瓴羊朋新宇:无价值不流通,不流通无价值

简介: 瓴羊朋新宇:无价值不流通,不流通无价值

11月1日,在2023云栖大会“数据流通和价值创造”专场中,阿里巴巴集团副总裁、瓴羊CEO朋新宇分享了名为《无价值不流通,不流通无价值》的演讲,强调了数据在推动社会进步和经济发展中的重要性,并指出数据的流通是实现其价值的关键。并在会上正式发布数据服务枢纽——“瓴羊港”。  


数据价值在于流通 流通的数据就是企业的新能源

数据正站在一个流通变革的时代,这其中最核心的关键是如何破解数实融合发展的堵点。数据流通中最重要的原则是,不流通无价值,无价值不流通。随着国家数据局正式揭牌,前几年的政策大多是为了确保企业、国家的数据安全,让隐私得到保护。如今政策环境成熟的情况下,国家数据局的成立也有望起到数据‘发动机’的作用,驱动企业间数据流通。朋新宇提到一个现象,他表示在整个数据行业春天到来之际,不少从业者依旧看不见数据的未来,仍然充满着各种迷茫与彷徨。但其实数据的价值已经紧密地存在于当下,只是不均匀地分布着。朋新宇认为,发掘数据价值的关键词是“流通”。    深度观察政府、高校、企业等机构数据使用后,他总结道,“数据的流通性和价值是相互关联的,只有当数据具有流通性时,才能发挥其价值”。       在企业运营中,这句话的重要性愈发凸显。随着数字化时代的到来,企业需要处理的数据不断增多,“多”所代表的不仅仅是数量的增加,更重要的是数据种类和来源的多样性。这种多样性为企业带来了不可预期的价值,但如果没有流通,这些数据依旧会像海上孤岛一样,无法发挥其应有的价值。朋新宇特别强调,“流通的数据就是企业的新能源”。他将数据比喻成钱币,如果将它当成一个宝贝紧紧抓在手中不流通,对于其他人就只是一个钱币,买不了任何东西,它只有一个面值,而丧失的却是价值。          

瓴羊首发“瓴羊港”企业数据服务枢纽

瓴羊港已经吸引企业、数商、生态伙伴、公共部门等多个数据提供方入驻,并集成了数据资产、数据流通、数据加工与集成、数据智能等多种类型的服务。          

面对企业面临的数据分散的“数据烟囱”问题,如何让数据成为珍贵的石油?这需要一个平台可以让企业更好地管理和利用分散的数据资源,实现数据的共享和互通,推动企业的数字化转型和创新发展。朋新宇表示,“我们希望成为一个能够在企业和企业之间数据流通平台”,而基于这个愿景,瓴羊推出了企业数据服务枢纽“瓴羊港”。“瓴羊港”是用于破解企业长期面临的数据缺失、数据资产难以管理、外部数据无法融通等关键问题,提供“寻、买、管、用”的数据服务,帮助企业通过数据驱动实现业务增长。              

三管齐下,一站式企业数据治理 

一方面,“瓴羊港”的诞生,连接上了企业数据治理的内循环与外循环。          在大会上,朋新宇还宣布了瓴羊数据智能服务的整体升级。朋新宇讲解了“瓴羊One”、“瓴羊数据中台”与“瓴羊港”三者间的联动关系。数据使用上,Data-SaaS “瓴羊One”帮助企业中业务部门一站式用好数据;数据治理上,Data-Paas “瓴羊数据中台”帮助企业业务部门整理、加工好海量数据。          使用与治理则可以看作数据在企业间的内循环。朋新宇说到,面向外界,Data- Exchange“瓴羊港”则能够帮助企业做好与其他平台、企业交流与流通,他将其称之为“外循环”。瓴羊所连接的这三个工具,从用好数据、治好数据和流通数据,一站式为企业提供了数据治理的解决方案,致力于让数据智能成为企业业务增长的核心驱动力。          最后,朋新宇强调了瓴羊企业的使命与初心,瓴羊扎根数字化领域十多年,作为曾经阿里巴巴数据中台的核心团队,对数据的理解非常深,在用数据驱动企业价值增长上已经有了非常多的成功实践。他表示瓴羊的数据智能服务始终在于帮助企业用好数据、治好数据、流通好数据。未来,瓴羊也将继续加强自身的研发和技术创新,不断提升数据智能服务的水平和能力,在不断发展的过程中,瓴羊始终与政府、企业一起成长。

相关文章
|
3月前
|
人工智能 网络协议 网络性能优化
【洛神公开课】第6期:AI网络白皮书-02训练网络篇
阿里云AI训练网络“三层引擎”(Scale-Up/Out/Across)突破万卡集群瓶颈:NVLink实现单机8卡全互联,HPN+eRDMA将跨机通信时延压至2μs,CEN+TR支撑跨域Tbps级协同。三者协同达成96%线性加速比,显著破解GPU空转难题。(239字)
683 1
|
3月前
|
人工智能 搜索推荐 定位技术
智能时代官网Geo内容优化策略:构建AI可信赖的信息枢纽
本文旨在为数字营销人员和内容创作者提供一套系统化、前瞻性的GEO优化框架,以应对AI搜索新范式带来的挑战与机遇。
382 0
|
4月前
|
存储 人工智能 编解码
基于阿里云ICE构建短视频批量制作产线的技术实践
短视频批量制作常卡在流程复用难:素材重复找、多版本从零建、字幕配音反复做、分发需手动上传。本文分享基于阿里云ICE构建的工程化产线,打通素材管理、AI剪辑、智能字幕配音、批量成片与矩阵分发五大模块,实现小时级多版本产出、80%+人工减负。(239字)
607 4
|
6月前
|
XML 自然语言处理 数据格式
Python 操作 Word 文档属性与字数统计方法详解
小李用Python自动化处理30份Word报告:借助python-docx库,批量提取文档标题、作者、创建/修改时间等核心属性,并精准统计段落、表格及页眉页脚的中文字符数,大幅提效。
537 0
|
9月前
|
监控 安全 网络协议
静态 IP 维护:如何清闲置提效率?
静态IP管理需科学规划、规范配置、动态维护与安全防护并重,通过合理划分子网、建立地址台账、定期巡检回收及强化访问控制,有效避免地址冲突与安全风险,保障网络稳定高效运行。
|
传感器 数据采集 物联网
智能互联,未来在手:解读可穿戴设备与物联网的深度融合
智能互联,未来在手:解读可穿戴设备与物联网的深度融合
1317 85
|
机器学习/深度学习 物联网 PyTorch
小白避坑指南:国内用Colossal-AI微调DeepSeek 1.5B的完整踩坑记录(附镜像加速方案)
本文详细记录了使用Colossal-Ai对DeepSeek-Qwen模型进行微调的过程,包括模型下载、环境部署、数据集处理及代码实现等环节。重点介绍了LoRA低秩适配方法和Colossal-Ai分布式训练框架的使用技巧,解决了模型封装后函数调用冲突、梯度检查点配置等问题。通过命令行参数灵活调整训练配置,最终在两块A100 GPU上完成训练,单卡显存占用约11GB,利用率达85%。文章总结了常见问题及解决方法,为后续研究提供参考。
1334 15
小白避坑指南:国内用Colossal-AI微调DeepSeek 1.5B的完整踩坑记录(附镜像加速方案)
|
存储 运维 监控
云计算运维和传统运维工程师有何区别
云计算运维和传统运维工程师有何区别
1125 1
|
JavaScript 前端开发 UED
HTML 超链接的多种类型及应用
【10月更文挑战第17天】HTML 超链接类型丰富多样,它们共同构成了网页中不可或缺的导航和交互元素。通过合理地选择和运用这些超链接类型,我们可以为用户创造更加流畅和便捷的浏览体验,提升网站的可用性和吸引力。
1138 1
|
存储 资源调度 分布式计算
什么是HDFS和YARN?
【8月更文挑战第31天】
703 1