首页>会议文档 >

TalkingData 鲍忠铁 - 从数据中发现商业机会

page:
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会
TalkingData 鲍忠铁 - 从数据中发现商业机会

TalkingData 鲍忠铁 - 从数据中发现商业机会

所属会议:知机识变,有唐之盛-T11 2017暨TalkingData智能数据峰会会议地点:北京


下载

手机看
活动家APP客户端

扫二维码下载
或点击下载
Android iOS

7490次
浏览次数
知机识变,有唐之盛-T11 2017暨TalkingData智能数据峰会所有文档 总裁助理兼大数据中心总经理、首席架构师蔡栋Charles Cai - 传统行业的升级和创新_部分2 微软亚洲研究院 王井东 - CNN Architecture Design:From Deeper to Wider_部分1 微软亚洲研究院 王井东 - CNN Architecture Design:From Deeper to Wider_部分2 兴业数金 张振原 - 中小金融机构智能数据应用发展趋势 叶杰生、陈日涵 - 让海量移动数据产生价值 云量科技 屈攀 - 知识赋予金融智能思考力 证券时报 刘兴祥 - 证券移动化现状分析和发展趋势 中国电信 吴章先 - 开放合作,共建数据生态 中国联通 姚健 - 云数聚-云上大数据解决方案 中国人民大学 艾春荣 - 高校大数据教育:基础知识结构与学位设计 中粮置地 王雨晴 - 上海大悦城智慧商业思考与实践_部分1 中粮置地 王雨晴 - 上海大悦城智慧商业思考与实践_部分2 中青旅联科(北京) 葛磊 - 大数据视角下的特色小镇 卓越集团 郑群 - 卓越集团大数据应用的实践与思考 总裁助理兼大数据中心总经理、首席架构师蔡栋Charles Cai - 传统行业的升级和创新_部分1 海信 罗庆干 - 大数据在工业4.0路上的蓬勃发展 禾略中国 郑永祥 - 向下的力量 金佰利 谢乐 - 大数据形态下的媒体新革命 猎聘网 戴科彬 - 大数据行业人才生态现状 林文棋、李栋 - 城市大数据挖掘应用实践:从监测到评估 神州数码谢耘 - 以虚拟映像构建融合服务 斯坦福大学宫恩浩 - 深度学习技术在医疗健康 汤舸 - 上海这座城市到底有多少人 同济大学 施澄 - 多源位置大数据融合技术应用 网易传媒 李淼 - 数据助力内容消费升级 TalkingData 刘彬 - 营销闭环驱动业务增长 TalkingData 路瑶 - 用大数据重新认识城市 TalkingData 张夏天 - Data Science in TalkingData TalkingData 王小辉 - Myna:Context Awareness Framework On Smart Devices TalkingData 冯博 - Smart Data Lab-数据科学基础设施搭建的探索与实践 TalkingData 周洋 - 智能数据平台解决方案 TalkingData 刘翔 - 持续变革的地产行业大数据征途 TDU教育 王俊 - TalkingData在教育行业的现有努力 TDU执行校长杨慧 - TalkingData的人才教育生态 Terark 郭宽宽 - 使用TerarkDB提升MySQL性能和压缩率 William Plummer - 新一代创新:如何利用全球领先的AI技术赋能商业成功 Yongcai Wang - Graph Realization in IoT:Theory, Practice and New Trends 北京微瑞思 周像金 - 大数据在商业地产中的应用分享 超市发集团 赵萌 - 当数据照进未来 国泰君安 毕志刚 - 证券行业智能应用的思路和实践 TalkingData 林逸飞 - 数据、共创、价值Part1_部分1 TalkingData 林逸飞 - 数据、共创、价值Part1_部分2 TalkingData 周国平 - 基于内存的分布式计算实践 TalkingData 何坤 - 高可用数据服务交易系统架构实践 TalkingData 冯博 - Open Data Open Value:数据科学合作研究平台的探索与实践 TalkingData 高铎 - 数据、共创、价值Part3 TalkingData 蒋奇 - 数据、共创、价值Part2 TalkingData 郑迪 - 10亿大数据助推都市治理 TalkingData 林逸飞 - 数据成为新消费的胜负手 Ani Manian - 物联网和人工智能领域内置芯片分析的意外之旅 B612咔叽 孙琦 - 营销-让咔叽影响年轻人 BitTiger 冯沁原 - 数据科学、数据工程、数据分析知识体系构建和培训实践 bluegogo 胡宇沸 - 大数据在共享出行的应用 Capital One Kevin Hoffman - Cloud Native Applications Dataiku Alexandre Hubert - 用于图像标记的应用深度学习:旅行推荐引擎应用 Google 陈卓 - What is New in Android O Hai-Ching Yang - 科技教育领域的数据科学与数据隐私 Innobator (Hong Kong) Limited 李振业 - 数据应用竞赛推动行业发展和地区交流 Max Kanter - Scaling Predictive Analytics with Data Science Automation MIUI 顾大伟 - 新环境下的数据协作-基于区块链的数据协作探索 Petuum 于伟仁、吴竑 - Petuum Poseidon:高效的分布式深度学习平台 Pitney Bowes 张军 - 位置智能在零售市场的科学和应用 ScyllaDB 贺俊 - SCYLLA:NoSQL at Ludicrous Speed TalkingData FinTech 陈雷 - 用户行为大数据助力金融风险管理

文档介绍

TalkingData用数据诠释感性的改变,同一个世界,同一个语言。世界运转,社会发展,移动互联,再到人们生活的点点滴滴,我们用数据的语言沟通,用数据的思维改变。  以大数据的思维,改变对精确性的苛求,转而追求混杂性;改变对因果关系的追问,转而追求相关性。真正的革命并不在于分析数据的机器,而在于数据本身和我们如何运用数据。一旦思维转变过来,数据就能被巧妙地用来激发无限创新。 

演讲实录

以下是凌棕先生的演讲全文:
鲍忠铁:大家好,今天跟大家主要分享的议题是从数据中发现商业机会。大数据如果能够帮助我们商业企业,或者帮助我们人类社会在进步上有一些推动,或者说切实一点谈到我们的企业里面,可以提高我们的效率,可以增加我们的收入,可以降低我们的成本,这就是它们最大的价值。
介绍两个方面,第一方面是大数据时代。最早的时候,12年的《纽约时报》发表这样一篇文章,说数据已经成为一种能源。过去我们企业的时候资金是一个能源,生产材料是一个能源,数据也是未来企业的生产资料之一。现在我们能统计到的大数据的规模,最重要的是下面这句话:人类社会中大概每两年可以记载的数据会翻一番。到2018年的时候,移动端产生的数据要超过所有非移动端产生的数据,这就代表移动端的数据将成为主要数据的应用领域。大数据时代的到来除了移动互联网、云计算、海量储存这3个条件导致的,最重要还有一个导致,我们在过去十年每单位储存的成本降了百分之一。在2005年的时候可能我们一个G的储存价格大概在5美金,到2015年1个G的储存成本变成了5美分,大量海量数据可以通过储存价格的降低进行储存,也可以运算。现在我们更关注它的速度和可靠性。2015年我们定义为大数据的1.0时代,我们关注大数据的效率提升,数据怎么采集、怎么处理、怎么分析。做的事情主要是数据效率的提升。2015年以后我们认为大数据进入2.0时代。因为当你解决了大数据的采集、处理、分析以后,剩下的就要做应用了,即我们如何在数据中应用大数据帮助我们的企业,提升我们的效率,降低我们的成本,改善我们的生活,利用数据来创造商业价值,这是大数据2.0时代。现在在中国的大数据应用企业里面,基本上1.0时代已经过去,所有的企业都在关注我如何用大数据的技术,或者如何用数据资产或者如何用数据资源来帮助企业创造价值。
在谈应用之前,再跟大家介绍这样一份工作,这是21世纪现在最缺的一个职位,如果女孩子你的男朋友真的做数据科学的,赶紧嫁给他,这个职业在未来的几十年都是收入最高的。我们拿谷歌来说,谷歌和脸书在美国招聘一个数据科学家,刚毕业硕士以上的年薪开到15万美金。在没有数据科学家职位之前,最高的大学生收入职位来自于华尔街,硕士并且是常青藤学校进高盛底薪是8万美金。现在整个硅谷从事大数据也好,从事科研的新的大学毕业生的起薪已经远远大于华尔街。女孩子看到自己的男朋友真的大数据科学家就真的要嫁了。所有今年中国出去的留学生有60%以上都是选择数据科学,这是未来一个非常好的职业。有94%的企业需要这个数据科学家。
成为一个数据科学家有几个能力,一个是公开演讲的能力,对业务理解的能力,对计算机挖掘的能力,还有是技术知识。一个人的成长过程中或者在企业应用的过程中,从事大数据应用的人才要具备3个能力,一个是你对业务领域的知识,一个是你对计算机领域的知识,一个是对数学领域的知识,这3个知识结合在一起才可以发挥作用,所以说成为一个数据科学家或者成为一个对企业有价值的数学人才,一定要具备业务知识、计算机技能和数学知识。
这个公司在2016年被高盛10亿美金收了,做的事情很简单,就是利用无人机去看美国石油的储备。然后比美国石油学会提前3天公布他对美国石油储备的预测。因为这个预测的结果对整个石油的期货价值影响非常大。过去是美国石油学会提前公布这个价格,但是一些大的投行像高盛、摩根斯坦利等一些对冲基金是提前拿到这个信息,这样就可以国际期货市场上提前买入或卖空。这个公司出现以后,导致它的数据提前美国石油学会3天,就会导致很多大的投资公司在石油期货方面的投资就会出现一些波动,最后这个企业就被这个金融巨头高盛10亿美金收购了。
宝洁和联合利华的案例,所有的化妆品成分和功效上大家差不多,吸引大家买的是它的外包装,到底这个产品采用什么外包装,是椭圆形,茶方形,还是红色,还是橙黄色,这对企业是很大的挑战。联合利华和宝洁就会去观察客户看到这个包装瞳孔放大的趋势,人们看到自己喜欢的包装,瞳孔变化的波动是比较大的。他根据这个趋势来选择他到底用什么样的包装去应和消费者。通过这样的测试,他的准确率比原来要提高30%,使他的产品在这个数据基础之上会卖。
中国的典型案例,服装鞋帽,过去意大利的时装节上看到很多鞋和衣服,他们被长厂家选好以后做成鞋样、衣样,,铺到零售店最快也要6个形势。现在是到时装节派完照片以后,一天就可以到达鞋厂,两天之后鞋样就出来了,三天之后这个鞋开始生产,一个星期以后这个鞋就可以运到消费者手里。现在这个时代如果你的企业产品迭代慢的话,这个市场就被其他企业占领了。因为现在中国企业或者全世界企业大家都会面临这样一个问题,个性化消费。过去可能一个产品会卖很多人,几百万人或者几千万人喜欢,现在基本上某些产品就是这一小块。可能市场上这双鞋的销量就是2万双,如果你卖得满2,其他企业走在你前面,这个市场就没了。如果你在给个人消费者提供产品的时候,你要关注3个方面,第一个是要快,你要比你的竞争市场快,第二要关注中国的消费升级,过去我们消费的时候很多人会花很多钱买质量很好的东西,用两年、三年,现在你会发现所有人消费的时候,拿衣服来说基本上就是一年,大家今年会不会穿去年的衣服?基本上很少,所以消费升级很重要。第三个是你要做的这个产品一定要比别人新,如果你做得快,价格也很高,也很好,但是你不如别人新的话也不行。国家统计局的一个数字,我们看中国家庭收入在30万以上的然过去3年投资和消费的比例出现这样一个波动,投资比例在下降,消费比例在提升,说明什么?说明中国家庭收入30万以上的家庭消费占比逐渐增加,也就代表中国社会已经进入了一个消费升级的社会,中国企业最大的特点过去是把东西做便宜,别人15块钱我10块钱甚至5块钱都可以做到,未来除了把价格降低,把效率提升,还要把产品品质提升,要满足消费升级的需要。
宝马汽车的设计过去用蒙特卡洛,其实是一种数据模型,阿尔法狗也会用这种数据模型的方法。用蒙特卡洛的方法做设计是非常耗时的,他建立了拉丁超立方体,会抽出2000个关键点来创造它的模拟环境,工具采用了一些数据模型,最终的结果是用新的数学模型或者新的仿真系统会让他的设计从过去的设计到实际上交互可能会延时几个小时变成现在的实时,一小时可以创造几百万人民币的价值,制造业也是,你的产品快,生产效率高,你采用新的工具、新的平台,就可以加快你的生产过程。
宝洁一年的库存成本大概到38亿美金,因为一开始他希望辆车到他的仓库装满以后才走,否则就浪费了他的物流成本。这样就会发现如果按照这种方式去做,会造成几个问题,第一个并不是所有客户需要的商品都可以装满一车,要等很长时间才能把这个商品装满一车,会造成有11%的产品在一些地点脱销。脱销以后客户等不到就会购买其他品牌的商品。第二超规模库存,因为这个商品在没有装满一车之前还是放到仓库里储存,这段时间的库存成本是增加的,他建立了一个仿真系统,经过改进以后,并不是所有的产品都装满之后才运走,一个小小的改进大概完成30亿美金的库存,减少了75%的脱销率,完全是建立在数据的分析基础之上。
涡轮发动机的寿命,涡轮发动机的投资基本在几百万美金,服务时间会到20年到30年,安装位置对使用寿命影响较大。大数据时代最重要的一个应用场景就是传感器,我们大量应用传感器,通过传感器可以采集温度、风速、降水和大气变量,然后利用IBM技术定位,处理数据以后就可以把封闭涡轮发动机安装好,比正常的飞机技术要提前一个月。
GE在降低能耗上,节约1%的能源消耗在航空业就一年可以减少300亿美金。GE在工厂布了一多万个传感器,大数据时代我们发现传感器的应用非常广,GE用这个工厂布了这么多传感器通过实时的数据分析进行处理,提供整个工厂效率,降低整个设备的故障率。UPS他的运输车上安装传感器,控制路径,尽可能减少一些等红灯的路径,这样驾驶员一年可以少跑4800万公里。starwood通过传感器发现房间里有没有人,如果没有人就进去房间打扫,提高了用户体验的同时,又提高了效率。苹果手机在2014年之前,打电话的时候会自动降低屏幕亮度,节约电量。现在的传感器技术已经很普遍,普通手机上有这么多的传感器,通过传感器可以调整手机的运行参数,包括进行能耗的节省。3D打印是整个工业化的大进步。现在美国FDI已经批准3D打印的药物。医院开了药方以后回家不需要买药,回家花8美金就可以把这个药打印出来服用。上海金山的一个化工厂做厂房就运用了大的打印机完成了2000平方米大楼的建设,大概可以降低50%到80%的人工成本,减少垃圾30%到50%。3D打印可以打印食物,空间站上很多吃的食品就是3D打印做出来的。现在的一个问题就是打印的材料很缺。Air Liquide找到了一个最优化的路径,每个季度可以为工厂节约大概150万美金,每个小时节约300—700美金。
最后说一下工业4.0,基本上把你生产设备的传感器数和控制数据和决策管理信息系统相结合,放到云上进行计算,会在整个制造行业的产品设计、原料采购、产品制造、仓储、订单、终端零售、批发方面发挥作用。
最后总结一下。数据在整个制造行业的应用集中在5个方面,一个是客户体验的提升,一个是降低你的设备故障时间,第三个是节约你的整个产业能耗,第四个是在你营销的时候怎么样帮助你的客户做精准营销、及时推送,最后一个是把你的专家经验共享,建立你的智能决策库,推动整个技术升级和产品的迭代。
我的演讲就到这里,谢谢!

×

打开微信扫一扫,分享到朋友圈