由业务负责人而非IT部门领导的云部署很可能正在您的企业内迅速部署,但是企业数据管理才是优先事项。充分利用这些以业务为导向、依赖于数据的云方案以获得业务部门对投资的支持。证明您的团队正在推行的数据管理策略的价值以及在此策略中融入云数据的优势。强调对正规化数据治理的需要,以确保这些业务驱动型云方案不断取得成功。
“云可以帮助您以比传统方式快得多的速度实现业务成果,但在此您必须保持企业数据治理的完整性”,PS Advisory LLC创始人兼合伙人Andrew Bartels表示。PS Advisory LLC是一家帮助金融服务公司和保险机构部署和推动Salesforce.com应用的咨询公司。
通过建立固有风险的防范机制,确保基于云的项目取得长期成功。考虑数据访问和集成的成本以及在整个集成流程中连接数据的功能等问题。
“当人们开始谈到云时,业务持续性和灾难恢复通常不是优先谈论的事项,因为它从某种程度上被认为是其他人的问题。然而,这些问题却很重要。这并不能否定信息负责人考虑这些事情的责任”,Bartels说道。
在Bartels看来,企业不能只凭借云项目为数据管理策略提供支持,还需要转变与业务部门的关系。他建议采用以下三种战术:
沟通:您再也不能只是带着一份要求列表离开,然后在六个月后给业务部门提供一个新的应用系统,而是需要在项目的每个阶段与业务负责人及其代表进行沟通和合作。
参与:业务部门控制大多数企业的预算。您需要强调数据治理工作的业务价值并获得业务部门的支持。
连接性:重视集成数据和避免形成信息孤岛所需的底层基础结构。业务负责人可提出功能要求,但是您必须重视数据以最终推动业务价值或提高效率。
“当业务负责人审查2014年的资金使用计划时,他们会问‘这对我有帮助吗?’云可以满足该要求。它可让您感受到更高的灵活性,摆脱传统基础设施某些局限性的束缚”,Bartels说道。“通过掌握云技术并率先应用它,可使您在组织内成为解决方案的提供者,而非阻碍者。”
好文章,需要你的鼓励
想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。
想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。
想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。
想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。