加速了十年的世界(二)
上星期分享了(一)大加速(二)強者恆強(三)現金為王,我們一起來接著看看其他幾個觀點:
四、大分散
不只區塊鏈帶來了去中心化,COVID-19帶來的疫情也讓我們的世界愈來愈分散。
Amazon奪走實體商店再把店家分散到我們家門口,疫情加強也加速大家在網路上購物的行為;
Netflix與或其它影音串流平台接下電影院的地位,把電影院放在我們的客廳與房間;
醫療照護產業,在美國,過去不被保險規定支持的遠距離醫療、遠距離開立處方,已經在疫情的影響下被接受了,而這樣的規定未來被改回來的機會不大;
食品雜貨業以前所未見的速度朝向分散的趨勢轉型,從2020年三月初到四月中,線上雜貨的銷售大約增加90%,食品運送的銷售額則成長50%,這個轉變帶來基礎設備的更新,從倉儲到客戶關係的深化,都不會隨疫情結束而消失,並且將改變食品運銷系統。(前陣子三級警戒期間,我老婆為了兼顧安全與健康,堅持餐餐自己下廚,對新鮮食材的需求大增,所以我們上網訂購了蔬果箱:選好自已想買的新鮮的蔬菜水果,由廠商幫忙挑貨然後直接送到家。而我們並不是少數這樣做的家庭,很顯然大家已經接受這樣的食物配送方式,而不再堅持一定要自已親手挑揀蔬菜水果)這樣的分散在未來會出現在更多產業。
另外像家具用品、行動裝置的銷售也會因為大分散這個趨勢而大幅度成長,如果我需要花更多時間待在家裡,不管是工作或是娛樂,我都希望自已有更舒適的沙發、更好的音響與電視、更棒的居家空間。
五、「品牌時代」讓位給「產品時代」
「Covid-19在美國的致死率是0.5~1%,在美國的媒體產業,公司淘汰率是它的十倍以上。」被淘汰、面臨危機或是衰退的都是品牌時代的大師。
「二次世界大戰結束到Google問世之前,創造合於一般水準、大量生產的產品,為它注入一些無形的聯想;接著透過廉價的廣電媒體來鞏固這些聯想……品牌時代從令人喘不過氣的製造業手中奪下指揮棒……創造出廣告大師、行銷部門、以及行銷長的職務……這套演算法在平庸的產品(美國汽車、淡啤酒、廉價食物)裡注入情感,為利害關係人創造數萬億美元的價值。」
而品牌時代在一連串相互影響的因素中,如Google、臉書的出現,加上把財富從廣告中解放出來的科技...等,也終於來到尾聲
還有人記得Tivo嗎?可以讓你預先設定好時間錄下想看的電視節目的數位錄放影機,只要你擁有它然後願意花一點點時間完成計畫,除了可以在任何時間看自已想看的電視節目外,你也不用再看到廣告。
Tivo標誌著從品牌時代轉移到產品時代的開始(花再多錢做廣告,都無法提升平庸產品的形象了,因為可以直接被跳過),2020年夏天則是品牌時代的結束。
「在品牌時代,剛到一個新城市的有錢旅人會吩咐他的司機送至麗思酒店(Ritz),因為這是他認識的品牌。然而,在產品時代,這位有價值的消費者一下飛機先查自已的手機,她知道麗思酒店才剛翻新過,評論者認為它的房價太高,於是她透過眾籌推薦改選一家位在時髦地段的精品酒店」(甚至我們更愛從Airbnb找到自已更喜歡的住宿地點,連品牌都不用了)
「在這場轉變中的輸家,是在品牌時代裡為打造品牌廣告提供平台的媒體公司,以憑藉創意製作這些廣告的廣告代理商。」
臉書和Google在股市裡的表現證明了這個事實:2015年8月到2020年8月,臉書成長174%,Google成長114%,其它老牌廣告行銷公司像IPG、陽獅集團Publicis、WPP集團等是-9%到-63%不等。
景氣黯淡的時候,廣告預算會縮水,這是大家都可以理解的事,但是當景氣復甦,錢潮重新回流,只會流向產品時代的廣告媒體公司,所以未來Google和臉書這對雙巨頭在數位廣告市場勢必會繼續輾壓品牌時代的廣告老兵們。在2020年公佈的數位廣告預算分配比例,臉書加上Google,就拿下了61%。(不過深入探討這個數字,會發現這個趨勢造成更嚴重打擊的的其實是臉書或Google之外的數位行銷公司。BuzzFeed和Yelp在2020年的展示型廣告比起2019年衰退40~70%,Vice跟其它類似的公司也會跟進,只有一些,能撐過加護病房活下來。)
六、紅與藍
數據vs隱私;販賣隱私權vs付費保護隱私
「基本商業模式有兩種:(一)公司用高於製造成本的價格把東西賣出去(二)公司的產品可以免費送人,或以低於成本的價格賣出去,然後跟取用產品的其他公司收費,這裡的產品指的是:消費者的行為數據。」
這也就是在現代商業世界中不可忽視的規則:當你在免費使用某項產品/服務時,你自已其實就是被賣出去的產品。
但是現在愈來愈多隱私外流、資安問題的新聞出現(好萊塢女星私密照外流、劍橋分析事件…等),越來越多人重視跟保護自已的隱私,甚至願意付費保護這些被證明非常珍貴的無形價值。
「過去我們用我們的時間交易價值,如今我們用我們的隱私來交易價值」
「安卓手機每天向使用者收集1200個數據點,傳回Google數據挖掘的母艦。iPhone手機擷取200個,同時蘋果不厭其煩強調它的數據不是用於謀利」
「安卓的使用者是以隱私交易價值的芸芸大眾,iOS則是享受隱私和地位的有錢人,以砸下含稅1249美元的費用(超過匈牙利人一個月的平均家庭收入)來換取價值443美元(製造一台iPhone的成本)的感應器和晶片組。」
安卓是紅色,iOS是藍色。
「你可以在YouTube上得到免費的影視娛樂,不過它的內容是個大雜燴……十之八九你會收到一些煽動、挑釁的內容……。另一方面,Netflix的運作取用『藍色』/iOS的模式:你付費,你得到內容;你是客戶,內容很精彩。」YouTube是紅色,Netflix是藍色。
以社群媒體來說,目前幾乎都是紅色,Facebook、TikTok是紅色:免費的服務,大量榨取我們的個人資料,甚至是用我們不理解的方式巧取豪奪。
「2020年六月,TikTok被揭露它每隔幾秒就掃描使用者的剪貼簿,甚至連它的app只在背景運作時也照掃不誤。這家公司已經承諾停止這種作法(在它的動作被iOS的新安全系統抓個正著之後)。使用臉書或許不會讓你的個人數據被上傳到中國共產黨的數據雲裡,但是臉書過去保護使用者隱私的不良紀錄來看,這不過是因為中國人喊價輸給了一個烏克蘭青少年,……」
搜尋引擎也一直是紅色的,但是藍色的搜尋引擎也即將登場。
「蘋果專有的iOS搜尋勢不可當,你可以期待蘋果很快就會買下DuckDuckGo,或是推出它們自已的搜尋引擎。除此之外,Google廣告部門的前主管斯里達爾.拉瑪斯瓦米(Sridhar Ramaswamy)不久之前推出Neeva,這是採用訂閱模式的Google新對手。」
「同樣的,過去十年來最創新的公司也抓住亞馬遜剝削它的客戶(第三方零售商)的機會。Shopify的價值主張很簡單有力:我們是你的合夥人。你可以掌控自已的數據、品牌、以及消費者的監護權。」
「越來越多產業會出現這種紅藍分野的融合。從航空業到速食業,一些低成本的賽局參與者將充分利用消費者的數據,把省下來的錢用在它們的『廣告資源位』上頭--抱歉,我的意思就是『消費者』。至於頂級的參賽者,則會高舉保護隱私的隱私大旗,藉由不濫用消費者的數據而收取優渥的利潤。」
有人願意犧牲隱私把自已當產品賣掉換取免費的服務,但也有越來越多人願意支付合理的費用保有自已一切的所有權。就像「駭客任務」裡墨菲斯給尼歐選擇的紅藍藥丸,只不過藥丸裡包著的是你的隱私。
七、四巨頭
很多人應該都聽過「FAANG」或「FAAMG」,沒聽過至少也用過他們的產品,科技巨頭在我們的生活中已經是不可或缺的存在了,我們現在是活在大型科技公司的世界中。而這些巨頭們在疫情期間或是疫後的未來,會是什麼光景?
「2020年3月到7月,五個月的時間裡,九家主要的科技公司市值增加1.9兆美元:Google、微軟、Netflix、臉書、蘋果、亞馬遜、Paypal、特斯拉、Shopify。」
「這類產業裡的龍頭大哥,『四巨頭』,亞馬遜、蘋果、臉書、Google,加上微軟,這五家公司在2020年上半年股市成長了24%,總計市值增長超過1兆美元。到了八月中,它們從年初到現在的這段時間獲利成長47%,達2.3兆美元。……這五家公司,占了美國所有公開上市公司市值的21%。」
「去掉一些科技業龍頭公司之後,主要股市指數在2020年中其實是下跌。在科技股之外,眾多美國資本主義的雄獅也都被拔了爪:埃克森美孚(Exxon Mobil)、可口可樂(Coca Cola)、摩根大通( JPMorgan Chase)、波音(Boeing)、迪士尼(Disney)以及3M公司,它們半年的股價約下跌30#,市值損失總計將近五千億美元。」
作者的第一本書對這個論點已經有很精彩的探討,在本書中進一步更新了現況並進一步分析未來,簡單來說,就是巨頭們會利用自已的地位與資源竭盡所能保護自已的優勢。這些大型科技公司獨占寡頭們打敗了體制,反托拉斯警察跟輿論也不是對手。它們能把自已的企業核心打造成「飛輪」:物理學裡一個可以利用自已旋轉動能儲存能量的系統,把能量傳導到附近的引擎,讓企業可以隨著飛輪的旋轉,不需增加輸入(也就是成本),就能不斷增加輸出(也就是營收)。亞馬遜的Prime就是個終極飛輪,蘋果的手機電腦與品牌旗下其它穿戴式裝置(手錶、耳機)也是它的無敵飛輪(光是在2019年,蘋果的可穿戴式裝置包括Apple Watch、AirPods耳機和子公司Beats,就創造了超過兩百億美元的營收,比麥當勞還更多),其它巨頭們也都有自已的飛輪可以強化各自的寡占優勢。剛且別忘了,巨頭們可以用極低的資金成本取得它們需要的錢,因為有多到難以想像的資金在尋找標的。四巨頭也開始出現無所不在的擴張,像是派送服務、可穿戴式裝置、串流媒體,都可以看到它們的身影。至於「反托辣斯法案」能不能打破他們的寡占?作者針對現況說了一句貼切卻無奈的事實:「藉著燃媒動力的亮光寫出的法律,對數位化的寡頭公司起不了作用」
八、破壞性創新
「在一個產業裡,破壞性創新的機會可能和一些因素相關—稱之為可破壞指數(disruptability index)。它的關鍵信號,是在價值或創新沒有相伴增加的情況下價格明顯增加。」
在美國,兩個準備出現破壞性創新的產業:高等教育產業與醫療衛生產業。
美國高等教育的破壞性創新指數已經爆表。過去四十年大學學費增加1400%,(消費者物價指數只增加了294%,一向在價格上歐被批評的美國醫療保險也「只」增加了600%),但是提供的產品與服務並沒有相對應的上升,甚至已經不再是提供階級流動機會的助力,菁英大學甚至變成傲慢的奢侈品牌與一套種姓制度,一個把特權傳遞給一代的管道。學生貸款也因此總額達到1.6兆美元,遠超過信用貸款或汽車貸款的金額。
疫情會催化高等教育的演進,而轉型的核心在於科技—線上課程。因為線上課程可以大量招收學生而沒有空間與時間的限制,因此能減低學費並提升入學率,並恢復大學擔任美國社會向上流動的潤滑劑角色。
在高等教育與醫療產業外外,許多公司賣的,基本上是同樣大量生產、平庸水準的產品,在品牌時代,它們因為投資在行銷與打造品牌上的投資而得以溢價出售。不過轉變到產品時代後,許多二十世紀主導企業的競爭優勢將被侵蝕,因為消費者對品牌資產的依賴,已經出現變化:「如果你的公司欠缺電子商務競爭力,則已經開始受創,因為相隔十年後的世界(也就是—現在)對於不符水準的『直接面對消費者』模式毫不留情。」
Airbnb是破壞創新者、Netflix是破壞創新者、羅賓漢(Robinhood,金融服務企業,主要提供服務散戶的股票app與網站,在網上提供的服務完全免費,推出免佣金交易時讓其化參與者也不得不跟進,2020年時有1300萬用戶)、Shopify是破壞創新者(類似亞馬遜Pay和亞馬遜物流,為第三方零售商提供支付和物流,但沒有使用收集三方零售商的數據來挖取它自身競爭產品的銷售)、Spotify是破壞創新者、特斯拉是破壞創新者(紐約大學史登商學院的另一位教授亞斯華斯.達摩德仁Aswath Damodaran,有著「估值大師」的封號,曾說過:「如果你根據預期獲利或現金流來交易特斯拉股票,那你買賣它的股票理由就不對了。人們是靠氣氛和氣勢在交易特斯拉股票。」)、Uber是破壞創新者。(達拉.霍斯勞沙希Dara Khosrowshabi接任執行長後已做出莫大的改善,持續修復前任執行長造成的品牌形象巨大損傷,雖然還需要時間而且目前尚未有盈利,但是利潤正持續提升中)。許多新的機會在加速十年的這段期間出現,未來看世界的思維與角度,勢必在疫情過後的未來要重新建構。
在300頁的篇幅中滿滿的觀點,認同不認同,至少是作者自己親身經歷萃取出的營養,內容精純,含金量高,沒有太多老掉牙或是象牙塔裡的視角。有些趨勢或許我們已經隱約知道,但是透過作者的分析,我們能更清楚的看到未來很可能會出現的世界樣貌。
跟大家分享的只是一小部份的個人摘錄重點,想更深入了解作者實務經驗與看法,除了《疫後大未來》之外,《四騎士主宰的未來》可以當成前傳閱讀。
#jeffmachine #postcorona #newworld #deusexmachina #deustaiwan
(照片是去年拍的,經歷疫情大加速前的我😆)
平均分配演算法 在 軟體開發學習資訊分享 Facebook 的最佳貼文
NT 390 特價中
你是否對如何使用 Python 進行嚴格的財務分析和追求演算法交易感興趣,那麼這正是你想要的課程!
本課程將引導你了解使用 Python 進行財務和演算法交易所有需要的知識!首先學習 Python的基礎知識,然後繼續了解 Py-Finance 生態系統中使用的各種核心庫 (libraries),包括 jupyter 、numpy、pandas、matplotlib、statsmodels、zipline、Quantopian等等!
課程長度有 17 個小時,將介紹金融專業人員使用的以下主題:
1. Python基礎知識
2. 使用 NumPy 做高速的數值處理
3. 使用 Pandas 做高效的資料分析
4. Matplotlib:做資料視覺化
5. 使用 pandas 資料庫讀取器和 Quandl 進行資料採集
6. Pandas 時間序列分析技術
7. 股票回報分析
8. 累計日收益
9. 波動性和證券風險
10. EWMA(指數加權移動平均線)
11. Statsmodels
12. ETS(錯誤-趨勢,季節性)
13. ARIMA(自動回歸整合移動平均線)
14. 自動相關圖和部分自動相關圖
15. Sharpe 比率
16. 投資組合分配優化
17. 有效的邊境和 Markowitz 優化
18. 資金類型
19. 訂單簿 (Order Books)
20. 賣空 (Shrot Selling,賣出不在手的股票)
21. 資本資產定價模型
22. 股票分割和股息
23. 有效市場假說
24. Quantopian 的演算法交易
25. 期貨交易
>英文字幕:有
https://softnshare.com/python-for-finance-and-trading-algorithms/
平均分配演算法 在 哈佛商業評論 Facebook 的精選貼文
人工智慧(AI)根據資料科學而產生的演算法,可做出一些預測,而預測能力優於人類一直以來的預測水準。若企業如果想用AI來做人事決策,該如何進行?
#AI #演算法 #人事決策
—
❚ 訂閱HBR,紅點獎充電線補給你的管理動能!https://hbrtw.cc/yX1Rl
❚ 每日接收,加入LINE好友:https://hbrtw.cc/LINE
❚ 文章速讀,追蹤IG:https://hbrtw.cc/Instagram
平均分配演算法 在 科技業板 - Dcard 的推薦與評價
無法準確分配任務給組員,導致事後還要一直去確認,5. 無法為組 ... AI算法平台開發工程師_達慧科技(台達子公司)(台北)面試請益. 各位大大好,日前收到「AI算法平台 ... ... <看更多>
平均分配演算法 在 Python - 100天从新手到大师 - GitHub 的推薦與評價
... Python数据挖掘工程师(机器学习、深度学习、算法专家); Python爬虫工程师 ... 基础练习- 跑马灯效果/ 列表找最大元素/ 统计考试成绩的平均分/ Fibonacci数列/ ... ... <看更多>
平均分配演算法 在 平均分配问题 - G. B. 的推薦與評價
工作中有遇到一种平均分配问题,贷后环节给催收员分案时,既要保证每个人分到的案件量近似,又要保证每个人分到的案件总金额近似, ... 算法思路为:. ... <看更多>