
作者 | 澤南、杜偉、張倩
來(lái)源 | 機(jī)器之心
美國(guó)當(dāng)?shù)貢r(shí)間8月18日,美國(guó)數(shù)據(jù)創(chuàng)新中心(Center for Data Innovation)發(fā)布針對(duì)中國(guó)、美國(guó)和歐洲三大地區(qū)的人工智能發(fā)展報(bào)告,報(bào)告顯示,目前美國(guó)在AI發(fā)展中仍然保持領(lǐng)先優(yōu)勢(shì),中國(guó)緊隨其后,歐盟排名第三。
該報(bào)告的六項(xiàng)分析指標(biāo)分別為人才、研究、開發(fā)、應(yīng)用、數(shù)據(jù)和硬件,基于100分的評(píng)分標(biāo)準(zhǔn),三大地區(qū)的順位排名依次為美國(guó)44.2分、中國(guó)32.3分、歐盟23.5分。在各個(gè)評(píng)估維度中,美國(guó)在人才、研究、發(fā)展、硬件四個(gè)維度遙遙領(lǐng)先,中國(guó)在應(yīng)用和數(shù)據(jù)方面表現(xiàn)突出。此外,歐盟在人才、研究、發(fā)展、應(yīng)用四個(gè)維度均居第二,但在研究領(lǐng)域非常強(qiáng)大。
▲表 1:中美以及歐盟在人才、研究、發(fā)展、應(yīng)用、數(shù)據(jù)和硬件六個(gè)評(píng)估維度的排名。
研究還顯示,雖然中國(guó)已經(jīng)在可用于 AI 發(fā)展和應(yīng)用的數(shù)據(jù)領(lǐng)域建立了強(qiáng)大優(yōu)勢(shì),但與歐盟和美國(guó)相比,中國(guó)的人才資源嚴(yán)重不足。其中,中國(guó)的頂級(jí) AI 研究者(h-index 全球排名前 10% 的研究者)數(shù)量?jī)H為 977,遠(yuǎn)遠(yuǎn)落后于歐盟(5787)和美國(guó)(5158)。作者建議中國(guó)加大對(duì)大學(xué)階段 AI 教育的投入。
引言
美國(guó)從上一波數(shù)字創(chuàng)新浪潮中獲得了巨大的經(jīng)濟(jì)效益,誕生了亞馬遜、蘋果、Facebook、谷歌、英特爾以及微軟等全球最成功的科技公司。與此同時(shí),包括歐盟在內(nèi)的世界其他國(guó)家和地區(qū)卻選擇在數(shù)字創(chuàng)新浪潮中置身事外,因而付出了相應(yīng)的經(jīng)濟(jì)代價(jià)。
很多國(guó)家都已經(jīng)意識(shí)到,錯(cuò)過(guò)下一波 AI 創(chuàng)新浪潮可能會(huì)帶來(lái)類似的問(wèn)題,因此紛紛采取行動(dòng),確保在下一輪全球經(jīng)濟(jì)數(shù)字轉(zhuǎn)型中發(fā)揮重要作用。
如今,中國(guó)、歐盟和美國(guó)成為全球 AI 領(lǐng)先地位的主要角逐者。的確,在互聯(lián)網(wǎng)經(jīng)濟(jì)中,通過(guò)與美國(guó)公司的競(jìng)爭(zhēng),中國(guó)在一定程度上取得了成功,并清楚地表明自己想要在 AI 領(lǐng)域占據(jù)主導(dǎo)地位。
此外,歐盟推出的 AI 協(xié)調(diào)計(jì)劃表明其自身「想要成為開發(fā)和部署尖端、合乎倫理道德和安全 AI 的全球領(lǐng)先區(qū)域」。這場(chǎng)關(guān)于 AI 全球領(lǐng)先者的角逐將影響中美以及歐盟未來(lái)的經(jīng)濟(jì)產(chǎn)出、競(jìng)爭(zhēng)力和軍事優(yōu)勢(shì)。
報(bào)告概覽
根據(jù)中、美、歐盟的 AI 對(duì)比報(bào)告結(jié)果,美國(guó)以 44.2 分的綜合得分排名第一。其原因在于以下幾個(gè)方面:
中國(guó)在 AI 領(lǐng)域領(lǐng)先于歐盟,并且似乎正快速縮小自身與美國(guó)的差距。中國(guó)較歐盟和美國(guó)具有更多的數(shù)據(jù)獲取途徑,這一點(diǎn)非常重要,因?yàn)楝F(xiàn)在很多 AI 系統(tǒng)需要利用數(shù)據(jù)集來(lái)準(zhǔn)確地訓(xùn)練模型。2017 年,在風(fēng)投和私募股權(quán)投資方面,中國(guó) AI 創(chuàng)業(yè)公司獲得了較美國(guó)更多的資金投入。但是,中國(guó)在高質(zhì)量 AI 人才方面明顯落后于美國(guó)和歐盟。截至 2017 年,意大利等數(shù)個(gè)歐盟成員國(guó)的 AI 研究人員數(shù)量皆多于中國(guó)。與美國(guó)相比,中國(guó)在六個(gè)評(píng)估維度中都取得了顯著的進(jìn)步,并且在資金投入和 AI 應(yīng)用方面大大超過(guò)了歐盟。
歐盟有足夠的實(shí)力與中美兩國(guó)展開競(jìng)爭(zhēng)。事實(shí)上,歐盟的 AI 研究人員較中美兩國(guó)更多,并且產(chǎn)出的研究成果也是最多的。但遺憾的是,歐盟擁有的 AI 人才數(shù)量與其商業(yè) AI 應(yīng)用和資金投入存在著脫節(jié)。舉例而言,中美兩國(guó) AI 創(chuàng)業(yè)公司僅在 2017 年獲得的風(fēng)投和私募股權(quán)投資就超過(guò)了歐盟 2016-2018 年的資金投入總和。因此,歐盟的落后地位不僅削弱了自身享受 AI 經(jīng)濟(jì)和社會(huì)效益的能力,而且影響到了歐盟委員會(huì)(European Commission)想要贏得全球 AI 主導(dǎo)地位的目標(biāo)實(shí)現(xiàn)。
為了解中美以及歐盟 AI 優(yōu)勢(shì)與其研究者規(guī)模之間的關(guān)系,作者通過(guò)計(jì)算平均數(shù)來(lái)計(jì)算每個(gè)指標(biāo)的得分。結(jié)果顯示,美國(guó)得分最高,為 58.2 分;歐盟其次,為 24.3 分;中國(guó)最低,為 17.5 分。
報(bào)告表明,中美以及歐盟各自都有可以提升的領(lǐng)域,從而在 AI 經(jīng)濟(jì)中更富競(jìng)爭(zhēng)力。舉例而言,中國(guó)應(yīng)該增強(qiáng)高校 AI 相關(guān)學(xué)科的教學(xué)能力,鼓勵(lì)重視科研質(zhì)量而非數(shù)量,還要營(yíng)造數(shù)據(jù)開放的文化氛圍。與此同時(shí),歐盟應(yīng)該制定相關(guān)政策激勵(lì) AI 人才留下來(lái),幫助其將研究成果轉(zhuǎn)化為商業(yè)應(yīng)用,鼓勵(lì)在全球市場(chǎng)中更具競(jìng)爭(zhēng)力的大公司的發(fā)展,并要進(jìn)行制度改革以實(shí)現(xiàn)更好的 AI 數(shù)據(jù)應(yīng)用。最后,美國(guó)若要保持其領(lǐng)先地位,則應(yīng)該將重點(diǎn)放在擴(kuò)展本國(guó)人才基礎(chǔ)的政策上來(lái),促使外國(guó) AI 人才移民美國(guó),并增加 AI 研發(fā)的獎(jiǎng)勵(lì)措施。
接下來(lái),作者依次對(duì)六個(gè)評(píng)估維度和相應(yīng)得分進(jìn)行了詳述和解析。
人才
AI 研究者數(shù)量:此處的 AI 研究者指的是 2007-2017 年間在 AI 期刊上發(fā)表文章或取得 AI 相關(guān)專利的研究者。據(jù)估算,歐盟的 AI 研究者數(shù)量達(dá)到了 43064 人,領(lǐng)先美國(guó)(28536)和中國(guó)(18232)。其中,德國(guó)(9441)、英國(guó)(7998)、法國(guó)(6395)、西班牙(4942)、意大利(4740)的研究者數(shù)量總和就已經(jīng)超過(guò)了美國(guó)的研究者數(shù)量。平均來(lái)看,美國(guó)每 100 萬(wàn)名研究者中的 AI 研究者數(shù)量(173.1)領(lǐng)先歐盟(172.9)和中國(guó)(23.2)。
頂級(jí) AI 研究者數(shù)量(H-Index):研究者的數(shù)量固然重要,但質(zhì)量更加重要。h-index 是衡量研究者質(zhì)量的一大指標(biāo),從中可以看出研究者的論文產(chǎn)出和影響力。這一指標(biāo)考察了全球 h-index 排名前 10% 的 AI 研究者數(shù)量。以 h-index 為標(biāo)準(zhǔn)來(lái)看,2017 年,歐盟的頂級(jí) AI 研究者數(shù)量約為 5787,領(lǐng)先美國(guó)(5158)和中國(guó)(977),其中英國(guó) (1,177)、德國(guó) (1,119)、法國(guó) (1,056)、意大利 (987) 和西班牙 (772) 共有 5111 人。平均來(lái)看,美國(guó)每 100 萬(wàn)人中的頂級(jí) AI 研究者數(shù)量(31)領(lǐng)先歐盟(23)和中國(guó)(1)。
頂級(jí) AI 研究者數(shù)量(學(xué)術(shù)會(huì)議):在全球 AI 學(xué)術(shù)頂會(huì)上發(fā)表論文的研究者數(shù)量是衡量研究者質(zhì)量的另一指標(biāo)。AI 創(chuàng)業(yè)公司 Element AI 整理了 2018 年 21 個(gè) AI 頂會(huì)的數(shù)據(jù)。在這一指標(biāo)上,美國(guó)的研究者數(shù)量(10295)領(lǐng)先歐盟(4840)和中國(guó)(2525)。平均來(lái)看,美國(guó)每 100 萬(wàn)人中的頂級(jí) AI 研究者數(shù)量(62)領(lǐng)先歐盟(19)和中國(guó)(3)。
▲表 2-1:人才的絕對(duì)數(shù)量和得分。
▲表 2-2:頂級(jí) AI 研究者數(shù)量對(duì)比,以每百萬(wàn)人均計(jì)算。
研究
中國(guó)、美國(guó)和歐盟都在開展 AI 研究探索。例如,2017 年國(guó)務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》指出,中國(guó)計(jì)劃到 2025 年人工智能基礎(chǔ)理論實(shí)現(xiàn)重大突破。為了實(shí)現(xiàn)這一目標(biāo),政府還建立了人工智能研究中心。此外,中國(guó)工業(yè)和信息化部還計(jì)劃每年撥款 9.5 億美元,資助戰(zhàn)略性人工智能項(xiàng)目。
歐盟委員會(huì)承諾在 2018 到 2020 年間投入 15 億歐元(17 億美元)用于 AI 研究,并提出在 2021 年-2027 年間至少投入 70 億歐元開展 Horizon Europe 和 Digital Europe 計(jì)劃,以發(fā)展人工智能。
2015 年,美國(guó)聯(lián)邦政府在人工智能相關(guān)技術(shù)的非機(jī)密研發(fā)上花費(fèi)了 11 億美元。2018 年 9 月,美國(guó)國(guó)防部下屬的國(guó)防高級(jí)研究計(jì)劃局(Defense Advanced Research Projects Agency)宣布,將在 5 年內(nèi)投入 20 億美元,以開發(fā)下一代人工智能技術(shù)。
AI 論文數(shù)量:每年發(fā)表的 AI 論文數(shù)量是衡量各國(guó)研究發(fā)展?fàn)顩r的指標(biāo)之一。2017 年,中國(guó)發(fā)表的 AI 研究論文數(shù)量達(dá)到了 15199 篇,而在歐盟和美國(guó),這一數(shù)字分別為 14776 和 10287。從歷史總數(shù)上來(lái)看,其實(shí)歐盟發(fā)表的 AI 論文數(shù)量才是最多的。從 1998 年到 2017 年,歐盟研究者發(fā)表了接近 164000 篇 AI 論文,而在中國(guó)和美國(guó),這一數(shù)字分別為 135000 和 107000。平均起來(lái)看,2017 年美國(guó)每 100 萬(wàn)研究者發(fā)表的論文數(shù)目是 63,領(lǐng)先歐盟(59)和中國(guó)(19)。
▲表 3:研究水平對(duì)比。
發(fā)展和應(yīng)用
追蹤私募基金是衡量各國(guó)發(fā)展人工智能企業(yè)能力的一種方式。該報(bào)告研究了 2017 年至 2018 年間 AI 公司的風(fēng)險(xiǎn)投資和私募股權(quán)融資。美國(guó)(約 169 億美元)處于領(lǐng)先位置,其次是中國(guó)(約 135 億美元)和歐盟(約 28 億美元)。
與其他基于技術(shù)的初創(chuàng)企業(yè)類似,人工智能創(chuàng)業(yè)公司可以成為一個(gè)國(guó)家經(jīng)濟(jì)增長(zhǎng)和競(jìng)爭(zhēng)力的重要推動(dòng)力。全球咨詢公司 Roland Berger 和總部位于柏林的投資公司 Asgard 將人工智能初創(chuàng)企業(yè)歸類為生產(chǎn)利用人工智能作為主要產(chǎn)品或服務(wù)的公司(不包括硬件企業(yè))。該公司研究發(fā)現(xiàn),2017 年美國(guó)是 1393 名 AI 初創(chuàng)企業(yè)的所在地,領(lǐng)先于歐盟(726 家)和中國(guó)(383 家)。
衡量人工智能應(yīng)用的最好方法是跟蹤成功將 AI 納入其業(yè)務(wù)流程的公司百分比。2018 年,中國(guó)在這一方面的比例領(lǐng)先全球(32%),其次是美國(guó)(22%)和歐盟(約 18%)。另一方面,有 53% 的中國(guó)公司已經(jīng)在開展人工智能應(yīng)用的試點(diǎn),這一數(shù)據(jù)也大大領(lǐng)先第二名美國(guó)(29%)。
▲表 4:AI 發(fā)展水平對(duì)比。
▲表 5:傳統(tǒng)公司 AI 技術(shù)應(yīng)用對(duì)比。
▲表 6:AI 發(fā)展水平對(duì)比,以人均計(jì)算。
▲表 7:傳統(tǒng)公司應(yīng)用 AI 技術(shù)的比例。
數(shù)據(jù)
中國(guó)互聯(lián)網(wǎng)公司收集的數(shù)據(jù)可以為業(yè)界和學(xué)界帶來(lái)很大的 AI 研發(fā)優(yōu)勢(shì)。事實(shí)上,隨著中國(guó)應(yīng)對(duì)數(shù)據(jù)缺乏的政策實(shí)施,這種優(yōu)勢(shì)在未來(lái)還有可能繼續(xù)擴(kuò)大。
與西方同行相比,中國(guó)大型互聯(lián)網(wǎng)公司具有的很大的數(shù)據(jù)優(yōu)勢(shì),這其中至少有兩個(gè)原因。首先,西方的互聯(lián)網(wǎng)服務(wù)相對(duì)分散:即使是亞馬遜的用戶也不能預(yù)訂酒店。而另一邊,中國(guó)科技公司已經(jīng)構(gòu)建了一體化的超級(jí)應(yīng)用程序。例如,微信現(xiàn)在已經(jīng)允許用戶「叫出租車、訂餐、預(yù)訂酒店、交手機(jī)話費(fèi),以及購(gòu)買飛往美國(guó)的航班;在美國(guó),這些服務(wù)以及數(shù)據(jù)在 Uber、Postmates、Expedia、Verizon 和 Venmo 等公司之間并行。
第二點(diǎn),中國(guó)科技公司早已將自己的業(yè)務(wù)嵌入傳統(tǒng)的離線商業(yè)領(lǐng)域中了。例如,滴滴出行的業(yè)務(wù)已經(jīng)進(jìn)入到加油站和汽車維修店。此外,美團(tuán)點(diǎn)評(píng)的起源雖與 Yelp 類似,但現(xiàn)在不僅為用戶提供了比較業(yè)務(wù)的平臺(tái),還為人們食品提供服務(wù)。因此,中國(guó)互聯(lián)網(wǎng)公司有機(jī)會(huì)收集比美國(guó)互聯(lián)網(wǎng)公司更多樣化和更深入的數(shù)據(jù)。然而,應(yīng)該指出的是,一些美國(guó)技術(shù)巨頭的更廣泛的全球影響力為他們提供了自己的數(shù)據(jù)優(yōu)勢(shì)。例如,F(xiàn)acebook 擁有超過(guò) 20 億用戶,而微信只有 11 億用戶。如果中國(guó)公司在國(guó)際上取得更大的成功,就像短視頻應(yīng)用抖音所做的那樣,美國(guó)的優(yōu)勢(shì)將會(huì)減弱。
▲表 8:數(shù)據(jù)集對(duì)比。
▲表 9:數(shù)據(jù)水平對(duì)比,以人均水平計(jì)算。
硬件
AI 系統(tǒng)依賴大量算力。實(shí)際上,正是因?yàn)?GPU(圖形處理單元)的快速發(fā)展,人工智能技術(shù)才迎來(lái)了近幾年的爆發(fā)。硬件技術(shù)對(duì)于國(guó)家 AI 競(jìng)爭(zhēng)力非常重要。
首先,半導(dǎo)體產(chǎn)業(yè)薄弱的國(guó)家容易受到其他國(guó)家的牽制。在 2018 年,美國(guó)禁止向中興通訊提供零部件和軟件。由于中興依賴美國(guó)公司提供的半導(dǎo)體設(shè)備,該公司業(yè)務(wù)一度受到嚴(yán)重威脅。雖然美國(guó)最終解除了禁令,但這種情況凸顯了中國(guó)對(duì)西方技術(shù)的依賴。最近,美國(guó)阻止本國(guó)公司向五個(gè)特定的超級(jí)計(jì)算機(jī)實(shí)體銷售芯片,而美國(guó)商務(wù)部則開始打壓華為。
其次,許多專家認(rèn)為應(yīng)該專為 AI 應(yīng)用設(shè)計(jì)芯片,全新架構(gòu)將勝過(guò) GPU 等經(jīng)過(guò)驗(yàn)證的技術(shù)。因此,蘋果、谷歌和亞馬遜等非半導(dǎo)體公司正在設(shè)計(jì)自己的 AI 芯片以滿足自身需求,這可以提升其 AI 系統(tǒng)的性能,從而為他們提供競(jìng)爭(zhēng)優(yōu)勢(shì)。
第三,高性能計(jì)算推動(dòng)了多個(gè)領(lǐng)域的突破性發(fā)現(xiàn),構(gòu)建高性能超級(jí)計(jì)算機(jī)使一些國(guó)家在基礎(chǔ)科技研究和技術(shù)應(yīng)用方面比其他國(guó)家更快。
截止 2019 年,以 AI 用例開發(fā)芯片的公司數(shù)量上,美國(guó)以 55 家領(lǐng)先全球,中國(guó)為 26 家,歐盟有 12 家。
▲表 10:AI 硬件水平對(duì)比。
▲表 11:硬件水平對(duì)比,以人均計(jì)算。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10