ZKIZ Archives


美國歸來 周鴻祎有哪兩大收獲和兩大吐槽?

來源: http://www.yicai.com/news/2015/09/4692874.html

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。

剛剛從西雅圖中美互聯網論壇回來的奇虎360董事長周鴻祎,坦言自己有兩大收獲和兩大吐槽。

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;但同時,他也收獲了最大的吐槽,這是一個關於看見和看不見的故事。

外界吐槽周鴻祎系了一根黃色的領帶,像一個土豪企業家。他的考慮是與會代表人數眾多且個個人高馬大,要想讓別人看見自己,就要系一條鮮艷的領帶 。

第二個吐槽是關於穿衣品位。外界看到的是,在場的周鴻祎並沒有穿著整套的西裝;而這背後“看不見”的故事是:作為安全專家的周鴻祎遭遇了安全的問題,褲子撕裂了,最後只好換了一條白色的褲子,結果被吐槽。

如果類比的話,網絡安全領域也有“看得見”和“看不見”的故事:今天的網絡攻防雙方的博弈已經從技術的攻防對抗變成了看見與看不見的對抗。制造威脅的人希望自己永遠不被人看見。但這些防禦的安全公司永遠希望看見整個網絡,這樣才能意識到威脅的發生。

“所以,看見和看不見變成了安全公司和網絡攻擊之間最大的能力較量。”周鴻祎說。

網絡安全新法則

過去講網絡安全,人們往往總是把安全技術化、產品化,總是講防火墻、IPS、掃描“老三樣”,而在周鴻祎看來,安全不是產品,而是一種能力。“看見”是安全最重要的能力。

在9月29日的中國互聯網安全大會(ISC)上,周鴻祎提出了“網絡安全新法則”——今天大多數已知的威脅和攻擊都可以防禦,但企業和機構面臨更多的是未知的威脅和漏洞,傳統的防火墻產品和防病毒技術已經力不從心,需要通過大數據技術的應用才能防禦新的安全威脅。

如何才能具備“看見”的能力?全行業正在試圖找出一系列更有效的方法,基於大數據和大數據分析技術的威脅情報的應用是這些方法中比較有效且非常關鍵的一種,基於威脅情報的安全防禦已經成為網絡安全行業未來發展的方向。

在這其中,“看見”的基礎就是數據,也就是基於大數據和深度學習做出的分析結果。而有了數據,還要有數據的關聯能力、數據分析能力和數據挖掘能力,結合安全專家的經驗,才能形成看見的能力。

在周鴻祎看來,利用大數據能力和數據技術建立看見威脅的能力,將成為安全行業最重要的能力,也是保證國家網絡安全和企業安全的核心能力。為此360已經建立了國內首個威脅情報中心。

據介紹,目前有超過13億個安全探測點,還有數十萬臺服務器,安全大數據是其能力的核心,在威脅情報的數據收集階段,具有天然優勢。這些安全大數據可以被用來在威脅情報的生產過程中,產生價值更高,針對性更強的高質量威脅情報。

周鴻祎稱,360威脅情報中心利用安全大數據與亞馬遜、Facebook、Twitter、匯豐銀行、英國電訊全球上百家企業、大學和機構合作,分享數據和安全威脅情報,包括美國和英國在內的幾十個國家的Cert都已經申請使用360的數據。

周鴻祎以近期大規模爆發的xcode惡意代碼感染事件為例,稱從數據看,國內最早在3月初就開始出現了感染,直到今年9月突然出現特別異常的訪問高峰,甚至整個惡意主控網站發生癱瘓。

而這其中還有一些有意思的現象, 比如9點中招的訪問次數最多,下午1點又是一個小高峰,晚上0點以後明顯下降.。這說明很多人在9點上班的時候都喜歡打開手機,中午吃完飯也會用一用。從這背後的數據,可以看到很多內在的聯系。

“今天的結論很簡單,就是看見會決定企業安全,看見也會決定國家安全。”周鴻祎說,未來無論在國與國的網絡空間博弈中,還是在企業安全中,如果企業和國家真的缺乏基於大數據分析的看見能力,必然會成為網絡攻擊的受害者。

創業不是人人開公司

事實上,“安全”也是360私有化回歸的理由之一。

周鴻祎在對包括《第一財經日報》在內的媒體表示, 360的私有化和別人不一樣,360是國內最大的安全公司之一,隨著國家對安全越來越重視,360回歸A股後也能更順暢開展業務,未來在企業安全方面和軍隊網絡安全方面發力。

他同時透露,目前360私有化退市進展順利。

除了安全業務外,周鴻祎已經把相當一部分精力放在奇酷手機身上。

周鴻祎首次透露,在與酷派達成新的協議後,酷派依然在供應鏈上給予奇酷支持,又額外撥給奇酷300多供應鏈相關的人員。

對於之前360與酷派的糾葛,周鴻祎比作:“你(酷派)出軌了,是不是應該賠東西?此前360因為有婚約所以恪守契約,突然酷派愛上另外一家,360要尊重人家追求幸福的權利,但給我的還是要給我。我要開始我新的生活。”

而面對時下如火如荼的年輕人創業,周鴻祎也談到自己的觀點。

他認為,一方面,年輕人創業是好事,現在足夠的人創業,自然會有優勝劣汰,有點泡沫無所謂;但從另一個方面,很多並不適合當CEO的人紛紛拿到投資開了公司,即使拿到錢,有些產品和商業模式還非常初級,不足以做成。

“創業是一種心態,每個人不可能寧為雞頭不為牛後。創業的定義不僅僅是每個人去開個公司、當CXO 堅持創新就算成功了。”周鴻祎說,創業的形式是多樣化的,可以是有自己的公司,也可以是加入創業公司;此外,一些企業有內部孵化的機制,有人在內部創業並成功運營一個產品,這同樣是創業。

編輯:邊長勇

更多精彩內容
關註第一財經網微信號
美國 歸來 周鴻 有哪 哪兩 兩大 大收 收獲 獲和 和兩 大吐 吐槽
PermaLink: https://articles.zkiz.com/?id=162863

金融領域創新有哪3個生存點?

來源: http://www.iheima.com/zixun/2016/0813/158126.shtml

金融領域創新有哪3個生存點?
峰瑞資本 峰瑞資本

金融領域創新有哪3個生存點?

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。

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。

26138516609286408

▲ 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。


金融 資產管理
贊(...)
文章評論
匿名用戶
發布
金融 領域 創新 有哪 生存
PermaLink: https://articles.zkiz.com/?id=210134

企業實施大數據戰略時,有哪3個大坑?

來源: http://www.iheima.com/zixun/2017/0228/161546.shtml

企業實施大數據戰略時,有哪3個大坑?
筆記俠 筆記俠

企業實施大數據戰略時,有哪3個大坑?

人工智能要來了,你有必要看看這篇。

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?

0c77cbd2ea72aeba382cfa3df6104a5c

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。

47ec98b09fc1c9773c5bef9a3c9185b3

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。

45f631d3fa1244134c8c3d6d29aaa079

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。

80208f5735f2aac07727b5e9f8ea8c9d

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。

558e5ab7913a836cd14110cae147cdb5

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。

4a20a1c9d4ce2306abeedae2603472df

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。

db491958ffccbf0d912083c3f3bd0133

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!

大數據
贊(...)
文章評論
匿名用戶
發布
企業 實施 大數 戰略 有哪 大坑
PermaLink: https://articles.zkiz.com/?id=237348


ZKIZ Archives @ 2019