零售商利润面临重重压力的侵蚀——零售市场面临着增长缓慢和客户需求不断增加的挑战。
零售商本质上是生产者和终端消费者之间的纽带,他们的利润空间非常狭窄,这就要求他们密切关注成本和运营效率。丹麦杂货市场正面临发展缓慢、消费者的购买习惯越来越复杂、零售市场正不断分为多个极小的细分市场的艰难局面。面对这种现状,IT 系统必须能够收集更多的零售点数据、应用预测分析并及时生成报告,从而帮助零售商快速对客户的需求做出响应。
Salling Group 是丹麦的一家大型零售商,在欧洲四个国家共拥有 1,467 家零售店,51,000 名员工,每天为 140 万名到店客户提供服务。他们必须保证备有新鲜的现货能够创造销售收入,并且还不能因库存积压而造成浪费。
IT 挑战
利用大数据——即用即付的 SAP HANA 突破了传统平台的局限性。
随着 Salling Group 在国际市场上的扩张,以及交付渠道的多样化和运营时间的增加,店面级别的日常库存管理决策越来越依赖于预测性的大数据分析。Salling Group 有 50TB 的数据库,而且还在以每月 2TB 的速度增长,公司急需进行IT改造升级。
Salling Group 决定迁移至内存计算平台 SAP HANA,并且需要 SAP 合作伙伴提供一款集成了硬件、软件和 IT 管理服务的端到端解决方案。另外,Salling Group 还希望该解决方案采用即用即付的交付模式,在保持较低成本的同时还要具备足够的 IT 灵活性,以便公司能够与季节性且多变的市场动态保持同步。
解决方案
将数据转化为见解——Salling Group 与 HPE Pointnext 合作,共同开发端到端的变革性解决方案。
为了保持精益和敏捷性,同时确保满足未来的可持续增长要求,Salling Group 引入了 HPE Pointnext 来帮助自己设计、构建和部署端到端解决方案。
Salling Group 在欧洲所有店面的销售点系统每时每刻都会产生大量交易数据,公司现在需要收集这些海量数据并快速进行分析,然后及时将信息丰富的报告提供给决策者。这种从数据中获得实时见解的能力给 Salling Group 带来了极大助力。
此外,以灵活服务的形式购买基础设施让 Salling Group 节省了更多资金,进而提高了公司寻求国际化发展和市场机遇的能力。使用 HPE GreenLake 弹性容量服务,Salling Group 仅需支付自身所使用的容量费用,而不必承担账面资本支出。当业务需求发生变化时,Salling Group 可以根据自身需求安全地增加或减少容量,从而优化了现金流并提升了 IT 敏捷性。
日常运营支持也由 HPE Pointnext 提供。
成果
充分利用竞争敏捷性和客户见解,实现迅速发展——基于准确、及时的客户信息做出库存决策,帮助增加收入的同时减少浪费。
每天早晨开门营业之前,Salling Group 的店面经理都可以详细而准确地了解前一天的客户采购情况。他们不需要根据数据分析结果去猜测,就可以查看全面的个性化报告,并据此制定合适的库存储备决策,从而提高客户满意度、增加收入,减少食物腐败与浪费。这一优势使得 Salling Group 能够保持快速发展,并减轻了利润空间狭窄所带来的压力。
从个别商店该备存多少升牛奶这种微小的细节,到国际扩张方面的战略性难题,Salling Group 借助 HPE 解决方案进行了 IT 变革,将之前已成为业务瓶颈的 IT 转化成了一股具有极高敏捷性的强大推动力。
好文章,需要你的鼓励
传统数据工程面临数据质量差、治理不善等挑战,成为AI项目的最大障碍。多智能体AI系统通过协作方式正在彻底改变数据准备、治理和应用模式。Google Cloud基于Gemini大语言模型构建协作生态系统,让不同智能体专门负责数据工程、科学、治理和分析等任务。系统通过分层架构理解组织环境,自主学习历史工作流程,能够预防问题并自动处理重复性任务,大幅提升效率。
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
微软推出Copilot调优功能,让企业通过低代码工具利用自动化微调技术训练企业数据。与基于公开数据的通用AI模型不同,企业需要理解内部数据和流程的专业化模型。Gartner预测专业化GenAI模型市场将在2026年翻倍至25亿美元。这些模型通常基于开源模型构建,部署为小语言模型,提供更好的成本控制和数据安全性,同时更易符合欧盟AI法案要求。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。