首页 > 业界 > 关键词  > 数据管理最新资讯  > 正文

Denodo 25周年庆典圆满落幕,共绘汽车与制造业数据管理新蓝图

2024-09-18 10:21 · 稿源:站长之家资讯动态

9 月 12 日,全球数据管理领域的领军企业Denodo在重庆举办了“汽车与制造数据管理高端论坛暨Denodo25 周年全球庆典中国分会场”活动,Denodo的创始人Angel Viña博士与来自全球汽车与制造行业的龙头企业代表齐聚一堂,共同见证了这一数据管理领域的盛事。

图:Denodo的创始人Angel Viña博士

庆典上Angel Viña博士发表了致辞,他感谢了全球客户、合作伙伴以及团队成员的共同努力与支持,并表示Denodo将继续秉承“无畏数据”的理念,不断创新,为客户提供更加先进、有效的数据管理服务。

Denodo,作为数据集成与管理领域的领航灯塔,持续引领着行业风向标,以其前沿的逻辑数据管理方法,为全球各行业提供有效、灵活的数据服务方案。该平台连续多年在Gartner数据集成工具魔力象限及Forrester Wave™企业数据编织报告中荣获“掌舵者”殊荣,这不仅是对其卓越实力和行业领先地位的肯定,也赢得了全球客户的广泛信赖与高度评价。

经过 25 年的深耕细作,Denodo的数据编织技术已高度成熟,能够确保数据以灵活、敏捷、有效的方式触达每一位用户。在这个数据驱动的时代,无论是财务管理、人力资源管理、运营优化、制造智能化还是供应链协同,乃至对复杂客户需求的深刻理解,都离不开有效的数据访问能力。在重庆举办的活动中,Denodo携手赛力斯等车企,与 50 余家汽车制造商、零部件供应商及制造厂商共同探讨,旨在为汽车行业构建坚实的数据基石,加速AI就绪数据的准备进程。

Angel Viña博士指出,智能网联汽车作为数据密集型产品,其内置的摄像头、传感器等设备每分钟可产生约25GB的数据量。据Gartner预测,到 2030 年,汽车数据上传云端的年总量将超过24PB,而相比之下, 2023 年的数据仅为0.1PB。面对如此庞大的数据量,如何跨越多系统实现数据的统一与整合,成为汽车行业亟待解决的问题,这对于提升业务决策的准确性至关重要。

Angel进一步阐述,从汽车交付到供应链管理,从新能源材料的应用到工厂生产中的大数据分析,再到市场营销、客户服务、售后维护及新能源车的全球布局,每一个环节都与传统模式大相径庭,对数据管理提出了更高要求。Denodo凭借其强大的能力,能够全面挖掘汽车行业在设计、装配、交付及支持各阶段的数据潜力。其核心优势在于统一数据接口,提升操作效率,助力企业做出更明智的决策,同时提供综合性的数据洞察,降低运营成本,确保合规性与安全性。

具体而言,Denodo在汽车行业的数据编织用例包括:

1.MES, SCADA与ERP系统数据整合:增强对生产效率、质量控制及设备维护的深入洞察。

2.供应链数据整合:提升实时可见性,准确需求预测与库存管理,优化整个供应链流程。

3.车辆性能监测:利用远程信息处理、传感器及维护记录数据,实时监测并预测维护需求,减少停机时间,提升车辆可靠性。

4.客户互动优化:整合CRM、社交媒体及客户反馈数据,构建全方位客户视图,促进营销与服务的准确化。

5.售后数据管理:针对后汽车市场,如维修、转售、配件管理、车队管理及远程信息服务等,提供有效的数据管理解决方案。

6.法规遵从性管理:确保生产前至生产后的数据管理严格遵守行业与政府法规,如排放报告、车辆召回及隐私保护等,尤其是跨地区数据的合规性管理。

在庆典的同时,Denodo还举办了汽车与制造数据管理高端论坛。该论坛汇聚了来自全球汽车与制造行业的众多领军人物,包括DAMA(国际数据管理协会)大中华区理事、大中华区副主席黄万忠,重庆汽车工程学会常任专家、西南大学副教授冀杰博士,赛力斯数字与流程运营部部长刘银,银兴智能首席架构师陶攀龙,中国汽车工程研究院股份有限公司风洞中心副主任王庆洋博士,以及Denodo大中华区技术总监郭杰。他们围绕数据管理的新趋势、新挑战及应对策略展开了深入的交流与探讨。

客户见证,Denodo推动多领域企业数据驱动转型成功

在论坛期间,Denodo的客户们纷纷分享了他们成功应用Denodo平台实现数据驱动转型的宝贵经验。来自赛力斯数字与流程运营部的部长刘银表示,赛力斯在推动业务数字化转型的过程中,积极寻求突破以提升整体运营效率。面对数据处理与集成的瓶颈,赛力斯引入了Denodo平台,通过数据编织技术重塑了企业的数据架构与运营模式。

图:赛力斯数字与流程运营部部长刘银

Denodo作为逻辑数据架构的先锋,以其独特的优势——无需移动数据即可实现跨源连接与整合,为赛力斯带来了比较罕见的数据灵活性和处理效率。这一变革不仅极大地降低了数据应用的门槛,使得更多业务部门能够轻松访问和利用数据,还显著提升了数据处理的效率。具体而言,Denodo帮助赛力斯将单表数据的处理时间从原本的 1 小时缩短至仅 5 分钟,效率提升高达90%,同时加速了异构数据的分析处理,整体减少了30%至50%的BI交付时间,极大地增强了业务敏捷性。

相较于传统的ETL方式,Denodo的引入使得赛力斯的数据准备时间缩短了88%,这一成就得益于其无需物理移动数据即可进行有效整合的能力,从而避免了不必要的数据存储成本,并加速了面向即时需求的数据交付速度。此外,Denodo还提供了成熟的性能保障机制与全面的安全性保护,确保了业务系统作为数据源访问时的安全稳定,为赛力斯的数据治理与合规性奠定了坚实基础。通过这一系列变革,赛力斯让数据成为驱动业务决策的核心力量,还进一步推动了企业内部的数字化转型进程,为未来的可持续发展奠定了坚实的数据基础。

图:银兴智能首席架构师陶攀龙

银兴智能首席架构师陶攀龙则分享了其所在企业在引领企业数字化转型中的创新实践。银兴智能成功运用Data Fabric数据编织理念,结合Denodo平台的数据虚拟化技术,构建了新一代湖仓架构——灵睿Dataops&Denodo解决方案。这一创新架构有效解决了制造客户面临的复杂数据管理与业务支撑挑战,实现了数据的无缝集成与有效利用,显著提升了业务敏捷性和企业管理水平。

专家洞见,共探行业趋势

图:DAMA(国际数据管理协会)大中华区理事、大中华区副主席黄万忠

在本次论坛上黄万忠先生,以“首席数据官的数据编织之路”为主题,分享了其深刻的行业洞见。他指出,随着数据日益成为企业决策与业务发展的核心驱动力,构建以数据编织为主体的新型数据管理架构,对于加速企业的数智化转型至关重要。数据编织通过灵活、动态的方式将企业内部及外部的各种数据源无缝连接起来,形成一个统一、可访问且易于管理的数据环境,不仅提升了数据的可用性、质量和时效性,还极大地促进了跨部门之间的数据共享与协作,为企业创造了更多价值。

针对制造业这一关键领域,黄万忠先生指出,当前制造业数据管理面临着数据来源复杂、格式多样、处理难度大等挑战。为有效应对这些挑战,他推荐采用Denodo这样的先进数据虚拟化解决方案。Denodo凭借其卓越的性能、高度的灵活性和强大的集成能力,在行业中赢得了广泛的认可与好评。通过Denodo企业可以更加轻松地实现异构数据源的快速集成与统一访问,从而加速数据编织的落地进程,为制造业的数智化转型提供强有力的支撑。

重庆汽车工程学会常任专家、西南大学副教授冀杰博士以《中国汽车首先城,拥抱数智新时代》为主题进行了分享。他强调,面对中国汽车产业出海浪潮和网络安全与数据合规的严峻挑战,构建完善的数据能力体系是汽车出海的关键。他提出了构建数据合规体系、建立数据价值评估体系和深化汽车数据应用体系三大核心策略,并认为Denodo的数据编织技术能够为中国汽车企业出海提供强大助力。

图:重庆汽车工程学会常任专家、西南大学副教授冀杰博士

中国汽车工程研究院股份有限公司风洞中心副主任王庆洋博士则分享了其在推动汽车空气动力学领域数字化创新应用中的经验。依托中国汽研风洞中心的技术服务平台,积极探索数字化与智能化的转型之路。中国汽研风洞中心成功打造了CAERI智慧风洞系统,实现了从车辆与数值风洞计算域的自动匹配,到仿真结果后处理信息提取及分析报告编制的全流程自动化操作,显著提升了仿真计算的精度和效率。

图:中国汽车工程研究院股份有限公司风洞中心副主任王庆洋博士

Denodo大中华区技术总监郭杰在论坛上分享了Denodo9 的五大核心改进。Denodo9 作为该领域的又一里程碑式产品,通过开发人员体验革新、自助服务体验提升、人工智能深度融合、MPP支持增强以及数据安全与隐私保护强化等五大方面的改进,为企业用户带来了比较罕见的数据处理与分析体验。这一创新产品的推出不仅提升了企业的数据处理效率与智能化水平,更为整个数据管理行业的未来发展指明了方向。

图:Denodo大中华区技术总监郭杰

此次活动的圆满落幕,不仅极大地深化了Denodo与全球汽车与制造行业客户之间的战略联结与合作纽带,更为加速整个行业数据管理体系的现代化进程注入了强劲活力与崭新动力。展望未来,Denodo将坚定不移地践行“无畏数据”的核心理念,聚焦于为新能源汽车领域的先锋品牌量身打造有效、智能的数据管理解决方案,助力它们在欧美市场树立品牌影响力,并加速其全球营销网络的拓展与深化。

活动现场,Denodo还展示了其汇聚全球资源的强大平台,这些资源横跨品牌市场洞察、前沿技术方案、多元化渠道构建及丰富商机挖掘,旨在为中国企业搭建起从“中国制造”向“中国创造”跨越的桥梁,并助力它们实现从“出海”到“全球化企业”、“行业领军企业”的华丽转身。

Angel在总结发言中满怀信心地表示:“Denodo将成为企业数字化成功故事中浓墨重彩的一部分。积极探索新技术、新应用和新模式,推动数据管理行业的不断创新与发展,助力企业在瞬息万变的市场环境中保持领先地位。”

如想更多了解Denodo或咨询数据编织技术对数据价值的创新与释放,可关注其公众号二维码或入群咨询与探讨。

举报

  • 相关推荐
  • 大家在看
  • Canvas:与ChatGPT协作的新方式

    Canvas是OpenAI推出的一个新界面,旨在通过与ChatGPT的协作来改进写作和编码项目。它允许用户在一个单独的窗口中与ChatGPT一起工作,超越了简单的聊天界面。Canvas利用GPT-4o模型,能够更好地理解用户的上下文,并提供内联反馈和建议。它支持直接编辑文本或代码,并提供快捷操作菜单,帮助用户调整写作长度、调试代码等。Canvas还支持版本回溯,帮助用户管理项目的不同版本。

  • Text Behind Image:轻松创建文字背景图片设计。

    Text Behind Image 是一个开源的设计工具,允许用户轻松创建文字背景图片设计。它提供了一个简洁的界面,让用户可以自由地在图片上添加文字,创造出独特的视觉效果。这个工具对于设计师、社交媒体运营者和内容创作者来说非常有用,因为它可以快速生成具有吸引力的视觉内容。

  • torchao:PyTorch原生量化和稀疏性训练与推理库

    torchao是PyTorch的一个库,专注于自定义数据类型和优化,支持量化和稀疏化权重、梯度、优化器和激活函数,用于推理和训练。它与torch.compile()和FSDP2兼容,能够为大多数PyTorch模型提供加速。torchao旨在通过量化感知训练(QAT)和后训练量化(PTQ)等技术,提高模型的推理速度和内存效率,同时尽量减小精度损失。

  • LFMs:新一代生成式AI模型

    Liquid Foundation Models (LFMs) 是一系列新型的生成式AI模型,它们在各种规模上都达到了最先进的性能,同时保持了更小的内存占用和更高效的推理效率。LFMs 利用动态系统理论、信号处理和数值线性代数的计算单元,可以处理包括视频、音频、文本、时间序列和信号在内的任何类型的序列数据。这些模型是通用的AI模型,旨在处理大规模的序列多模态数据,实现高级推理,并做出可靠的决策。

  • NVLM-D-72B:前沿的多模态大型语言模型

    NVLM-D-72B是NVIDIA推出的一款多模态大型语言模型,专注于视觉-语言任务,并且通过多模态训练提升了文本性能。该模型在视觉-语言基准测试中取得了与业界领先模型相媲美的成绩。

  • gradio-bot:将Hugging Face Space或Gradio应用转化为Discord机器人

    gradio-bot是一个可以将Hugging Face Space或Gradio应用转化为Discord机器人的工具。它允许开发者通过简单的命令行操作,将现有的机器学习模型或应用快速部署到Discord平台上,实现自动化交互。这不仅提高了应用的可达性,还为开发者提供了一个与用户直接交互的新渠道。

  • AI-Powered Meeting Summarizer:会议语音转文本并自动生成摘要的AI工具

    AI-Powered Meeting Summarizer是一个基于Gradio的网站应用,能够将会议录音转换为文本,并使用whisper.cpp进行音频到文本的转换,以及Ollama服务器进行文本摘要。该工具非常适合快速提取会议中的关键点、决策和行动项目。

  • VARAG:视觉增强的检索与生成系统

    VARAG是一个支持多种检索技术的系统,优化了文本、图像和多模态文档检索的不同用例。它通过将文档页面作为图像嵌入,简化了传统的检索流程,并使用先进的视觉语言模型进行编码,提高了检索的准确性和效率。VARAG的主要优点在于它能够处理复杂的视觉和文本内容,为文档检索提供强大的支持。

  • JoyHallo:数字人模型,支持生成普通话视频

    JoyHallo是一个数字人模型,专为普通话视频生成而设计。它通过收集来自京东健康国际有限公司员工的29小时普通话视频,创建了jdh-Hallo数据集。该数据集覆盖了不同年龄和说话风格,包括对话和专业医疗话题。JoyHallo模型采用中国wav2vec2模型进行音频特征嵌入,并提出了一种半解耦结构来捕捉唇部、表情和姿态特征之间的相互关系,提高了信息利用效率,并加快了推理速度14.3%。此外,JoyHallo在生成英语视频方面也表现出色,展现了卓越的跨语言生成能力。

  • PhysGen:基于物理的图像到视频生成技术

    PhysGen是一个创新的图像到视频生成方法,它能够将单张图片和输入条件(例如,对图片中物体施加的力和扭矩)转换成现实、物理上合理且时间上连贯的视频。该技术通过将基于模型的物理模拟与数据驱动的视频生成过程相结合,实现了在图像空间中的动态模拟。PhysGen的主要优点包括生成的视频在物理和外观上都显得逼真,并且可以精确控制,通过定量比较和全面的用户研究,展示了其在现有数据驱动的图像到视频生成工作中的优越性。

  • Whisper large-v3-turbo:高效自动语音识别模型

    Whisper large-v3-turbo是OpenAI提出的一种先进的自动语音识别(ASR)和语音翻译模型。它在超过500万小时的标记数据上进行训练,能够在零样本设置中泛化到许多数据集和领域。该模型是Whisper large-v3的微调版本,解码层从32减少到4,以提高速度,但可能会略微降低质量。

  • Realtime API:低延迟的实时语音交互API

    Realtime API 是 OpenAI 推出的一款低延迟语音交互API,它允许开发者在应用程序中构建快速的语音到语音体验。该API支持自然语音到语音对话,并可处理中断,类似于ChatGPT的高级语音模式。它通过WebSocket连接,支持功能调用,使得语音助手能够响应用户请求,触发动作或引入新上下文。该API的推出,意味着开发者不再需要组合多个模型来构建语音体验,而是可以通过单一API调用实现自然对话体验。

  • Saylo AI:探索无限的AI角色扮演游戏。

    Saylo AI是一个AI角色扮演游戏,让你与AI角色互动,探索多样化的戏剧性故事。它利用人工智能技术,提供沉浸式的互动体验,让玩家在虚拟世界中与AI朋友交流,体验不同的故事情节。Saylo AI的背景信息展示了其创新性和娱乐性,旨在为玩家提供一种全新的娱乐方式。目前产品处于推广阶段,价格未明确标注。

  • twinny:Visual Studio Code的免费且私密的AI扩展

    twinny是一个为Visual Studio Code用户设计的AI扩展,旨在提供个性化的编程辅助,提高开发效率。它通过集成先进的AI技术,帮助开发者在编码过程中快速解决问题,优化代码,并提供智能提示。twinny的背景是响应开发者对于更加智能和自动化编程工具的需求,它通过简化开发流程,减少重复劳动,从而让开发者能够专注于更有创造性的工作。

  • Buildpad:构建人们真正想要的产品

    Buildpad 是一个旨在帮助创始人从概念到成功最小可行产品(MVP)的在线平台。它通过提供智能验证工具、AI引导的开发流程、进度跟踪以及个性化的项目见解,帮助用户构建能够获得市场认可的产品。Buildpad 的主要优点包括简化产品开发流程、提高产品成功率、以及提供个性化的指导和支持。

  • Novela:AI时代的技能学习平台

    Novela是一个专注于AI时代技能学习的在线平台,提供早期访问服务,用户可以免费试用。它旨在帮助用户掌握AI相关的技能,以适应未来职场的需求。

  • interview.co:视频面试软件,简化招聘流程

    interview.co是一个专注于简化招聘流程的视频面试软件。它通过提供在线视频面试、AI问题生成器和面试管理工具,帮助企业高效地筛选和评估候选人。产品背景信息显示,interview.co旨在解决传统面试中的时间消耗、日程安排困难和成本高昂等问题。价格方面,interview.co提供试用版,具体定价信息需进一步探索。

  • Open NotebookLM:将任何PDF转换为播客集!

    Open NotebookLM是一个利用开源语言模型和文本到语音模型的工具,它可以处理PDF内容,生成适合音频播客的自然对话,并将其输出为MP3文件。该项目的灵感来自于NotebookLM工具,通过使用开源的大型语言模型(LLMs)和文本到语音模型来实现。它不仅提高了信息的可访问性,还为内容创作者提供了一种新的媒体形式,使他们能够将书面内容转换为音频格式,扩大其受众范围。

  • Chital:macOS平台的Ollama模型聊天应用

    Chital是一个为macOS平台设计的应用程序,它允许用户与Ollama模型进行聊天。这个应用具有低内存占用和快速启动的特点,支持多聊天线程,能够在不同的模型间切换,并支持Markdown格式。此外,它还能自动为聊天线程生成标题摘要。Chital的开发主要是为了满足开发者个人的使用需求,但也鼓励社区成员通过fork代码库来添加新功能。

  • SafeEar:保护隐私的音频深度检测

    SafeEar是一个创新的音频深度检测框架,它能够在不依赖于语音内容的情况下检测深度音频。这个框架通过设计一个神经音频编解码器,将语义和声学信息从音频样本中分离出来,仅使用声学信息(如韵律和音色)进行深度检测,从而保护了语音内容的隐私。SafeEar通过在真实世界中增强编解码器来提高检测器的能力,使其能够识别各种深度音频。该框架在四个基准数据集上的广泛实验表明,SafeEar在检测各种深度技术方面非常有效,其等错误率(EER)低至2.02%。同时,它还能保护五种语言的语音内容不被机器和人类听觉分析破译,通过我们的用户研究和单词错误率(WER)均高于93.93%来证明。此外,SafeEar还构建了一个用于反深度和反内容恢复评估的基准,为未来在音频隐私保护和深度检测领域的研究提供了基础。

今日大家都在搜的词: