📖 ZKIZ Archives

SENSE隨筆140409 創意(三) 緩慢的預感 掌門天地

SENSE隨筆140409
創意從何而來(三) 緩慢的預感The slow hunch
Thomas執筆

有一個關於創意的經典故事，從前有位科學叫 牛頓，他每天都喜愛在樹下思索。有一日，樹上有顆蘋果掉下來擲到他的頭上，於是他「忽然悟出」了萬有引力的物理學定律。這個經典故事是很多創新故事的原型，它過分強調了「直覺」在創新過程的戲劇效果。
事實上，直覺在創新的過程中並不是如此銳利地一下子刺中核心，開始時它比較像模糊的預感，而且由 “模糊預感”建構為 “具體思想”的過程往往是十分緩慢。Steven Johnson在《創意從何而來》一書中稱為「緩慢的預感The slow hunch」。

他解釋：「大多數偉大的點子起初都只有局部的、不完整的形貌。它們隱含某種深奧東西的種子，但缺乏一個關鍵要素使預感轉變成真正有威力的東西。*** 而那欠缺的元素通常位於其他地方，也以預感的身分住在另一個人的頭腦裡。「液態網絡」造出能讓局部性的點子互相連結的環境，提供那些大有可為的點子碰面配對的機會。這些網絡不僅使好點子更容易散播出去，還有更卓越的功能：協助點子完整成形。」

預感的出現往往難以理解，甚至違反很多人的想法。因此偶一為之的預感很容易被忽略，它需要與其他點子碰撞並相連才能變為具體創新，以下就是一個真實的例子。2001年911事件石破天驚地爆發，很多人驚嘆恐怖分子的精心策劃令人無法預料。事實上早在事件爆發前兩個月，便已經有人察覺他們的異常舉動了。聯邦調查局探員Ken Williams在亞利桑那州發現有數個從伊斯蘭國家入境的學生，他們不約而同地報讀航空學校。因此他感到有「太多有興趣的人」上航空課，在2001年七月十日向總部發出了一份備忘錄，內容是有關拉登Usama bin Laden可能正在派學生到民航學院上課。這份備忘錄在911事件後曝光而非常有名，稱為Phoenix Memo。備忘錄不但報告了異常情況，還預言拉登將策動恐怖襲擊。可是單憑Ken一人的預感，無法說服聯邦調查局總部採取即時行動，總部更把備忘錄擱置在一個局內稱為「黑洞」的地方。

其實911事件前，並不是只有Ken William預感到恐怖襲擊。備忘錄發出後一個月，在另一邊的泛美國際航空學校便發現了報讀者的可疑。學校教練對新學員Zacarias Moussaoui一次過用現金支付所有學費感到可疑。他向聯邦調查局報告了情況，當地分部探員懷疑Moussaoui打算駕駛飛機撞向世貿中心，於是向總部伸請搜查令。可是總部沒有相信他的預感，直至911發生後才啟動調査。把Phoenix Memo與航空教練的懷疑單獨來看，確實是「根基不足」的預感。假若聯邦調查局能把兩件事連系在一起看，那麼說服力便會大增，甚或能阻止事件的發生。預感需要與其他好念頭連結，才能轉化為具體可實現的創新行動。

很多看起來好像瞬間爆發的創意直覺，其實早已經醞釀多時，只是等待與其他好點子相連結。各自發明演化論的達爾文Charles Darwin和華萊士Alfred R. Wallace，都不約而同地自稱受到馬爾薩斯人口論的啟發而「頓悟」到演化論。事實上，知識史家發現早在閱讀馬爾薩斯人口論前的一年，達爾文的演化論「預感」已經差不多成熟了。他在筆記寫道：「是否每種動物，在漫漫歲月中，最後都會製造出上萬個品種(本身也許受環境影響)，而且只有那些適應良好的才會留存下來？」一年後，當他讀到馬爾薩斯人口論時，便能夠把「適應良好」修改為「繁殖成功」，從而建構出天擇學說了。

創意起初都是以預感方式呈現，越是重大的創意，越是需要長時間的醞釀。*** 很多科學上的創新其實是經歷漫長努力，透過把不同的研究成果連結與累積而成的。為了不讓這些「預感」流失，必須要有一個液態網絡，將它們相連結而成。
下一篇將介紹另一個促進創意的概念「機緣巧合Serendipity」。

獲得百度風投A輪融資，所問數據：用數據分析為在線零售“預感”下一個爆款

黑智 2018-01-26 13:11

文 | 楊潔  編輯 | 黑智

人工智能和大數據，正在改變眾多行業的工作流程。跨境電商也是其中的主要領域之一。

數據顯示，2017年僅僅義烏的賣家，在eBay平臺上就有3萬家，速賣通和Wish超過5萬家，在亞馬遜平臺上超過了8000家。如何通過數據運營，選品、預測、定價，成為跨境在線賣家們不得不面臨的問題。

2015年底，時任3M公司高級研究科學家的顏鵬辭職回國，和自己的同事、在3M任高級研究科學家的丁聖超一起，成立了所問數據。這也是國內首家通過深度學習算法進行預測性數據分析的大數據公司。2017年3月，所問針對美國電商Wish的全品類商品數據分析產品易選品上線。現在，易選品已經成為Wish平臺上排名第一的數據分析產品。

2017年10月，所問數據獲得百度風投領投的3500萬元A輪融資。在此之前，所問已經獲得了九合創投的數百萬元天使輪融資，以及洪泰基金領投的Pre-A輪融資。

2018年初，所問數據的針對亞馬遜平臺的數據分析產品PISEER（派勢）已經開始內測。在“預測爆款”的同時，所問數據，也要將自己的產品，打造成新的“爆款”。

不做解決方案，做產品

所問數據從創業伊始，就想好了兩大方向：首先，從在線零售數據分析工具入手，擴展到其他垂直領域商用；第二，不做解決方案，做產品。

所問數據CMO顏飛提到，在美國時，團隊就觀察了企業級產品的發展趨勢。在2015年左右，美國發展較快的大數據公司，都是從產品入手。“對解決方案公司而言，如何實現規模化盈利，是個最大的問題。”顏飛說，“即使是像SAP這樣的公司，實際上也是在銷售它的ERP產品，通過解決方案來提升產品的附加值。因此，我們給公司的定位就是，不做解決方案公司。”

所問數據CMO 顏飛

跨境電商是所問首先落地的行業。“由於它強烈的‘信息不對稱’性，是數據分析最能發揮價值的地方。”顏飛說。相比起本土賣家，如何把握境外消費者的偏好和市場，是跨境電商的巨大難點所在。而電商領域，也能提供對於深度學習而言最重要的“數據”。顏飛表示，電商平臺上的數據已經足夠豐富，而且，“數據是可獲取的，只不過是獲取成本的高低問題”。其次，電商領域半結構化數據相對較多，清洗和整理數據的成本也是可控的；同時，對於模型端的應用點，顏飛也心中有數：“我們的創始團隊在美國就從事相關類型的預測，在解決了前兩個問題後，我們能夠預期到，我們對於預測效果可以實現指數級別的提高。”

2017年3月，所問的首個產品易選品上線。在國內，易選品也是首個可以實現爆品預測的平臺。所問能夠抓取平臺全品類商品不同維度的信息，對數據清洗、整理、分析過程，全部通過機器完成。基於自身的深度學習算法模型開發經驗，所問團隊自主研發了數據預測模型；同時，基於圖像識別等技術，可以實現對同類商品的分析。“爆品預測、仿品檢驗和競爭態勢的量化分析，是易選品區別於其他產品的獨有功能。”顏飛說。

選擇從Wish切入，也是團隊思考後的結果。“Wish的平臺結構簡單，作為第一個產品是容易入手的。”顏飛說。而更主要的是，當時在市面上，針對Wish平臺，還沒有具備競爭力的數據分析產品出現。顏飛介紹，商家在使用數據分析產品時，對數據即時性的關註度很高，但是大多數產品數據更新還比較滯後。究其原因，主要是針對海量的數據，抓取數據需要投入大量成本，也對產品的數據分析和解決問題的能力提出了較高要求。從這個角度上說，這還是一塊用戶體驗嚴重不足的區域。

“這兩方面，足以支持我們打開這片市場。”顏飛說。

顏飛是顏鵬的雙胞兄弟，就是在易選品推出的當口，他也辭去了在美國的工作，回國加入了所問，承擔起易選品產品和市場推廣的職責。其時，“大數據”還更多地是個概念，在市面上，也已經有大量類似的分析工具競品存在。顏飛開始了在義烏等在線商家集中地區“地推”的過程——掃樓，拿著名單一家家去拜訪。

在早期，易選品和其他SaaS類產品一樣，通過免費開放吸引客戶。顏飛和市場團隊，一家家走訪，一對一培訓，跟蹤他們產品使用前後的運營數據對比，提高服務能力。很快，從2017年5月開始，易選品正式商用，大約半年左右，就已經成為Wish平臺上排名第一的數據分析工具。

“如果僅僅從市場角度看，從第四個月開始，易選品就進入了商用付費的盈利模式。”在顏飛看來，這是一個SaaS產品的“奇跡”，因為一般按照SaaS產品的發展周期，這個階段至少需要幾年。

顏飛把易選品目前的成功歸結於產品本身的智能性，以及基於它的預測準確度。據介紹，易選品的預測準確度，接近Wish平臺平均爆品率的50倍。“一個義烏的三四個人的團隊，在應用後，一個月內銷售額實現翻了一番，達到了6萬美元。”顏飛說。

在產品的易用性和交互設計上，易選品也密切貼合了Wish賣家的需求。為了適應Wish以移動端為主、針對歐美普通消費者，沖動型購物較多，賣家多為中小團隊的情況，易選品免除了複雜的選品界面，在產品交互設計方面，將主要功能放在首頁，讓賣家不需通過層級菜單，可以直接進入。

進軍亞馬遜：主打行業信息分析

接下來，所問數據針對亞馬遜平臺的數據分析產品PISEER（湃勢），也已經在在2018年初上線。這是一塊更加龐大，競爭也更激烈的區域。在亞馬遜平臺上，所問的產品仍然主打爆款預測。

“亞馬遜平臺上的商品數據量級更為龐大；類目結構非常複雜；而通過何等緯度判斷賣家的剛需，也是非常困難的。從這點切入，不僅可以滿足賣家的剛需，同時也可以為他們節省數據運營成本支出。”顏飛說。

本著產品落地行業的原則，數據基礎較好、可應用性強的金融也是所問數據下一步進軍的方向之一。顏飛說道，“在金融領域，我們仍然強調以“產品”為主的方向，主要針對基金、銀行和保險客戶，從模型和算法切入。據顏飛透露，目前，所問數據引入了一位金融方向的合夥人，輔助所問數據加強在商務方向的能力。另外不久會有谷歌美國總部的一位AI大牛加入，幫助所問打造標準化的金融產品。所問數據憑借AI和大數據技術，可以提供信用卡逾期預測、用戶畫像、交易風控等多方面的功能。

2017年，所問數據先後和兩家巨頭產生了聯系。去年8月，通過篩選，所問成為微軟加速器·北京第十期15家入選公司之一。“我們所有的產品都是在雲端，加入加速器之後，所問獲得了微軟Azure價值300萬元的雲服務，以及更多的資源對接。十期招募最終路演遇到了A輪投資機構中科創星。通過加速器對接，我們又密集見了十多位投資人，基於Azure我們發布了最新的跨境電商數據分析產品。”顏飛說。此外，微軟加速器推薦所問參加2017年微軟合作夥伴生態大會（CPC），向眾多合作夥伴展示微軟技術如何與行業需求相結合，也邀請所問參加了諸如零售創新峰會等多次零售金融的行業交流會議。在微軟加速器期間，易選品的人數已經超多3萬人，並還在高速增長中。在加速器的推薦下，所問獲得了2017中國創新先鋒20強、快公司MIC50等榮譽。

2017年10月，所問數據獲得了百度風投領投的A輪融資。通過百度風投的增值服務，所問也和百度在AI技術上，獲得了更多合作的機會。顏飛表示，所問的技術和產品，將通過和百度的合作，向線下零售場景，諸如便利店備貨、庫存等方面，進行延伸。

“在醫療、工業等領域，實際上也還存在著很多應用的價值點。但是要實現標準化和產品化，這是最難的。”顏飛說，“人工智能走向商業化最大的兩個難點，一是如何把AI通過產品化的方式落地，另外一點，則是對於AI學術領域而言，很多研究必須要進行指數級的提高，才能實現商用落地，產生價值。”

文章評論

匿名用戶

發布

全部評論：10

發布

預感有大事　憂睡過頭

美國務院︰對京干預感失望