扫地机器人如何拥有一双“慧眼”

　　“对于纯电动汽车，整车中电池部分的成本就能占到全车成本的 30%-50%，而使用增程式将极大地降低电池这一成本，这也是理想汽车可以迅速实现毛利率转正的原因之一。”某造车新势力汽车厂商工作人员韩肖对媒体表示。 

　　除了产品端的优良品控，日常运营效率也成为理想汽车经营策略又一“杀手锏”。正如李想曾表示，“第三季度公司表现强劲，这不仅归结于我们产品的卓越价值所带来的强劲增长，同时也来自我们对运营效率的不懈追求。” 

　　据公开数据显示，截至 11 月底，理想汽车共有 45 家直营零售中心，覆盖到 38 个城市。然而，不得不承认的是，理想的门店数量与蔚来的 160 家、小鹏的 180 家和威马的 110 家相比，是不占优势的。 

　　但就在这样的背景下，理想铺设的众多直营中心的效率却很高。据中金公司研究部的统计，理想汽车 9 月平均单店月销量为 100 台，是国内新能源车企单店销售效率（平均每店月销量）最高的企业。
 

　　后来出现的种种问题，表明这仅是大众在新能源方向的一次试水。

　　这款备受瞩目的汽车随后被曝出有 22 个 bug，分别体现在语音识别、导航设置、触摸设置、空调温度设置调节问题、后视镜调节、巡航设置、充电和能耗显示问题上。

　　大众 ID.3 软件问题的频繁出现，暴露出大众短期内高估了自己处理软件能力（特别是面对人车交互的细节功能），也低估了数字化转型中软件分解、集成化测试和以前的差异程度。

　　这也是传统汽车企业寻求数字化转型会面对的最大问题，很多地方等于从零开始创业。

　　所以在汽车智能化上，大众该做的应该是刮骨疗伤而非简单试水。

　　大众这家全球最大的汽车厂商此刻正在经历经济史上最深刻的改革。于迪斯个人而言，这也是他职业生涯中面临的最大挑战。

　　大众不同于特斯拉等横空出世的汽车新秀，核心症结在于：

　　如何让其庞大的集团的既得利益者能摒弃过往的固有成见，跳出思维框架，从更高更远的行业角度来审视自我，重新掂量优先级，并努力引进新的动能。

　　既需在新时代获得成功又想保住大众臃肿的架构下大家的饭碗，难度不小。

　　“我们不是新创公司，我们的架构和流程是经过几十年有机发展而形成的，但现在许多架构和流程已经过时且复杂。

　　最重要的是，我们集团内有一系列不同的利益和纲领，这些因素使得原本就重大的改革任务变得更加困难和复杂。”迪斯此前说。

　　藉由此，在沃尔夫斯堡（狼堡）工作时，迪斯就决心改变“大众体系”。

　　他认为要打破陈旧的架构，使公司更加轻量化和现代化。让改革深入到集团每一个神经末梢，甚至是大众在沃尔夫斯堡的总部。

　　是迪斯选择了大众，更是大众选择了迪斯

　　这场变革实则是路线之争，而非纯粹的技术之争。

　　随着大众监事会的召开，大众在电动化大浪中已经抛下重锚，它使承载着近 70 万大众人的“大众”号巨轮有了定力。
 

　　4. 数据的“位置”也很重要：地理空间数据将成为解锁企业转型的关键

　　Google Cloud 首席技术官 Jen Bennett

　　人们一直非常关注大数据和不断增长的数据量，但是在 2021 年，不要忘记数据的多样性，数据的多样性将继续成为业务转型的关键推动力。

　　数字化转型通常是从一个全新的角度看待你的业务（从字面上看）。使用来自卫星和无人机的数据以及具有地理位置属性的数据，正在成为理解你的业务的关键差异。在供应链中，了解原材料，产品或资产的位置，以及更好地预测全球物流中断的能力，对于业务弹性至关重要。在销售和市场营销中，通过带有地理标签的信息更好地了解需求信号可以帮助你优化有限的资源并有效地扩大市场范围。出行信息在管理 COVID-19 和更广泛地阻止疫情扩散中发挥了重要作用。 

　　随着城市和政府为了响应 COVID-19 而转向地理空间数据，我们还看到了需求的增长和创新思维，涉及将地理空间数据与其他数据（例如零售）结合时的可能。随着对可持续性的日益重视，事实证明地理空间数据可以解锁许多可持续性计划，例如采购。从历史上看，地理空间数据是保留给专家的。但是，地理空间数据和分析的民主化以及全球范围内的计算使这种曾经专门化的数据可在整个企业中访问。

　　到 2021 年，企业将地理空间数据与其他数据融合并在其业务中以及在其整个价值链中进行全球协作的能力将被证明是一个关键的区别。

　　5. 数据湖将智能化，以支持开放和多云基础架构

　　Google Cloud 副总裁 Debanjan Saha

　　如今，数据来源如此之多，而长期以来相互独立的数据类型现在都可以在同一个位置存储和分析。现在，业务数据与日志数据相遇，并且结构化、半结构化和非结构化数据全部组合在一起。数据源跨越了云提供商，并跨越了长期以来的界限。 

　　云的规模使对所有这些数据类型执行高级数据分析成为可能。随着开放和多云计算的进一步发展，更强大的数据湖或仓库将变得更加重要。它们不仅是存储，还应该是企业数据策略的支柱。在云中，它们的形状要么是一个数据仓库（该数据仓库主要存储结构化数据，以便可以轻松搜索所有内容），要么是数据湖（将所有业务数据汇总在一起，而不管结构如何）“湖”与“仓库”之间的界线一直在模糊。这使仓库可以集成这些非结构化数据，并使用 AI / ML 解决方案使数据湖更易于导航，最终实现更快的洞察力和协作。

　　如果 2021 年与 2020 年差不多，我们将会看到曲线球和我们没有想到的事情。希望 2021 年不会像 2020 年那样魔幻...但是万一发生，你可以为意外做好准备。这意味着你可以利用实时数据，对企业数据库有更多的期望，并且组织中的每个人都可以自己获得所需的数据见解和报告。

（编辑：阜新站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!