O slideshow foi denunciado.
Utilizamos seu perfil e dados de atividades no LinkedIn para personalizar e exibir anúncios mais relevantes. Altere suas preferências de anúncios quando desejar.
Маркетинг времен
четвертой промышленной революции
Data Science, Cognitive Science, алгоритмы и психология
Андрей Себрант
М...
Высшая школа
консервативна.
В том числе
и экономики 
Пять с половиной лет назад, ВШЭ…
http://www.hse.ru/news/24176920.html
Давос, ВЭФ, январь 2016
http://www.weforum.org/agenda/2015/11/what-is-the-theme-of-davos-2016
4
«Earlier Industrial Revolu...
DeepMind обыграл
чемпиона в го
http://googleresearch.blogspot.ru/2016/01/alphago-mastering-ancient-game-of-go.html
5
Это к...
Вы читали братьев Стругацких?
«Не хватает, скажем, человеку рук – он создает
себе дубля, безмозглого, безответного, только...
Что вокруг изменилось
и причем тут традиционный
умственный труд
Важные намеки со стороны мироздания
Мы научились создавать дублей
в области умственного труда
Слово «дубль» здесь важно:
чтобы стать хорошим водителем,
робот ...
Несколько ссылок на происходящее
▌ Software is now better than humans at recognising emotion
▌ Google’s Self-Driving AI Co...
…Big Data…
+ Data Science
+ Cognitive Science
(в т.ч. Artificial Intelligence: тренд 2016)
Модные слова – или особенность ...
Куда делись BigData из прогноза?
В 2015 в Gartner исключили Big
Data:
Эта область стала
универсальной
и перестала быть “em...
Gartner – 2015
https://www.gartner.com/doc/3111522 12
Megatrend 5: Big Data and Cloud
Make Big Moves Toward the
Trough of ...
Важно точно выбирать слова
13
Big Data
чаще маркетинг решений
от больших компаний
Data Science
всеобще будущее:
жизнь, ден...
Традиционный взгляд на науку
From ChaosBook.org & Wikipedia 14
“If someone could have a sufficient insight into the
inner ...
Чем отличается Data Science
Case Study: Data Science and Machine Learning
Data Science != Analytics
Классика:
› Глубокое понимание
› Человеческий разум
› Построение моделей
› Длительный процесс
(м...
Data Science != Analytics
17
Классика:
помощник
ВМЕСТЕ
Специфика:
заменитель
ВМЕСТО
Data Science != Analytics
18https://hbr.org/2014/08/the-question-to-ask-before-hiring-a-data-scientist/
Классика:
Человеко...
“Any sufficiently advanced technology
is indistinguishable from magic.”
Arthur C. Clarke, 1973
Black Boxes vs. Magic Wands and Canes
Где это уже работает:
• Какую книгу (пост, новость)
тебе стоит прочитать? – NEW MEDIA
• Какую музыку ты хочешь послушать? ...
Что это?
Особенности любой промышленной революции:
технологии меняют основы процесса производства и обработки.
Во времена ...
Look-A-Like in Ad Targeting
(and what do they search):
что теперь вместо соцдема
и древних сегментаций
Case study Yandex C...
Технологии таргетинга
Чёрный ящик!
Переход от рекламы к продукту
Пока еще рекламная коммуникация оказывается более
технологичной и гибкой, чем сайт или прило...
Light TV-viewers: методология
27
Анкетирование
пользователей
› Анкета TNS
(4 вопроса)
› Онлайн-
панель OMI
› 28’000 чел.
C...
Heavy TV viewers Light TV viewers
«сбербанк», «коммунальный»,
«шарлотка», «выкройка»,
«биглион», «irr», «заработать»
«книг...
Heavy TV viewers Light TV viewers
«тнт», «дом-2»,
«телепрограмма», «стс»
«С++», «wi-fi»,
«фотошоп», «torrent»,
«adobe»
Heavy TV viewers Light TV viewers
«спартак», «цска», «пиво» «загранпаспорт», «авиабилет»,
«виза», «самолет»,
«аэропорт», «...
Мамы с детьми 0-3 года
[годовалый]
[ходунок]
[котофей]
[бебиблог]
[брокколи]
[дом2новости]
[джигурда]
On-line
gamers
[dota] [кпд] [массовка] [cheat] [эмулятор] [варфэйс]
[капа][паркур] [гайд] [дрифт] [замужество] [партнерка]...
Невидимая магия
персональных рекомендаций
(или манипуляций)
Case study Yandex.Music
Зачем нужно машинное обучение
Сотни сигналов может
обработать только машина
В традиционном продукте
всего понемногу, чтоб
...
Можно уйти от «похожести»
Традиционные рекомендации опираются на здравый смысл
Скучное решение: подобие Умная технология: ...
Smart (AI)
algorithms
Системы ИИ умеют учитывать сигналы от людей
Удержание на сервисе Яндекс.Музыка
37
1
1.5
2
2.5
3
Apr-13 May-13 Jun-13 Jul-13 Aug-13 Sep-13 Oct-13 Nov-13 Dec-13 Jan-14 ...
Успеть поймать неосознанное
Case study: YDF+Wargaming
38
Это страшное слово «отток»
Подробно про проект YDF для WoT см. https://yadi.sk/i/emW5tZ3KeyM3i 39
YDF совместно с Wargamin...
Хорошая новость
40
Алгоритмы нам покажут, кто срочно
нуждается во внимании маркетологов.
Но пока машина не сумеет заменить...
Покушение на традиционную
науку?
Нет, симбиоз с ней!
Case study: Гиперлокальная Яндекс.Погода
41
49,6 км
Яндекс создал технологию Метеум,
основанную на алгоритмах
машинного обученияМетеум
80
метеорологических
спутников
10 000
профессиональных
станций
1 500
радиозондовых
станций
Метеорологические
исследования
и прогнозирования
+1
…модель 1
-3 0
модель N
-1
Метеонаблюдения Яндекс.КартыПрогноз
МатриксНет
Метеорологические
исследования
и прогнозирования
+1
…модель 1
-3 0
модел...
МатриксНетМетеум
Метеорологические
исследования
и прогнозирования
…
модель 1
модель N
Метеонаблюдения
Яндекс.Карты
-3
Метеум
Даже если забыть про
искусственный интеллект
и ограничиться режимом
«вместе»…
51
CasualImpact*
как типичный инструмент:
как анализировать воронку
Case Study: Аналитика офлайновой кампании
│ *https://goog...
Как померить эффект ТВ-кампании
Target – метрика, на которую мы хотим повлиять своей
маркетинговой деятельностью. В нашем ...
Solid line, observed cookies
Dash line, calculation based on predictor behaviour
By the end of TV flight: 100 000 - 120 00...
А есть ли влияние бренда?
▌ Гипотеза: демонстрация бренда в ролике могла привлечь внимание к
самому Яндексу и привести нов...
SERP visitors from UA
No statistically significant changes
(traditional brand health tracking confirms the fact)
Impact of...
Есть ли влияние на поисковое поведение?
▌ Гипотеза: поставив себе Яндекс.Браузер, человек начинает искать
Яндексом чаще, ч...
Users from SERP
No statistically significant changes during the campaign and after it
Impact of Ya.Bro adv campaign 17.11-...
Умеете работать
с такой аналитикой?
Даже если вы журналист
59
60
http://news-explorer.mybluemix.net/
Просто новые инструменты
Нейронные сети
61
Распознавание и синтез
Звуки и изображения:
▌ Преобразование устной речи в текст (дальше включаются все
технологии работы ...
Психология очень важна!
Технологизация коммуникации с людьми –
очень тонкое дело
Лирическое отступление
63
▌ Вам нравится антиспам на вашем почтовом сервисе?
▌ Вам нравится контекстная реклама в личной почте?
│ Если ответы на эти...
Мы очень плохо справляемся
с простейшими задачками ;)
Пожалуйста, быстро назовите последовательно
месяцы года:
65
январь ф...
Проверим прямо здесь 
Сейчас я покажу картинку и задам
один вопрос.
ЗАПОМНИТЕ свой ответ на него:
первый, спонтанный, при...
Еще вопрос на засыпку (про SMM)
Что такое «групповая поляризация»?
А что будет, если собрать вместе
сторонников противопол...
У алгоритмов свои иллюзии
Эту классику мы все знаем А вот это ученые только
начинают исследовать ;)
http://arxiv.org/abs/1...
Придется учиться жить в мире с роботами
69
▌ Научитесь нанимать разных экспертов и научите их работать
вместе: аналитиков,...
Серьезное обстоятельство:
Алгоритмы, даже великолепно
отвечающие на вопросы, пока
не умеют вопросы задавать
Чёрный ящик!
Домашнее чтение
Про data science и психологию - 1
Эрик Сигель
Просчитать будущее: Кто
кликнет, купит, соврет или
умрет
Билл Фрэнкс
Укрощен...
Про data science и психологию - 2
Даниэль Канеман
Думай медленно…
решай быстро
Нир Эяль,
Райан Хувер
Покупатель на крючке
...
Художественное
The Circle
Dave Eggers (книга)
Сфера
Дэйв Эггерс (перевод)
Ждем фильм
https://en.wikipedia.org/wiki/The_Cir...
А еще есть Telegram ;)
75
@AddMeTo @NeuroScienceRu @TechSparks
Data Science
Cognitive Science/Brain Science
Психология
Три дисциплины, которые определят очень многое
Весь рассказ был о массовых
сервисах для людей.
Но это лишь малая часть
современного цифрового мира
Совершенно необходимое...
Напоминалка от GE
Прогноз от GE
IoT – отдельный мир, и он не про браслеты ;)
Industrial Internet – это совсем другая история, потенциально
с не меньшими п...
Мы тоже немножко пробуем
Yandex Data Factory: https://yandexdatafactory.com/
82
А еще можно посетить YaC/m
https://events.yandex.ru/events/yac/29-june-2016/
“When a distinguished but elderly scientist
states that something is possible, he is almost
certainly right. When he state...
Спасибо! ;)
asebrant@yandex-team.ru
+7 (495) 739-7000 @asebrant
https://www.facebook.com/asebrant
Андрей Себрант
Маркетинг времен IV  промышленной революции (Russian)
Маркетинг времен IV  промышленной революции (Russian)
Маркетинг времен IV  промышленной революции (Russian)
Próximos SlideShares
Carregando em…5
×

Маркетинг времен IV промышленной революции (Russian)

Гостевая лекция в Вышке 18 февраля 2016

  • Seja o primeiro a comentar

Маркетинг времен IV промышленной революции (Russian)

  1. 1. Маркетинг времен четвертой промышленной революции Data Science, Cognitive Science, алгоритмы и психология Андрей Себрант Москва, 18 февраля 2016
  2. 2. Высшая школа консервативна. В том числе и экономики  Пять с половиной лет назад, ВШЭ… http://www.hse.ru/news/24176920.html
  3. 3. Давос, ВЭФ, январь 2016 http://www.weforum.org/agenda/2015/11/what-is-the-theme-of-davos-2016 4 «Earlier Industrial Revolutions advanced human progress through new forms of power generation, mass production and information processing. Building on a ubiquitous and mobile internet, smaller, cheaper and more powerful sensors, as well as artificial intelligence and machine learning, the Fourth Industrial Revolution is distinct in the speed, scale and force at which it transforms entire systems of production, distribution, consumption – and possibly the very essence of human nature.»
  4. 4. DeepMind обыграл чемпиона в го http://googleresearch.blogspot.ru/2016/01/alphago-mastering-ancient-game-of-go.html 5 Это куда более сложная задача, чем победа Deep Blue над Каспаровым в 1997 году. Пришлось научить машину учиться самостоятельно. Пришлось развить в машине интуицию. AlphaGo learned to discover new strategies for itself, by playing thousands of games between its neural networks, and gradually improving them.
  5. 5. Вы читали братьев Стругацких? «Не хватает, скажем, человеку рук – он создает себе дубля, безмозглого, безответного, только и умеющего, что паять контакты, или таскать тяжести, или писать под диктовку, но зато уж умеющего это делать хорошо. <...> Настоящие мастера могут создавать очень сложных, многопрограммных, самообучающихся дублей. Такого вот супера Роман отправил летом вместо меня на машине. И никто из моих ребят не догадался, что это был не я. Дубль великолепно вел мой "Москвич", ругался, когда его кусали комары, и с удовольствием пел хором.» «Понедельник начинается в субботу» 1965 год
  6. 6. Что вокруг изменилось и причем тут традиционный умственный труд Важные намеки со стороны мироздания
  7. 7. Мы научились создавать дублей в области умственного труда Слово «дубль» здесь важно: чтобы стать хорошим водителем, робот не обязан быть во всем человекоподобным
  8. 8. Несколько ссылок на происходящее ▌ Software is now better than humans at recognising emotion ▌ Google’s Self-Driving AI Counts as a “Driver” ▌ Big Data: A Game Changer In The Retail Sector ▌ Яндекс поможет Магнитогорскому меткомбинату оптимизировать расходы на сырье ▌ How RFID Delivers Big Data On Cows And Milk Production ▌ Doc "Memory Hackers" Shows The Future Of Memory Manipulation ▌ The Future of Voice: What’s Next After Siri, Alexa and Ok Google ▌ Video Machine Learning Drives 40% Additional Revenue (Case Study) ▌ Big data for big business – analytics are no longer optional ▌ YDF Data Analysis takes on Churn Prevention ▌ … 9
  9. 9. …Big Data… + Data Science + Cognitive Science (в т.ч. Artificial Intelligence: тренд 2016) Модные слова – или особенность текущего момента
  10. 10. Куда делись BigData из прогноза? В 2015 в Gartner исключили Big Data: Эта область стала универсальной и перестала быть “emerging” │ http://www.economist.com/blogs/babbage/2014/08/difference-engine-2
  11. 11. Gartner – 2015 https://www.gartner.com/doc/3111522 12 Megatrend 5: Big Data and Cloud Make Big Moves Toward the Trough of Disillusionment However, as big data and cloud become ingrained in the fabric of business and IT, clients begin to see through the market hype, and the realities of their strengths and challenges become clearer. As cloud and information technologies, services and disciplines emerge toward the Plateau of Productivity, the focus will be more on how they are applied to address industry- and business-specific needs and opportunities, and less on the innovations themselves.
  12. 12. Важно точно выбирать слова 13 Big Data чаще маркетинг решений от больших компаний Data Science всеобще будущее: жизнь, деньги и бизнес
  13. 13. Традиционный взгляд на науку From ChaosBook.org & Wikipedia 14 “If someone could have a sufficient insight into the inner parts of things, and in addition had remembrance and intelligence enough to consider all the circumstances and to take them into account, he would be a prophet and would see the future in the present as in a mirror.” Gottfried Wilhelm Leibniz
  14. 14. Чем отличается Data Science Case Study: Data Science and Machine Learning
  15. 15. Data Science != Analytics Классика: › Глубокое понимание › Человеческий разум › Построение моделей › Длительный процесс (месяцы и годы) Специфика: › Машинное обучение, ИИ › Колоссальные вычисления › Алгоритмические прогнозы › Ответ в реальном времени (доли секунды) 16
  16. 16. Data Science != Analytics 17 Классика: помощник ВМЕСТЕ Специфика: заменитель ВМЕСТО
  17. 17. Data Science != Analytics 18https://hbr.org/2014/08/the-question-to-ask-before-hiring-a-data-scientist/ Классика: Человекочитаемая выдача Специфика: Машиночитаемый ответ (API)
  18. 18. “Any sufficiently advanced technology is indistinguishable from magic.” Arthur C. Clarke, 1973
  19. 19. Black Boxes vs. Magic Wands and Canes
  20. 20. Где это уже работает: • Какую книгу (пост, новость) тебе стоит прочитать? – NEW MEDIA • Какую музыку ты хочешь послушать? – NEW MEDIA • Какой товар ты собираешься купить? – E-COMMERCE • С какой девушкой тебя познакомить (или с кем из коллег)? – DATING & NETWORKING • Готов ли ты сменить оператора? – OFFLINE SERVICE • Можно ли тебе дать кредит? – OFFLINE SERVICE 21
  21. 21. Что это? Особенности любой промышленной революции: технологии меняют основы процесса производства и обработки. Во времена первой промышленной революции они меняли процессы обработки материальных объектов, вытесняя труд, основанный на работе мышц людей и животных. Теперь похожее происходит с многими видами труда на основе использования мозга. Для получения результата использовать мозг становится невыгодно. Машины учатся манипулировать. Пока еще по нашему заказу. 22
  22. 22. Look-A-Like in Ad Targeting (and what do they search): что теперь вместо соцдема и древних сегментаций Case study Yandex Crypta
  23. 23. Технологии таргетинга Чёрный ящик!
  24. 24. Переход от рекламы к продукту Пока еще рекламная коммуникация оказывается более технологичной и гибкой, чем сайт или приложение. Но это положение дел уже начинает меняться. Весь интерактивный ответ начинает формироваться алгоритмически. Вы будете читать и смотреть то, что алгоритмы сочтут нужным ;)
  25. 25. Light TV-viewers: методология 27 Анкетирование пользователей › Анкета TNS (4 вопроса) › Онлайн- панель OMI › 28’000 чел. Cookie matching OMI-Yandex › Панелисты OMI <-> пользователи Яндекса Особенности поведения людей в интернете › Технология Crypta › 200 факторов поведения людей Чёрный ящик!
  26. 26. Heavy TV viewers Light TV viewers «сбербанк», «коммунальный», «шарлотка», «выкройка», «биглион», «irr», «заработать» «книга», «переводчик», «словарь», «формула», «японский», «французский», «немецкий», «такси» Больше запросов кириллицей Много запросов латиницей
  27. 27. Heavy TV viewers Light TV viewers «тнт», «дом-2», «телепрограмма», «стс» «С++», «wi-fi», «фотошоп», «torrent», «adobe»
  28. 28. Heavy TV viewers Light TV viewers «спартак», «цска», «пиво» «загранпаспорт», «авиабилет», «виза», «самолет», «аэропорт», «ржд»
  29. 29. Мамы с детьми 0-3 года [годовалый] [ходунок] [котофей] [бебиблог] [брокколи] [дом2новости] [джигурда]
  30. 30. On-line gamers [dota] [кпд] [массовка] [cheat] [эмулятор] [варфэйс] [капа][паркур] [гайд] [дрифт] [замужество] [партнерка] [прицел] [приворот]
  31. 31. Невидимая магия персональных рекомендаций (или манипуляций) Case study Yandex.Music
  32. 32. Зачем нужно машинное обучение Сотни сигналов может обработать только машина В традиционном продукте всего понемногу, чтоб нравиться всем Технология Яндекса: MatrixNet Важная разница: персонализация
  33. 33. Можно уйти от «похожести» Традиционные рекомендации опираются на здравый смысл Скучное решение: подобие Умная технология: ОТКРЫТИЕ Работает тем лучше, чем больше человеческих сигналов учитывает алгоритм
  34. 34. Smart (AI) algorithms Системы ИИ умеют учитывать сигналы от людей
  35. 35. Удержание на сервисе Яндекс.Музыка 37 1 1.5 2 2.5 3 Apr-13 May-13 Jun-13 Jul-13 Aug-13 Sep-13 Oct-13 Nov-13 Dec-13 Jan-14 Feb-14 Mar-14 Apr-14 May-14 Jun-14 logged-in no login Launch +19% Чёрный ящик!
  36. 36. Успеть поймать неосознанное Case study: YDF+Wargaming 38
  37. 37. Это страшное слово «отток» Подробно про проект YDF для WoT см. https://yadi.sk/i/emW5tZ3KeyM3i 39 YDF совместно с Wargaming успешно решили задачу для World of Tanks. Еще есть в мире: • Абоненты разных сервисов • Клиенты банков • Подписчики прессы • Регулярные покупатели • … Чёрный ящик!
  38. 38. Хорошая новость 40 Алгоритмы нам покажут, кто срочно нуждается во внимании маркетологов. Но пока машина не сумеет заменить человека в уговорах этих людей остаться. Здесь психологи и мастера маркетинговой коммуникации пока что вне конкуренции.
  39. 39. Покушение на традиционную науку? Нет, симбиоз с ней! Case study: Гиперлокальная Яндекс.Погода 41
  40. 40. 49,6 км
  41. 41. Яндекс создал технологию Метеум, основанную на алгоритмах машинного обученияМетеум
  42. 42. 80 метеорологических спутников 10 000 профессиональных станций 1 500 радиозондовых станций
  43. 43. Метеорологические исследования и прогнозирования +1 …модель 1 -3 0 модель N
  44. 44. -1 Метеонаблюдения Яндекс.КартыПрогноз МатриксНет Метеорологические исследования и прогнозирования +1 …модель 1 -3 0 модель N
  45. 45. МатриксНетМетеум Метеорологические исследования и прогнозирования … модель 1 модель N Метеонаблюдения Яндекс.Карты
  46. 46. -3 Метеум
  47. 47. Даже если забыть про искусственный интеллект и ограничиться режимом «вместе»… 51
  48. 48. CasualImpact* как типичный инструмент: как анализировать воронку Case Study: Аналитика офлайновой кампании │ *https://google.github.io/CausalImpact/
  49. 49. Как померить эффект ТВ-кампании Target – метрика, на которую мы хотим повлиять своей маркетинговой деятельностью. В нашем случае это куки с user-agent=YaBro Predictor – метрика, связанная с целевой, но НЕ подверженная влиянию маркетинговой активности. В нашем случае – all unique cookies Target и Predictor должны хорошо коррелировать в отсутствие активностей, влияющих на Target. (количество используемых Яндекс.Браузеров в отсутствие его продвижения коррелирует с общей активностью пользователей)
  50. 50. Solid line, observed cookies Dash line, calculation based on predictor behaviour By the end of TV flight: 100 000 - 120 000 target cookies above predicted (well correlated with number of downloads and launches) Training Comparison with prediction Campaign onTV Users from UA with Yandex.Browser Impact of Ya.Bro adv campaign 17.11-21.12.2014, Ukraine. Uniq users from Ya.Bro on all sites with Metrika counter
  51. 51. А есть ли влияние бренда? ▌ Гипотеза: демонстрация бренда в ролике могла привлечь внимание к самому Яндексу и привести новых пользователей Поиска. Для этой гипотезы: Target: cookies on SERP Predictor: cookies on all sites from UA users
  52. 52. SERP visitors from UA No statistically significant changes (traditional brand health tracking confirms the fact) Impact of Ya.Bro adv campaign 17.11-21.12.2014, Ukraine. Uniq Yandex Search visitors
  53. 53. Есть ли влияние на поисковое поведение? ▌ Гипотеза: поставив себе Яндекс.Браузер, человек начинает искать Яндексом чаще, чем искал раньше. Target: cookies from Yandex SERP Predictor-2: cookies form all search engines
  54. 54. Users from SERP No statistically significant changes during the campaign and after it Impact of Ya.Bro adv campaign 17.11-21.12.2014, Ukraine. Uniq visitors from Yandex Search predictor – visitors from all SEs
  55. 55. Умеете работать с такой аналитикой? Даже если вы журналист 59
  56. 56. 60 http://news-explorer.mybluemix.net/
  57. 57. Просто новые инструменты Нейронные сети 61
  58. 58. Распознавание и синтез Звуки и изображения: ▌ Преобразование устной речи в текст (дальше включаются все технологии работы с символьным текстом) ▌ Синтез речи (в том числе с управлением эмоцией и прочими атрибутами) ▌ Распознавание образов (классификация, интерпретация) ▌ Модификация образов Теперь машина может не только читать и писать: она слышит, видит и говорит.
  59. 59. Психология очень важна! Технологизация коммуникации с людьми – очень тонкое дело Лирическое отступление 63
  60. 60. ▌ Вам нравится антиспам на вашем почтовом сервисе? ▌ Вам нравится контекстная реклама в личной почте? │ Если ответы на эти два вопроса не совпали, вы непоследовательны. │ Зато похожи на человека ;) г
  61. 61. Мы очень плохо справляемся с простейшими задачками ;) Пожалуйста, быстро назовите последовательно месяцы года: 65 январь февраль март… А теперь…
  62. 62. Проверим прямо здесь  Сейчас я покажу картинку и задам один вопрос. ЗАПОМНИТЕ свой ответ на него: первый, спонтанный, пришедший в голову до того, как вы начали думать. 66
  63. 63. Еще вопрос на засыпку (про SMM) Что такое «групповая поляризация»? А что будет, если собрать вместе сторонников противоположных взглядов: точно ли поиск консенсуса? http://www.fastcoexist.com/3055978/facebook-is-making-us-polarized-and-predictable 67
  64. 64. У алгоритмов свои иллюзии Эту классику мы все знаем А вот это ученые только начинают исследовать ;) http://arxiv.org/abs/1412.1897 Black Box!
  65. 65. Придется учиться жить в мире с роботами 69 ▌ Научитесь нанимать разных экспертов и научите их работать вместе: аналитиков, специалистов по общению с алгоритмами, психологов, творческих людей (ибо весь «omni-channel 360» станет в итоге performance  - в сильно расширенном смысле этого слова) ▌ В digital коммуникация и продукт почти неразделимы – и оба должны быть одинаково технологичны ▌ Научитесь отличать: какие решения лучше принимает человек, а какие – машина. Найдите в себе мужество делегировать машине, а не только людям. И никогда не путайте два этих класса ;)
  66. 66. Серьезное обстоятельство: Алгоритмы, даже великолепно отвечающие на вопросы, пока не умеют вопросы задавать Чёрный ящик!
  67. 67. Домашнее чтение
  68. 68. Про data science и психологию - 1 Эрик Сигель Просчитать будущее: Кто кликнет, купит, соврет или умрет Билл Фрэнкс Укрощение больших данных Чарлз Дахигг Сила привычки
  69. 69. Про data science и психологию - 2 Даниэль Канеман Думай медленно… решай быстро Нир Эяль, Райан Хувер Покупатель на крючке Paul Zikopoulos et al Big Data Beyond the Hype
  70. 70. Художественное The Circle Dave Eggers (книга) Сфера Дэйв Эггерс (перевод) Ждем фильм https://en.wikipedia.org/wiki/The_Circle_(2016_film) 74
  71. 71. А еще есть Telegram ;) 75 @AddMeTo @NeuroScienceRu @TechSparks
  72. 72. Data Science Cognitive Science/Brain Science Психология Три дисциплины, которые определят очень многое
  73. 73. Весь рассказ был о массовых сервисах для людей. Но это лишь малая часть современного цифрового мира Совершенно необходимое послесловие
  74. 74. Напоминалка от GE
  75. 75. Прогноз от GE
  76. 76. IoT – отдельный мир, и он не про браслеты ;) Industrial Internet – это совсем другая история, потенциально с не меньшими последствиями для экономики, чем интернет людей
  77. 77. Мы тоже немножко пробуем Yandex Data Factory: https://yandexdatafactory.com/
  78. 78. 82 А еще можно посетить YaC/m https://events.yandex.ru/events/yac/29-june-2016/
  79. 79. “When a distinguished but elderly scientist states that something is possible, he is almost certainly right. When he states that something is impossible, he is very probably wrong..” Arthur C. Clarke
  80. 80. Спасибо! ;) asebrant@yandex-team.ru +7 (495) 739-7000 @asebrant https://www.facebook.com/asebrant Андрей Себрант

    Seja o primeiro a comentar

    Entre para ver os comentários

  • annakaraulova

    Feb. 25, 2016
  • ssuser4079d9

    Feb. 25, 2016
  • ssuserd3bf0b

    Feb. 25, 2016
  • VandaDmitrieva

    Feb. 25, 2016
  • alexandernenashev

    Feb. 29, 2016
  • vachadze

    Feb. 29, 2016
  • IrynaAmplieieva

    Oct. 19, 2016

Гостевая лекция в Вышке 18 февраля 2016

Vistos

Vistos totais

1.941

No Slideshare

0

De incorporações

0

Número de incorporações

13

Ações

Baixados

23

Compartilhados

0

Comentários

0

Curtir

7

×