Search
🗣Capital One 的三個資料導向思維
Capital One從一個地區銀行的信用卡部門，成長為世界500大企業，它不認為自己是銀行，而把自己定位為資訊化戰略公司，透過三招資料導向思維突圍：
1.定義數據金礦：
鎖定優質客戶，而非高品質客戶，透過數據鎖定最有利潤的族群，也就是持有信用卡但經常逾期還款者，以及傳統銀行不願核發信用卡、但具還款能力者，例如中低收入者和留學生族群。
2.擴大數據礦場：
透過代償模式和誘惑利率擴大客群，提供更低的信貸利率（最低達到9.8%）予競爭對手的優質客戶，協助他們額度轉移，迅速吸引大批中等收入客戶群。
3.建立數據戰略：
公司文化強調風控觀念，並透過Test-And-Learn模式大量累積消費金融數據庫，再進行數據挖掘、戰略分析。
例如將客群分為數百組，針對不同客戶，行銷不同價格產品、增設不同風險策略等，完善客製化商品服務，達到持卡戶活躍度、貢獻度及風險可控性之間的平衡。
[AI洞見]第一波浪潮退卻後，AI公司何種商業模式能落地？
by
立馬度 2018.04.16
現在有這麼多的「AI公司」，在AngelList上有紀錄的，就有近萬家：圖像辨識的就有300多家，NPL的近800家。我們不禁在想：同一個東西，將來真的需要幾百種辨識的方式嗎？這麼多AI公司，究竟怎麼樣的「AI公司」會勝出？
「近一年來，公司已經逐漸由『AI技術公司』轉變成為『AI系統整合商』。」中國一家AI新創公司的營運總監這麼說。
「通用的技術訓練框架門檻變得很低，但個別產用應用的差異化又極大，超過九成的專案都需要客製化，完成A客戶的專案很難複製到B Case，主要原因是資料來源與內容有保密性且專屬性。」
而現在有這麼多的「AI公司」，在AngelList上有紀錄的，就有近萬家：圖像辨識的就有300多家，NPL的近800家。
我們不禁在想：同一個東西，將來真的需要幾百種辨識的方式嗎？
這麼多AI公司，究竟怎麼樣的「AI公司」會勝出？
Deep Learning is being commoditized 深度學習逐漸商品化，進入的門檻越來越低了
「Commoditization」常被翻譯成「商品化」，但它真正意思是：企業所提供的某類商品或服務，到處皆可取得，已經被標準化、品質上沒有明顯的差異，而且與另外一家公司所提供的該商品或服務是可以互相取代的。
而讓深度學習(DL)標準化、商品化，使之進入門檻越來愈低的，不是別人，正是Google、Amazon這些科技大頭。
一開始覺得奇怪，DL技術應該是科技大頭的寶貴資產，為什麼反而開放出像是Tensorflow這種Open Source，讓大家可以站在巨人的肩膀上，發展得更快？
原因是這些科技大頭們大多很早期就已經使用人工智慧技術，所以當DL能夠大幅改善機器學習效率時，與其把DL的演算法都藏起自家用，倒不如讓DL的進入門檻越來越低。
因為他們清楚知道DL本身不能獨存，若能讓DL更普及，那些將它商品化所需的資料、計算能力與軟體，還有產業應用導入，才是Google、Amazon這些科技大頭能夠賺進更多錢的地方。
三個階段讓AI的落地策略逐漸明朗: 「演算法」、「資料源」與「垂直領域」
DL剛開始在AI領域發展時，大家都專注在Algorithm(演算法)的開發，看誰的程式能夠更優化深度學習的能力，但是隨著各種訓練框架例如Tensorflow等Open Source快速演進，系統訓練能力逐漸變得差異化越來越小。
ImageNet在2017年7月26日正式宣布停止再繼續圖像識別的比賽，正是因為機器學習在辨識能力已經高達將近98%，高於人眼的95%，而且各家辨識結果大多差異不大，再繼續辦下去的意義已經不太大了。
自此深度學習正式進入「資料源」的競賽。
毫無意外的，「資料」絕對是深度學習的「養分」。因為資料的取得、分析、前處理，與擁有資料的垂直產業，以及資料工程師的能力有直接關係，這時候許多「以演算法為核心」的AI公司在跑不到多久時間就宣布退出比賽了。
今年開始，人工智慧開始逐漸要從深度學習的PoC(Proof of Concept)進入實際落地階段，這讓AI新創公司開始要面對市場的現實狀況——如何避免成為一家只有演算法的公司？如何導入垂直產業的實際應用領域(Vertical AI)？
什麼叫做「能夠導入垂直產業、被實際應用的Vertical AI」？
舉個例子：棉花是大規模種植的經濟作物，有個AI的新創公司找到了個機會點，想要採用深度學習的方式來辨識「棉花植株的生長狀況如何」，而且演算法的準確率也的確高達98%。
能夠「辨別棉花植株的生長狀況如何」，聽起來似乎是個突破性的創新，而且非常「垂直領域」了。
但是實際的狀況是：這樣的技術，距離農產品業者能夠真的採用，還有很大一段距離。
想像來到了農場上，馬上會碰到的問題是：如何移動、大規模檢測？每天的日照不同，測得準嗎？就算檢測出來，馬上又會被問到的問題是：那麼多植株，每個狀況不同，哪株各需要多少農藥或肥料？有機器人可以移動並各別處理嗎？處理完後，怎麼確定植物有長得更好？
原因是，實際能夠上市的農產品檢驗設備，是「應用整合設備」──光源(高度影響判斷準確)、機器操作、噴灑控制、檢驗比對等。
由此可見，「檢驗植株生長狀況的準確率」，當然是關鍵要素，但也只是必要條件「之一」而已，此外還包括檢驗的速度、處理的品質、設備的構裝等。
而就算完成以上這些，這還只是產品本身，當先牽涉到進入此產業，還需考慮後勤、成本與技術服務移轉等。
所以要做為一Vertical AI，必須要提供的是完整的「Full-Stack Product」，是要能夠真正的依靠AI技術去解決產業的「真正痛點」，而非見樹不見林的只從單一小部分著手而已。
與其成為AI公司進入某個垂直產業，倒不如說，這本來就是某應用領域的專業公司，只是用了AI技術來做強化。
就像網際網路剛出來時沒甚麼人懂，現在普通人都可以藉由開網頁幫手，開店、開部落格，那是因為網頁只是一個「工具」，有價值的不是網頁本身，而是產業透過網頁要解決的問題。做零售業的人，因為有網頁而成為了電商。但我們不會說電商是一個做網頁的公司。因為它經營的本質不變，還是「賣東西給客人」。
深度學習用在AI，也是一個「工具」，用來幫忙「強化」原有產業的服務內容。而它就跟網頁的發展一樣，會逐漸被Commoditized。
而AI公司避免被Commoditization淘汰掉的方式，就是走「深」、走「垂直領域的Full-Stack Product」、「走Vertical AI」。
可以試想大多的AI公司都能夠明白這些道理，但是要從「技術服務公司」轉化成「應用公司」，那基本上是商業模式的重新定義。就像要寫網頁的公司變成電子商務公司一樣：前者本質是技術服務公司，後者本質是零售業。
如果我們循網頁發展的思路，來看兩到三年後可能可行的AI商業模式：目前這些AI新創公司，與其把自己定義成AI技術公司，不如仔細思考，如何善用AI技術來改善現況，但是核心應該還是以「該產業的商業模式」作為公司經營方向。
這是什麼意思？
舉個例子來說：中國很多AI公司落地是做安防產業，利用AI的辨識技術來強化安防分析的效果。但他們知道辨識技術只是其中一環，舉凡安防所要涉及的通路、經營模式、定價、產品類型，才是公司的主要方向。
當然AI的範疇很廣，不僅是垂直領域的應用而已。但對AI新創來說：
要做AI，最好能成為Vertical AI；而最成功的Vertical AI，本質上其實就是某個垂直產業應用的公司，AI只是技術強化的一部份而已。
資料來源：https://www.bnext.com.tw/…/…/ai-business-model-deep-learning
《文茜的世界財經周報》人工智能系列報導：亞馬遜無人店
【2018年開春 亞馬遜第一家無人商店正式營業 它結合感應器技術.電腦視覺與辨識能力.即時深度學習演算 幾項重大技術的整合不但成就無人商店的可能 也將為傳統零售商店帶來徹底破壞式的創新 也將改變人類未來的消費模式】
一個完全沒有收銀員的"無人商店"。
亞馬遜在2018年一開春說，他們，實驗成功了，取名為Amazon Go。
「不用排隊，不用收銀櫃台，也不用收銀機，歡迎來到Amazon Go，使用Amazon Go app進入商店，然後把手機收起來，開始購物，就是這麼簡單，拿起你想要，任何你挑選的商品，都會自動記錄在虛擬購物車內，若你改變心意，不想買杯蛋糕了，只需把它放回去，系統會自動更新購物紀錄，當你來開商店時 Just Walk Out科技，會在虛擬購物車內結算金額，從你的亞馬遜帳號內扣款，你會在App內看見你的收據，然後，直接離開吧，」Amazon Go影片。
<英國金融時報>評論，Amazon Go，將掀起實體零售業的"科技大戰"。
「就像是Uber剛開始時，第一次你搭乘Uber時，上車，搭乘，然後下車時你不用付現金，你覺得有些奇怪，但是之後，再搭個兩次，三次後，你已經忘記下車要付錢這檔事了，亞馬遜就是要讓購物，變成這樣，」數位雜誌主編潔西罕佩。
解析Amazon Go的原理，原來，當購物者上門，掃描手機上的QR Code入店時，天花板上數百台追蹤著你的攝影機，就會把購物者，變成系統內的一個3D物體，然後，透過電腦視覺，確認客戶挑選的商品。
但Amazon說電腦演算時最困難的，就是當50多個人，拿起多樣物品時，辨識度和複雜度都變難了，因為顧客群可能互相被遮擋，或是手指遮蓋到，能區分物品的條碼時，這個時候，"電腦視覺"，"深度學習演算法"，和類似應用於無人駕駛車的"感測器融合"，三大技術結合的，亞馬遜AI系統，就得更發展出更細膩的精確度。
「亞馬遜的AI，看來設計精良，亞馬遜正在發展各樣的技術，然後串聯起來，」數位雜誌主編潔西罕佩。
於是，當今年一月，亞馬遜的無人商店Amazon Go，先單獨在西雅圖的總部園區，進行實驗性的試營運時，市場於是更了解，為何2017年，亞馬遜收購了有機零售超市Whole Foods。
亞馬遜著眼的可能並非營收或數字，因為這套零售AI系統，並非一種輕鬆而能低成本複製的成熟技術。
<英國金融時報>評論，亞馬遜總裁貝佐斯進行的，是一個"終極便利店"之夢，貝佐斯想的是，準備以大數據和人工智慧，以破壞式創新，顛覆零售業百年以來的既有結構，一旦科技成熟，勢必影響全美近350萬名，櫃檯結帳人員的生計。
「當前的零售業者絕不會坐視，讓亞馬遜輕鬆搶走市占，他們絕對會反擊的，」零售市場分析師阿里法斯蒙。
畢竟百年來，零售模式向來是，帶動消費力，拉動經濟增長的關鍵。
1916年9月5日，Piggy Wiggly「小豬商店」，在曼菲斯市"革命性"的開幕，因為這是人類史上第一次，能夠自己拿架上商品，再裝進自己的購物籃裡，取代了過去所有人，得擠在一個櫃台前，等人拿取商品的消費型態。
「小豬商店」的獨立和自由性，掀起大眾消費模式，也掀起百貨與連鎖商店的浪潮。
1970年中期，商品上的價格標籤，開始走入歷史，「商品條碼」取而代之，收銀員結帳時只需掃描條碼，消費時間大幅縮短，加上1980年代經濟復甦，於是帶動了對品質化商品的爆發性需求，塑造了購物中心的"黃金時代"。
而2000年開始的「網路購物」，7年增長200%，預料3年後的2021年，網路購物將再增長5倍 達590億美元，再加上，已然降臨的「第四次工業革命」。
網路變得無所不在，移動性大幅提高，感測器體積更小，性能更強，人工智能和機器學習開始的AI時代，亞馬遜，從網上零售商巨頭，雲端軟體，演變成範圍廣泛到幾乎難以定義的巨頭，自有其策略要開創新零售潮流。
它一方面在電子商務領域，以15000個橘色小機器人Kiva，遍布在全美10個亞馬遜的倉庫，以"雲端 再加上機器人"的模式，讓貨品在倉儲，從鎖定到運送出門10分鐘完成。
另一方面，亞馬遜結合電腦視覺和人工智慧的科技，物流與實體店舖的「新零售業」，搶奪每年上看8000億美元的，美國雜貨零售業市場。
而美國最大零售業者沃爾瑪，也有不能輸的壓力。
「沃爾瑪和Google，兩大龍頭令人吃驚的聯姻，證明了電子商務的新戰場，"聲控購物"，Google應戰的裝置是Google Home，沃爾瑪透過整合物流服務Google Express，兩大平台成形後，顧客下單購物，可以直接透過語音，沃爾瑪說，這也將讓沃爾瑪能有，更個人化的購物建議服務，在顧客購物紀錄的大數據下，分析家認為，這將是沃爾瑪想擴大網購市占，力戰亞馬遜的策略，」NBC記者。
加上中國電商巨人阿里巴巴，也運用人工智慧打造無人商店「淘咖啡」，各零售業紛紛"打群架"的，跳入一場21世紀的零售實驗，預料無止盡的科技競賽，也將徹底改寫人類未來的面貌。
更多內容，請看影片連結：https://www.youtube.com/channel/UCiwt1aanVMoPYUt_CQYCPQg
