导语:美国《华尔街日报》网络版今天撰文称,随着数据分析技术逐渐向企业基层人员开放,加之相关服务的价格降低、速度加快,很多公司都在用这种技术取代中层管理人员。
以下为文章主要内容:
创业公司内部正在发生一些可能产生深远影响的变化,如果老牌巨头想要继续生存下去,可能也要被迫模仿这种模式:越来越多的企业开始缩减员工人数,甚至减少管理岗位,并用“数据”取而代之。
“每次有人让我给他增加人手时,其实很多答案都可以直接从数据中获取,然后直接交给决策者。”在线二手服装店thredUP CEO詹姆斯·雷因哈特(James Reinhart)说,“我认为这大约可以节省四五个数据分析人员。”
Looker是一家云计算服务提供商,专门将海量企业数据转换成数据控制中心,供企业内部的所有员工查看。该公司CEO弗兰克·比安 (Frank Bien)表示,其他创业公司也发现了类似的问题。Looker竞争对手RJMetrics也持有同样的观点:得益于管理结构的彻底转变,创业公司比以前 更加灵活了——这种新型管理结构将决策推向了组织外围,让那些真正从事日常工作的员工来做决定。
这种扁平化的层级结构之所以成为可能,是因为一线员工得以获得以前难以接触到的大量数据。在传统企业结构中,通常只有级别更高的管理人员才能查看。
比安表示,以前的企业受困于“数据救济队”——管理层掌握所有数据,但基层员工却必须排队领取制作决策所需的数据。短短几年前,数据库的价格还 非常昂贵,“商业智能”软件的成本也高达数百万美元,可能需要数月才能安装完毕。所以,这类服务未能广泛普及完全在情理之中。但这种情况已经改变。
Chubbies是一家服装创业公司,他们通过瞄准大学生群体实现了快速发展。该公司就借助数据的力量充分放权给普通员工。Chubbies甚至没有单独的CEO,而是任命了4名联席CEO,每个CEO负责一项业务职能,并将这种模式向下推广到公司的所有层级。
“我们所有员工都可以获得相同的数据。”Chubbies联席CEO汤姆·蒙哥马利(Tom Montgomery)说,“如果你没有传统的CEO和最终决策者,那就必须相信所有人都能根据其掌握的数据制定正确决策。建立信任可能需要一段时间,可 一旦信任建立了,便可大幅加快决策速度。”
以前,如果要在电子商务公司内调用大量数据,需要首先询问数据科学家,还需要编程人员的协助。要从数据库中查阅信息需要一段时间,如果你遗漏了重要的数据列,或者还有进一步的问题需要询问,耗费的时间可能长达数小时,甚至数天。
但现在,云计算服务已经大幅简化了这一流程,使得公司的所有员工都可以查看和分析整个数据库的内容,例如,根据客户所在的地区和购买记录分析其生命周期,销售人员也可以在计算广告的投资回报率时更加周全地考虑更多问题。
举个例子:以前,首先由营销经理来确定是否应当规划某项活动,然后由营销助理负责为客户设计相关活动。但现在,Chubbies联席CEO蒙哥 马利表示,他唯一的一名活动规划员就可以使用各种信息中心来了解Facebook点赞数、Instagram贴图数和各项活动带来的具体销量,因为这些数 据都已经完成了编码,可以随时查看。因此,所有的活动决策都交给这位活动规划员来制定,包括是否需要举行进一步的活动,以及举行的时间。如果有人质疑此人 的决策,他完全可以用数据为自己辩护。
数据访问权和分析权的下放并不意味着数据科学家的价值降低,很多数据在推送到信息中心之前需要进行清理和验证。即使通过算法来完成,也需要设立专职人员,以便深入解读这些信息的来源和含义。
事实上,企业将数据作为一项竞争优势来对待并非最新趋势。从IBM到惠普,再到Tableau、Qlik、GoodData和Birst等市场新秀,目前约有数十家专门从事企业智能软件开发的企业。但对于过去5年成立的创业公司来说,关键在于,现在已经能够以低廉的价格快速存储和分析海量数据。亚马逊的Redshift“数据仓储”服务就是这一趋势的典型代表。虽然成立仅两年,但Redshift却已经成为亚马逊有史以来增速最快的服务。
比安表示,这一趋势的关键其实并非“大数据”,只是以更快的速度为普通员工提供了更多可用数据。现在,所有员工都拥有了可以监测目标进程的工具,所以很多创业公司不再需要设立专门的中层管理人员来搜集信息和制定决策。而企业高管也不再需要借助中层管理人员来了解员工的表现,因为数据的透明性和明确性已经可以取代人类完成这一工作。
尽管并不意味着中层管理将彻底消失,但这的确是一场革命。很多公司的中层甚至高层管理人员都在兼做“球员和教练”,既直接从事业务,也会指导其他人开展业务。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。