· 调研报告显示,金融和银行业85%的高管认为缺乏数据素养的员工将可能在未来职场中被淘汰
· 只有14%的金融和银行从业人员对数据阅读、分析、工作、沟通能力有自信
· 49%的业界领导者计划在未来12个月内将数据素养培训增加一倍,以应对这一挑战
数据分析领导厂商Qlik的一份调研报告显示,在金融和银行业,如果从业人员不提高数据相关知识和技能将有可能被淘汰。接受调查的10位高管中有8位以上(85%)认为缺乏数据素养的员工将在未来职场中举步维艰。
根据Qlik与未来实验室(The Future Laboratory)共同完成的《数据素养:职场技能进阶》(Data Literacy: The Upskilling Evolution)报告,员工们认为过去一年数据使用和利用数据做决策的重要性增加了一倍,因此对数据素养技能的需求更加迫切。相对于零售、医疗健康、人力资源、制造等行业,这一需求在金融业最为明显。因此,该行业管理层和员工都将数据素养视为2030年前该行业最需要掌握的技能。
该报告基于全球范围内针对1200多名高管和6000名员工进行的广泛调研,其中包括金融和银行业160多名高管和900多名员工。报告显示,被认为有数据素养的从业人员比同行更有优势:
· 71%受访者表示,掌握相关数据后,他们更有信心做出决策
· 71%受访者表示,掌握相关数据时,向经理和/或更高级别的团队成员介绍情况时会更有信心
· 68%受访者认为,如果能够利用数据工作将有助于职业发展
企业期望与现实情况有差距
金融和银行业对数据素养的期望很高,10位高管中有约9位(86%)希望员工有能力解释数据如何为决策和建议提供依据。
然而,只有小部分员工认为自己具备这些能力。虽然60%的管理层认为员工对自己的数据知识技能有信心,但只有14%的员工表示有信心,这表明期望和现实之间存在着较大的差距。
金融业员工虽然缺乏信心,但非常确信数据素养技能对于成功至关重要。报告显示,近四分之三(73%)金融从业者认为需要数据素养来完成目前工作。
提升数据素养至关重要
那么,解决方案是什么?研究发现,目前只有6%的金融业领导企业为员工提供数据扫盲培训或提升技能的经验分享。为此,领导型企业计划在未来12个月内将培训增加一倍(49%),以应对数据和自动化在工作场所的更大需求。
Qlik全球数据素养主管Paul Barth博士表示:“数据素养不是可选项而是必选项,企业管理层需要清醒地认识到这一点。当经济形势充满不确定性时,所有商业决策都应该以数据为基础,以帮助企业生存和获得竞争优势。”
“Qlik的研究表明,金融和银行业的管理层很清楚这一点。绝大多数高层都希望团队能获取信息并将其转化为可执行的洞见,但还尚未提供相应的工具或培训。随着职场更加以数据为导向,企业需要为员工提供更多的支持,投资于他们的培训与学习,增强他们在数据方面的自信,这将使团队能够更加准确地做出有数据依据的商业决策。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。