2017新北產經大學 淺談個人與企業數位轉型的大數據應用 20170705
•
2 gostaram•655 visualizações
前言 -從生意業務與行銷創新的演變 國際貿易與電子商務：B2B-B2C-C2C-C2B，F2C 工業4.0-Customerized Scale -電子商務 互聯網特性 & 行動電商、平台式電商、垂直電商、媒體電商 未來科技創新三利器-智慧機器人、物聯網、大數據 -2017IT趨勢報告 -如何賣最好呢? Data Science 大數據對商業模式影響 -關於商業模式 Canvas -案例分享 德國凱馳、荷蘭飛利浦 數據科學在學習服務應用 巨量資料應用 -巨量資料原理 -大數據專案 -五加二政策 & DIGI plus 個人數位轉型
Recomendados
Mais conteúdo relacionado
Mais procurados
Mais procurados (20)
Semelhante a 2017新北產經大學 淺談個人與企業數位轉型的大數據應用 20170705
Semelhante a 2017新北產經大學 淺談個人與企業數位轉型的大數據應用 20170705 (20)
Mais de 張大明 Ta-Ming Chang
Mais de 張大明 Ta-Ming Chang (19)
2017新北產經大學 淺談個人與企業數位轉型的大數據應用 20170705
- 1. 淺談個人與企業數位轉型 的大數據應用 講 師 ： 張 大 明 r i c h a r d @ a b c t e c h . p r o T a - M i n g C h a n g | 育 睿 科 技 執 行 長 2017新北產經大學。ICT智慧學院。物聯網巨量資料班 | @2017/7/8。新北市板橋區致理科技大學。 1 Digital Tranformation – Big Data Driven https://goo.gl/njHrw7
- 2. 張大明 張大明執行長，育睿科技（2012）創辦人，資訊教育及教育科技專家，並擔任新 北市專業職能培訓人員職業工會-大數據應用職能發展委員會主委，xAPI中文實踐社群 指導委員會-Corporate L&D Coordinator，淡江大學教育科技研究所，台灣首位 4C/ID模式實證研究發表人，國際副價值工程專家 AVS，美國ATD會員，經濟部中小企 業領袖班第十二屆結訓。有近二十年成人教育訓練實務及數位化學習設計經驗。 • 亞太數位聯盟。眾創基地：2017數位創業直播論壇—亞太數位創業拉力營智庫召集人與教育總 監（2017/7/5） • SBIR經濟部小型企業研發補助計畫—思翱夫子雲倍力大數據服務開放創新研發計畫主持人 （ALBiTER，2015-2016） • 2016台灣資料愛好者社群年會-教育大數據「有志一同」議程協同主持人（中央研究院資料科 學研究所，2016/7/17） • ALBiTER歐倍特教學設計與實施手冊（張大明，羅志傑，2016/6） • 張大明, 羅志傑, 蕭舒方（2016），整合學與教脈絡大數據應用的教育創新-以思翱倍力大數據 服務為例，2016數位學習學術研討會：學習科技新趨勢（淡江大學，2016/5/20） • Use VA/VE on Online to Offline (O2O) Cloud Learning Services Study（Hong Kong-SAVE， 2015） 講師 2
- 3. 張大明 • 國家發展委員會105年資訊新知研討會-巨量資料分析的現況與展望（北中南三場，2016/8-9月） • 105年下半年度產業人才投資計畫-生產力4.0巨量資料應用班：ALBiTER歐倍特螺旋式4 Cycles 課程（2016/8-10月） • ITI外貿協會國際企業人才培訓中心：專案管理Excel資料分析實務應用，EXCEL資料分析實作- 商品創新與商業模式、淺談大數據與智能行銷商業模式（2016/5、9、10月） • 2016台灣資料愛好者社群年會-教育大數據有志一同協同主持人（中央研究院資料科學研究所， 2016/7/17） • 聯輔中心企業培訓課程-高雄兆豐銀行，物聯網中的大數據：中小企業商機無限（2016/6月） • TBLC台灣企業領袖交流會：商業4.0智能化大數據應用 & 企業數據力應用心法與技法，CSIA中 華兩岸跨業聯盟總會：大數據智能化人才服務（2016/6-8月） • 教育部優質高中計畫－教師課程發展會議（2016/6月） 講師 3
- 4. 4
- 5. 5
- 6. Agenda • 前言 – 從生意業務與行銷創新的演變 • 國際貿易與電子商務：B2B-B2C- C2C-C2B，F2C • 工業4.0-Customerized Scale – 電子商務 • 互聯網特性 & 行動電商、平台式電商、 垂直電商、媒體電商 • 未來科技創新三利器-智慧機器人、 物聯網、大數據 – 2017IT趨勢報告 – 如何賣最好呢? Data Science • 大數據對商業模式影響 – 關於商業模式 Canvas – 案例分享 • 德國凱馳、荷蘭飛利浦 • 數據科學在學習服務應用 • 巨量資料應用 – 巨量資料原理 – 大數據專案 – 五加二政策 & DIGI plus • 個人數位轉型 6
- 7. 很棒產品 或 服務 ? 從前7
- 8. 8
- 9. 9
- 11. 11 Steve Jobs iPhone 2007 Presentation https://www.youtube.com/watch?v=vN4U5FqrOdQ
- 12. 12
- 13. 13 微軟 CEO 納德拉：AI 不會取代人類，而是增強 我們的感官體驗與創造力 https://technews.tw/2016/11/03/microsofts-ceo-explores-how-humans-and-ai-can-work-together/
- 15. 台灣企業對新興科技的需求 • 可以獨立學習並完成指令的智慧機器或軟體。例如：機器人、聊 天機器人、自動駕駛車等 人工智慧 （Artificial intelligence） • 裝置中內建互相連接的感應器，此物聯網絡可以蒐集數據資訊或 由遠端遙控。例：智慧建築、汽車（車聯網）及家電用品等 物聯網 （IoT） • 下一代電腦因運用不同的運算系統，可以比傳統電腦更快地計算 出數據方程式 量子電腦運算（Quantum computing） • 衣物、裝置或身上可內嵌進階的運算與電子科技。例：智慧手錶 及智慧手環 穿戴式科技 （Wearable technologies） • 可以處理自然語言、手勢及視覺資訊的電腦與軟體。例：微軟的 Skype 翻譯（Skype Translator）及聊天機器人 下一代電腦運算 （Next Generation Computing） 15https://technews.tw/2017/03/15/most-companies-will-carry-out-digital-transformation/
- 17. 17 Think Big for Big Data – Smart & Automatics 大數據智能化 vs 人才工作之爭
- 20. 2017 IT趨勢報告 20
- 22. 數位轉型浪潮 重新定義企業與員工 價值 22 隨著萬物相聯，各種裝置與網際網路、行動技術進一步密切整合，數位轉型的趨勢越來越明顯。在 2017 年的企業應用上， 大數據分析被 59% 的受訪者視為最具潛力，其次則是物聯網及人工智慧，分別為 57.6% 及 44.8%。 https://technews.tw/2017/01/08/2017-it-trend-report/
- 29. Big Data? What?! • I know, I don’t care. • I know, me too. or … • I don’t know, then I know and I will involve. 29
- 30. 30 天下武功 無堅不摧 唯快 (準 & 先) 不破 大數據神功很神奇，不過也很平凡，基本功還是關鍵… 外功、內功 vs. 心法
- 31. 31
- 33. The role of ICTs in the e-commerce transaction/EDI value chain 33Source: OECD(2013/10) 貿易商 & 代理商 vs. 原廠 電子商務、跨境電商 、行動商務、第三方支付 電商平台 & 垂直電商 vs. 官網 (品牌)
- 34. 34
- 37. The Alibaba Group... 37 UNCATD：INFORMATION ECONOMY REPORT 2015-Unlocking the Potential of E-commerce foe Developing Countries
- 42. 42
- 43. 機器學習 Machine Learning 一個電腦程序從經驗E至學會， 針對某類任務T和性能指標P， 如果在T中的任務性能， 按P測量，提高了有經驗的E。 A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P if its performance at tasks in T, as measured by P, improves with experience E. 43 Tom M. Mitchell, WIKI 另一個定義：機器學習目標是要電腦編碼運用舉例的資料，或過去的經驗來 解決已知問題。 麻省理工學院 https://en.wikipedia.org/wiki/Machine_learning
- 44. Uniqlo operator joining with consultancy on big-data venture http://asia.nikkei.com/Business/Deals/Uniqlo-operator-joining-with-consultancy-on-big-data-venture?page=1
- 46. 公司定位 • UNIQLO始終沒有忘記傳達給消費者「UNIQLO是日本品牌」的概念。 目標客戶 • 把上門的消費者當成目標客群，是無法創造更多利益。 • UNIQLO視為目標客群，是那些還沒上過門的消費者。 吸引目標 客戶策略 • 開發顧客「想要」的商品，企業唯一的使命，就是提供消費者需要的商品。 • 「短期集中」型態的廣告宣傳戰，創造首購人氣，吸引還未上過門的消費者注意。 價格策略 • 透過SPA經營，取得生產線的控制權，減少製造端的損失，打造高品質形象。
- 47. 廣告策略 • 平面媒體 • 電子媒體 • 網路媒體 店面經營策略 • 提供消費者更輕鬆自在的購 物環境 • 獨特的店長評價制度 • 商品都統一以日文介紹，徹 底實踐「UNIQLO From Japan」的訊息 華人市場行銷策略 • 以中國人喜歡的「8」這個 數字，推出88種顏色的 POLO衫，並以人民幣88元 為訂價策略 • 由偏高的價格設定，傳遞 「日本貨較高檔」的訊息
- 48. 資料價值：有效分析 vs. 靈活運用 5.決策 最佳化 • 運用機器學習等 演算法，由程式 自動建議產生參 數， 4.行為 解讀 • 根據資料來解讀 個體／群體行為 背後的動機 3.預測 • 同樣是根據歷史 資料，但目的是 要預測，預測未 來的表現或需求 2.推薦 • 基於歷史資料， 將廣告或商品推 薦給潛在消費者 1.情勢 評估 • 利用資料分析， 來評估組織／個 人／產品／決策 的績效 48 大數據分析的技術導入，獲得有價值結果的五個目的與內涵 資料來源：陳昇瑋。為什麼很多企業大數據應用的效益，沒有專家說的那麼神？科技橘報 https://buzzorange.com/techorange/2016/06/27/big-data-analysis-practice/
- 49. 49 What happened? • 描述性分析 Descriptive Analytics Why did it happen? • 診斷式分析 Diagnostic Analytics What will happen? • 預測式分析 Predictive Analytics How can we make it happen? • 指導性分析 Prescriptive Analytics 價值 困難度 & 複雜度 傳統BI 進階分析-大數據 落後指標 洞見與覺察 領先指標 撿 找 人 算 神 算 Edited by Ta-Ming Chang , 2016/8/2 Big Data應用技術演變， 人 & 技術，大數據專案 本身
- 50. Gartner 分析師 Doug Laney —Volume 資料量，Velocity 資料輸入輸出速度，Variety 資料類型，Veracity 真實性 在 2001 年發表的「3D Data Management： Controlling Data Volume, Velocity, and Variety.」 在 2012 年 全新的定義 「大數據是大量、高速、 及/或類型多變的資訊資 產，它需要全新的處理 方式，去促成更強的決 策能力、洞察力與最佳 化處理。」 50
- 51. 大數據特徵 • 大數據資料量龐「大」（Volume）、變化飛「快」 （Velocity），種類繁「雜」（Variety），以及 真偽存「疑」（Veracity） • 尤其在這資訊大爆炸時代，這些資料變得又多、 又快、又雜、又真偽難分 探索巨量資料這新領域 - Tim Smith https://youtu.be/j-0cUmUyb-Y
- 52. 資料來源：工業局 工業4.0 (生產力 4.0) – IR / IoT / Big Data
- 53. 53 Next Big Thing. 機器人Pepper月薪26888 4勝1敗 - AlphaGo勝 五段棋王李世乭
- 54. AlphaGo vs 李世乭 @2016, March 54 圖片來源：網路
- 55. Source: 天下雜誌。人類可以向 AlphaGo 學什麼？ https://www.youtube.com/watch?v=WIZH61sODNI 55
- 57. Big Data? What?! • I know, I don’t care. • I know, me too. or … • I don’t know, then I know and I will involve. 57
- 58. 商品販售與行銷 店員：請問…老闆，您真是了得! 老闆：飯可以亂吃，問題不可以亂問!? Association for Talent Development(from ASTD T+D Magazine April 2016) 一個電腦程序從 [E] 至 學會，針對 [T] 和 [P]， 如果在 [T] 中的任務性 能，按 [P] 測量，提 高了有經驗的 [E] 。 E: 販售商品或服務獲取利潤 P: 銷售業績 T: 銷售商品或服務
- 59. 大數據對商業模式 影響 59
- 61. Canvas 9大要素 • VP 價值主張 • CA 客戶活動 • CH 通路 • CS目標客戶 • R$ 收益 • KP 合作夥伴 • KA 關鍵活動 • KR 關鍵資源 • C$ 成本 61
- 62. 創意與創新 ─使用者體驗：改善一小步 資料來源：www.businessmodelgeneration.com 62 VP 價值主張 CR 客戶關係 CH 通路 CS目標客戶 R$ 收益 C$ 成本 KR 關鍵資源 KP 合作夥伴 KA 關鍵活動
- 64. 64
- 65. 德國企業凱馳—賣清潔機器 vs. 賣空氣 • 顛覆原有的商業模式，客戶可以不買機器，改買 使用多少壓縮過的空氣來計費的服務 – 因為凱馳的清潔設備，都是壓縮空氣形成壓力，讓 水變成高壓強水柱，來清潔髒污。 – 以前，賣愈大台機器利潤好，但客戶不一定需要 – 現在可以選擇訂定最低用量、付一定金額，根據客 戶的需求預估，來配置設備給客戶使用，用量超過 合約最低門檻，就再支付額外費用 – 客戶不必再購置機器，維修服務也可以一應交予凱 馳處理。 65 賀桂芬，凱馳百年企業三年「換心」、秤斤論兩賣空氣。 2016-07-06 天下雜誌601期 http://www.cw.com.tw/article/article.action?id=5077226
- 67. 價值主張VP關鍵夥伴KP 關鍵活動KA 關鍵資源KR 客戶關係CR 通路CH 目標客戶CS 成本流C$ 收益流R$ 轉型工業4.0 (物聯網 + 大數據) 賣設備 維修設備 賣空氣 待維修時間長 無線通訊感應 代理商 維修設備 KA 關鍵活動
- 70. 商業模式 Business Model 價值主張關鍵夥伴 關鍵活動 關鍵資源 客戶活動 通路 目標客戶 成本流 收益流 Data Drive 學&教 20% & 80%
- 71. 結語
- 75. 75
- 76. 數據運用已充斥在生活與工作周遭 • 如何找餐廳吃飯? • 如何找房子? • 如何搭車? • 如何找答案? • 如何學習? • 如何交朋友? • 如何找工作? 76
- 77. 進入大數據應用領域 77 問題驅動取向 （Problem Driven Approach） 資料驅動取向 （Data Driven Approach） 資料來源：大數據@工作力 不同案例Big Dat商業模式差異比較，看出價值?!
- 78. 78 案例 應用大數據取向 大數據價值 UPS 四萬六千台車輛通訊感應器（物聯網） 修正送貨路線、節省成本 聯合健保 NLP 客服紀錄顧客錄音，並轉為文字 分析顧客滿意度資料，其他多個來源顧客資料， 由大數據團隊進行分析：健保理賠，疾病病程與 治療狀況 梅西.com 顧客導向資料分應用：個人化、精準廣 告與電子郵件、搜尋引擎最佳化 高數據技術大數據團隊：不該為用而用，注重投 資報酬率，只投資真能解決問題的技術上 美國銀行 龐大分散於各管道的交易、顧客、未結 構化等資料，注重前兩者 以往僅能抽樣，轉改採大數據技術，了解顧客， 明確定義區隔顧客，提供更一致、有吸引力的產 品與服務，由專案化大數據團隊負責 花旗銀行 有了總資料室基礎，面對日益增長企業 資訊，做好整合性、品質，轉換至大數 據善用開放源碼工具平台 降低成本、拓展環境、促進對顧客關係與顧客行 為了解，加深大數據科技創新，擴展地理限制顧 客影響範圍 希爾斯控股 領先同業的資訊科技應用能力，大數據 技術PB級零售資料整合-顧客、產品、 銷售、活動 提高行銷成果，把更多顧客找回店裡，從八週複 雜行銷活動推出時程，縮短成一週，更將大數據 營運能力獨立成公司對外服務 LinkedIn 活躍大數據活動-資料工程團隊、資料 產品團隊、商業資料分析團隊、產品資 料科學團隊等 加值應用數據的功能-搜尋用戶技能、可能認識 的人、類似工作、可能喜歡團體，預測最可能感 興趣的內容 資料來源：大數據@工作力
- 79. Machine learning? 79 Machine Learning Tutorials for Beginners (Microsoft) https://youtu.be/xmvEGS5Xbpg
- 80. 簡單說… 80 Machine Learning Tutorials for Beginners (Microsoft) https://youtu.be/xmvEGS5Xbpg
- 81. Machine learning…How? • Supervised learning – 監督式學習，可以由訓練資料中學到或建立一 個模式，並依此模式推測新的實例。 • Unsupervised learning – 非監督式學習，並不需要人力來輸入標籤。它 是監督式學習和強化學習等策略之外的一種選 擇。 81 Source : WIKI https://en.wikipedia.org/wiki/Machine_learning
- 82. 82 Machine Learning Tutorials for Beginners (Microsoft) https://youtu.be/xmvEGS5Xbpg
- 83. 83 Machine Learning Tutorials for Beginners (Microsoft) https://youtu.be/xmvEGS5Xbpg
- 84. 三大要素決定 Machine Learning 是否可以幫我們解決問題 • 第一：現象具有模式 (Patterns) – 現象、行為、規則 • 第二：該現象無法用簡單數學式表達 – 演算法： Supervised learning，Unsupervised learning， Reinforcement learning • 第三：必須要有數據 (Data) – 小、中、大數據 84http://chinese.classroom-aid.com/2014/10/the-classroom-will-learn-you.html/
- 85. DELTA模式 —大數據資料分析發展模式 資料 Data 企業 Enterprise 領導 團隊 Leadership 目標 Target 分析 Analysis 85資料來源：大數據@工作力
- 86. DELTTA 大數據 資料 找出可能的資料來源、經過處理將未結構化資料轉換為結構化資料，將 多個來源資料整合到同一資料集中；平日的資料治理，整合至大數據流 程 企業 早期接納-新創或線上企業；試探-驗證概念或探索資料，非完全量產應 用；導入-合理分配資源或結合多項專案、創造綜效 領導團隊 對大數據信心；待在橋上的溝通者；很難評估投資報酬率，投如新產品、 新服務或加快決策流程的挑戰；決策者的耐心 目標 組織的選擇與大數據應用的順序；嘗試與驗證 vs. 效益價值（降低成本、 提高處理資料的速度、開發新產品或服務、利用新資料與新模型改良決 策） 技術 平台架構、語言、視覺化工具，與機器學習演算法等 分析 資料科學家-水平或垂直型，駭客、科學家、顧問、量化分析師、商業 專家 86資料來源：大數據@工作力
- 87. 資料科學家 —要有經驗的Big Data分析師是很困難的事 • 因為除了懂得分析之外，還必須能充分了解和運 用Big Data所使用的平台技術， • 目前具備實務經驗的Big Data分析師一位難求 87
- 88. 88 大數據研 究方法 大數據專 案團隊 學教脈絡 理論模式 學習分析 方法論與 演算法 學教脈絡 視覺化圖 表 企業內部練兵 學習 & 外部資源 1. 由使用者行為現場脈絡，蒐集必要資料，並且依照產業專業模式，對待與 探索這些資料? 2. 資料室如何進行加減乘除的，或是進階的演算法? 數據是拿來用的，不是拿 來看的! 3. 數據轉換成視覺圖表後，經探索發掘了什麼，這時需要的想像力! 4. 大數據團隊成員是否對數據分析探索是否充滿熱情? 5. 外部資料是否能夠為我們所用? 6. 我們要如何分享我們的資料?
- 90. Impact • TEDxBroadway演講，Ben Wellington 提供五項原則， 透過故事讓數據更有意義(Making data mean more through storytelling) – 1.連結人們的經驗 Connection with People's Experiences – 2.專注一個創意 Focus One Idea – 3.讓它簡單化 Keep it Simple – 4.探索你最熟悉的 Explore the Things You Know Best – 5.發生改變 Make an Impact 90 https://youtu.be/6xsvGYIxJok
- 95. 95
- 102. 五大創新產業與新農業、循環經濟，以數位經濟為底層，由此實踐軟硬結合 五大創新研發產業： 一. 台南沙崙為中心的「綠能研發中心」 二. 桃園的「亞洲矽谷計畫」，發展物聯網與智慧產品 三. 以台北資安、台中航太、高雄船艦為中心的「國防產業聚落」 四. 中研院所在的南港園區、竹北生醫園區延伸到南科的「生技產業聚落」 五. 台中的「智慧精密機械聚落」 工業4.0（台灣生產力4.0計畫於2016年7月停止）
- 103. 資料來源：工業局
- 104. 資料來源：工業局
- 105. 105 1個人領２份薪水做３份工作 65歲以上 15-65歲工作人口 14歲以下 2015 12% 74% 14% 2060 41% 50% 9% 資料來源：工業局 生產力4.0
- 106. 李開復： “最大白領失業 潮來襲 4種「師」 首當其衝。” Future… Partner with Code. 醫師、律師、教師，與金融 ?! http://goo.gl/DD96tB @ALBiTER 106
- 111. 111 天下武功 無堅不摧 唯快 (準 & 先) 不破 大數據神功很神奇，不過也很平凡，基本功還是關鍵… 外功、內功 vs. 心法
- 112. 112 Source：IFPC
- 114. 114
- 116. 116
- 117. 職涯探索工具 Canvas – Business Model You 117 https://www.slideshare.net/chichinliu/ss-15583184
- 118. 118
- 119. 4個步驟 CANVAS 繪製個人 商業模式 圖Canvas 草圖 Reflect 反思人生 方向 Revise 重新繪製 Canvas個 人商業模 式圖 ACT 行動-學 習 & 改變 119
- 120. 創造人才的價與質 THANKS! Q&A
- 121. 學習資源-搜尋關鍵字 • 資料科學 Data Science • 大數據 Big Data • 機器學習 Machine Learning • R語言、Python • 網路爬蟲-Crawler • 分析方法- – 描述性分析 Descriptive Analytics、診斷式分析 Diagnostic Analytics、 預測式分析 Predictive Analytics、指導性分析 Prescriptive Analytics • 演算法- – Supervised learning，Unsupervised learning，Reinforcement learning • 大演算-機器學習五大學派 – 演化論學派、類神經網路學派、符號理論學派、貝氏定理學派、類比推理學派 121 http://www.books.com.tw/products/0010722761