立即申请试用
BLOG

华东师范大学与宏路数据成立智能数据中台联合实验室,助力企业数字化转型

Product Marketing
DIGITAL TRANSFORMATION
2020/09/28

2020年9月26日,华东师范大学数据科学与工程学院四周年纪念活动在中山北路校区逸夫楼一楼报告厅隆重举行,宏路数据创始人兼CEO袁国玮受邀出席。活动现场李志斌副校长与袁国玮共同为“华东师范大学-宏路数据智能数据中台联合实验室”揭牌、双方共同签署战略合作协议,将发挥各自优势,组建产学研相结合的科研团队,推进智能数据中台领域内大数据技术的研究和开发,加强人才培养和学术交流,推进企业数字化转型。

▲李志斌副校长与袁国玮先生共同揭牌仪式

在谈到此次合作的意义时,李志斌副校长表示:“数据学院与宏路数据这些优秀企业成立联合实验室、开展科研项目合作,使得双方已在学术圈和业界获得良好口碑,未来是数据的时代,我们要共同建设我们的未来。”

宏路数据创始人袁国玮先生在联合实验室成立致辞时表示,宏路数据与华东师大数据学院渊源深厚,我们的合作源于彼此都十分认同数据的价值在于应用,应用和技术相互促进、形成迭代,共同驱动创新。 “开放、创新”这不仅是数据科学与工程学院的金字招牌,也是宏路数据的核心价值观。

 

华师大数据科学与工程学院创始院长周傲英教授在谈及与宏路数据合作时说,“我们与宏路数据的合作由来已久,从学院奖学金的赞助单位,到丰富科研成果的积累,今天‘华东师范大学-宏路数据智能数据中心联合实验室’成立了,我们的联合实验室要以‘应用’为出发点,践行‘用产学研政’,以开放、包容的心态成就创新,不断取得进步,达成最广泛的应用。”周傲英教授认为硬核的创新应用就是能真正解决应用的问题,这包含一整套技术、理论和应用。因此,智能数据中台联合实验室就是要解决大数据和人工智能应用的落地问题,要将复杂技术工具化、“傻瓜化”,其价值是帮助那些营销、管理、人力资源等专业化人才,很高效得使用数据,让大家都建立数据思维的能力,改变传统的认知,提升理念。

 

宏路数据作为国内领先的营销云和服务解决方案供应商,利用大数据,人工智能等先进数据技术,帮助企业深度观察消费者在各个营销触点和营销过程中的行为表现,通过数据中台,让大数据技术切切实实地帮助企业,完成更加高效的营销活动。宏路数据服务于众多全球500强企业,2019年全球排名前十的消费者品牌中,已服务其中8家。对于企业而言,整个数字化才刚刚开始,特别是在数字化领域里,很多线上线下相结合的场景没办法数据化,客户所需要得并不是一个数字化、大数据的标签,而是通过数据应用能在生产、经营中有效的提高生产效率,解决实际经营难题。“华东师范大学-宏路数据智能数据中台联合实验室“的成立,将非常好地帮助企业解决这个技术科研难题。智能数据中台的研究将从客户痛点出发,从实际应用场景出发,实现应用创新,共同实践“用产学研”的发展思路, 使之真正能够成为企业经营的大脑。

 

9月28日,“华东师范大学-宏路数据智能数据中心联合实验室”的首秀——数据中台(Data Platform)研讨会在华东师范大学中北校区举行,校内外同行专家、学生、企事业单位代表共聚一堂。华东师范大学数据科学与工程学院高明教授、上海宏路数据技术股份有限公司CTO蔡文渊、数澜科技金融行业解决方案负责人郑小辉和新加坡国立大学何丙胜教授先后进行了主题报告。

高明教授提出,最大限度的实现数据复用是全社会数字化转型的关键所在。数据中台的核心功能是提供统一、便利的数据集成、数据管理、数据分析和数据服务能力,它是数据复用的高阶阶段,将实现企业全域数据的共享与复用,极大的发掘数据价值,提升全社会信息化和智能化水平。

 

宏路数据CTO蔡文渊谈到,在数字经济时代,企业经营模式正在向数据驱动的商业智能决策方向转变,最终实现数字化的愿景。在传统商业决策过程中,企业经营业员者信赖过往经验进行决策,与基于海量数据的智能决策和精准反馈机制相比,企业价值创造力和品牌影响力均大打折扣,从而导致企业竞争力不足。宏路数据通过大数据和人工智能技术,帮助企业构建数据资产,推动数据应用的落地,发挥出数据科学在企业营销、管理和决策中的作用。从宏路数据智慧营销云在世界500强企业落地过程中积累的丰富实战经验,可以看到数据技术驱动商业行为的比重在逐年上升,“华东师范大学-宏路数据智能数据中心联合实验室“需要面向业务场景,解决企业数据化持续转型中的机遇与挑战。

 

数澜科技郑小辉先生表示,在金融领域,数据中台通过整合企业内、外部数据,提供数据服务、数据融合、数据治理并通过智能算法挖掘数据的应用价值,满足各利润诉求方对数据资源的渴求,是智慧金融平台推动数字化转型,实现金融企业灵活的产品创新、高效的运营管理和智能风险控制的基础。

何丙胜教授与参会者进行了热烈的探讨,分享其研究成果。何丙胜教授对联邦学习的现状做了全面介绍,包括硬件、软件、系统、模型各层面,进而就联邦学习中重要、前沿的问题进行深入阐述;详细描述了他所率领的团队目前开展的研究工作,如测试基准、基于公开数据融合的联邦学习多决策权模型等,并从学术界的角度畅谈了未来的研究的方向与重点。

 

 

⽂章来源:HYPERS 微信公众号 | ⽂章作者:Vida