论文部分内容阅读
英国脱欧,美国特朗普当选总统,主流媒体的预测全都失去了准头。其实不是人类行为异常无法预测,而是主流媒体早已经不是主流了,只是他们自己还不知道罢了。
有一家人工智能公司MogIA,是印度人SanjivRai于2004年创建的,MogIA通过采集大数据正确地预测到了前3次美国大选的结果,甚至上一届大选时全美国51州的投票结果都没算错;这一次MogIA对共和党和民主党的初选结果的预测也正确,但是主流媒体却把这个新闻放在了科技版面,而把传统民调的错误数据放在了头版。
大数据可以收集到美国人民在 Facebook和Twitter发表的信息,从人们对两党的竞选活动和广告内容的互动数据给予倾向数值,MogIA就能依照自己的算法对两位候选人的民众参与度打分。
大选前全美国的民调都把对民主党的支持率提高了一大截,特朗普当选的机会似乎处在风雨飘渺之中,但是,MogIA发表的特朗普的参与度,超过了2008年当选总统的奥巴马在竞选期间的峰值,报告中提到,如果特朗普输掉了选战,那就是12年来第一次违背了数据预测趋势。
结果几乎所有传统民调都失去了准头,电脑从大数据中挖出了人们真正的投票倾向,一个人不会在 Twitter上讽刺川普,还投票给他;不会在Facebook上对希拉里的广告视频按赞,却不投票给她。可是,民调找上他们时,他们不一定会给出心里的答案。
另一方面,大数据搜索得到的样本数可能有上亿个,民调要找到上万样本的难度和成本却非常高。不是新时代的美国选民已经疯狂到无法预测,而是预测的方法过时了,大数据取样多,多到可以不用分析背后的原因,预测准确一点也不稀奇。
各行各业里面银行是最保守的行业,他们帮助所有人搬钱,按照比例留下利息或手续费,除此之外最好的生意就是借钱给有信用的人,可是就怕“万有一失”。所以银行借人100元,要求别人提供200元的资产抵押。导致许多有信用的人急需要钱,却无法通过银行保守的条件。
对于银行来说,借钱给有信用的客户比借钱给有资产的人更有价值。但是,信用很难预估,为了避免所贷非人,每家银行只好设下了种种征信关卡,导致符合一家银行贷款资格的客户,一定可以找到许多家银行来杀价谈贷款条件,银行借钱给别人的生意,早已是一片红海。
有了互联网,有了社交网络,就有了大数据。
玉山银行是台湾一家小规模的银行,其信用贷款的业务量却是台湾前十大同行平均值的200%。因为他们是最早成立了大数据部门,用信贷模型工厂系统当后台,推出了“e指可贷”APP,让客户利用计算机或手机在网上申请贷款,3分钟完成申请的银行。每一案件的审核时间,只需要原来一半的时间,人力省了2/3。
不仅如此,这个大数据后台,可以打入Facebook和BBS等各种社交平台,统计其个人的朋友人数、发表内容被点赞的次数……差不多能了解一个人是否被朋友肯定,也能了解其社会经济地位。这些信息足以评估一个人的信用和可能偿还能力。
没有贷款记录,其服务单位和职称不显赫,而且薪资水平不高的年轻人,或是曾经生意经营不善,曾经留下违约还款记录的人……许多人无法通过传统信用评估制度的审查,在其他银行贷不到款的人,有三成可以通过玉山银行的大数据审查贷到款。
因为,大数据交叉比对申请人的社交环境,就能确定填写的数据是不是正确的,也可以利用其身边的朋友来佐证申请人的信用状态。因而,玉山银行潜在的客户范围比其他银行更宽,征信正确率更高,业绩当然高出同行一倍。
互联网改变不了银行贷款的风险,却能利用网络的效益,改善贷款业务的效益。
想一想,有了互联网,印刷生意有何不同?
毋庸置疑,互联网可以串联起印刷供应链。在网络上传递的无非是订单和文件,如果一家印刷厂接到订单,无法让电脑自动处理,自动登录管理订单和客户的系统,无法自动启动生产流程,必须由特定的管理人员去分配印前、印刷和印后的活。这样的话,订单增加,人手势必增加。
世界没有疯狂,看似不可预测的时代,其实还是可以预测,只是工具的问题而已。
如何多利用电脑管理资源(ERP),如何把生产管理自动化,才是应付印刷产业变化的课题。
有一家人工智能公司MogIA,是印度人SanjivRai于2004年创建的,MogIA通过采集大数据正确地预测到了前3次美国大选的结果,甚至上一届大选时全美国51州的投票结果都没算错;这一次MogIA对共和党和民主党的初选结果的预测也正确,但是主流媒体却把这个新闻放在了科技版面,而把传统民调的错误数据放在了头版。
大数据可以收集到美国人民在 Facebook和Twitter发表的信息,从人们对两党的竞选活动和广告内容的互动数据给予倾向数值,MogIA就能依照自己的算法对两位候选人的民众参与度打分。
大选前全美国的民调都把对民主党的支持率提高了一大截,特朗普当选的机会似乎处在风雨飘渺之中,但是,MogIA发表的特朗普的参与度,超过了2008年当选总统的奥巴马在竞选期间的峰值,报告中提到,如果特朗普输掉了选战,那就是12年来第一次违背了数据预测趋势。
结果几乎所有传统民调都失去了准头,电脑从大数据中挖出了人们真正的投票倾向,一个人不会在 Twitter上讽刺川普,还投票给他;不会在Facebook上对希拉里的广告视频按赞,却不投票给她。可是,民调找上他们时,他们不一定会给出心里的答案。
另一方面,大数据搜索得到的样本数可能有上亿个,民调要找到上万样本的难度和成本却非常高。不是新时代的美国选民已经疯狂到无法预测,而是预测的方法过时了,大数据取样多,多到可以不用分析背后的原因,预测准确一点也不稀奇。
各行各业里面银行是最保守的行业,他们帮助所有人搬钱,按照比例留下利息或手续费,除此之外最好的生意就是借钱给有信用的人,可是就怕“万有一失”。所以银行借人100元,要求别人提供200元的资产抵押。导致许多有信用的人急需要钱,却无法通过银行保守的条件。
对于银行来说,借钱给有信用的客户比借钱给有资产的人更有价值。但是,信用很难预估,为了避免所贷非人,每家银行只好设下了种种征信关卡,导致符合一家银行贷款资格的客户,一定可以找到许多家银行来杀价谈贷款条件,银行借钱给别人的生意,早已是一片红海。
有了互联网,有了社交网络,就有了大数据。
玉山银行是台湾一家小规模的银行,其信用贷款的业务量却是台湾前十大同行平均值的200%。因为他们是最早成立了大数据部门,用信贷模型工厂系统当后台,推出了“e指可贷”APP,让客户利用计算机或手机在网上申请贷款,3分钟完成申请的银行。每一案件的审核时间,只需要原来一半的时间,人力省了2/3。
不仅如此,这个大数据后台,可以打入Facebook和BBS等各种社交平台,统计其个人的朋友人数、发表内容被点赞的次数……差不多能了解一个人是否被朋友肯定,也能了解其社会经济地位。这些信息足以评估一个人的信用和可能偿还能力。
没有贷款记录,其服务单位和职称不显赫,而且薪资水平不高的年轻人,或是曾经生意经营不善,曾经留下违约还款记录的人……许多人无法通过传统信用评估制度的审查,在其他银行贷不到款的人,有三成可以通过玉山银行的大数据审查贷到款。
因为,大数据交叉比对申请人的社交环境,就能确定填写的数据是不是正确的,也可以利用其身边的朋友来佐证申请人的信用状态。因而,玉山银行潜在的客户范围比其他银行更宽,征信正确率更高,业绩当然高出同行一倍。
互联网改变不了银行贷款的风险,却能利用网络的效益,改善贷款业务的效益。
想一想,有了互联网,印刷生意有何不同?
毋庸置疑,互联网可以串联起印刷供应链。在网络上传递的无非是订单和文件,如果一家印刷厂接到订单,无法让电脑自动处理,自动登录管理订单和客户的系统,无法自动启动生产流程,必须由特定的管理人员去分配印前、印刷和印后的活。这样的话,订单增加,人手势必增加。
世界没有疯狂,看似不可预测的时代,其实还是可以预测,只是工具的问题而已。
如何多利用电脑管理资源(ERP),如何把生产管理自动化,才是应付印刷产业变化的课题。