top of page

數據化進程端視領袖視野

Updated: Apr 28

半年前在一次偶然機會下,出版社編輯給了我一份清單,乍看是一份等待翻譯的大數據書籍滙總名冊,當時我的想法是希望從中篩選,以便找出一些值得參考的書籍,最後卻被一本名為The Responsive City的書所吸引,其內容深深打動了我,並立即決定為這本書參與編譯工作。作者Stephen Golsldsmith曾任紐約副市長,內容涉及如何配合時任紐約市長彭博(Michael Bloomberg),建立一個會反思及響應的智慧城市過程。

為了讓大家先睹為快,先分享一段彭博所寫的序言:「改進城市運作方式是改善全球數以億計人口生活的最佳途徑。現今全球大多數人口居住在城市中,這是人類歷史上前所未有的現象,預計到2050年全球75%的人口將居住在城市裏。隨着更多的人遷移至城市,愈來愈多的挑戰和解決方案將集中在城市中。」

彭博又說:「技術革命的核心是不斷提高我們利用數據改善政府服務的能力。在不斷保存城市內數以億計數據點的同時,政府開始愈來愈多地分析及使用這些數據,以改善應急回應、教育、交通等各個方面的服務能力。而我的經驗法則就是,如果你無法衡量它,那麼你就無法管理它。從政務民生部門到紐約市政廳,我一直採用這方法。我們的政府正在尋求收集更多數據,並致力於利用數據更好地服務紐約市民。我們還建立了大數據系統,用以衡量機構績效,要求我們對結果負責。」

我從來沒有直接參與過政府工作,但從彭博言論中可以感受到一位領袖(Leader)對於數據化進程的重要性;包括亞馬遜的Jeff Bezos和阿里的馬雲,這些決策者為了在組織內推進數據化,無不義無反顧地投入資源。正如彭博所強調:「城市管理者開始要認識到數據的使用,正在推進政府資訊透明度、問責機制和提高政府效率中發揮強有力的效果。」忽然想起馬雲曾經說過「客戶第一、員工第二、股東第三」,我不禁好奇,這套理念如果放在城市,又該怎麼定位呢!

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page