案例名称:【掌上行经营管理信息平台让数据赋能管理】
公司名称:【上海银行股份有限公司(601229)】
案例简述:
掌上行经营管理信息平台是上海银行各级管理者开展经营管理工作的基础平台,它立足于上海银行新三年战略规划要求,目标是实现经营管理数据看得全、看得清、看得透,实现管得好,是推进全行数字化转型的重要举措。掌上行坚持以数据驱动管理为核心,紧扣管理重点,着力刻画全行重要经营活动和管理事项,通过制度化的约束机制,实现从“数据展现”到“管理执行力”转变,建立了全行数字化工作生态。

掌上行在内容上强调立足全局、整合协同,机制上体现问题导向、管理驱动,将业务场景与管理数据相融合,做到经营信息真实、透明。掌上行将金融科技和业务转型需求紧密结合,颠覆传统管理流程和信息传递模式,建立全行一体化的可视化经营数据展现和分析工具,实现经营管理数据“快、准、全、透”,同时,结合全场景应用构建起企业级经营分析指标体系,实现核心经营指标3000余项,精确刻画重要经营活动和管理事项;聚焦管理转型,依托数据建立研判经营问题和数据驱动的闭环机制,加速形成全行数据驱动管理的工作模式。

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。