美國歸來 周鴻祎有哪兩大收獲和兩大吐槽？

美國歸來 周鴻祎有哪兩大收獲和兩大吐槽？

一財網 劉佳 2015-09-29 16:05:00

一大收獲是360作為中國一家參加中美互聯網安全論壇的安全公司，有很多安全的想法和業界交流；另一大收獲就是自己做了最勤奮的推銷員，在蘋果CEO庫克面前“班門弄斧”推銷奇酷手機。

更多精彩內容
關註第一財經網微信號

金融領域創新有哪3個生存點？

峰瑞資本 2016-08-13 11:18

本文選自峰瑞資本創始合夥人林中華在第一財經主辦的 “解碼新金融” 第五期上的演講。

以下為演講內容，經峰瑞資本編輯：

截至目前，在互聯網金融方向，我們的創始團隊曾經投資了宜信、銅板街、挖財、Prosper 等相對領先的公司。我們希望分享自身的經驗，讓大家了解到這兩個大的市場中相同的部分和相對獨立的區域特色。

智能投顧歷史

首先，我從我的角度回顧一下投顧過去 30 年的發展。資產管理這整個大領域都源自美國。其中智能投顧在 30 年的發展中有非常多創新。

但是中美兩個市場的區別是顯而易見的。在座的大多數投資人並沒有投資指數基金，但在美國大部分的資產是在 SPY、SP500 指數里面。我們和宜信、挖財的夥伴聊過這個問題，得出的結論是，中美投資最大的區別是中國的投資人還沒有被完全教育成熟，所以很多人還不能用一個長期的眼光來看股權和證券投資。現代投資組合理論最初在美國 1960 年代、70 年代被提出來，但也沒有很快被接受。

▲ Vanguard 創辦於 1970 年代，它的 AUM 曲線非常有意思。

從另外一個方向來看，資金管理體量最大的是做被動資金的 Vanguard，管理規模大概是 3 萬億美元，其實 Vanguard 在 1970 年代創辦時是不被認可的。它們 AUM 的曲線非常有意思，股票在牛市的時候是非常好的資產之一，跌下來的時候又會變成非常好的投資機會。Vanguard AUM 的增長是每一次在金融周期的時候都會漲很多，比如說 2014 到 2015 年，AUM 從 2 萬億漲到 3 萬億，漲幅 50%。第二大的增幅是在科技泡沫破裂之後，2002 年到 2005 年增長幅度是最大的，再上一個是 1990 年代初之後，大家都不知道把錢放在哪兒，大家都跑去指數基金了。

所以現在我們希望能讓大眾相信被動投資是積極有效的。因為被動投資賺到很多錢，比市場上其他資產賺到的更多。在國內市場上，我們一直在關註機器人投顧這一塊，現在它有可能是很好的布局點，但是你要想讓它們的 AUM 很快增長起來，也很困難。除了投資信息不夠透明、資產不夠分散之外，投資人的需求也是一個非常重要的因素。

智能投顧分兩種

智能投顧分兩種，但大部分人把它們混淆了。一種智能投顧是用 ETF （exchange traded fund）做資產分配，主要依據個人的個性化，包括風險承受能力、未來三五年的規劃。大部分的資產管理創業項目都是根據個人實際情況來配置資產。

另外一種，就是很多人談到的量化投資，這里面人工智能起到了很大的作用。它和傳統意義上的智能投顧沒有關系，量化投資最重要的是利用市場上的實時數據來判斷一個股票，或者一個指數，或者一個衍生品的漲和跌。量化投資最簡單的就是要做判斷，因為股票漲的最大原因是有很多人在買，我發現很多人排隊買，我就先去買，這是最簡單的量化投資。

這兩種投顧，我們現在都花了很多時間在看。第一種對創新技術的要求不大，主要在教育用戶這方面需要花很多力氣。第二種更多是需要找到數據分析專家和技術專家。一個最簡單的例子，為什麽美國的量化基金總部都離交易所特別近？電波的速度和光速一致，0.01 秒的信息接收和決策差異時間都至關重要。

最後一點，金融行業的早期投資很有意思。與電商、SaaS 等行業不同，市場留給金融行業的發展空間較小。創業公司如果沒有資金端優勢，是很難和銀行競爭的。做金融創業很難的一個原因是，不管你做什麽，你做了半天依然很容易被一些有資金優勢的大金融機構幹掉。

我最早在美國的時候，跟我在沃頓商學院的大學教授做了一家公司，做了兩年就賣給了 Charles Schwab。當時我們賣的唯一原因是，如果我們不賣，他們就會做一模一樣的事。

一個問題是，大的金融機構都可以做金融創新，為什麽所有的 P2P 一開始的時候都要付那麽高的利息吸引投資人？因為你畢竟沒有背書，所以說惡性循環下來，逼著這些P2P 的公司找一些風險特別大的資產。

金融領域創新必知的三個生存點

歸根到底，在金融行業，創新其實有 3 種可能性：

第一，你提高了效率，用互聯網把以前在傳統金融行業浪費的資源賺回來。比如說以前信息流慢，簽約慢，尋找資產慢，你用一個科技手段來提高流轉速度和辦事速度。

第二，你通過手段和資產把流動性提高。如果一個資產本來流動性是一年，你通過手段把資產流動性提高，縮短了流動時間，投資人對這個資產的回報要求自然就降低了。

第三，分散化。從資金端可以更容易地眾籌把錢放在一起；資產端，可以更好地把錢匹配到更小、更分散的單位。

金融行業的創新，一定要找到這 3 點中的一點或者數個點才能站穩陣腳。我們觀察到，以前有一些特殊的領域沒有被挖掘的，現在也開始做起來。比如，以前因為信息不流通，藍領或者比較底層的人很難拿到貸款。現在每個人都有手機，收集這些藍領數據的商家很多，我們知道的就有 20 幾家。從資產端來看，峰瑞資本基本上是在找一些有特定場景的、有生產資產能力的、有資產風險辨別能力的公司和團隊。

文章評論

匿名用戶

發布

全部評論：10

發布

企業實施大數據戰略時，有哪3個大坑？

筆記俠 2017-02-28 10:35

本文由筆記俠（微信ID：Notesman）授權i黑馬發布，作者傅誌華。

傅誌華 | 360大數據中心副總經理，在互聯網行業、產品與營銷研究有十多年的經驗，諳熟數據分析和數據挖掘方法，在數據產品化驅動、企業數據化運營和營銷方面有豐富的實踐經驗。

一、人工智能是如何工作的？

我們先從一個實際的生活中的案例開始。這是我們家的人工智能，為什麽裝這個呢？

背景是這樣的，有一天淩晨三四點，我們家的紅外線報警器報警了，雖然我練過武術，但還是有點害怕。我就拿著我的雙節棍去每個房間和客廳包括院子里面檢查。後來我也沒找到人，沒找到陌生人，我猜測應該是小貓小狗把我的紅外線報警器觸發了，於是我就把角度稍微調了調。

但我想，這也不是辦法，我能不能讓我的報警器變得聰明？怎麽算變得聰明？我得讓它有個看得見的能力，至少我得讓它看得見，我用手機也可以看得見，我就不用到院子里面去檢查。所以我就加裝了我們360公司的智能攝像頭。

加上以後，有一天我上班的時候它也報警了，收到一條信息說我家里的門窗被打開了。我心里面有點害怕，不過一看這個攝像頭傳來的照片，最上面一張確實陽臺的玻璃門打開了，再看，原來是我老爸去曬衣服的時候把玻璃門打開了。

又有一天報警，原來是客廳里的媽媽和孩子在活動，我家人覺得它有點報警過度，不太聰明。那麽，怎麽讓它更加聰明呢——這就是我要談的大數據和人工智能。

首先，我們用這個攝像頭每天采集家里面所有跟人相關的圖片。

采集完以後還不行，只是給它很多圖片，它不知道誰是誰，要給它標記。比如說這張照片是媽媽，這張照片是爸爸，這張照片是孩子……標記得越多，它的訓練級就會越大，它識別圖像里面的特征就會越準確。

然後就可以去區分家人以及非家人的照片，非家人它就會認為是陌生人，這時候報警就會更加準確。

我希望通過這個案例讓大家了解到人工智能是怎麽工作的、需要什麽樣的材料。

那麽，在未來，或者已經在發生的、正在發生的，還有哪些案例呢？

拿洗衣機舉例，你家里的洗衣機未來會很聰明。

1、它用對話的方式跟你說：“主人，我肚子里面已經有黑色的褲子，白色的襯衣請你不要再放進來的。”然後，你說：“沒問題，請幫我分開洗滌。”

這里面用到什麽技術？圖像識別的技術、語音識別和語意理解的技術。

2、它說：“主人，現在是秋天，而且明天陽光充足、天氣不錯、太陽比較大，你不用烘幹洗，可以幫你省省電。”在南方因為衣服不太好幹，很多人會選擇烘幹。

這里面用到什麽大數據技術？

洗衣機把天氣預測的數據打通了，如果洗衣機沒有這個信息，它就不那麽聰明。剛才京東的老總也提到了數據打通、數據交易的重要性。

3、你的洗衣機說：“主人，你這件衣服今年已經洗了100次了，最近這個品牌在打折，官網上有八折促銷券，要不要發給你？”

這就是大數據催生的新的商業模式，肯定會發生在我們身邊。

4、洗衣機說：“主人，您平常洗衣服的時候一般會看《康熙來了》，電視馬上要開始了，我幫你打開電視吧！”

它為什麽有這個動作，因為它知道你這個習慣。因為這個企業把洗衣機的數據和電視的數據關聯打通了，它才能夠分析出這個習慣出來——這就是打通的魅力。

當然這里面也有圖象識別的技術，有可能它會滯後，如果你數據庫更新的不及時，你會發現原來《康熙來了》已經停播了，這是數據沒打通好。

5、主人說：“好的，你太聰明了！”洗衣機可能會謙虛地說：“跟你比差遠了，您可是人工智能的博士啊！”它為什麽知道你是人工智能的博士啊？

從這個生活的案例，大家應該有一些感覺，大數據在實際應用中需要什麽樣的技術。

二、技術實施過程中的三個坑

剛剛提到的動作分析的技術，包括圖像識別、語音識別、語意理解、深度學習。我今天跟大家強調的是，大家用這些技術實施過程中可能會陷入最常見的三個誤區，我做大數據做的這麽多年，也被坑過很多次。

第一個坑：業務部門不知道大數據有什麽用，所以他也不知道在業務的具體什麽場景里面能用到你這個大數據。

所以技術團隊、大數據團隊就很難辦了，他們只能去學習研究探索，但是有可能會產出不明顯。

第二個坑：企業內部數據孤島非常嚴重。

企業不同業務部門的數據庫都是各自為政，跨部門想看個數據都非常難。

第三個坑：組織架構的問題。

這三個最常見也是最難的問題怎麽解？

我們的建議有兩點：

第一，做好數據的業務規劃，

第二，調優組織架構。

三、如何做好數據的業務規劃？

我說一個反面的例子，這樣做有可能會導致企業在實施大數據的過程中失敗。比如說今天老板覺得誰誰誰很牛，把他挖走，再招大數據團隊。然後老板對他們說：“你們自己去研究吧，反正你很牛，你去研究，看看有什麽大數據的威力或者武器能夠幫我企業成長。”

往往這種情況就會失敗，一年之後，大數據團隊來做匯報，結果發現老板聽不懂，也很難衡量大數據團隊的產出，若是跟他講一些團隊在深度學習上的探索和研究，包括圖象識別的準確率、語音識別的準確率提升等等，老板會講：“這對我的業務有什麽幫助？”

所以，我們應該反過來做，先從結果出發，從應用場景來看，大數據能幫我做什麽？

這需要企業的領導人、業務的負責人和大數據的專家，三方認真地探討和規劃的。基於企業的現狀和企業未來兩到三年的發展規劃，在這個大框架底下去看，大數據在哪些應用上對我的發展規劃是有幫助的？要麽是效率方面的提升，要麽是業績的直接提升，就這兩方面。

認真的規劃，確定了應用場景之後，再去看數據模型怎麽建、產品怎麽建，再去看基於這些應用場景，需要做些什麽樣的數據。如果數據不夠，再去看和外面合作或者交易什麽樣的數據。

這是我總結的目前比較常用的大數據在企業里面應用場景——應用的金字塔。

最底層，就是我剛才說的數據基礎平臺。

這個數據基礎平臺非常重要，是把客戶的數據形成一個客戶畫像存在我們公司級的數據庫里面。如果不做這個工作，像剛剛我舉例說到的洗衣機，它就不知道你是人工智能的博士了，對吧？所以，要先把這個基礎打好，就跟炒菜一樣，先把料準備好。

第一層，產品研發。

一方面可以提升產品研發效率，另外現在比較熱的是做個性化的產品研發。通過規模化的手段實現個性化的定制。個性化和規模化貌似是相對的，在做個性化的生產和個性化的產品的時候，生產似乎是不能夠規模化的。但是現在可以做，有案例。

第二層，通過大數據去監控異動。

比如大家最關心的KPI，你可能每天或者每個月都關註KPI，互聯網企業可能每天都關註。假設你的KPI下滑了，你能不能快速地發現，發現以後要定位問題出在哪里。大數據努力的方向，是讓決策足夠簡單，只要看一個可視化的圖，就會明白：“原來這個點出問題了！”如果現在不知道，有可能過幾個月你才發現這個問題，就會導致很多的損失。

再上面很多層，怎麽做客戶體驗的優化、智能的客服，包括精準的營銷、戰略分析、市場分析，很多方面，如果全展開，估計兩到三天才能講完。時間關系，不展開了。

四、客戶管理怎麽通過大數據支撐？

我再展開一個大家可能都關心的話題——客戶管理。企業通過來自客戶的收入支撐著企業的運轉，那麽客戶管理怎麽通過大數據支撐？

在這我跟大家介紹基於大數據的客戶周期管理，這個方法要解決兩個方面的問題。

第一個問題，客戶價值的計算和預測。

你能不能通過大數據的手段去精確的計算每個客戶的價值，現在的價值和未來的價值，這樣你才有一個很好的基礎做客戶的VIP管理。

第二個問題，做客戶生命周期的識別、分類和預測。

我問大家一個問題：回到你們企業里面，隨便挑一個客戶出來，能不能清晰地看到這個客戶的狀態？“狀態”的意思是說，有可能這個客戶過兩天就跑掉了但現在還在，你能看到嗎？

你能不能看到你這個客戶處於磨合期，他現在磨合得不爽，你要引導他？可能不知道。或者說你知道這個客戶現在處於成長期，他特別興奮，跟談戀愛一樣，屬於蜜月期，能不能趁熱打鐵多賣幾個產品？能不能通過他的行為、愛好做精準的關聯推薦和個性化推薦等等？這是要解決這個問題。

五、如何調優組織架構？

剛才說的第二個解決方案，是調優組織架構。這個是非技術的問題，但是它很重要。

這里有兩個負面案例，估計現在很多企業都是這種架構的。

第一種組織架構，每個事業部里面，或者每個部門里面都有數據團隊，大家覺得很自然，沒什麽問題。它的問題在於什麽呢？數據各自為政，不同部門的數據庫標準都是不一樣的，沒法做關聯，數據資產就流失了。

第二種組織架構，所有數據都放在一個中央級的數據部門里面，做集中化管理。這種結構有什麽問題？距離不能產生美吧，業務部門覺得這些數據部門高高在上，也不了解業務，天天就是一個存儲部門，數據就變成成本部門，發揮不了價值。

這兩個組織架構是最常見的，如果真的要實施大數據，組織架構至少需要一些微調。

首先要設立一個中央級的數據部門，第二是每個事業部里面都有數據團隊，他們分工是有差異的。

中央級的定位更多是數據的整合、公司級數據產品的建設、平臺的建設、計算能力的建設等等。事業部門更多考慮，公司級大數據資產怎麽在業務部門快速響應業務需求，推動業務的發展。

當然，還有一個很重要的角色是CEO，他管這個大數據部門。能夠向老板匯報，這樣一方面可以讓大數據在決策層發揮威力，另一方面，大數據整合有很多部門層，CEO親自管理，可以提高溝通的效率。

最後，快速跟大家總結一下我的建議：

第一，盡可能獲取相關的數據，越多越好。

第二，從戰略上做好規劃，切入有利於業績提升的場景，做助手而不是取代人，它的定位是助手。

第三個是集中+分布式的策略。

謝謝大家！

文章評論

匿名用戶

發布

全部評論：10

發布