建柔和、自然的背景虚化,并且易于操作。所有DX镜头都搭载尼康VR减震系统,有助于在边走边录制时提供稳定的画面。尝试使用不同的镜头,拓展您创意的可能性。

  • GTX 1630和GTX1080比哪个好?

    GTX1080更好。GTX 1630的性能其实是和GTX1050TI差不多的,那么来对比一下GTX1050TI就好了。GTX1630 显卡配备 TU117-150-A1 核心,12nm 工艺打造,采用 PCIe3.0* 16 接口,拥有 512 流处理器,配备4GB64bit GDDR6 显存,显存带宽96GB / s,接口包括 HDMI2.0、DP1. 4 和 DVI。GeForceGTX1080 拥有 2560 个CUDA处理器,核心频率1607MHz,boost频率1733MHz,等效显存频率10GHz。显卡位宽为256bit,带宽320GB/s。公版显卡最高温度94℃,采用单8pin供电,TDP180w。

  • 尼康Z 30显示屏可以翻转吗?

    可以尼康Z30屏幕可以翻转180°,只需将相机对准自己并将显示屏旋转,这样,就能在自拍的同时,让自己在镜头中表现得更好。通过查看状态和使用显示屏上的触控操作,调整曝光补偿。利用可翻转显示屏的优势,可以从腰部高度,或以更高角度和更低角度拍摄,

  • 苹果iPhone14 Plus摄像头可以用酒精擦吗?

    不建议如果手机的摄像头有污渍,清洁的方法最好是使用专门的清洁水,或者是普通的水稍微擦拭一下即可,也有专门的擦拭布可以使用。酒精是属于化学物质,苹果官方也建议使用无绒布或温肥皂水进行清洁,并建议用户勿用清洁产品,原因是清洁产品或者研磨性材料会减少 iPhone 的疏油层,并且可能划伤 iPhone。

  • 尼康Z 30影像传感器类型是什么?

    CMOS尼康 Z30采用约2090万像素 APS-C 画幅 CMOS 图像传感器。CMOS图像传感器,是一种使用CMOS的固态图像传感器。使用了光电二极管。通过为每个单位单元具有放大器,其特征在于,可以抑制由于读取转换为光的光信号而产生的电噪声。

  • 苹果A15和A12性能差距大吗?

    有以下差距区别。先来看看具体的参数规格。处理器苹果 A12仿生苹果 A15仿生市场(主要)手机手机ISAARMv8.3-A(64位)ARMv8.5-A(64位)微架构漩涡,暴风雨雪崩、暴风雪部件号,S 规格APL1W81APL1W07发布日期2018年第三季度2021年第三季度光刻7纳米鳍式场效应晶体管5nm FinFET晶体管690000000015000000000核心66线程66基频1,6GHz1,8GHz涡轮频率2,5GHz3,2GHz能量核心4x Apple Tempest @1,59GHz4x Apple Blizzard @1,82GHz高性能内核2x Apple Vortex @2,49GHz2x Apple Avalanche @3,23GHz高速缓存存储器8MB12MB最大内存容量4GB6GB内存类型LPDDR4X-2133LPDDR4X 内存最大内存通道数44最大内存带宽42.7GB/秒42.7GB/秒TDP6瓦6瓦GPU 集成显卡苹果 A12仿生 GPU苹果 A15仿生 GPUGPU核心44GPU 执行单元3280GPU 着色单元256640显卡时钟1125兆赫1200兆赫GPU FP32浮点数576帧1500GFLOPS插座系统级芯片系统级芯片人工智能加速器神经引擎8核神经引擎16核每秒 AI 计算操作数5顶15,8上衣安兔兔368880839664(iOS)PassMark CPU 标记462310067(iOS64位)Geekbench4单核46957106(iOS64位)Geekbench4多核1098518595(iOS)Geekbench5单核11161698(iOS)Geekbench5多核25674425(SGEMM)GFLOPS 性能134,6GFLOPS249,6GFLOPS(多核/瓦特性能)性能/瓦特比1831分/W3099分/W苹果A15和A12性能差距还是挺大的,毕竟相差了很多代,单纯的看跑分就可以看出来。

  • 苹果iPhone14 Plus摄像头凸起会磨损吗?

    不会iPhone14 Plus的摄像头使用的是蓝宝石玻璃镜头表面,抗耐划能力很强,即使是摄像头凸起,也基本上不会因为日常的使用而磨损,只要不是刻意使用小刀或锋利的东西去接触的话,基本上不会有划痕。当然也可以使用手机壳,现在大多数的手机壳戴上后,可以保护镜头模组,让手机在桌面或其他地方尽可能少的直接触碰到坚硬的东西。

  • 尼康Z 30使用什么卡口?

    尼康Z卡口尼康Z30使用的是尼康Z卡口,Z卡口系统将提供多种高性能镜头,其中将包括尼康目前为止最快的镜头f/0.95。新的卡口适配器还能使其兼容大部分尼克尔F卡口系统,为摄影人士带来更加丰富多样的选择。据了解,虽然尼康 Z30是定位比 Z50更低的 Z 卡口 DX 格式微单数码相机,但相比 Z50并没有阉割太多,并且体积重量都控制的不错。

  • 苹果iPhone14 Plus屏幕亮度突然变暗怎么回事?

    光线传感器影响iPhone14Plus有自动亮度调整功能,即在不同的环境光线下,手机可以自动的调整屏幕亮度,让使用者可以更好、更舒服的看清楚屏幕。如果在光线传感器进入了灰尘,很容易导致检测亮度错误,就会导致屏幕突然变暗。有两个解决方法,第一种是清洁下光线传感器,它的位置是刘海屏上的模组,可以使用柔性布擦一擦;第二种方法是关闭自动亮度调节功能,方法是【设置】-【显示与亮度】-【自动】,将其关闭即可

  • 苹果A15和A12Z哪个好?

    苹果A15更好。苹果A15的单核得分为1724,多核得分为4625,苹果A12Z的单核得分为1117,多核得分为4570。Apple A15Bionic 是 Apple 的系统级芯片 (SoC),可在 iPhone13和 iPad Mini (2021) 型号中找到。它于2021年底发布,提供6个内核,分为2个性能内核和4个能效内核。与 A14相比,CPU 性能仅略有增加,但 GPU(在高端型号中)提供了更高的增益,该芯片采用5nm 工艺制造,集成了158亿个晶体管(相比 A14的11.8个)。Apple A12Z Bionic 是 Apple 的片上系统 (SoC),发布在2020年的 iPad Pro11和12.5英寸。它提供8个内核,分为4个性能内核和4个能效内核(从6个内核开始)在 iPhone XS 的 A12中)。与 iPad Pro2018型号中较旧的Apple A12X Bionic的区别似乎是额外的 GPU 核心。

  • 佳能 EOS 5D Mark IV机身是什么材料?

    镁合金佳能 EOS5D Mark IV机身材质使用了具有高刚性与电磁保护效果的镁合金材料。可抗冲击,保护内部机械结构与电子部件。从外壳的接缝处到按钮、转盘类的边缝均进行了防水滴防尘处理。与同样具有防水滴防尘结构的EF镜头或SPEEDLITE EX系列外接闪光灯搭配使用,可构建一整套具有防水滴防尘结构的摄影系统。在佳能标准下,相机经受了严格的耐久性试验。具有专业级相机应有的坚固耐用性。

  • 苹果iPhone14 Plus支持防抖吗?

    支持iPhone14Plus支持光学防抖,打开iPhone14Plus的自带相机APP,点击屏幕左边的HDR,将会弹出自动、打开、关闭三个开关,在拍摄静止景物的时候,可以将HDR调为自动,在拍摄一些动态的景物,将HDR调为关闭,开启这一功能之后,iPhone会连拍3张分别为欠曝光、正常曝光和过度曝光的照片,然后自动合成一张,这样可以很好地还原真实的环境。

  • 苹果A15和M1跑分哪个好?

    M1跑分更好。Geekbench跑分上苹果M1单核得分为1714,多核得分为7317,而苹果A15的单核得分为1724,多核得分为4625,多核上M1秒杀苹果A15,毕竟在电脑上需要进行多线任务的需求。Apple A15Bionic 采用6个内核和6个 CPU 线程运行。当 TDP 设置为8.5W 时。处理器连接到 N/A CPU 插槽。这个版本包括——一个芯片上的 L3缓存,支持2个内存通道以支持 LPDDR4X-4266RAM,并具有 PCIe Gen 通道。Apple M1使用8个内核和6个 CPU 线程运行。当 TDP 设置为15W 时,它运行在 No turbo base No turbo 所有内核上。处理器连接到 N/A CPU 插槽。这个版本包括——一个芯片上的 L3缓存,支持2个内存通道以支持 LPDDR4X-4266RAM

  • 苹果iPhone14 Plus可以几倍变焦?

    5倍数码变焦iPhone14 Plus后置摄像头可提供2 倍光学变焦,最高5 倍数码变焦,它的主摄镜头是1200万像素,可支持杜比视界 HDR 视频拍摄,最高可达 4K,60 fps,拍照方面可支持六种人像光效 (自然光、摄影室灯光、轮廓光、舞台光、单色舞台光和高调单色光),但它没有Pro版上的激光雷达以及长焦镜头,因此在拍摄远距离的景物时效果没有那么强

  • 尼康Z30什么时候上市?

    2022年7月14日尼康发布最新一款APS-C 无反相机 Z30,该款相机定位是入门级别微单。将于2022年7月14日发售。尼康Z30微单相机可以平替Z50,并且比D3400、D5600等都有大幅提升,机身售价4799元起。这款尼康 Z30采用约2090万像素 APS-C 画幅 CMOS 图像传感器,为尼康 Z fc 同款。这款相机没有了电子取景器,但屏幕翻转便利,可以录制自拍视频。其4K30P视频几乎没有视角裁切,同时也有120p慢动作视频,以及延时视频。

  • 苹果A15和M1有什么区别?

    有以下区别。1.苹果A15专门为手机打造的,M1是专门为MAC ipad打造的。2.虽然苹果A15和M1都是5纳米工艺,但是晶体管数量不同,苹果A15是150亿,而M1是160亿。3.苹果A15Bionic 共有 6 个 CPU 核心,由 2 个高性能核心和 4 个节能核心组成。Apple M1 拥有 8 个CPU核心,其中 4 个高性能核心和 4 个节能核心。 4.Geekbench跑分上苹果M1单核得分为1714,多核得分为7317,而苹果A15的单核得分为1724,多核得分为4625,多核上M1秒杀苹果A15,毕竟在电脑上需要进行多线任务的需求。

  • 苹果iPhone14 Plus换屏要多少钱?

    2559元iPhone14 Plus的换屏价格是2559元,这是在没有购买Apple Care+的情况下的价格,如果是购买了Apple Care+则换屏价格是188元。6.1英寸的iPhone14和iPhone14 Pro的换屏价格是2149元。如果是选择手机不带壳的换,建议还是购买苹果的Apple Care+服务,这样可以让手机在意外损坏的时候可以获得比较便宜的维修价格。

  • 苹果A15和M1哪个强?

    M1更强。M1是为 Mac 制造的,而A15是为手机制造的,M1专为 Mac 设计,迄今为止出现在MacBook Air、Mac Mini 和 iMac 之类的产品中,与此同时,新发布的 A15Bionic 将搭载在 iPhone13、iPhone13Pro 和 iPad Mini6中,因此基本上比笔记本电脑更小、更便携。将苹果A15Bionic 与 Apple M1处理器进行比较可能有点像将苹果与橙子进行比较。尽管这两款芯片都受到 Arm 的支持,但它们使用不同的架构,性能可能有很大差异。就Geekbench的跑分来看,M1的性能都是比苹果A15强大很多的。苹果A15的单核得分为1724,多核得分为4625,而苹果M1芯片单核得分为1714,多核得分为7317,两者是没有什么可比性。

今日大家都在搜的词: