案例名称:【E-MEC系统在零售数字化场景的应用】
公司名称:【上海徐家汇商城股份有限公司(002561)】
案例简述:
为迎接电商高速发展带来的挑战,实体零售纷纷开启“数字化”探索之路。然而随着在线消费占比快速提升,实体零售原有信息系统已无法适应新的要求,迫切需要颠覆式的“数字化”创新与突破。
上海徐家汇商城股份有限公司立足线下业务,将“降本增效"作为“数字化”转型的切入点,以徐家汇商圈数家实体门店作为实验载体,并充分发挥多年深耕零售信息系统研发的经验优势,牵头研发了具有自主知识产权的“E-MEC (易脉)”线上线下一体化业务系统。
该系统紧紧抓住实体零售数字化转型的痛点和关键点,重点围绕商品数字化、营销数字化、销售数字化、业务分析数字化等多个应用场景,对实体零售开展全流程、全链条的数字化再造,提出了具有普适性的实体零售(百货业态)线上线下一体化方法论和解决方案。
目前,以E-MEC系统为核心的商品云、图片云及相关小程序、APP,电子发票、电子卡券、停车系统、数据分析等功能,已在公司下属主要门店得以广泛应用,并取得良好效果。

通过E-MEC系统的“数字化”再造,公司在复杂严峻的市场环境中仍保持稳中有进的经营态势,运营效率及成本控制处于同行前列。未来,公司将依托E-MEC系统,将零售科技作为公司重要的发展方向和业务领域。

扫码查看详细案例
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。