- 博客(17)
- 资源 (11)
- 收藏
- 关注
RSS订阅原创 企业架构中能力与IT规划的衔接
项目组合则是排列这些能力，评估能力的投产比、优先级等，从而制定项目组合。我们可以了解到，有了商业模式、价值流，就可以得出业务能按预期运转，需要依赖哪些“能力（业务架构中会对能力分层分级，这是是指1级能力）”，把所有能力汇聚到一张图上，就是能力地图。这里只是因为能力，穿插讲下能力与IT规划的衔接。当然，如果不参与规划制定工作，只是具体单个领域的企业架构设计，可以不考虑这个篇幅。上面这个示例，可以从颜色区分能力的优先级或建设状态（现实与未来的差距）。有了能力地图，就可以结合规划方法去做IT规划。
2023-08-17 11:00:44
85
1
原创 业务架构最关键的第二步：价值流
凡是停留下业务流程中节点的优化，最后都会草草收场，因为没有一致的度量标准（谁都认为自己是对的、加节点可以、去节点不行）。而只有通过企业级视角，从客户价值出发，一步步追溯每个阶段的价值、谁关注及交付这个价值项，才是正解。中，确定了一个业务成功开展的关键要素：给什么客户提供什么样的价值、提供价值需要什么样的资源和活动。客户价值就是关注点。我们也可以在这里明确下企业架构关键交付物的顺序：商业模式>价值流>业务能力（这是是指1级能力）>业务流程。围绕价值的进一步细化，在业务架构中就是由价值流来承接了。
2023-08-17 10:58:58
223
1
原创 关于数字化转型的一点思考
不解决这个问题，像自动驾驶、自动送快递是无法规模化的，因为没做到决策链路的100%，那可是要出人命的。工业1.0、2.0是能源推动的翻天覆地的变化，1.0是煤炭的利用，通过煤炭燃烧带动蒸汽机，让单位密度的能量极大提升，一台发动机上百马力，但体积极小。所以工业2.0是对电的利用，电的魔法让工厂的黑乎乎的大块头，变成了清爽的几毫米的电线和小仪器，精细的可以雕花，在能量密度提升的基础上，再增加了精度。数据量足够大，有了大数据的技术。而数字化转型完全朝信息的密度和精度的方向努力，至于大数据、AI，不合适就换吧。
2023-07-24 13:25:28
27
原创 业务架构最关键的第一步：商业模式
在做业务架构设计时，价值流分析是对商业模式中价值主张的延续。整个价值流画布/框架应该能体现所有价值主张的传递。有了价值流，才会有下一步的流程设计，以及基于价值的度量优化（看板、积分卡之类）。最怕的是，战略不能通过商业模式画布表达出来。比如战略总是在公司的几个高管那里转圈，具体到业务的商业模式分析时，与战略没有太大的关联关系。在企业做战略时，如何通过商业模式画布非常精准的表达出来，这将影响后面业务架构的质量。但解决问题的关键，还是在价值流分析上面。能力地图、业务/域映射、信息地图是数字化或系统规划时的依据。
2023-07-24 13:23:22
47
原创 LangChain+LLM做知识库时，参数如何调优(4)
知识库或者客服，其要求就是知识库要细分，应用要垂直。根据实际场景来优化。例如客服场景：要求特定的问题回答要准确，而且问题是和公司业务强相关，非常的细分，那最好的就是FAQ库。整个架构模型核心点就是围绕持续沉淀FAQ来做的，大模型是在FAQ和转人工之间加了一层，不管是大模型提炼答案、用户反馈、人工维护都是让FAQ更丰富。因为我的本地TXT文件知识库是按照Q，A的形式组织的。生产的话，数据库选择PG比较合适，不管是关系型还是向量的数据都可以存储。通过开源项目里的issue去看，碰到的问题也是大同小异。
2023-07-24 07:30:00
252
原创 LangChain+LLM做知识库时，参数如何调优(3)
如何文本分割的时候，按照每行进行分割？因为我的本地TXT文件知识库是按照Q，A的形式组织的。也就是文本切片的时候按照每行进行切片。这样达到的效果是：用户提问题，根据相关度匹配向量库的Q，如果Q有多个则返回给用户问的哪个问题，如果Q只有1个，则通过Q在A数据库里搜索Q对应的A，A返回给用户。只做AQ里的Q的文本切割（一般用\n对内容简单的split即可）、向量化，AQ成对存放在数据库里。至于想显得智能些，FAQ里匹配不到用户问题时，再考虑用大模型，把用户问题抛给大模型并提示用户是机器人回答的。
2023-07-22 08:15:00
212
原创 LangChain+LLM做知识库时，参数如何调优(2)
搜索匹配：在get_knowledge_based_answer函数中，chunk_conent控制是否上下文关联（context_expand），chunk_size控制上下文关联时关联的幅度有多大。一个LangChain+大模型的知识库关键环节，包括：文档导入、文本切割、文本块向量化、提问向量化、文本块匹配、prompt拼装、大模型加工返回结果。VECTOR_SEARCH_SCORE_THRESHOLD是相关度过滤，比如设置300以下，那回答非常准确，不过这和问题的质量也有关系。
2023-07-21 14:36:03
998
1
原创 LangChain+ChatGLM做知识库时，参数如何调优(1)
如果用开源的，相关度参数可以先设置0，后面根据效果再逐步从500往下调。调试中发现，需要约束模型在加工匹配后的结果时不要添加不存在的内容。还有一个chunk_size是约束匹配后的文本块长度的，这个在GLM2扩展后，可以适度设置大些，目前设置500。这里有个小坑，导入的docx用office的报错，用wps的就可以。：导入的数据如果是FAQ的问答是最理想的，这样还可以约束切割符。第一个经常碰到的典型问题是，大模型在脑补它自己的内容。2.除了大模型的问题，更关键的是导入的数据质量及切割。
2023-07-21 14:34:42
1150
1
原创 数字化转型思考的延伸问题
沿着上篇的溯源思路，继续再看几个问题1.如果企业以往的产品管理、客户服务做的一塌糊涂，那加上“数字化”三个字就能成功了吗？----我觉得很奇怪，现在是把所有的企业能力前都加上了数字化，就是数字化了？这其实在抹黑数字化，即使效果验证周期很长，但最终会让买单者大呼上当。2.数字化先看有没有人关心最关键的问题：“谁能说出现在与以后的赚钱模式”，再讨论科技的占比。----是的，企业不就是围绕赚钱进行相关活动吗，快钱、长远的钱、薄利钱、杠杆钱、牌照钱等等。数字化想挤进公司战略的一个席位，“那就说说你想
2022-01-25 13:48:06
2277
原创 华为数字化梳理与解析
现在各行各业在做数字化转型，那就不得不提我们的灯塔----华为，因为其能打能扛、还能奶，所以企业总能在华为身上找到自己的影子。不像在互联网+时，大家去学互联网，历史包袱重学不像不说，结果还差点被互联网把自己给夹了。最近华为释放出数字化的材料逐渐多了起来，但我们需要系统的梳理下看个大概全貌，不然以偏概全直接拿去用，得出个结论“谁学华为谁死”，那就有点冤枉人了。一、华为数据之道这是一本书，首先看到这本书还是很欣喜的，华为资料向来保密抠唆的很。这本书是讲华为的数据治理，或者说是华为..
2021-03-22 15:00:05
467
原创 读书分享《The art of CRM》--CRM的艺术
简介 我的CRM岁月 CRM成功设计的关键要素 悉尼歌剧院的案例 泰姬陵的案例 总结 1. 什么是CRM？ CRM的三大支柱 一个银行和它的新CEO 加入CRM 案例学习 案例1：欧洲一家中等规模的商品零售商 ...
2020-04-16 11:05:54
311
1
原创 工程师的思维与软技能
工程师要掌握的思维：工程思维、技术思维、产品思维。 前期看到一篇阿里人写的一篇文章关于工程师的思维，然后自己做为工程师以及日常的工作很有感触。以下谈下自己的理解。工程思维软件工程解决的是面对尤其复杂软件时如何通过系统化的、规范的、可度量的方法控制软件过程，让整体可控，从而保障工程师对软件的全局认知以及解决问题的有效性。在应用比较小或初期时一般没区别，当应用及组织变大的时候，焦油坑、...
2019-01-11 13:22:43
257
业务层战略制定的思路和方法-华为公司战略规划SP和业务计划BP制定理念、工具和实操经验
2022-12-06
华为战略管理方法论介绍：战略心法
2022-12-06
华为公司业务变革与IT治理实践
2022-12-06
华为公司人力资源管理纲要2.0总纲逻辑架构思维导图
2022-12-06
B2B内容营销指南 运营
2022-12-06
CRM的战略实施与投资回报率研究
2022-12-06
区块链BITCOIN白皮书
2022-12-06
企业架构框架 TOGAF 学习课件 面向CIO的数字化转型方法论
2022-02-17
guide to enterprise it architecture
2018-06-08
An Introduction to Statistical Learning.pdf
2018-02-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人