2020年12月28日 星期一

HBR's 10 Must Reads on AI, Analytics, and the New Machine Age

哈佛商業評論‧與世界一流管理接軌

HBR's 10 Must Reads on AI, Analytics, and the New Machine Age

Artificial Intelligence for the Real World 四步驟落實人工智慧

Stitch-fixs-ceo-on-selling-personal-style-to-the-mass-market 演算法賣衣服,衝出近十億美元業績

Algorithms Need Managers, Too  演算法也需要經理人

Marketing in the Age of Alexa 如何賣東西給AI助理

Why Every Organization Needs an Augmented Reality Strategy 擴增實境必備五大策略

Drones Go to Work 無人機工作去

The Truth About Blockchain 區塊鏈的真相

The 3-D Printing Playbook 3D列印教戰手冊

Collaborative Intelligence: Humans and AI Are Joining Forces 人+AI:智慧協作時代

When Your Boss Wears Metal Pants 我的機器人上司

Managing Our Hub Economy 管理數位超級強權

2020年10月17日 星期六

20201017iKala數據解密與網紅行銷

主題:iKala數據解密:網紅行銷
大綱:
1.KOL 行銷/導購趨勢介紹
2.KOL 行銷/導購系統化操作介紹
3.KOL Radar 系統數據 demo 介紹
4.實際案例說明
5.KOL Radar 服務範圍說明分享者:鄭鎧尹 Keynes(iKala Co-founder)

重點速記

[iKala 介紹]
1.獲 Gartner 評為 2020 AI 顧客分析最酷供應商
2.使命是「AI 賦能」,讓我們的客戶能夠以 AI 為核心來達成事業轉型、加速、及創造新商業模式的目標
3.主要業務是協助企業上雲、數據分析、數位轉型
4.緯創集團領投iKala 5.1億元B輪募資用於加速拓展亞洲9國
5.簡立峰博士加盟
6.Line最大合作夥伴(CRM....)
7.Google合作夥伴

[觀點]
1.人的眼球注意力是不可分割,一旦贏得eye attention所有錢/商業行為就會附加在上面
2.疫情期間social media集中度變高,在上面shopping行為增加
網紅就是渠道

[跨通路導購]
三大通路FB(導購型)、Instagram(導購型)、Youtube(溝通型)

[網紅導購問題]
1.不是所有的網紅對所有產品都有效
2.不是所有網紅長時間都有效

[KOL數據分析洞察]
1.2019-2020排名變化在10%內
2.tiktok平台吸引到的是完全不同的受眾
3.IG是全台灣最多人用的KOL平台(網紅社群概況IG 65%、FB 62%、Youtube 15%)(Youtube高門檻但高回報)
4.近年寵物KOL上升速度很快
5.每一個KOL就是節目製作人他們會依據市場調整內容(越專業越小眾、大家喜歡看女性網紅、生活/美食/穿搭/旅遊是大宗)
6.百大網紅中遊戲類型占比最高
7.30萬是門檻(目前超過30萬用戶的KOL不到500位)(如過要經營KOL,30萬是門檻(獲利),而5萬用戶就贏過市場KOL對手80%)

[策略佈局]
1.Google 80%營收來自廣告(但過路費根據粉絲團級距定價)
2.大數據可用在消費分析、競品分析、策略圖(平均粉絲數 vs KOL數)、平均互動率(Benchmark)、年度活動聲量分析、熱門創意切角分析

[MarTech趨勢]
1.台灣落後美國2-3年(因為台灣科技堆疊與美國很像,很多tool 平台都follow 美國)
2.中小型網紅帶來更好的轉換(美國趨勢)
3.大砲型網紅很貴,中小型網紅便宜,但數百個要如何搜尋,造就了KOL大數據分析公司發展

[小網紅發展趨勢]
1.大網紅因為有流量有影響力,反而影響年輕世代、老闆也開始想做網紅,造就許多小網紅
2.奈米網紅優勢是較高粉絲信任度、較低行銷費、互動率高、較高ROI

[哪種行業需要關注網紅行銷]
1.35/短/文化: 35歲以下、生命週期短/變化度高(例如美妝)、文化創造者(是content creator接地氣深)
2.領域: 專業知識型、開箱評測型、生活大眾型、藝人權威型

[KOL Rador的效益]
1.維護KOL資料量(比起手工維護少量資料,透過AI維護大資料可避免local optimization,因數據量大可以找到全域最佳解)
2.少犯錯(避免主觀印象判定,避免犯低級錯誤,產生即時精準數據)
3.評估跨域KOL合作對象(避免主觀印象判定找到跨類別KOL)

[程序化網紅行銷]
1.專案執行:策略(KPI)、企劃(人選推薦)、製作(溝通)、宣傳(投放)、成效(數據結案報告)
2.專案進稿流程管控: 提案、KOL確認、提案修訂、KOL客戶審稿、宣傳品質管控

[結論]
1.社群行銷,網紅是不可或缺的重要配方
2.應該結合平台優勢兼具深度與廣度

[Take Away]
1.思考自家產品特質是什麼?
2.從社群專長出發用社群標籤&關鍵字匹配網紅人選
3.從特質相似的人選依數據選合適人選
4.依照社群標籤與領域均值訂出適合KPI

[網紅趨勢如何因應]
1.關注不同社群網路發展
2.關注社群節點
3.關注不同KOL社群行銷搭配的作法,創意一直更新、平台也一直革新
4.社群是分眾的是破碎的因此不要想用一種萬用方式跟所有人溝通
5.善用數據分析工具用系統化方式

[參考資料]
https://kolradar.ongoodbits.com/

2020年9月22日 星期二

20200922創新與企業家精神課程_疫情後企業的變與不變_以科技行業為例_筆記



 20200922疫情後企業的變與不變_以科技行業為例


IC新解=>india、china

印度
  • 印度人口紅利超過14億
  • 英語優勢
  • 學校競爭激烈

林榮堅介紹
  • 東海大學
    • 童子軍(西阿縱走)
    • 人最大價值是對社會的貢獻
  • 交大


主題: 疫後企業的變與不變

Synopsys 公司
  • 如果IC設計是挖金礦,我們是做鏟子的
  • 我們是所有IC設計合作對象
  • 市值台幣1兆
  • 全球做軟體quality的leading company
  • IC設計自動化軟體設計(當他把藍圖與想法訂好透過我們的軟體做出來)
  • 燒腦爆肝行業
  • 全球1萬多員工(只要有IC設計公司我們就會設點)
  • 今年營業額138億美金
  • 併購了超過100家公司 (公司成長透過併購加速)
  • 亞太地區超過6000多個員工(22個辦公室)(台灣超過1000個員工)(把R&D設台灣)

2019: Beginning of new Paradigm
  • 2019是地球人類最關鍵一年
  • 世界在亂、技術困難
    • 區域衝突、美中、日韓、印度與巴基斯坦、英國脫歐
    • End Garme of Moore's Law ( 每18個月電晶體數成長1倍)
    • Market Saturation (Mobile, DRAM)
    • 疫情
The New Normal(變與不變)
  • 變的部分
    • 第二次冷戰
      • 第一次是美蘇冷戰 1991 (45年)
      • 是新的冷戰的開始
    • System Comanpy is driving the market
      • "地球是平的"似乎到了盡頭,你要是跟中國好,美國就不跟你好
      • 全世界昨天生意還都連在一起=>One-Word Two System (不確定性變高、但也帶來新的機會),因為這個問題開放競爭機會也出來
      • 以前IC設計由老牌公司主導,Intel、Quacomm由IC領導公司制定規格與市場,但蘋果崛起,產生新的影響力
      • Google、Tesla、Facebook在IC設計也產生很大影響力(如果用Intel、Quacom大家都知道大家在玩甚麼)
    • 典範移轉
      • 阿里巴巴,前一陣子併購IC設計公司(過去該公司設計IC要18個月),他說最多只給你6個月,一句話就把行之多年做IC設計的時程硬生生砍一半
      • 這叫典範移轉(時代開始與結束)
      • Nvidia併購ARM超越Intel
    • More IC disign projects after covid-19
      • China wnat to be self-contain
      • 半導體數量大量產生(太多計畫開出來;但太少人才,因此到處搶人)
    • 2000年internet 泡沫
      • 當時拿計畫書就到市場拿到很多錢,造成泡沫,但也造成internet 硬體空前的好,因過度投資,為了想辦法讓人家用,價錢降低,也讓科技大量發展
      • 這次的問題是否也帶來新時代? YES
      • 雲端應用不是新鮮事,但今天以前敏感資料大家不敢放上去,因為現在疫情,很多公司把過去宣稱不敢的東西放雲端,放一段時間發現沒事,因此雲端應用會越來越快速,就跟把錢放銀行一樣(過去大家不敢把錢放銀行)
      • 機器人因為這個因素發展越來越快(無人工廠)因為暴衝帶來時代變革與機會
      • 就業環境因為疫情一切重新洗牌
  • 不變
    • 價值(企業核心)
      • 良心、在資訊不清楚下做的決定
    • 人才
    • 市場
  • 企業核心價值有那麼嚴重嗎
    • 當改變是常態,挑戰與誘惑並存時,核心價值變得更重要,運動時核心與平衡很重要
    • 企業核心價值
      • 公司價值與取向會直接形成公司文化
      • 台積電(integrity)、Intel(Quality)、Synopsys(Execution Excellence)、IBM(Client's success)、Apple(Think Different)、Starbucks(Warmth and belonging)、FB(Be bold)、Google(Don't be Evil)
    • 台積電
      • 台積電以代工為業,誠信為最重要核心,不然不會有那麼多公司把敏感機密資訊交給他代工
  • 核心價值如何成就一家公司
    • 星巴克
      • Creating a culture of warmth and belonging
      • 在國外看到女神圖案,就感覺溫暖,異鄉遊子舒服小角落,臨時的家,因此願意為這個家多付一點錢
      • 2000年創辦人舒茲宣布卸任CEO、2007由於成長快速又適逢金融海嘯股價重挫42%、2008舒茲重掌CEO、把核心價值找回來,比起營收更在意核心價值
      • 2018年黑人到費城星巴克沒點東西,店長報警把黑人上銬引起軒然大波
      • CEO第一時間出來道歉
    • FB
      • Mark Zuckerberg said core value of FB is "Be Bold Move Fast"
      • 2018/4/10劍橋事件 
      • WhatsApp CEO離開(因為其核心價值不要廣告,但FB放廣告因此CEO離開)
  • 核心價值觀的實踐(企業文化的生與死)
    • 企業文化
      • 成文與不成文的原則與流程形成固定的做事方式
        • 反映核心價值並對應到商業策略
    • 創辦人的價值觀決定了企業核心價值,企業文化建立由上而下
    • 企業文化的僵化(不拉馬的兵)
      • 以前砲兵旁一個人在旁安撫馬,現在砲都撤掉了,那個人還在
    • 企業很多認為理所當然的事情,換人往往換腦袋
    • Microsoft
      • 從windows centric 變成mobile-first、cloud-first
      • 從know it all 變成 learn it all
    • 聯想併購IBM PC部門
      • 謙虛尊重學習推動融合
    • Synopsys 的100次M&A
      • 核心價值不能輕易妥協
    • 婚姻要好先謙卑
  • 印度中國台灣人才,誰強
    • 1/3 矽谷公司CEO是印度人
    • 6%矽谷就業人數
    • 15%矽谷公司由印度人創辦
    • 人口14億、數學、colorful、競爭激烈
    • 20個邦6個聯邦屬地
    • COVID19全世界第二大感染人數
    • 13.2億人72%雅利安人
    • 72.1%識字率
    • 3%錄取率印度理工學院
    • 1.4億年輕人(18-23歲)只有25%上大學
    • 870種印度語
    • 印度人才特質在困境中求生存者
  • 中國
    • 空氣汙染、手機普及、軟體容忍度高
    • 大江無人機(中國的蘋果)市占率dominate
    • 手機
    • 汽車
    • AI (中國77家AI公司獲得超過4次投資) 
    • 龐大供應鏈(電動車供應鏈Tesla)
    • 到2020年半導體需要72萬人才、現在還缺40萬,每年製造3萬還不夠,只能靠挖腳
      • 現在就要把東西做出來但人不能等
  • 台灣
    • 全球IC產值達第二名站GDP15%
    • 科學園區員工28萬
    • 15萬竹科約38.3歲
    • 36%碩博士
    • 台灣有31萬大學生畢業(2016年統計)(每年1000-1200人進入IC相關工作、但職缺2700)
  • 三國演義
    • 印度CxO:溝通協調、環境適應、多元競合
    • 中國(創業家): 積極成就、冒險精神、勇於表達
    • 台灣(經理人):正直誠信、負責盡職、工作品質
市場
  • 2020中國新基礎建設(1.5Trillion)
    • 大數據中心(60b)
    • 5G(275b)
    • Intercity Rail(730b)
    • IIT(106b)
    • AI(222b)
    • Charging Piles(6b) 充電站
    • UHV(80b)
  • 華為
    • 年營業額7000多億(每年20%成長)
    • 2018年研發投資達1000億人民幣
    • 在半年成為世界第二大手機廠商(第一大是三星)
    • 華為手機技術不輸前幾大公司
  • 中國IC自給自足率18.1% in2020、23% in 20203
  • 目前已有2000-3000家IC設計公司
    • 台灣IC設計公司200-250家
  • 經濟學家吳敬璉: 不惜一切代價發展晶片產業是危險的
    • 兩彈一星和民用IC的差別
    • 科學的基本規律
    • 前期外部支援、不斷吸取外部成果(非封閉環境)、人員素養
台灣
  • 只要中國與美國沒有熱戰(真正打起來)台灣半導體會好三年
  • one world two system(台灣是很好的選項、左右逢源??左右為難)
  • Google、Microsoft、AMAZON、Qualcomm、Synopsys 投資台灣達 U$9.8B or 22.6%G till Oct 2019

給年輕人的建議
  • 台灣人的DNA (拚搏討海)
  • 台灣是海島國家、我們身上流著冒險犯難的血
  • Talent 天分 X Effort 努力=Skill 技能
  • Skill 技能X Effort 努力 = Achievement 成就
  • 大膽"走出去"闖一闖;多看多學
  • 把"語"和"文"學好多閱讀
  • 國際化多元化從包容理解做起
  • 勇於表達敢於做夢 
  • 保有台灣人的軟實力
    • 誠信 敬業 彈性 韌度
如何定義一個人是否為人才
  • 看他思考的深度與廣度

QA
Q1 美昨天新聞,允許AMD出貨華為,台灣如何面對美方來回反覆態度
A: 
1.大國博奕,從科技角度按鈕在美國,遊戲規則制定者在美國
2.市場在大陸,台灣要有足夠彈性與實力,當大陸客戶想找廠商取代美國,台灣是否能力培養起來,多投資研發因應生意進門
3.敏感度,維持高敏感度,商業模式如何改變,當華為被禁如何與其他公司合作

Q2摩爾定律走到盡頭,AI晶片穩定成長,請問您的看法
A
1.這不是自然定律,這是intel的掌門人對公司技術發展的期待,沒想到為全世界奉為圭臬,成為行業淺規則,做不到就輸給對手,如何透過新材料延伸摩爾定律很重要。
2.AI不斷增進演進速度超過2被以上,算力如何用在新的地方,現在最大問題就是應用落地還在探討,有些如自動駕駛、瑕疵檢測、工廠等,但還有很多領域有待開發

Q3第一年進入半導體年薪百萬,但如果去別的行業資歷是0請問你的看法
A 前十年經驗的積累很重要,如果以20年後要掌管一個部門,要問累積那些才能,半導體製造透過AI找defact、root cause。關鍵是把他當工作照表操課而是有計畫的學習。外部不能控制,自己努力自己可以控制。

Q4 新思科技如何面對各區域的問題,如何在後疫情時代同中求異異中求同,如何管理?
A
1 硬體生意牽涉到庫存供應鏈當然現在疫情受到變化很大,過去材料運送不是問題,現在疫情變得困難,所以要廣建倉庫,local supply chain是機會,但是gloabal supply chain 是挑戰
2 WFM透過視訊一開始很過癮,看螢幕久了眼睛疲累、人群疏離感、新進員工沒感情、沒下班時間,遠距辦公不同地點如何有效管理是管理的挑戰,人的問題100-200個office散在不同國家,是個挑戰,要設計屬於團隊的儀式(早餐、寵物.....)

Q5. 公司核心價值與個人核心價值的衝突(業績VS誠信)
A. 不要做到懷疑人生,如果是極端狀況,就換。老闆為了做生意不擇手段,你變成共犯?
思考這是做事方法價值還是基本價值? 如果基本價值違背沒什麼好考慮,就是分手

Q6. Nvidia與Arm結盟的想法
A. 
1.ARM角色中立,Nvidia/ARM重點在汽車,過去花了很多時間在做ecosystem,Nvidia下一步在做Data Center,GPU有了但是缺CPU
2.Nvidia對經營IP授權生意有興趣,AI需要生態系統,不需要把每個技術做到100%,如果透過授權可以與大家合作,如果有ARM加上GPU可以把這個變成全世界最大IP公司,目前還要通過不同國家批准,還有很多變數


盧老師評析
1.未來面臨挑戰叫做少子化,少子化帶來的事,未來一個人要服務多家公司,銀行今年找不到程式設計師明年更找不到(今年只有31萬人出生,未來更找不到),知識半衰期只有半年,企業開始不找全職工程師,因為這些人如果不與時俱進,這些人會變成企業的災難
2.變與不變,不變(核心價值與文化,文化就是改變一個人的長相,男女朋友會變夫妻臉,室友會變室友臉,台灣人印度人大陸人也會長不一樣),切記你跟誰再一起很重要,你很混人家知道,你很陽光大家知道,你做公務人員做10年就長公務人員臉,因此你的核心價值非常重要,跟你選的人處的公司都很有關
3.核心價值是企業的識別度,你是甚麼樣的人比你做甚麼重要(To Be is beter To do),沒有識別度的作家是沒有價值,例如朱銘做太極,重點在取捨,張大千的畫有識別度,企業要有取捨才能長出企業的識別度,省油想到toyota、狂野BMW、豪華賓立,如果一台車又省油、又狂野有豪華,他會優秀到失去識別度的平凡。有識別度的企業是不需要行銷的。台灣的軟實力重點在於核心價值,核心價值會改變你的長相,改變識別度。

提醒
社交距離在1.5公尺內請一定要戴口罩




2020年9月19日 星期六

20200919 AI HUB x AI Day – Smart Retail 智慧零售 專題演講 速記

 

1️⃣ 專題演講 1《 #線上銷售 #線下服務 》東森集團 | #大數據 協理 許毓容
2️⃣ 專題演講 2《 #自動倉儲 與 #工廠4.0  》盟立自動化 | 產品經理 李允立
3️⃣ 專題演講 3《 #無現金支付 #智販機 》資料科學股份有限公司 | 特助 林筱玫 (Lydia)
4️⃣ 專題演講 4《 Rethinking Retail Recommendations 》Founder and CEO, Stagelight.io / Startup Business Development Manager, Allen Houng
5️⃣ 專題演講 5《 全店面 #智能管理 》 研華智誠 | 資深顧問 吳瑞宸
6️⃣ 專題演講 6《 #即時通訊 #零售商務應用方案 》 睿思創新 | 創辦人 陳益祥

AWS開場
Why a book seller want to sell computer service?
Amazon Go Store (2018 launch)

AIHUB 介紹
找新創團隊、媒合

資策會介紹 東翰

▍專題演講 1《 線上銷售線下服務 》13:30-13:55 + 5分鐘Q&A
講者:東森集團-大數據協理 | 許毓容
| 演講大綱 |
線上與線下融合、深化用戶觸點深化、線上拉升線下坪效

線上銷售線下服務  東森集團協理(東森購物)  許毓容

新零售(線上線下)X新媒體(線上線下)、ETToday新聞雲
線下門市1468家、線下超過1萬屏幕版位
線上: 併購香港電商平台、社交電商直銷
線下: 併購老牌自然美SPA店、連鎖寵物店、把媒體轉為實體通路(線上轉線下)、東森房屋(收回自己經營透過VR在網站呈現物件資訊)
媒體(東森購物、東森新聞雲-全台灣第一大新聞網站、並成立女性電商、做OH廣告代理(拿下所有交通廣告代理權) 串聯媒體廣告銷售

ETtoday新聞雲、北捷(700萬)、分眾傳媒(100%攻佔所有住宅商辦大樓,把廣告拉到消費者生活圈)

競業MOMO(專注電商)、東森走全通路
每2位民眾有一位是東森會員(900萬)

2018年併購自然美SPA店(取得80萬張肌膚檢測照片、發展科技美容)

台灣線下寵物第一大通路
寵物雲(投資超過200家寵物店)(寵物市場商機在醫療保健)(動物醫院)

社交電商
傳統直銷要花一筆錢囤貨,社交電商指要分享購物聯結網址就可賺到PV賺到錢(新商模)
商模(網路購物-網聯通、構想賺)

草莓網
希望藉由草莓網把產品打出去(打造成AMAZON)

希望做到
線上購物線下服務
東森購物佔集團95%
線下(SPA店、看房)
新媒體(新聞雲、電子娛樂(森林之王)、IM影音(類似抖音)、分眾傳媒(進住宅)、東森寵物雲
用東森幣串聯新媒體新零售

會員968萬
其中2萬(20年前就加入的忠誠客戶)
電視、網站、Outbound電消團隊

東森會員地圖
比口罩地圖更早發展
5年前就做過一版會員地圖(當時沒有線下店、不知如何與媒體串聯)
現在結合地圖可以導購
除了媒體資訊還有市場資訊、交通、商圈布局
通路拓展(透過爬文掌握競爭者資料、連鎖店、獨立店)(到底要自己開店還是併購)
目前把人導去線下在與線上串聯
東森會員地圖(把人口數、OpenDATA、寵物登記數、房仲業者分布、寵物店家...)
分析會員會不會重疊(透過商圈方式重疊或分割商圈)(分析會員輪廓)+展店評估條件=>標籤篩選、看出哪個商圈可以展店

展店案例
台北市開店採分割商圈方式、數據評估會員數夠不夠cover開店成本、把地圖用每500公尺的方塊,分析會員數

開拓自有店
租飯店業房間當spa店,與全台各地飯店業洽談(租5-10年)當養出會員可以開自己的店

會員地圖
地圖可以展店與導客
透過Machine Learning來找人(目前問題是沒有歷史資料可以訓練模型)

AI
好的AI要搭配好的行銷活動(想體驗方案與消費者溝通)

黏著會員(用東森幣勾住客戶)
透過東森幣(消費1000員回饋50東森幣)(異業合作、加入購物折抵)業績成長41%
讓消費者可以轉讓東森幣、增加誘因、可以賺iphon

最大營收來源=>電消團隊
透過模型預測派名單
直銷商行為與一般消費者不同(因此必須分開)(上個月開始分流)(直銷商推高毛利產品)

全面啟動Live櫥窗直播視訊
分眾媒體(透過住宅廣告、住宅EIP廣告系統)
地圖結合捷運站(從會員消費歷史數據結合捷運站出口(目前分不出來希望政府open data)

線下媒體 (美髮店)
美髮魔鏡(放廣告、計算出入者的profile、用QRcode訂購)
桌媒體(把廣告放桌上、不過成效不佳)(與新聞雲+網紅+直播主影片)

肌膚檢測置入SPA店
大數據>AI>魔鏡

目前希望
發展自營商品

東森六力
品牌力、產品力、創造力、行銷力、讓利、努力

QA
Q:如何解決線上KPI與線下KPI的衝突
A: 透過分潤、要在廣告置入可以區分的地方,透過手機聯結

Q: 數據都自己應用,可不可能與其他私人企業合作,當然透過關鍵字或CRM收費
A: 這是我們的目標


自動倉儲與工業4.0   李允立
▍專題演講 2《 自動倉儲與工廠4.0  》14:00-14:25 + 5分鐘Q&A
講者:盟立自動化 產品經理 | 李允立 
| 演講大綱 |
工業4.0簡介、智能產線現狀、製造業物聯網、智能倉儲應用、資訊安全

工業4.0簡介
目前我們在3.5-4.0之間(因為大數據及5G發展還在起步中)

從智慧工廠到智能生產
透過PLC等裝置偵測並預測設備和時故障
波音引擎已導入預測故障機制,並進行引擎故障提前維修

從智慧工廠到智能生產
三大面向:產品(整合動態資料)、設施與管理

智慧工廠
AI、物聯網、監控、倉儲、製成製造、產品檢驗
機器視覺  智能監控、倉儲空間管理...
機器人、資料分析

智能產線應用
玻璃瓶、機器手臂、堆疊、存放、取放
用雷射做高爾夫球切割
印刷電路板組裝、汽車座椅、發泡器
生醫應用(自動分類)

製造業物聯網
RPA(交導程式點選螢幕上的按鈕)
Edge端PLC有智能化設備蒐集機器狀況反饋中心做深度學習
分析稼動率(機台維修、數據蒐集回饋,上傳後端資料庫分析)

設備異常檢測
透過感測器判斷現場設備軸心偏離精度下降
電路板瑕疵檢測
自動倉儲(栈版式自動倉pailet type)、料盒式自動倉儲(bucket type)

案例
京東物流影片 MUJIN&京東 announced the world first full automated warehouse in Shanghai.

智能倉儲應用
上位系統=>智能倉儲系統(WES=>WCS)
WCS: 控制邏輯、彈性設定、歷史履歷、程式監控
WES: 入庫管理、出庫管理、設備管理、調除管理

資訊安全
如何在現有架構妥善規劃
OT陰影、不安全身分驗證、不安全協定、未修補裝置、內部威脅

案例
美國伊朗駭客攻擊核電廠設備(PLC控制器)

分段做安全防護
前端預防: DMZ 網段切割
前端檢測: 
後端: 補釘安裝

案例影片

資安大會看到台積電
連台積電都在搞資安(供應商資訊安全協會)

電腦關機的思考
新的電腦設備用SSD就算中毒,因為速度快,人不會知道

影片

QA
Q目前客戶導入的困難
A地要夠大、口袋要夠深,對岸不會有太大困難(分母大構支撐),台灣(東森、MOMO有做)



▍專題演講 3《 無現金支付智販機 》14:30-14:55 + 5分鐘Q&A
講者:  台灣資料科學股份有限公司 執行長特助 | 林筱玫 Lydia H.M. Lin.
| 演講大綱 |
如何將 雲技術應用在新零售,無人商店流程自動化之「無現金多元支付」 、「電子載具」實作在 娃娃機 、自販機(常溫、低溫)、咖啡機、置物櫃 。

實績
AI股市選股(與巨亨網合作)
政府(企劃案、標案、智慧城鄉、林口巴士放人流天線)

智能咖啡機 (微型小商店、自己行銷自己)
相關資料、 智慧點餐、廣告投放 
雲端(AWS/Azure)管理上百台咖啡機
金流串到後台

多元支付=行動支付+既有支付
智能咖啡的多元支付
解法:透過雲端hub

智慧零售
速點流通 使用者體驗一致 快速購買

背景
台灣資料科學公司來自群信

智能咖啡機發票開立
智能咖啡機=>Invoice Gateway=>發票主機
電子實體發票、雲端發票、捐贈發票

電子計算機統一發票落日
發票類型眾多 (三聯、二聯、...)
使用電子發票步驟複雜( SIG/SMG 檔案交換格式、XML)
對象(B2C 沒統編 B2B有統編)

應用
生鮮(智能冷凍販賣機) 信用卡過卡=>輸入手機=>開門取物
娃娃機(全台50萬台)(悠遊卡支付全台1600台,悠遊卡公司這些點業績上升40%)
取物櫃

打造物聯網數據重鎮
地方需求、物聯網設備、中央政策輔導、數據分析

無現金生活圈
物聯網化、通路化、數據化

交易資料、使用者樣貌、人流樣態

人流資訊流天線
台灣布了120多根天線(11個縣市) 精準掌握人流
行啟紀念館
把遊客從線下導線上

案例


專題演講 4《 Rethinking Retail Recommendations 》15:20-15:45  + 5分鐘Q&A
講者:Founder and CEO,Stagelight.io / Startup Business Development Manager , Allen Houng.
| 演講大綱 |
Assisted Selling、Artificial Intelligence、Rethink the Retail Experience

案例
Amazon線上產品增加星點與推薦增加銷售50%

AWS ML Stack
Surprise! AWS Leads In 'Cloud AI Services' Ranking

▍專題演講 5《 全店面智能管理 》15:50-16:15 + 5分鐘Q&A
講者:研華智誠 資深顧問  | 吳瑞宸
| 演講大綱 |
零售業 O2O 線上線下銷售整合趨勢,
連鎖門店智慧解決方案三大面向 :
• 雲端時代,營運數據串聯與整合
• 無紙革命,數位巡檢與店務優化
• 精準行銷,熱點分析與熟客系統

雲端平台與技術整合
協助零售場景解決資訊斷點
StoreVue 聯鎖門店智能化解決方案

四大核心數據(智慧前端設備、AI影像辨識、雲端整合平台、APP應用端)
五大核心服務(訪談整合分析顧問微韻)

連鎖門店面臨的痛點
人: 流動率高(新人進不來老人走不掉船走不動)、提袋率低、法規繁雜(食安勞安)、門店多(距離長)、加盟管理不易、行銷難
貨:存貨難控管、開發成本高、流程監管難
場: 租金高、消費體驗設計、商圈不同
2020年疫情打擊
美國2.5萬到3萬家店倒閉
Target數位轉型 營收成長24%

台灣零售業面臨數據孤島
從既有流程改善 不一定要花大錢炫技(產業追蹤/零售業...數據孤島中小企難題)

智慧巡檢
門市巡店、督導表單、總部管理、

實際場景
連鎖門店管理的挑戰在店長與督導不在的時候開始
功能導覽(現場督導、遠程巡檢、分布表單、巡檢報告、管理優化),過去用人管理行為無法數位化,透過智慧巡檢有效管理
巡店數位化(支援影片影音文字)

案例
與知名早餐店合作合計年省80萬=>200萬成本
火鍋店成本浪費減少30%

雲端數位看板/互動看板
實際場景(多屏menu board)(雲端看板、互動廣告、手機一鍵推播)
事先排程、多屏切割....
螢幕觸控、感測器整合(互動遊戲、滿意度調查)、開放API
互動廣告(顧客分析播放、體驗資訊追蹤)

案例
信義區新百貨(導覽數位看板、電視牆、不規則LED、支援4K、特殊解析度、整合sensor溫度二氧化碳、性別辨識...)
Toyota展示中心
鼎泰豐

營運分析
透過人流鏡頭與POST結合(人的動線、停留時間...)
客流分析、熱點分析、提袋率分析

大閘蟹案例 (呂及人演講)
成熟大閘蟹長大要經過換殼脫殼要經過18次並消耗很大能浪
零售業數位轉型的問題與困難,建議從既有流程切入

Q 研華切入智慧零售的優勢,許多應用如何與研華強項鏈結
A: 研華網硬體整合應用、場景結合
會有這樣的公司是實際業務推廣遇到客戶的需求
另外在以顧客為中心有很多應用可能(如工業APP切入企業市場、與台灣資料科學公司談合作)



▍專題演講 6《 即時通訊零售商務應用方案 》16:20-16:45 + 5分鐘Q&A
講者:睿思創新 創辦人 | 陳益祥
| 演講大綱 |
零售應用方案趨勢微數位轉型案例:LINE掃碼點餐方案異業結盟加速器:睿思創新打造線下版LinkedIn

公司成立宗旨
幫顧客/店家拓展業績

客戶
線下實體店家(婚紗、零售...)

強項
貼標籤 人流分析

業務
數位轉型、異業結盟、業務放大、營收成長
提供店家業務放大器

Line掃碼點餐

Q: 如何有效偵測網路聲量
A: 看爬了多少網站,很多寫爬蟲軟體針對單一企業,

Q: 客戶會想先了解過程才會付錢買行銷服務 (尼爾森)
A:  所以我們會幫客戶寫爬蟲程式

Q: 以AI的概念都可以自動生成很好的文案、文章,建議透過AI生成文案協助小編
A: 我們遇到的問題是客戶很刁,客戶要一種感覺,就算機器人產生的文章我們還是要大幅潤飾

2020年9月17日 星期四

20200917心經解析






觀自在菩薩,行深般若波羅密多時,照見五蘊皆空,度一切苦厄。舍利子!色不異空,空不異色;色即是空,空即是色。受想行識,亦復如是。舍利子!是諸法空相——不生不滅、不垢不淨、不增不減。是故,空中無色,無受想行識、無眼耳鼻舌身意、無色聲香味觸法、無眼界乃至無意識界、無無明亦無無明盡,乃至無老死亦無老死盡、無苦集滅道、無智亦無得。以無所得故,菩提薩埵依般若波羅密多故,心無罣礙;無罣礙故,無有恐怖,遠離顛倒夢想,究竟涅槃。三世諸佛依般若波羅密多故,得阿耨多羅三藐三菩提。故知,般若波羅密多,是大神咒、是大明咒、是無上咒、是無等等咒,能除一切苦真實不虛,故說般若波羅密多咒。即說咒曰:揭諦揭諦,波羅揭諦,波羅僧揭諦,菩提薩婆訶。


THE HEART OF PRAJNA PARAMITA SUTRA 
  When Bodhisattva Avalokiteshvara was practicing the profound Prajna Paramita, he illuminated the Five Skandhas and saw that they are all empty, and he crossed beyond all suffering and difficulty.
Shariputra, form does not differ from emptiness; emptiness does not differ from form. Form itself is emptiness; emptiness itself is form. So too are feeling, cognition, formation, and consciousness.
Shariputra, all Dharmas are empty of characteristics. They are not produced, not destroyed, not defiled, not pure; and they neither increase nor diminish. Therefore, in emptiness there is no form, feeling, cognition, formation, or consciousness; no eyes, ears, nose, tongue, body, or mind; no sights, sounds, smells, tastes, objects of touch, or Dharmas; no field of the eyes up to and including no field of mind consciousness; and no ignorance or ending of ignorance, up to and including no old age and death or ending of old age and death. There is no suffering, no accumulating, no extinction, and no Way, and no understanding and no attaining.
  Because nothing is attained, the Bodhisattva through reliance on Prajna Paramita is unimpeded in his mind. Because there is no impediment, he is not afraid, and he leaves distorted dream-thinking far behind. Ultimately Nirvana! All Buddhas of the three periods of time attain Anuttara-samyak-sambodhi through reliance on Prajna Paramita. Therefore know that Prajna Paramita is a Great Spiritual Mantra, a Great Bright Mantra, a Supreme Mantra, an Unequalled Mantra. It can remove all suffering; it is genuine and not false. That is why the Mantra of Prajna Paramita was spoken. Recite it like this:
  Gaté Gaté Paragaté Parasamgaté Bodhi Svaha!

2020年9月16日 星期三

20200916國泰金融科技年會速記

國泰金控技術年會 AWS透過客戶案例分享,間接進行產品行銷 主題 金融業如何數位轉型 國泰數數發的創新應用 AWS的金融營運 本次活動主軸分為Digital/Data/Technology 1.DIGITAL-如何透過數據、技術與商業場景成就頂尖用戶體驗? 2.DATA-將數據轉化為有感服務與價值新商模,開啟雲端運算時代,超前部署! 3.TECHNOLOGY-透過碎片化架構、區塊鏈技術打造嶄新數位平台,創造金融科技的N種應用 思考 How does your operating model align with Business Model? 案例 monzo在AWS上跑了1600個微服務 香港Weland使用AWS進行文件辨識 直播 https://youtu.be/iYwotm6pPlA 議程 https://edm.bnext.com.tw/2020ddt-summit/ 速記 主持人數位時代 黃亮崢 國泰數位轉型-國泰金控 孫志德 1.不是只有數位化(不是只是把線下東西照抄改到線上) 2.很多東西慢慢堆疊(內部文化、外部法規、風控..) 3.還有非常長的一段路在走、終點也一直跑,所以要一直努力 數據驅動 數據驅動的想法如何應用與落實到現有企業或創新 江方韻- 第一步 2015年啟動轉型風潮(轉型1.0、科技驅動) 2019年轉型2.0( 外部-接觸客戶方式、Open Banking; 內部-iot) 因此如何建立data core 透過AI處裡產生insight做到智慧與secure 第二步 創造獨特的商業模式 B2C產業(零售金融受到很大的挑戰) 消費者要的是always avaliable 且個人化 未來要的是mentorship 基於對消費者的暸者 提供我沒想到的服務 做到完美我的life style 第三步 獨特商業模式後,透過數據達到創造新的獲利模式與價值 方法 1.收資料:建立intelligent core 2.rebuild business model 3.data 如何 moneytization 如何獲利 AWS何盧潁 AWS是雲計算的provider,重點在看data用途 資料儲存: 11個9(每100萬年錯一次),存1個月只要1美元 監管: 市場audit check (500 billion/day)(透過50萬的node)(1hr/400萬個CPU code) 創造金流: amazon.com 從賣書賣到現在無所不賣,20年前就開始做資料經濟,分析data了解客戶行為模式, 反思: 推薦系統 國泰 孫志德 轉型轉型就從data開始,目標是希望國泰成為data driven公司 今年花很多時間在人壽轉型辦公室 案例: 他們最好的客戶就是37歲的媽媽做瑜珈 從精算風險定價核保、如何找到她、如何完成交易 如果公司能運用data對經營模式很大的改變 反思: Tagging 對商品貼標籤、描述客戶群很困難(例如 描述愛喝啤酒的那群人=>看小叮噹長大的? 看多拉ㄟ夢長大的? =>真正去描述客戶與貼標籤的方法可能不是一般的屬性,還要想像力與看許多資料 數位時代 (黃亮崢) 組織上中下層是否有想像力 數位轉型就是做app嗎? Q 轉型過程是否只做app就好嗎? 使否要一步步規劃? David: 內部運用新科技都是基礎,未來面對的挑戰是生態圈,特別是大家講在不同應用場景跨業互動,cloud是未來對金融非常大的議題,國際趨勢都是往cloud走,現在最大挑戰是主管機管嚴謹控管下,如何與國際接軌 數位時代 (黃亮崢) 未來是場景金融 AWS何盧潁 資料上去只是開端,數位轉型如何貼近市場過程分四步驟, 1.commit 老闆是否commit 不只是kpi roi、創新的過程很辛苦,沒有風險的創新就不叫創新,因此要有風險的容忍度,創新如果時間對很好,如果時間不對要有耐心持續修正 2.提供員工很多實驗或演進的機會,必須要忍受失敗的過程,不時失敗是沒有迎合市場,ROI很重要但也許不是現在是未來,在所有的創新要確保可以roll back,現有IT是否可以滿足,發現風向不對是否可以收起來,cloud就是很好的應用,例如開100cpu做實驗,2天候,發現不對,收起來,才花100美元,比起買100台電腦划算 3.wow moment: 當看到wow project,老闆願不願意推出來,smooth 推動,整個文化,員工、制度、組織是否可配合 數位時代 (黃亮崢) 最困難的就是人,人從哪裡來?需要那些人? 內部把現有人才轉? 還是靠外部夥伴? 或台灣現在需要那些人? IDC 人才對任何產業都是不夠,金融跨界非常重視現場實際結合 今年美國需要270萬資料科學家 未來找人才engagement model、gig 零工平台、透過這些平台approach 機會 未來企業內部人才如何與公司內部數位員工合作(人機協作互動成果)(如何建立評量人機協作成果) 數位時代 (黃亮崢) 從AWS在美國觀察到人才的趨勢 AWS何盧潁 國內到各大求職網站搜尋雲端人才,AWS人才需求數量龐大 我們也跟學界與產業合作 例如我們今天與逢甲合作雲創學院 與12所大學開雲端學程 雲端服務非常適合轉型與內部創新的工具 人才養成生態圈很重要(建立經驗值) 企業是否提供多元化環境與可容錯工作空間讓人才一步步長大(容錯與創新空間) 國泰 孫志德 我們數數發一直缺人才 我們找人要找有使命感的人(從模模糊糊的市場機會看到解決方案、讓想法落地、帶團隊把案子做到完成、軟性技能) 人格特質(有passion、找出路能力、團隊合作) 數位時代 (黃亮崢) 未來數位工作人機協作 國泰金控 梁明喬 國泰成立歷程 1400萬顧客、5萬員工 4年前開始啟動數位轉型 數數發從數據切入到現在700人(數據分析團隊超過300人) 往生態圈發展 新型態業務成立 想法與階段目標-數據生態圈 基礎架構(有機循環)=>商業模型(應用場景)=>人才(創造集團內外步合作交流) 分析營運化 Data As a service,內部基礎建設與跨部門IT緊密結合從內往外,變成以國泰微服務 數據生態圈(由基礎到開放,由內部到外部) 今日主題 Data as a service (數據運用、業務場景) 數據異業生態圈 打造彈性生態環境 小核心大服務、微服務化 採用hadoop 分散式資料庫(網路行為點擊、客戶非結構化資料) 團隊採用AWS雲端架構作模型驗證(現在主管機關還沒開放資料放雲段 ,目前還在溝通,但混和雲相當重要) 打造微服務架構往上堆疊 內部應用場景 數據分析、CRM、風險管理 新的客戶經營模式、透過AI與前端銷售或服務人員整合、讓客戶體驗提升、用AI打造智能風險控管=>新的智能服務 生態圈場景 從技術與數據角度分享透過數據驅動的商業模式與智能風控、外部場景based on 異業合作 客務經營模式(人與人面對顧客服務過程) 客戶智能標籤平台、客戶智能全視圖、智能數據應用平台 疫情加速器業數位轉型 顧客視圖、電商DMP 客戶視圖 數據分析前要做數據視覺化 輕鬆快速一覽顧客全貌、數據即服務生即客戶體驗、掌握黃金時機主動出擊 用顧客視覺化呈現加值應用 臨櫃、電話進線、輔消視圖 案例1 客服視圖 一個月60-80萬客戶進線在180秒內要拆解客戶問題提供解決方案 客服人員透過客戶視圖有效降低9%問題 案例2 數位行銷流程自動化 問題: 顧客量大客群無法統一、出現很多斷點、用電商DMP概念設計數位行銷流程自動化的DMP 與前線數位行銷同仁整合搭配廣宣,本來7-10天行銷活動,透過DMP減少3-5天完成一檔活動 小節 運用數位科技產生新商業模式 客戶體驗升級 阿發 (證劵、產險、投信、智能助理) 2年前誕生、透過數據分析(從客服角度拆解)定位阿發(從客戶進線80%信用卡問題、帳務性、刷卡問題),因此把此放入第一階段 目前銀行1:1 客服進線先在阿發先做 阿發腦的訓練 建置後還訓練、即將會講話 也把服務推廣到人壽(進線比例超過客服) 阿發這個月生日,祝她生日快樂有小禮物 智能風險 國泰盾,運用資料科學技術,從金融犯罪(反洗錢、詐欺、詐保...) AML案例 以往單一點對點,透過AI找到異常帳戶交叉分析 今年8/28金管會金融開放創新路徑圖提到金融資料交互運用部分 第二階段 國泰服務生態圈夥伴日-易遊網(陳志豪)、蝦皮(梁日威)... Cathay as a service 透過異業結合開創共同新商機 異業合作 客戶(互利合作)、國泰(商業規劃團隊)(洞察場景用戶需求)、夥伴(數據儲存建設) 趨勢將不在是規模經濟而是降低生產成本 案例-電商(蝦米貸快速申貸)與電商平台合作推出創新金融產品 數據驅動村生創新產品體驗、全程數位化、大數據信貸(實現小白賣家普惠金融) 案例-旅遊 (易遊網) 全台第一個保險監理沙盒首例、一站式購足客戶體驗有感升級(投保流程融入易遊網)、全程數位隨時隨地投保(一分鐘快速旅平險投保) 異業 電商電信旅遊交通 未來 IOT、醫療 由數據合作達成合作夥伴目標 客戶價值、數據價值、服務價值、市場價值 由infra、異業、人才 目前人才面 數據公民計畫、樂於技術分享 人才加速CaaS動能 (DOCN 19/20、PYCON 19/20、WDS 20) 打造數據共榮數據生態圈 異業合作 資訊科技、金融人員獨享一泊二食專案 高峰論壇 黃亮崢、趨勢科技洪偉金、AWS王定凱、吳香妮 Q1: 台灣上雲趨勢與產業因應之道 A: Rober: 一則以喜一則以憂,新創與企業轉型政府政府力道很大 AWS營收400億美元(1兆2千億營業額)(每年30%成長)(台灣政府歲入一半) 雲有相當高進入障礙,有相當高的戰略價值、Airbnb/uber/netflix 獨角獸都是我們客戶、很多人做從0到1,但從1到100交給我們 美國聯邦政府超過一打一上(國務院、國土安全、財政部、CIA、金管會、聯邦政府...)都把他們的服務都放到AWS的雲、3個月前日本政府放棄他們的霞關雲要移轉到AWS來 黃亮崢 大家想一下,地球上還有很多90%實體世界的東西沒有數位化 想像一下產業規模、用量、技術門檻多高、多困難 看起來上雲門檻降低,意味大家都做了嗎? 都很容易嗎? 公司很難、企業很難、政府也不容易 Q2 上雲門檻降低,但台灣企業組織政府又做了甚麼呢? Rober: 1.我們從2016成立AWS,大型組織有很大挑戰,大家把idea 做prototype,工程師都偷偷在做, 2.企業在遷移過程,從小的開始,從周邊慢慢做到核心 另一種問題式無感,IT沒有跟主管提到技術演進,導致用舊的武器打新的戰爭,這次疫情喚起許多企業,注意到線下轉線上,科技戰,用新的思維因應戰役 傳產也許OK但新創要看每日AU,且IT是作戰單位不是後勤單位 開發者技術者最怕學不到技術年輕人不進公司 黃亮崢 上雲安全嗎 趨勢科技 我們是公有雲heavy user,我們也是安全提供者 我們有超過6程應用在雲上(很難有天花板) 因為開發在雲可節省70%開發時間,開發地端應用可節省30%時間 駭客也在用雲,對我們來說時間就是商機,速度就是決勝點 講安不安全是有趣的問題,安不安全不是是非題,他是光譜 雲當然有風險,但與地端相比,相對安全 因為infra有AWS這類的operator在host 如果AWS出了問題他比誰都緊張 大家有比AWS更多資源嗎 趨勢很早就在開發cloud security、contianer security,這一塊是公司成長最快的 國外security用的很多 我們反而是用來阻擋用雲的理由 數位時代黃亮崢 錢放銀行安全還是放家裡這是假議題 其他市場成長飛快但台灣為何比較慢 國泰吳香妮 上雲這件事既甜蜜又害怕 國泰數數發具數位轉型與數據應用的使命,運算效能越快越能將成果time to market 過去機器設備採購必須經過許多流程,但在雲端環境設備系統可以一健完成 資料科學新技術是重要核心我們有資料技術研發中心 Spark、ETL、auto ML、資訊串流處理引擎 數位時代黃亮崢 數據驅動需要數據源(spark、autoML建模工具)是否有好的工具套用在這些題目上,但time to market 如何快速佈署、資訊安全、隱私、合規議題如何符合現有法規 上雲過程如何做好security、compliance? 國泰吳香妮 Lab在雲端做新技術探索並未有客戶資料,而對客戶數據分析般到雲端就涉及到客戶資料上雲的問題,所以國泰在2017就對主管機關委外管理辦法對於境外申請報准動作, 上雲心得 1.境外雲端環境所在地(當地國家對客戶資料保護並不嚴謹) 2.掌握雲端業者內稽內控實地查核或找第三方顧問公司查核 3.內部問題(資安、機核、法務...) 4. 客戶資料保密( 加密、透過專線上傳、在雲上面資料除了isten加密還透過金鑰加密、也符合主管機關要求) 數位時代黃亮崢 公司有內部衝突(雲公司、security公司)如何做到同時兼顧 趨勢科技 洪偉金 從雲的角度 難關來自compliance,上雲不難( 自己寫比用雲來的貴還慢) 上雲是不可逆的趨勢 這東西是早晚要學 難處不在是安全問題而是技能上的轉變 從安全角度 資料外洩不是雲平台的問題,而是設定的疏失,雲太快了,沒去check,又與公司內部連線。建議做好configurtion,並透過工具check 過去資安問題很多是漏洞上patch問題 安全性而言,雲不是比較不安全,而是config、security check 數位時代黃亮崢 科技浪潮一直來一直推,可以選擇不去實踐不去用,但科技一直來,懂得掌握的人反而取得優勢,與其質疑他不如擁抱 美國本土還有許多data center 用很快的速度在興建 台灣電子5哥還在拼命的出貨 有很多技術很多工具很多方法(讓你更有競爭力)(對人是挑戰也是機會) 數位時代黃亮崢 台灣在面對雲的趨勢,台灣產業(金融/政府)有沒有可以提供給大家的想像力 Rober 在雲的世界是無國界,市場是無限大,在雲的世界,你在哪裡不重要,不影響你使用他的服務,不會受到實體限制 重點在解決方案解決什模問題,解決越多人的問題,市場就越大 解決逢甲問題、解決台中、解決台灣問題並無法變成獨角獸 以前有百萬等級的量才跟你談 現在AWS拿到的技術與airbnb/uber一樣 問題是我到底要把技術集中資源在哪裡,要多快? 新創戰略? infrastructure架構? 平台獨立性? 要做的事太多但資源受限? 自己刻東西拖慢產品推出、如何小步快跑 金融就是demand or supply 如何運用技術優化 金融遇到監管(主管機關是助力還是阻力?) 現在世界都是打速度打創新,監理單位本身也都是競爭,香港都關心新加坡MAS在做啥? 檢理單位思維在調整跟改變,重點在速度。會不會技術不到位,RegTECH是可以跟新創合作,資安政策是否可拿來發展RegTech的後盾,例如異常交易分析? 機會無限,建議新創不要因為法規限制就限制自己 數位時代黃亮崢 1.小步快跑 2.安全不是藉口,有很多工具,很多人才,全世界駭客在台灣練兵,高手在民間 3.全世界不是只有新創、企業在競爭,政府也在競爭,如何跨出這一步,案例: 全世界180個國家賣珍奶,生意從台灣走出去,是用雲很大的課題 國泰公關 如何用更長遠的眼光做決策 從0-1建數據生態圈 今年針對保險平台從使用者角度扭轉以前看事情角度從中後台來看 國泰金控數數發 (數位數據暨技術發展中心)張維仁 碎片化技架構開啟保險新時代 2015年開始進行數位轉型,與麥肯錫合作 中台的發展成為數位轉型重要技術基礎 團隊在去年從銀行調任金控希望在在不同領域轉型規劃分析與協助 數數發新型態發展團隊 生態系夥伴朝向多產品多通路方向發展 場景保險(旅遊電商醫療住宅電信交通IOT) 未來保險趨勢 碎片化需求(對客戶更好)(碎片化與差異化)、迎合數位習性(服務更迭更快)(無斷點線上服務)、商業市場拓展(商業場景更廣闊)(無縫銜接)、數據演算(更懂所需)(客戶體驗增值) 通路商帶領產品商 挑領域做保險領域轉型 場景保險技術發展方向: 1通路發展前端多元化、2.打造技術中台基礎,建置產險業務中台 3.商品碎片化與快速組合能力(根據碎片化內容做產品包裝) 傳統壽險核心系統架構發展方向 不是只有換核心系統 通路(客戶數位服務入口、業務服務入口、外部通路) 模組化基礎: 保險核心(核心承保模組、核心保單模組、客戶資訊CIF、核心理賠模組)(Payment)(保險核心資料庫) 思考: 轉型到底要不要換掉我的核心 利用微服務架構、打造產品業務中台接軌通路生態發展需求 讓核心回歸輕量乾淨本質 通路前台、服務中台、產品後台 透過保險中台來滿足各種通路的需求 產險中台技術基礎 DevOps、Microservices、Containers、CloudComputing、Event Driven、Domain Driven Design DevOps(CI/CO 自動化、開源技術、維運一體化) Kafka為基礎的事件驅動應用系統架構設計 微服務要多小要多微? 怎麼知道我拔的服務正確 Containers(Kubernetes、OpenShift) 業務中台、數據中台、技術選型 碎片化服務重要關鍵(event driven): 多重異質資料庫即時同步、訊息傳遞革新、跨雲資料同步 以開源軟體維技術基礎進行環境建置 產品工廠 碎片化業務中台架構設計 組建式、參數式、產品式、套餐式包裝需求=>以客戶中心訂製化商品>通路產品應用(場景、導航場景、停車場景、居家場景) 效益 新產品 新產品產量提高10倍、系統開發時程減少50%、產品開發時程減少75% 系統開發 環境建置時間減少87%、測試環境建置時間減少99%、程式碼佈署時間加快6.5倍 高峰對談 金融科技的N種應用協力共創開放金融 數位時代(黃亮崢)、政大(王麗玲)、國泰人壽(吳總尉副總)、昕力資訊、AWS(Young Yang) 國泰人壽 國泰人壽與韓國新創合作經驗 客戶投保如過付上X光片可透過醫生判讀決定是否承接保險(5-10mins) 韓國新創透過AI結合深度學習協助判讀(疾病病程風險)改變現行判讀方式 Lesson Learn: 透過AI節省醫生判讀時間(只要2mins)甚至未來取代醫生判讀,準確度提高、判讀過程完全數據化(AI還有預測功能可以用在未來健康管理,保險公司理賠金額降低,創造雙贏) 數位時代 黃亮崢 AI影像應用=>醫療影像應用=>保險應用,是否除了POC還有更多未來提升客戶體驗 國泰人壽 結合物聯網應用將越來越普遍,未來持續觀察新創技術應用 臉部辨識應用在醫學上的使用越來越普遍(透過AI掃人臉判讀年齡、BMI、特定疾病),手指頭放在手機鏡頭可量血壓 未來保險提檢診斷資料,光排隊就很久客戶體驗不佳,如果能結合運用在保險 外溢保單可以在推動健康促進 可以改善客戶體驗 讓保險經營正向循環 加速落地 王麗玲 FINTECH與TECHFIN 有沒有台灣業者、新創可以試試看去做的創新服務 2016年金融科技發展白皮書也5年 FINTECH不可逆 這會改變消費者習性甚至是雙贏 本來是走沙盒,後來可以走試辦 從投資理財的優化、Covid19、消費者快速開戶其他國家走的更快 Leading的金控也開始做 除了提升客戶體驗外要做到better 台灣與普惠金融,要解決台灣問題, 台灣資金過剩,害怕投資風險,把短期投資便長期投資 高齡社會讓大家更年輕就開始做退休理財、長照、大健康 建議金融機構多跟新創合作(從流程優化、快速落地、從可以容易落地的地方做)(至於現行法規比較難做的部分可以走沙盒) 熱情(passion)與耐心 數位時代 黃亮崢 技術上用ABCD(AI、blockchain、cloud、data) 外還要有熱情與耐心克服難關 但如何有耐心 王麗玲 金管會是否改名除監理外還要加上發展 讓改變速度加快 業者改變mind set 今年黃主委8大路競圖 從regtech來support fintech 每次創新要從regtech出發 開放銀行的走法也碰到許多問題(參與者、消費者、主管機關共同面對) (9/2x 政大研討會) 將更具體問題具像化透過公開方式把solution丟出來希望政府通過 數位時代 黃亮崢 主管機關主動推出發展路徑圖、央行主動提出數位貨幣均相當不易 AWS 1.根據統計80%的人90天會忘記密碼 2.NUDATA 被 mastercard併購,他做biofeature,人登入後打字速度、拿手機角度這些都是flow detection。美國個人account被偷45%,造成5Billion損失。駭客登入80%先改密碼,10%-20%會改個人email,此新創透過偵測這些異常行為, 昕力資訊 API經濟(每個階段的安全等級) 案例: 超商繳費代收痛點(客戶印帳單、遺失補發、超收收到這麼多帳單光整理要花5-7天,透過FTP檔案上傳銀行,銀行銷帳透過模糊勾稽比對銷帳,重複繳費或金額出錯都要人工介入)(透過API平台產生繳費二維碼讓客戶到超商繳費及時到銀行端銷帳造成三贏) 數位時代 黃亮崢 超商繳費類似票據交割、如何透過雲端整合需要整合多方資訊(金融機構、便利商店、管委會、有線電視公司...)的整合 這樣的工作是創新也值錢 AI是否取代人類工作、但技術與解決方案都有門檻與極限,如何選擇 國泰人壽 電影變人(羅賓威廉斯主演)這樣想像這幾年不會發生, 企業導入AI的方案選擇(服務導向-國泰阿發、信用卡查詢繳費)(千萬不要跟阿發談感情)不要認為AI可解決所有問題 不要認為買入系統可以解決(現在阿發才2歲) 很多技術在天上飛重點不是天上飛而是如呵落地(SI業者) AWS 建議把business problem 換成ML的能力 建立data community DevOps 小步快跑

2020年9月14日 星期一

20200914數據共享如何同時兼顧隱私保護-速記

【FTS新創講座】

數據共享如何同時兼顧隱私保護
日期:2020年9月14日 (ㄧ) 13:30-17:00
地點:金融科技創新園區 百人空間

開場
數據共享如何兼顧隱私保護
如何做到數據共享

主題一 Sean Shih 施律師
全球隱私保護發展趨勢、GDPR只是起點非終點

金融機構案例1
capital one 被罰8千萬美元
  • 理由是2015年把IT service放在公有雲。但沒有做風險控管

金融機構案例2
  • 2020 Morgan Stanley 被罰500萬美金 Data Breach Suit
  • 資料沒加密導致外洩、被發現後花了1年才報告(過於遲延)

因為資料被罰
  • 2019 FTC's  $5B 美金罰款
  • 消費者選最嚴隱私設定但還是出現在第三方開發者
  • 第三方是否對消費者有足夠保護(沒查核)
  • 照片辨識功能(FB by Default 都開啟,消費者被誤導)(要求提供電話號碼說為了安全卻提供給廠商

要求設立獨立Committee (independent Privacy Committee)

Data Privacy的灌注議題
歐洲法案關於跨境傳輸 
  • 歐盟在境內蒐集的資料如果要送境外是禁止的除非歐盟執委會認為是安全的
  • 企業需簽訂歐盟執委會契約條款規範雙方權利義務,申請集團BCR (集團內部自由移轉)
  • 特別例外 隱私保護護盾(EU-US privacy shield) and Stamdard Contractual Clauses (SCCs)
  • Schrems II (Case C-311/18)判決認為上述仍然無效,必須評估當地政府對法規的要求
衝擊
  • 5000家參與EU-US Privacy Shield都受影響
  • 受影響最大的就是大型科技公司、高度監管行業(金融、醫療照護)
  • 美國再進行新的一輪協商
效應
  • SCCs仍然有用、但必須證明第三國法制
  • Binding Corporate Rules BCRs 本來就是跨境傳輸的標準(歐盟)是目前相對安全作法
  • Deogation、去識別化、解密金鑰留在歐洲境內、重要資料流歐洲=>實務上仍不可行
GDPR Review
  • 已滿2年、超高額罰款(4%)、72小時內要做個資通報、特定企業要有DDO、DDIA評估
  • 被遺忘權、automation decision making and profile
  • Main Finding
    • 目前無修正必要、但人力資源不足
    • 歐盟彼此間協調安排不夠、雖適用歐盟各國但給大家解釋空間、但發生解釋不一致
  • Action Plan
    • 發布更多guild line
GDPR
  • 有340件處罰案例
  • 英國是處罰金額第一名
  • 罰款最高企業 Marriot、Google(罰5000萬歐元)、FB(5 Billion)
美國最關注話題
  • 加州CCPA、CPRA
美國US Privacy Law
  • 沒有聯邦層級規範、主要是行業別
  • CCPA為何重要(美國第一部最像GDPR的法規、是美國各州效法模板、加州是全世界第五大經濟體)
  • CCPA在202001生效 由美國法務部頒布
CCPA Requirement
  • 消費者可要求經營者不要賣他的資料,sale的定義是廣泛的定義,sale的定義包含資料交換
  • vendor可以提供資料但必須在合約中對資料運用有限制
CPRA or CPRA 2.0
  • 今年大選選票納入調查
亞洲狀況
  • 澳洲、香港、新加坡 是遵循OECD 8個原則
  • 其他國家新法規難免受GDPR影響
  • 亞洲許多國家正在研擬
結論
  • 資料隱私是正在發展的領域、GDPR不是結束、而是開始

羅至善

數位金融下思考定位
國際趨勢: 全球14個政府推動open baking政策、目的: 支付透明、普惠金融、創新機會、數位經濟
產業層級: 提升競爭力吸引金融創新人才、強化在地創新能量、將金融科技發展視為推動數位經濟重要基石
機構層級: 透過建構數據發放策略、力保市場定位、強化自身數位競爭力

歐美推動負責任創新及數據共享

歐美
美CFPB、歐盟PSD2&RTS、英國OpenBanking

亞洲  個人金融數據權、三方關係
新加坡(My Info、SinPass、CorpPass)、澳洲(CDR)、香港(中央個人資料庫KYC Utilities、KYCU)

國外趨勢2:數位金融四大新商業模式
A. Full Service 權自足服務(主攻型)(定位在市場全自營自製自銷、但封閉式金融服務減縮)、
B. Utility元件提供者(支援型)(定位在金融元件中上游供應商、機會在跨域產業數位金融服務)、以遠銀信託為例、PaymentGateway、KYC Credit
C. Supplier商品服務提供者(支援型)(定位在金融商品設計與供應者、機會在通路合作網路)、眾安車禍險、永豐分群產品策略、(個人化信貸、客製化理財、創新保單)、分眾產品研發力、金融數據共享機制、金融API
D. Interface 平台介面提供者(主攻型)(定位在金融開放平台營運商、機會在擴大跨業服務場域)、自組生態

產業現況
三大驅動力:  數位市場(核身)、數位監理(數據治理)、數位生態(夥伴管理)  

數位監理為全民運動
  • ekyc :  身分驗證、KYC、身分識別、法尊流程、驗證強度、法尊流程數位化
  • 市場資訊即時監理
  • 防詐欺預警
  • 開放銀行

個人數據可攜
  • 對第三方業者的核規應跳脫1對1關係、應由獨立機構協助雙方進行合作
  • Account based  (第三方數位帳號認證強度評估、帳戶價值評估)
  • Api-based  ( 開放銀行政策、數據分類: 開放、帳號個人資訊、行為數據、帳號交易數據、交易資訊)

開放金融改變金融服務市場發展流程
  • FIN(執照/產品/市場)=>FINTECH(市場/產品/監理沙盒與自律規範/執照)=>OpenBanking/Finance(TSP/市場/資格取得/金融API/新產品)
  • 各自的流程不同,無法一步到位

創新試辦
  • 單一流程實證
    • 產出關鍵API建議版本
  • 多元情境實證
    • 可商業化應用情境
  • 產業網路實證
    • 商業化建議

創新生態三大關鍵元素
  • 氣業數位共識發展(數位策略)
  • 金融數據合規共享(數據交換無塵室)
  • 金融開放創新生態(企業家速器)

數據合規共享:數據交換無塵室
  • 跨金融、電信、社群、行動、零售、店商客戶交換數據

長期目標


國內案例實戰分享   國際通商法律事務所邱珮冠

前言
[銀行]銀行法48條第二項: 銀行資料不可告訴別人,除非主張他不是客戶資料(去識別化)
[銀行與新創] 台灣個資保護法第8條第二項/第19條第1項 : (蒐集、拿到、處理、利用)、目的內與目的外、消費者在銀行開戶是否有想到資料會被拿去做數據建模、
[金控]金控法42條、銀行證劵保險不方便做透過金控來做?在法規認定比其他單位做更合法?  金控要蒐集子公司資料甚至分析完要倒回子公司都有嚴格規定 

應用
銀行證劵保險金控想拿更多數據來分析、新創有很好的APP與客戶累積許多數位足跡想將這些資訊與金融機構交換
如何創造價值也符合法規

可能運用情境(出戶、他方數據、建模、分析結果)
  1. 出戶倒異業合作(他方為金控內子公司、在金融業金建模、金控與子公司是否可相互分享)
  2. 出戶至金控(他方為金控外一般國內公司、在金融葉子公司建模、分析後之重新識別與貼標)
  3. 出戶至金控金融子公司(他方為金控海外子公司、在金融業雲端建模、是否可與異業分享)
  4. 出戶至金控非金融子公司(他方惟一般海外公司、在第三方建模、分析目的是否影響法規適用)
  5. 出戶至雲端(在他方建模、海外分析可否回國內使用)
  6. 出戶至海外子公司(何時需要課戶同意)
問題
  • 在第三方可行、但是否有數據無塵室的規格
  • 誰可以分享結果? 金控分析完可否跟各子公司分享? 銀行可否給金控分析完後給其他公司分享?
  • 台灣金管會還沒意識到數據建模等領域正在新興發展

新創/科技業者把資料給金融機構的注意事項
  • 檢視自己的隱私權條款
  • 是否在特定目的範圍內
  • 是否符合APP上架條款
  • 是否有非台灣人個資(導致必須適用美國或歐盟GDPR)
  • 商業合作夥伴(注意商業合作條件、公不公平、合不合法)

金融業者取得第三方數據注意事項
  • 不得增加個人標籤
  • 審視第三方業者隻個資個知識項及隱私權條款、或可請業者出具合法取得聲明書
  • 確認取得者為各資或數據
  • 分析結果注意偏誤及歧視問題(注意欄位選擇)(男性與女性授信標準不同是否因樣本母體或參數問題)(避免涉及歧視偏誤問題)


如何建造去識別評估方法-中研院 黃彥男主任

前言
過去與工研院與資策會合作open data 去識別化的工作
資料分享都會遇到隱私保護的問題

AIOT機會
  • Data (IOT、5G、AI)...

問題
  • 法規、安全、道德、效率、隱私

敏感資料如何適當保護
  • 去識別化
    • 199X年 美國麻州放出資料(就醫資料去除人民)(留下生日、郵遞區號、性別、就診資料),美教授透過此資料搭配競選資料找出麻州州長病例衍生紛爭
    • 郵遞區號、生日、姓別都可以被識別(可議辨識出95%)
去識別化
  • 國家標準CNS 29100

方法
  • 直接識別、間接識別

隱私保護/去識別化技術
  • 加密Encryption、匿名化Anonymization、Access Mediation(multiple queries)、Adding Noise(差分隱私、Differential Prvacy)、Machine Learning(透過學習產生合成資料但保留資料特性、Autoencoder、Federate Learning)

隱私保護技術(以k-anonymity為例)
  • 一個資料可以找到k組類似

差分隱私
  • 透過不斷的問項統計會洩漏出許多機密,因此在回答時要加入噪音(雜訊)

去識別化驗證輔導內容
  • 幫助業者去識別化並評估效果

Data Re-identification Risk
  • Other public datasets and information公開資料
  • NonPublic dataset: 不是公開但卻是公司的個別資料
  • Personally observed information

隱私風險評估 k level
  • L-Diversity
  • K個人的敏感資料至少要有L種數值(數值分散)

建構金融與跨域數據合作的無塵

調查網路APP應用
  • 台灣各APP類型中金融類占網路使用人口40%

跨域數據價值共享之產業效益
  • 金融機構(大早創新金融服務、擴大應用範圍、信用評分服務優化、數據隱私保護機制建立)
  • 第三方服務提供者(金融數據合作建構新商模)(User Consent-Based 提供必要蘭為保護消費者數據)
  • 使用者(適當且合理獲得更好場景金融服務)僅提供必要個人資訊

案例
  • 串接數據,銀行跨足小微借貸數據
  • Webank
  • Kaggle信用卡交易詐欺偵測

數據交換三場景
  • 數據供需媒合(雙方交換)
  • 商業可行性實驗(雙方串接)
  • 數據開放(單向出戶)(加值分析應用)

跨域數據交換實驗目的
  • 客戶同意前
    • 數據以去識別=>數據合歸檢測器=>(數據交換無塵室)(實驗目的: 跨域預測模型)
    • 數據無塵室服務架構=> ISO 27001
    • 讓跨域數據可以共享且風險可控合規
  • 賦能分析實證
    • 提供A方B方數據建模
數據無塵室
  • 中研院、ISO、TSP業者、法規顧問、價值共享

Q/A 去識別化的方法
  • 律師
  • 分析場合要看公司在法規上是否被核准、有沒有涉及委外,不是課戶同意即可,要看金融法規個別規定
  • 即使你只是回到個資法,金融48條第二項,沒有說客戶同意銀行就可以不保密,第二階段消費者可攜權為何還要試辦因為台灣法規不是消費者同意就可以做所有的事
  • 例如行銷與風險管理要看金控的規定
Q/A 在數據交換中再回來識別是存在,這樣繼續下去就沒辦法去識別交換,是否還有一些方法,放寬或合理化去識別化
  • 中研院
  • 看目的,例如財稅中心要資料算國民平均所得,不能拿報稅資料,如果不是用在個人,就可以放寬,例如1萬人資訊但保留1千萬人的資訊
  • AI的問題是必須要到個人因此必須要做個別的去識別化,one2one mapping的風險,這時就要估計其風險
  • 有些技術可以用數值化判斷其風險
  • 可以透過加noise(例如知道一個區域的速度資料但不知道個別的速度資料)(
  • 透過實體安控、無法透過一個識別工具one fit all、他是一整套的解決方案(整合法規+領域應用+去識別工具的挑選)
Q/A 國外GDPR環境下,大家在選填我已經閱讀與願意,企業端平台端要提供因為提供服務而跟客戶要資訊,客戶是否有部分拒絕的權利,是否不要零合,可以有部分授權的機制?
  • 律師
  • 以GDPR的標準,他的同意是有條件(specific、很清楚地告知、小學生可以理解的告知訊息)
  • 建議可以透過icon或階層式提供
Q/A [現場提問]李開復說曠世科技取得螞蟻金服大量數據並取得商業化方向,請問人臉算不算重要個資,如果是的話,我們在社群放的照片的問題? 目前人臉有沒有技術可以管制? 法規有沒有安全相關的管制?
  • 律師
  • 臉部辨識在西方國家是非常敏感的議題,英國或歐美警方執法單位很希望可以運用來執法,但使用上當然有疑慮,在GDPR下,CCTV要寫一個牌子說我有在錄影,在法規層次對於個資來說有區分不同程度(一般性個資與敏感性個資)(像指紋與虹膜)在GDPR要看目的,是否用在辨識人就算是個資
  • 台灣有對這部分法規,目前還沒有特定針對臉部辨識的法規,但國外芝加哥(伊利諾州)有立biometic infomtion act,提到使用人臉需要取得消費者同意,因次要求臉書賠償上百萬消費者(每個人幾百元和解金)
  • 教授
  • 現在臉部辨識技術成熟( Google photo、Facebook)
  • 現在也發展一些技術讓辨識辨識不出來
  • 國外也立法不准使用影像辨識
  • 鼓勵申請iso27001 or iso27701(數據)
  • 擷取很難避免及如何管理才是重點
  • 目前科技部有人工智慧科研發展Guideline
  • 建議廠商只擷取feature不要擷取影像
Q/A[現場提問]是否有機會由中央提供類似新加坡的API
  • 金管會最近有提出路徑圖,內政部提出EID、F-FIDO(financial FIDO)(運用自然人憑證等)  TAIWAN FidO 臺灣行動身分識別
  • 國發會也有Mydata 目前是給到政府部門,做個人識別是最關鍵的點
Q/A[現場問題]請教GDPR個人資料會不會流到境外問題,如果個人資料存在雲端到底是以公司所在地還是Datacenter所在地? 跨境資料分析,委外到其他地方,金管會說當地監管強度不可低於我國,與剛剛拿到境外監管弱的地方分析等論述,是否有矛盾
  • GDPR跨境傳輸由一方傳遞到另一方,因此他看的是所在地,因此第三方雲端服務供應商的雲端機房放在哪裡,歐盟境內或境外,一些第三方服務供應商也提供歐盟境內的entity
  • 台灣金融機構在越南東京泰國,如果要做數據分析可以挑泰國分行來做,是因為當地法規較鬆,但限定用泰國當地的資料或當地客戶,不過國外法規沒有規定是否可以把模型拿回來台灣用,有些金融機構從海外分析完拿到台灣,不過也碰到很多困難
  • 金融機構委外雲灣(要拿到當地金檢查核,或當地律師出具法律意見)(主管機關表示兩邊地方都要拿法律意見)(因為法規問題,建議從最保守角度來看)
Q/A[現場]區塊鏈公司詢問,數據檔案改成hash值存在區塊,請問hash是否個資,另外區塊鏈是否受各國法規限制
  • 區塊鏈在做存證,是把行為軌跡放區塊鏈,但數據並不會放在區塊鏈,住要是用在監理,軌跡會hash上鏈,但個資不會放
  • 中研院
  • 看目的,如果把區塊鏈當data base來看,也是要考量個資
  • 律師
  • 從GDPR來看,第一在歐盟穩定營運(establish)就算,第二是針對歐盟境內的居民

2020年9月6日 星期日

20200906 AI論文研討筆記

 20200906 AI論文研討筆記


何謂QKV?
在NLP領域,Q代表一整句話的EMBEDDING,K=V代表著每個單詞的EMBEDDING,K和V相等是因為,KEY只是一個索引而已,最終的值都是VALUE

LSTM=>transformer(Seq2seq)=>bert=>nlp
LSTM(因為要一個字一個字訓練太慢)
Transformer(一次丟20個字)

研討素材
1.論文 Frustratingly Short Attention Spans in Neural Language Modeling
2.Learning Word Embedding-QKV
Word2vec Parameter Learning Explained
3.論文解説 Convolutional Sequence to Sequence Learning (ConvS2S) 
4.Attention

延伸閱讀

課程二 06B_NNLM

重點
NNLP的核心如何理解
從未來找線索,Word2Vect有對NNLM的說明

結論
看知乎(點閱率高的文章)

延伸閱讀

課程三 word2vect

重點
Word2vec 就是NNLM的簡化版

論文

課程四  06C_Word2vec

重點
Hierarchical Softmax
霍夫曼樹中有 V-1 個中間節點,V 個葉節點 
On word embeddings - Part 2: Approximating the Softmax

結論
  • Word2vec v1: CBOW and Skip-gram
  • Word2vec v2: Hierarchical Softmax and Negative Sampling
  • Word2vec v3: Simplfied Word2vec v1 and v2
  • LSA: Co-occurrence Matrix+SVD
  • GloVe: Word2vec+LSA
  • fastText v1: CBOW and w(t) to Label
  • fastText v2: Skip-gram and Word to Subword
  • WordRank: Word Embedding to Word Ranking

論文


觀察
好的文章會引用好的文章,也會被好的文章引用
讀論文要讀他以前引用的論文

產業應用

課程六:  如何讀懂一篇論文以LeNet為例

閱讀順序
LeNet:  LeNet1LeNet2LeNet3LeNet4LeNetLab

總結: 建議翻譯AlexNet論文
作法: 一天一小段

2020年9月5日 星期六

20200905[AIOT活動]Appier分享會筆記

主題:AI數據應用與會員經營

大綱:
1. Appier團隊介紹
2. Martech 行銷自動化分析
3. Appier AI平台服務及案例分享

筆記
企業數位轉型的關鍵是? CXO?CEO?CTO?CMO?疫情?
美股史詩般暴跌,一度狂瀉1000點,蘋果+特斯拉跌去一個茅台(4000億)
當G20變成G2
企業必須專注培養實力增加自己價值
9/4台積電收盤429

我們錯過了internet的年代(如何從流量變現)
  • 現在更要靠意志力和專注持續投資數位轉型跟上世界腳步
生活型態改變
  • 消費行為改變=>商業模式
數位基礎建設影響股票表現
  • 特斯拉從100多漲到2000多
  • amazon、netflix、apple、facebook、google
  • zoom漲了4倍
一杯看似簡單的星巴克背後藏了許多不為人知的科技
  • 6月預估虧32億美元 關了幾百家店
  • 開啟數位轉型之路
把劵發好不是件容易的事
  • 政府三倍劵=>部會加碼=>企業跟進
讓AI幫你預測消費者行為極大化發劵成效
  • 400個標籤數據為重要資產
除了把劵發好AI能預測甚麼
  • 推播振興劵,效益:有432萬人知道振興劵應用
金融壽險零售流通店商電玩 透過AI提供行銷
Appier發展歷程
  • 獲選top 50世界AI公司
Appier服務
  • 針對企業用戶透過雲端結合AI搜尋出用戶行為
  • 例如透過推播讓380萬會員的10%可以買更多
內部資料+數位足跡+真實輪廓
  • 數位足跡(站內互動)(客戶資料)(註冊資料)
  • 內部資料(CRM)(客戶資料)
  • 真實輪廓(站外興趣)(AI模型)

通路為王
  • 7-11 開5800多家、全家開3400家
  • 7-11過去賠了7年之後,在2018營收達2000多億
  • momo(去年了532億)今年第一季做了151億預估今年600億,MOMO有400個IT與資料科學家
  • 麵包店透過10元折價劵套取客戶資料累積數十萬用戶資料

數位軌跡
  • 地方資料+第二方資料(DSP/DMP/CDP)+第三方資料(透過爬文經過AI分析)

Appier平台
  • 2012 Cross 程式化購買平台
  • 2016 資料科學平台
  • 2018 
Appier 系統架構

何謂精準行銷
動態精準行銷
  • (麥味登)(766間直營店22間加盟店)
    • 不同階段給予不同訊息
    • 當客戶沒有結帳會啟動推播
    • 下次客戶在開啟APP經過AI模型(點餐消費習慣)推播相關訊息
  • 里仁(40幾萬會員)(回購率7成)

價值
  • Appier在亞洲觸及近7億人20億台裝置
  • 在印度有3億8的人可以透過手持裝置推播

國泰人壽+Appier
  • 讓58年的壽險員用科技數位轉型
  • 透過AI知道VIP頂級客戶的軌跡以提供有溫度的服務

CRM整合
  • Camma App、85度C會員App、六角美食通App、摩斯漢堡APP、麥當勞報報App、萊爾富App

思考
  • 兩杯美式咖啡就拿到你的個資

Appier平台服務
  • 客戶站內站外預測

Slogan
  • 自律自主自由的Appier
良緣平台
  • 當自己的貴人 當別人的天使
Appier 企業文化
  • Open minded
  • Direct communication
  • Ambition

QA
  • 請問貴公司在AI應用主要項目
  • AI數據如何用來會員經營如何預測下一步需求
  • 如何用AI精準行銷?除了RFM外是否還有推薦的分析方法
    • R最近消費日、F消費頻率、M消費金額
  • 目前偏好領域,2020年全球/日本/台灣比例,RoadMap想法
  • AI發展歷程軌跡?AI深度應用領域挑選看法與建議
  • 如何找到自己公司在AI領域的商業應用
  • 在AI行銷服務領域的特色?與iKala差異

現場提問
  • Q: 取得客戶資料數位軌跡是否有取得客戶同意?
  • A: 其實資料已經去識別化,到AI模型是認手機識別碼,明年將送GDPR及加州法案,而數位軌跡必須不可辨識,此外,Google也在思考將cookie拿掉,所謂AI模型就是不斷的交叉比對,例如可知道某個ID對某個文章或者相關資訊感興趣,可以掌握其8周行為
  • Q:平台訂閱制的商模
  • A: 例如運動手環廠商想發展運動界的Netflix,透過與Appier合作,讓客戶會員願意下載變成付費,原來會員不多,但如何導入新會員,是否讓會員願意付費,甚至幫客戶曝光讓Apple願意跟他合作可以整合apple watch,前三個月透過客戶成功經理CSM做系統整合
  • Q: 劍橋事件的看法
  • A: 不碰灰色地帶的客戶,例如電信、金融資產管理顧問公司呆帳客戶
  • Q: 商業模式與獲利模式與獲利產業
  • A: 企業的價值比估值重要,Appier要做「有價值」而非「只有估值」公司

同業

延伸閱讀

延伸參考