* مصدر الصورة: تم إنشاؤه بواسطة الذكاء الاصطناعي غير محدود *
في الوقت الحاضر ، أصبحت النماذج الكبيرة موضوعا ساخنا في عالم الأعمال من الأبحاث المتطورة في الأوساط الأكاديمية. في الوقت الحاضر ، يستكشف عمالقة التكنولوجيا المحليون والشركات الناشئة الناشئة بنشاط التطبيق التجاري للنموذج الكبير ، في محاولة لاستخدامه لتحقيق الابتكار والنمو للشركات القائمة.
تتجلى هذه "المسيرة السريعة" في جانبين: أولا ، يتم دمج النموذج الكبير بعمق مع أنظمة الأعمال الأساسية التقليدية مثل ERP و CRM و BI والتمويل والتسويق والتشغيل وخدمة العملاء لجعله أكثر ذكاء وآلية. ثانيا ، بدأ استخدام النماذج الكبيرة على نطاق واسع في العديد من الصناعات مثل التمويل والتصنيع وتجارة التجزئة والطاقة والترفيه ، مما يعزز الابتكار والتحول في الصناعة.
وفقا لتجربة وضع الشبكات في ChatGPT ، Microsoft Bing ، Baidu Wenxin Yiyan ، Taobao Wenwen وغيرها من المنتجات ، وجد المؤلف أنه لا تزال هناك مشاكل واضحة في الاستخدام التجاري للنماذج الكبيرة.
على وجه التحديد ، من أجل تحقيق الهبوط التجاري ، يجب حل هذه المشاكل الثلاث:
إرساء النظام
نظرا لأن النماذج الكبيرة يتم دمجها تدريجيا في العمليات التجارية اليومية ، فقد تجاوزت وظائفها مجرد معالجة البيانات والحوسبة. يحتاج هذا النوع الجديد من النماذج الذكية إلى أن يكون قادرا على التفاعل مع مجموعة واسعة من أنظمة الأعمال في الوقت الفعلي والاستجابة لمجموعة متنوعة من احتياجات العمل. من الناحية النظرية ، هذا هو مفتاح القيمة الحقيقية للنماذج الكبيرة ، ولكن من الناحية العملية ، يعد أيضا تحديا تقنيا كبيرا.
نحن بحاجة إلى إدراك أن كل نظام عمل له خلفيته التاريخية الفريدة وبنيته التقنية ، مما يمنحه هوية فريدة. إنها ليست موجودة عن طريق الصدفة ، ولكن يتم تصميمها وتطويرها بناء على سياقات محددة واحتياجات العمل والاتجاهات التكنولوجية.
على سبيل المثال ، قد يكون نظام تخطيط موارد المؤسسات المبكر قد ولد في عصر من الموارد الحاسوبية المحدودة والشبكات غير الناضجة ، وكان مفهوم تصميمه وهيكل البيانات والخصائص الوظيفية مرتبطا ارتباطا وثيقا بالبيئة التقنية والتجارية في ذلك الوقت. وقد تستند إلى قواعد البيانات العلائقية التقليدية والبنى الموجهة نحو الخدمات بدلا من الخدمات المصغرة الحديثة أو تكنولوجيات الحاويات.
في المقابل ، نمت منصات أتمتة التسويق الحديثة في عصر الحوسبة السحابية والبيانات الضخمة ، ولديها بطبيعة الحال قدرات قوية لمعالجة البيانات ، وقابلية التوسع الديناميكية ، وواجهات API الغنية.
يحدد هذا الاختلاف في التكنولوجيا بشكل أساسي اتجاه استراتيجية التكامل بين النموذج الكبير وهذه الأنظمة. لا شك أن محاولة توحيد جميع الأنظمة تحت معيار واحد أمر غير عملي.
لذلك ، يجب أن تكون استراتيجية التكامل مع النموذج الكبير متنوعة ، ويجب أن تأخذ في الاعتبار خصائص واحتياجات كل نظام. على وجه التحديد ، بالنسبة للأنظمة القائمة على التقنيات القديمة ، قد يكون من الضروري إدخال بعض "المحولات" أو "الطبقات الوسطى" لتحويل البيانات ومنطق الأعمال بحيث يمكن أن تتفاعل بسلاسة مع النماذج الكبيرة. بالنسبة للأنظمة التي اعتمدت بالفعل التكنولوجيا الحديثة ، قد يكون التكامل أكثر وضوحا وبساطة ، ولكن لا يزال يتعين ضمان اتساق البيانات وسلامتها.
بالإضافة إلى ذلك ، في التطبيق الواسع لتكنولوجيا المعلومات ، تلعب الواجهات دور "الجسور" ، المسؤولة عن نقل المعلومات ونقلها بين الأنظمة المختلفة. تم متابعة توحيد الواجهات في مجال تكنولوجيا المعلومات لفترة طويلة ، ولكن بسبب تطور التكنولوجيا وتراكم التاريخ ، أصبح تنوع الواجهات أمرا لا مفر منه.
يشكل هذا التنوع في السطوح البينية تحديا خطيرا لتكامل النماذج الكبيرة ، وخلف كل معيار أو بروتوكول واجهة ، توجد هياكل بيانات محددة وطرق استدعاء وآليات أمان. لكي تتفاعل النماذج الكبيرة بسلاسة مع هذه الأنظمة ، تم تطوير محول لكل واجهة. هذا يعني أنه بالإضافة إلى صيانة النموذج الكبير نفسه ، تحتاج هذه المحولات أيضا إلى التحديث والتحسين بشكل متكرر للتعامل مع تكرار أنظمة الأعمال والتغييرات في الواجهات.
كيف تحل هذه المشاكل؟ تعد إدارة واجهة برمجة التطبيقات وبنية الخدمات المصغرة مسارا جيدا للتطوير ، من خلال اعتماد أدوات إدارة واجهة برمجة التطبيقات وبنية الخدمات المصغرة ، يمكن للمؤسسات تعديل التفاعل بين النماذج الكبيرة والأنظمة الأخرى ، مما يجعلها أكثر مرونة وقابلية للتطوير.
تتمثل الفكرة الأساسية لبنية الخدمات المصغرة في تحليل نظام كبير ومعقد إلى العديد من الخدمات المستقلة والصغيرة التي تعمل بشكل مستقل وتتفاعل من خلال واجهات برمجة التطبيقات المحددة جيدا. تجلب هذه البنية فوائد كبيرة لتكامل النماذج الكبيرة ، مما يجعل التفاعل بين الأجزاء الفردية والنموذج الكبير أكثر مرونة من خلال تقسيم وظائف النظام بأكمله إلى خدمات مصغرة متعددة.
يمكن توسيع نطاق كل خدمة متناهية الصغر ونشرها وصيانتها بشكل مستقل دون التأثير على الخدمات الأخرى. في الوقت نفسه، توفر أدوات إدارة واجهة برمجة التطبيقات نظاما أساسيا موحدا للمطورين للتفاعل مع كل خدمة مصغرة ونموذج كبير.
الوصول إلى البيانات
في عصر اليوم القائم على البيانات ، تشبه النماذج الكبيرة "قلبا" ذكيا عملاقا يعالج ويحلل ويقدم توصيات وقرارات ذكية لأنظمة الأعمال المختلفة. أنظمة الأعمال هذه ، من CRM إلى ERP ، إلى التمويل والتسويق ، تشبه الأوعية الدموية والأعضاء ، متشابكة مع النموذج الكبير ، وتكمل بعضها البعض. والدم الذي يتدفق عبر هذا النظام هو البيانات.
من الناحية المثالية ، ستولد كل معاملة ، وكل إجراء مستخدم ، وكل ملاحظات العملاء ، بيانات. يتم نقل هذه البيانات من نظام الأعمال إلى النموذج الكبير ، وتحليلها ومعالجتها ، ثم إعادتها إلى نظام الأعمال المقابل لتزويد المستخدمين بخدمات أو قرارات أكثر دقة.
لنلق نظرة على مثال.
لنفترض أن هناك ملكة جمال وانغ ، وهي مستخدم مخلص لمنصة تسوق معروفة عبر الإنترنت. في كل مرة تتصفح فيها منتجا أو تضيف عنصرا إلى عربة التسوق الخاصة بها أو تجري عملية شراء ، تسجل لوحة القيادة بيانات السلوك هذه بصمت. عندما يتم نقل بيانات سلوك السيدة وانغ إلى النموذج الكبير في الوقت الفعلي ، سيقوم النموذج على الفور بإجراء تحليل متعمق ، جنبا إلى جنب مع سجل التسوق السابق وسجل التصفح. سرعان ما أدركت العارضة الكبيرة أن الآنسة وانغ كانت مهتمة بشدة بالملابس النسائية الصيفية وقد تحتاج إلى بعض الملحقات لتتناسب مع فستانها الذي اشترته حديثا.
عندما تستخدم تطبيق النموذج الكبير لمنصة التجارة الإلكترونية هذه ، يمكنها التفاعل مع التطبيق في الوقت الفعلي وتطلب من النموذج الكبير التوصية ببعض المنتجات. في هذا الوقت ، يمكن للنموذج الكبير أن يوصي بمجموعة من الأحذية والحقائب وحتى الملحقات الصيفية الأخرى لتتناسب مع فساتين الصيف.
لنفترض أنها تنقر على أحد الأحذية الموصى بها ، وتتصفح التفاصيل ، وتقرر أخيرا شرائها. هذه المرة ، يتم تسجيل عملية الشراء أيضا ، ويتم تغذية البيانات إلى النموذج الكبير. في هذه العملية ، يمكننا أن نرى أهمية التدفق السلس للبيانات بين النموذج الكبير ونظام الأعمال لتقديم خدمات وقرارات دقيقة.
ومع ذلك ، فإن ما سبق ليس سوى وضع مثالي ، وفي الواقع قد يكون هناك مجموعة واسعة من المشاكل. بادئ ذي بدء ، من الصعب توصيل البيانات بين أنظمة الأعمال المختلفة والنماذج الكبيرة.
بأخذ Taobao Ask كمثال ، الآن لم يتم توصيل Taobao Ask بنظام Taobao ، ولا يعرف Taobao Ask تفضيلات المستخدم ، فهو يشبه جزيرة معلومات مضمنة في Taobao ، ولا يتم دمجه عضويا في نظام بيانات Taobao بأكمله. **
علاوة على ذلك ، حتى إذا كانت البيانات مرتبطة بين النموذج الكبير ونظام الأعمال ، نظرا للخلفيات التاريخية المختلفة والبنى التقنية ومعايير البيانات لكل نظام أعمال ، فمن المحتمل أن يكون هناك "انسداد" أو "نقاط تسرب" في عملية تداول البيانات. هذا يمكن أن يؤدي ليس فقط إلى فقدان البيانات ، ولكن أيضا إلى نتائج تحليل منحرفة للنماذج الكبيرة.
إذا أخذنا منصات التجارة الإلكترونية كمثال ، عندما يتصفح المستخدمون المنتجات ويقومون بعمليات شراء ، سيتم نقل هذه البيانات السلوكية إلى نموذج كبير للتحليل للتوصية بالمنتجات الأكثر ملاءمة للمستخدمين. ومع ذلك ، إذا فقدت البيانات أثناء النقل أو لا تتطابق مع تنسيق بيانات الأنظمة الأخرى ، فقد لا يتمكن النموذج الكبير من التوصية بالمنتجات بدقة ، مما قد يؤثر على تجربة المستخدم.
يعد تدفق البيانات بين النماذج الكبيرة وأنظمة الأعمال المختلفة أمرا مهما بشكل خاص ، ليس فقط بسبب الزيادة في كمية البيانات ، ولكن أيضا لأن دور البيانات في تحقيق قيمة للمؤسسة آخذ في التغير. ومع ذلك ، ليس من السهل تحقيق تدفق سلس ودقيق للبيانات بين النموذج الكبير والأنظمة المختلفة.
نحن بحاجة إلى فهم أن تدفق البيانات بين النموذج الكبير ونظام الأعمال ليس مجرد ترحيل أو نقل للبيانات ، بل هو عملية معقدة وثنائية الاتجاه ومستمرة. في هذه العملية ، قد يكون لكل نظام أعمال تفاعلات متكررة مع النموذج الكبير ، والنموذج الكبير نفسه يقوم باستمرار بالتحديث والتعلم والتطور.
هناك عدد لا يحصى من التحديات التقنية والتجارية وراء تدفق البيانات هذا ، مثل حقيقة أن البيانات في النموذج الكبير قد لا تكون متسقة مع البيانات في نظام الأعمال في وقت معين بسبب اختلاف وتيرة وتوقيت التحديثات من أنظمة مختلفة. علاوة على ذلك ، قد تتبنى أنظمة الأعمال المختلفة بنى تقنية وتنسيقات بيانات ومعايير واجهة مختلفة ، مما يؤدي إلى تحولات وتعديلات متكررة في تدفق البيانات.
لا يمكن تجاهل قضايا أمن البيانات والخصوصية ، فقد تتعرض البيانات لتهديدات مختلفة في عملية النقل والتخزين والمعالجة ، وقد أصبحت كيفية ضمان سلامة البيانات وسريتها وعدم التنصل منها مشكلة رئيسية تواجهها المؤسسات. خاصة في البيئات عبر المناطق وعبر الشبكات ، قد يعاني نقل البيانات أيضا من تأخيرات ، وهو أمر قاتل لأنظمة الأعمال التي تتطلب استجابة في الوقت الفعلي.
تقارب الأعمال
لقد اخترقت النماذج الكبيرة تدريجيا في مختلف الصناعات والمجالات ، لتصبح دفعة مهمة لذكاء المؤسسة. ومع ذلك ، فإن جعل التكنولوجيا تجلب قيمة حقيقية للأعمال التجارية ليس فقط مسألة تنفيذ التكنولوجيا ، ولكن الأهم من ذلك ، التكامل الوثيق بين التكنولوجيا والأعمال. لتحقيق ذلك ، يجب أن يتعمق النموذج الكبير في تفاصيل العمل ، ويفهم منطق العمل ، وأن يتم دمجه بالكامل في نظام الأعمال بأكمله. **
تخيل شركة تجارة إلكترونية كبيرة تتطلع إلى تحسين نظام توصية منتجاتها بنموذج كبير. للقيام بذلك ، لا يكفي أن يتعرف النموذج على سجل شراء المستخدم ، بل يحتاج أيضا إلى فهم عادات التسوق الخاصة بالمستخدم واهتماماته وتفضيلاته وسجل البحث والعديد من التفاصيل الأخرى. علاوة على ذلك ، يجب أن يكون النموذج قادرا على فهم استراتيجيات العمل مثل الموسمية والمهرجانات والعروض الترويجية لضمان أن المحتوى الذي تم إنشاؤه ذو قيمة حقيقية.
هذا يثير سؤالا رئيسيا: كيف تجعل النموذج الكبير يفهم ويدمج تفاصيل العمل هذه؟ على وجه التحديد ، يمكنك البدء من الجوانب التالية:
**1. يكسر نقل المعرفة التجارية قيود البيانات. **
البيانات هي بلا شك المدخلات الأساسية لنموذج كبير ، ولكن لتحقيق فهم حقيقي للأعمال ، لا يكفي الاعتماد على البيانات. الكثير من المعرفة التجارية ضمنية وغير منظمة ، مما يجعل من الصعب تقديمها من خلال وسائل البيانات التقليدية. على سبيل المثال ، قد لا تنعكس القيم الأساسية للشركة وعلاقاتها طويلة الأمد مع العملاء والتغييرات الطفيفة في الصناعة بشكل مباشر في البيانات. هذه المعرفة ، إذا تم تجاهلها ، يمكن أن تقود النموذج إلى اتخاذ قرارات تنحرف عن سيناريو العمل الحقيقي.
لذلك ، فإن التعاون الوثيق مع وحدات الأعمال أمر ضروري. تتمتع وحدات الأعمال بخبرة كبيرة وفهم عميق للأعمال ، ويمكنها تقديم تفاصيل لا يمكن أن تغطيها البيانات. لا يتعلق الأمر فقط بالمعرفة داخل الشركة ، بل يتعلق أيضا بما يحدث مع الشركاء والمنافسين وحتى الصناعة ككل.
أحد الأساليب الجديرة بالدراسة هو إنشاء فريق معرفة أعمال محدد ، والذي يمكن أن يتكون من خبراء الأعمال وعلماء البيانات ومهندسي النماذج ، الذين يعملون معا لضمان حصول النماذج الكبيرة على تدريب شامل ومتعمق على الأعمال.
**2. التكيف مع منطق الأعمال المعقدة والتطوير المخصص للنماذج الكبيرة. **
أدى تنوع الصناعات إلى تعقيد منطق الأعمال ، ومن غير المرجح أن يكون النموذج الكبير للصناعة المالية قابلا للتطبيق بشكل مباشر على صناعات البيع بالتجزئة أو الرعاية الصحية ، حيث أن هذه الصناعات لها قواعد ومنطق عمل فريد خاص بها ، الأمر الذي يتطلب درجة عالية من التخصيص في تصميم وتطوير النموذج الكبير.
قد تحتاج البنية والمعلمات وحتى الخوارزميات لنموذج كبير إلى التعديل لخدمات محددة. على سبيل المثال ، قد تركز بعض الصناعات بشكل أكبر على الأداء في الوقت الفعلي ، بينما قد تركز صناعات أخرى بشكل أكبر على الاستراتيجيات طويلة الأجل ، مما قد يؤدي إلى نماذج تحتاج إلى إجراء مفاضلات بين السرعة الحسابية والتحليل المتعمق.
التكيف مع تغييرات الأعمال والمرونة والقدرة على التكرار للنماذج الكبيرة. **
الأعمال ليست ثابتة ، فهي تتغير بمرور الوقت والأسواق والتكنولوجيا. عندما يتغير منطق العمل وقواعده ، يجب تعديل النموذج الكبير وفقا لذلك.
وهذا لا يتطلب فقط المرونة في تصميم النموذج ، ولكن أيضا القدرة على التكرار والتحسين بسرعة في مرحلة لاحقة. يعد التدريب المستمر على النموذج ، وتعليقات الأعمال في الوقت الفعلي ، وقدرة التعلم عبر الإنترنت للنموذج كلها مفاتيح لضمان مزامنة النموذج الكبير مع الأعمال.
في المستقبل ، نتوقع أن يتم دمج النموذج الكبير بشكل أكبر في الأعمال التجارية ، ولم يعد مجرد أداة لمعالجة البيانات وتحليلها ، ولكنه سيصبح المحرك الأساسي لعملية الأعمال بأكملها. لا يتعلق الأمر فقط بالتقدم التكنولوجي ، بل يتعلق بالتحول الكامل لنماذج الأعمال والهياكل التنظيمية وطرق العمل.
ومع ذلك ، فإن مثل هذا التحول لا يحدث بين عشية وضحاها ويتطلب جهودا مشتركة وتعاونا من قادة الأعمال وفرق العمل والفرق الفنية. يتطلب الأمر التعلم المستمر والتجريب والتحسين لضمان أن النماذج الكبيرة يمكن أن تحقق قيمة حقيقية للأعمال. في هذه العملية ، قد تكون هناك تحديات وصعوبات ، ولكن هذه التجارب هي التي ستبني معرفة وقدرات قيمة للشركات لمساعدتها على التميز عن المنافسة.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
إذا لم يتم حل هذه المشاكل الثلاث ، فإن الهبوط التجاري للنماذج الكبيرة هو كلمة فارغة!
مصدر المقال: البيانات *
المؤلف: مطر من الدخان والمطر *
في الوقت الحاضر ، أصبحت النماذج الكبيرة موضوعا ساخنا في عالم الأعمال من الأبحاث المتطورة في الأوساط الأكاديمية. في الوقت الحاضر ، يستكشف عمالقة التكنولوجيا المحليون والشركات الناشئة الناشئة بنشاط التطبيق التجاري للنموذج الكبير ، في محاولة لاستخدامه لتحقيق الابتكار والنمو للشركات القائمة.
تتجلى هذه "المسيرة السريعة" في جانبين: أولا ، يتم دمج النموذج الكبير بعمق مع أنظمة الأعمال الأساسية التقليدية مثل ERP و CRM و BI والتمويل والتسويق والتشغيل وخدمة العملاء لجعله أكثر ذكاء وآلية. ثانيا ، بدأ استخدام النماذج الكبيرة على نطاق واسع في العديد من الصناعات مثل التمويل والتصنيع وتجارة التجزئة والطاقة والترفيه ، مما يعزز الابتكار والتحول في الصناعة.
وفقا لتجربة وضع الشبكات في ChatGPT ، Microsoft Bing ، Baidu Wenxin Yiyan ، Taobao Wenwen وغيرها من المنتجات ، وجد المؤلف أنه لا تزال هناك مشاكل واضحة في الاستخدام التجاري للنماذج الكبيرة.
على وجه التحديد ، من أجل تحقيق الهبوط التجاري ، يجب حل هذه المشاكل الثلاث:
إرساء النظام
نظرا لأن النماذج الكبيرة يتم دمجها تدريجيا في العمليات التجارية اليومية ، فقد تجاوزت وظائفها مجرد معالجة البيانات والحوسبة. يحتاج هذا النوع الجديد من النماذج الذكية إلى أن يكون قادرا على التفاعل مع مجموعة واسعة من أنظمة الأعمال في الوقت الفعلي والاستجابة لمجموعة متنوعة من احتياجات العمل. من الناحية النظرية ، هذا هو مفتاح القيمة الحقيقية للنماذج الكبيرة ، ولكن من الناحية العملية ، يعد أيضا تحديا تقنيا كبيرا.
على سبيل المثال ، قد يكون نظام تخطيط موارد المؤسسات المبكر قد ولد في عصر من الموارد الحاسوبية المحدودة والشبكات غير الناضجة ، وكان مفهوم تصميمه وهيكل البيانات والخصائص الوظيفية مرتبطا ارتباطا وثيقا بالبيئة التقنية والتجارية في ذلك الوقت. وقد تستند إلى قواعد البيانات العلائقية التقليدية والبنى الموجهة نحو الخدمات بدلا من الخدمات المصغرة الحديثة أو تكنولوجيات الحاويات.
في المقابل ، نمت منصات أتمتة التسويق الحديثة في عصر الحوسبة السحابية والبيانات الضخمة ، ولديها بطبيعة الحال قدرات قوية لمعالجة البيانات ، وقابلية التوسع الديناميكية ، وواجهات API الغنية.
يحدد هذا الاختلاف في التكنولوجيا بشكل أساسي اتجاه استراتيجية التكامل بين النموذج الكبير وهذه الأنظمة. لا شك أن محاولة توحيد جميع الأنظمة تحت معيار واحد أمر غير عملي.
لذلك ، يجب أن تكون استراتيجية التكامل مع النموذج الكبير متنوعة ، ويجب أن تأخذ في الاعتبار خصائص واحتياجات كل نظام. على وجه التحديد ، بالنسبة للأنظمة القائمة على التقنيات القديمة ، قد يكون من الضروري إدخال بعض "المحولات" أو "الطبقات الوسطى" لتحويل البيانات ومنطق الأعمال بحيث يمكن أن تتفاعل بسلاسة مع النماذج الكبيرة. بالنسبة للأنظمة التي اعتمدت بالفعل التكنولوجيا الحديثة ، قد يكون التكامل أكثر وضوحا وبساطة ، ولكن لا يزال يتعين ضمان اتساق البيانات وسلامتها.
بالإضافة إلى ذلك ، في التطبيق الواسع لتكنولوجيا المعلومات ، تلعب الواجهات دور "الجسور" ، المسؤولة عن نقل المعلومات ونقلها بين الأنظمة المختلفة. تم متابعة توحيد الواجهات في مجال تكنولوجيا المعلومات لفترة طويلة ، ولكن بسبب تطور التكنولوجيا وتراكم التاريخ ، أصبح تنوع الواجهات أمرا لا مفر منه.
يشكل هذا التنوع في السطوح البينية تحديا خطيرا لتكامل النماذج الكبيرة ، وخلف كل معيار أو بروتوكول واجهة ، توجد هياكل بيانات محددة وطرق استدعاء وآليات أمان. لكي تتفاعل النماذج الكبيرة بسلاسة مع هذه الأنظمة ، تم تطوير محول لكل واجهة. هذا يعني أنه بالإضافة إلى صيانة النموذج الكبير نفسه ، تحتاج هذه المحولات أيضا إلى التحديث والتحسين بشكل متكرر للتعامل مع تكرار أنظمة الأعمال والتغييرات في الواجهات.
كيف تحل هذه المشاكل؟ تعد إدارة واجهة برمجة التطبيقات وبنية الخدمات المصغرة مسارا جيدا للتطوير ، من خلال اعتماد أدوات إدارة واجهة برمجة التطبيقات وبنية الخدمات المصغرة ، يمكن للمؤسسات تعديل التفاعل بين النماذج الكبيرة والأنظمة الأخرى ، مما يجعلها أكثر مرونة وقابلية للتطوير.
تتمثل الفكرة الأساسية لبنية الخدمات المصغرة في تحليل نظام كبير ومعقد إلى العديد من الخدمات المستقلة والصغيرة التي تعمل بشكل مستقل وتتفاعل من خلال واجهات برمجة التطبيقات المحددة جيدا. تجلب هذه البنية فوائد كبيرة لتكامل النماذج الكبيرة ، مما يجعل التفاعل بين الأجزاء الفردية والنموذج الكبير أكثر مرونة من خلال تقسيم وظائف النظام بأكمله إلى خدمات مصغرة متعددة.
يمكن توسيع نطاق كل خدمة متناهية الصغر ونشرها وصيانتها بشكل مستقل دون التأثير على الخدمات الأخرى. في الوقت نفسه، توفر أدوات إدارة واجهة برمجة التطبيقات نظاما أساسيا موحدا للمطورين للتفاعل مع كل خدمة مصغرة ونموذج كبير.
الوصول إلى البيانات
في عصر اليوم القائم على البيانات ، تشبه النماذج الكبيرة "قلبا" ذكيا عملاقا يعالج ويحلل ويقدم توصيات وقرارات ذكية لأنظمة الأعمال المختلفة. أنظمة الأعمال هذه ، من CRM إلى ERP ، إلى التمويل والتسويق ، تشبه الأوعية الدموية والأعضاء ، متشابكة مع النموذج الكبير ، وتكمل بعضها البعض. والدم الذي يتدفق عبر هذا النظام هو البيانات.
لنلق نظرة على مثال.
لنفترض أن هناك ملكة جمال وانغ ، وهي مستخدم مخلص لمنصة تسوق معروفة عبر الإنترنت. في كل مرة تتصفح فيها منتجا أو تضيف عنصرا إلى عربة التسوق الخاصة بها أو تجري عملية شراء ، تسجل لوحة القيادة بيانات السلوك هذه بصمت. عندما يتم نقل بيانات سلوك السيدة وانغ إلى النموذج الكبير في الوقت الفعلي ، سيقوم النموذج على الفور بإجراء تحليل متعمق ، جنبا إلى جنب مع سجل التسوق السابق وسجل التصفح. سرعان ما أدركت العارضة الكبيرة أن الآنسة وانغ كانت مهتمة بشدة بالملابس النسائية الصيفية وقد تحتاج إلى بعض الملحقات لتتناسب مع فستانها الذي اشترته حديثا.
عندما تستخدم تطبيق النموذج الكبير لمنصة التجارة الإلكترونية هذه ، يمكنها التفاعل مع التطبيق في الوقت الفعلي وتطلب من النموذج الكبير التوصية ببعض المنتجات. في هذا الوقت ، يمكن للنموذج الكبير أن يوصي بمجموعة من الأحذية والحقائب وحتى الملحقات الصيفية الأخرى لتتناسب مع فساتين الصيف.
لنفترض أنها تنقر على أحد الأحذية الموصى بها ، وتتصفح التفاصيل ، وتقرر أخيرا شرائها. هذه المرة ، يتم تسجيل عملية الشراء أيضا ، ويتم تغذية البيانات إلى النموذج الكبير. في هذه العملية ، يمكننا أن نرى أهمية التدفق السلس للبيانات بين النموذج الكبير ونظام الأعمال لتقديم خدمات وقرارات دقيقة.
ومع ذلك ، فإن ما سبق ليس سوى وضع مثالي ، وفي الواقع قد يكون هناك مجموعة واسعة من المشاكل. بادئ ذي بدء ، من الصعب توصيل البيانات بين أنظمة الأعمال المختلفة والنماذج الكبيرة.
بأخذ Taobao Ask كمثال ، الآن لم يتم توصيل Taobao Ask بنظام Taobao ، ولا يعرف Taobao Ask تفضيلات المستخدم ، فهو يشبه جزيرة معلومات مضمنة في Taobao ، ولا يتم دمجه عضويا في نظام بيانات Taobao بأكمله. **
علاوة على ذلك ، حتى إذا كانت البيانات مرتبطة بين النموذج الكبير ونظام الأعمال ، نظرا للخلفيات التاريخية المختلفة والبنى التقنية ومعايير البيانات لكل نظام أعمال ، فمن المحتمل أن يكون هناك "انسداد" أو "نقاط تسرب" في عملية تداول البيانات. هذا يمكن أن يؤدي ليس فقط إلى فقدان البيانات ، ولكن أيضا إلى نتائج تحليل منحرفة للنماذج الكبيرة.
إذا أخذنا منصات التجارة الإلكترونية كمثال ، عندما يتصفح المستخدمون المنتجات ويقومون بعمليات شراء ، سيتم نقل هذه البيانات السلوكية إلى نموذج كبير للتحليل للتوصية بالمنتجات الأكثر ملاءمة للمستخدمين. ومع ذلك ، إذا فقدت البيانات أثناء النقل أو لا تتطابق مع تنسيق بيانات الأنظمة الأخرى ، فقد لا يتمكن النموذج الكبير من التوصية بالمنتجات بدقة ، مما قد يؤثر على تجربة المستخدم.
يعد تدفق البيانات بين النماذج الكبيرة وأنظمة الأعمال المختلفة أمرا مهما بشكل خاص ، ليس فقط بسبب الزيادة في كمية البيانات ، ولكن أيضا لأن دور البيانات في تحقيق قيمة للمؤسسة آخذ في التغير. ومع ذلك ، ليس من السهل تحقيق تدفق سلس ودقيق للبيانات بين النموذج الكبير والأنظمة المختلفة.
نحن بحاجة إلى فهم أن تدفق البيانات بين النموذج الكبير ونظام الأعمال ليس مجرد ترحيل أو نقل للبيانات ، بل هو عملية معقدة وثنائية الاتجاه ومستمرة. في هذه العملية ، قد يكون لكل نظام أعمال تفاعلات متكررة مع النموذج الكبير ، والنموذج الكبير نفسه يقوم باستمرار بالتحديث والتعلم والتطور.
هناك عدد لا يحصى من التحديات التقنية والتجارية وراء تدفق البيانات هذا ، مثل حقيقة أن البيانات في النموذج الكبير قد لا تكون متسقة مع البيانات في نظام الأعمال في وقت معين بسبب اختلاف وتيرة وتوقيت التحديثات من أنظمة مختلفة. علاوة على ذلك ، قد تتبنى أنظمة الأعمال المختلفة بنى تقنية وتنسيقات بيانات ومعايير واجهة مختلفة ، مما يؤدي إلى تحولات وتعديلات متكررة في تدفق البيانات.
لا يمكن تجاهل قضايا أمن البيانات والخصوصية ، فقد تتعرض البيانات لتهديدات مختلفة في عملية النقل والتخزين والمعالجة ، وقد أصبحت كيفية ضمان سلامة البيانات وسريتها وعدم التنصل منها مشكلة رئيسية تواجهها المؤسسات. خاصة في البيئات عبر المناطق وعبر الشبكات ، قد يعاني نقل البيانات أيضا من تأخيرات ، وهو أمر قاتل لأنظمة الأعمال التي تتطلب استجابة في الوقت الفعلي.
تقارب الأعمال
لقد اخترقت النماذج الكبيرة تدريجيا في مختلف الصناعات والمجالات ، لتصبح دفعة مهمة لذكاء المؤسسة. ومع ذلك ، فإن جعل التكنولوجيا تجلب قيمة حقيقية للأعمال التجارية ليس فقط مسألة تنفيذ التكنولوجيا ، ولكن الأهم من ذلك ، التكامل الوثيق بين التكنولوجيا والأعمال. لتحقيق ذلك ، يجب أن يتعمق النموذج الكبير في تفاصيل العمل ، ويفهم منطق العمل ، وأن يتم دمجه بالكامل في نظام الأعمال بأكمله. **
هذا يثير سؤالا رئيسيا: كيف تجعل النموذج الكبير يفهم ويدمج تفاصيل العمل هذه؟ على وجه التحديد ، يمكنك البدء من الجوانب التالية:
**1. يكسر نقل المعرفة التجارية قيود البيانات. **
البيانات هي بلا شك المدخلات الأساسية لنموذج كبير ، ولكن لتحقيق فهم حقيقي للأعمال ، لا يكفي الاعتماد على البيانات. الكثير من المعرفة التجارية ضمنية وغير منظمة ، مما يجعل من الصعب تقديمها من خلال وسائل البيانات التقليدية. على سبيل المثال ، قد لا تنعكس القيم الأساسية للشركة وعلاقاتها طويلة الأمد مع العملاء والتغييرات الطفيفة في الصناعة بشكل مباشر في البيانات. هذه المعرفة ، إذا تم تجاهلها ، يمكن أن تقود النموذج إلى اتخاذ قرارات تنحرف عن سيناريو العمل الحقيقي.
لذلك ، فإن التعاون الوثيق مع وحدات الأعمال أمر ضروري. تتمتع وحدات الأعمال بخبرة كبيرة وفهم عميق للأعمال ، ويمكنها تقديم تفاصيل لا يمكن أن تغطيها البيانات. لا يتعلق الأمر فقط بالمعرفة داخل الشركة ، بل يتعلق أيضا بما يحدث مع الشركاء والمنافسين وحتى الصناعة ككل.
أحد الأساليب الجديرة بالدراسة هو إنشاء فريق معرفة أعمال محدد ، والذي يمكن أن يتكون من خبراء الأعمال وعلماء البيانات ومهندسي النماذج ، الذين يعملون معا لضمان حصول النماذج الكبيرة على تدريب شامل ومتعمق على الأعمال.
**2. التكيف مع منطق الأعمال المعقدة والتطوير المخصص للنماذج الكبيرة. **
أدى تنوع الصناعات إلى تعقيد منطق الأعمال ، ومن غير المرجح أن يكون النموذج الكبير للصناعة المالية قابلا للتطبيق بشكل مباشر على صناعات البيع بالتجزئة أو الرعاية الصحية ، حيث أن هذه الصناعات لها قواعد ومنطق عمل فريد خاص بها ، الأمر الذي يتطلب درجة عالية من التخصيص في تصميم وتطوير النموذج الكبير.
قد تحتاج البنية والمعلمات وحتى الخوارزميات لنموذج كبير إلى التعديل لخدمات محددة. على سبيل المثال ، قد تركز بعض الصناعات بشكل أكبر على الأداء في الوقت الفعلي ، بينما قد تركز صناعات أخرى بشكل أكبر على الاستراتيجيات طويلة الأجل ، مما قد يؤدي إلى نماذج تحتاج إلى إجراء مفاضلات بين السرعة الحسابية والتحليل المتعمق.
الأعمال ليست ثابتة ، فهي تتغير بمرور الوقت والأسواق والتكنولوجيا. عندما يتغير منطق العمل وقواعده ، يجب تعديل النموذج الكبير وفقا لذلك.
وهذا لا يتطلب فقط المرونة في تصميم النموذج ، ولكن أيضا القدرة على التكرار والتحسين بسرعة في مرحلة لاحقة. يعد التدريب المستمر على النموذج ، وتعليقات الأعمال في الوقت الفعلي ، وقدرة التعلم عبر الإنترنت للنموذج كلها مفاتيح لضمان مزامنة النموذج الكبير مع الأعمال.
في المستقبل ، نتوقع أن يتم دمج النموذج الكبير بشكل أكبر في الأعمال التجارية ، ولم يعد مجرد أداة لمعالجة البيانات وتحليلها ، ولكنه سيصبح المحرك الأساسي لعملية الأعمال بأكملها. لا يتعلق الأمر فقط بالتقدم التكنولوجي ، بل يتعلق بالتحول الكامل لنماذج الأعمال والهياكل التنظيمية وطرق العمل.
ومع ذلك ، فإن مثل هذا التحول لا يحدث بين عشية وضحاها ويتطلب جهودا مشتركة وتعاونا من قادة الأعمال وفرق العمل والفرق الفنية. يتطلب الأمر التعلم المستمر والتجريب والتحسين لضمان أن النماذج الكبيرة يمكن أن تحقق قيمة حقيقية للأعمال. في هذه العملية ، قد تكون هناك تحديات وصعوبات ، ولكن هذه التجارب هي التي ستبني معرفة وقدرات قيمة للشركات لمساعدتها على التميز عن المنافسة.