【urAD快訊】urAD創辦人 劉至剛 執行長榮獲「100MVP經理人殊榮」

【urAD快訊】urAD創辦人 劉至剛 執行長 榮獲「100MVP經理人殊榮」

《經理人月刊》年度最大盛事「100MVP經理人」選拔,於今日12月1日舉行十周年頒獎典禮。urAD創辦人 劉至剛 執行長以「服務創新」榮獲 2017臺灣百大MVP經理人之殊榮

由劉至剛執行長所帶領的urAD團隊累積多年完整且成熟的行銷技術與對各平台演算法的深度理解,以“Data First”的核心價值為基礎,發展出經過專利認證的「智慧廣告AI技術」。成功結合先進資料整合與分析技術,打造出「智能數據行銷平台」創新的數據服務,協助企業執行數位行銷任務時,面對資訊太多、時間太少、決策要快的關鍵挑戰,成為引領企業航向數位市場的行銷利器!

 

加入 urAD 超級充電器 加入好友 數位新知不漏蒐!

【urAD Focus】你也許沒辦法AI First,但可以Data First!


urAD Focus【Data Marketing Technology】

AI (Artificial Intelligence) First是在今年Google I/O上由CEO – Sundar Pichai 提出的全球方向(註一),而AI的話題在近期也不斷地發酵,姑且不論歐美各巨頭的論戰,即使在台灣的各產業也興起了一波波的AI熱潮,一堆沒人說得清楚但又好像很厲害的名詞不斷的出現,連科技部也跳下來準備投入5年50億的經費發展AI產業(註二),AI霎那間成為神級如鋼鐵人從天而降般的角色,親眼看到的人不斷的闡述這個意象,更厲害的是從沒看到的人口中所聽到的描述,你會發現他們不但跟鋼鐵人是從小到大的朋友,而且比他的爸媽還了解他。

但其實鋼鐵人的的AI是Jarvis….(小聲)

不過今天要討論的並不是AI,而是Data。Data可以說是AI的養分,沒有Data的滋養,AI是無法以任何方式產生的。藉由現在Cloud Services (AWS, GCP, Azure)的成熟,讓我們就算沒辦法像Google投入數百億美金在AI的發展上,不過從Data First出發是絕對可行的!

事實上Data一直以來都存在企業中,有的被系統化紀錄像是ERP / CRM / EIP / CMS / DMP / BPM / HR..等等,而偏向知識,know-how類型的Data則記錄在每一個員工的大腦裡,又有部分完全沒被記錄或記錄在他人的系統裡,例如網站上的行為存放在GA,社群的資料存放在Facebook或LINE,所以請放心,要打造屬於自己的Jarvis是絕對有機會的。

這是一個go big or die的問題,你如果同意Data是重要的,你的企業該如何在未來三到五年內,成為一個以Data為核心的企業,並讓Data成為你在商場上邁向下一步的競爭關鍵呢?

1.讓Data成為企業文化的一部份

不論公司的大小,如果你仔細的把工作流程或決策流程撥開來看,一定會發現有所謂“憑感覺”或是“從以前就這樣”或是“這是老闆說的”這類不盡合理但又相安無事的處理方式,而許多管理階層會把這樣的方式視為合理甚至是個人的能力表現,製造自己無法替代的假象,但其實反而讓公司無法正規的成長。如果公司有上述的狀況,那代表在這些狀態下,公司沒有收集足夠的資訊進行決策上的歸納與策略制定,

要打造Data First為核心的企業從管理階層在mind set上的改變是必要的,首先就要拋棄經驗法則,用Data挑戰或證實自己的想法,問自己:真的是這樣嗎?在這過程中,你會驚訝的發現人在0.01秒之內可以處理的事情需要多少的Data,而這些Data通常不存在任何的系統裡。

對我來說,Data First並不是要產生新的生意、換掉哪個職位或是多增加多少%的淨利,而是讓每個部門,每個職位都有垂手可得的資料用於分析、討論、規劃等等。換句話說,你不需要去”要”Data,而是Data自動送到你的面前,進而讓所有的人產生對Data的想法和好奇心。這必須是一種文化,一種思維,一種呼吸的時候都感覺得到的氣味才能辦得到。

2.聚集以Behavior為主體的Data,並且讓它產生關聯

剛剛提過了,企業本來就存在各種的Data。依照不同的部門和目標,就會使用一個或多個系統或服務,而這些系統或服務所產生的資料大都是分散的,舉例行銷部門可能有媒體或廣告資料,業務或客服部門可能有CRM資料,技術部門有主機網路或服務的Log資料,管理部門也有帳務與員工的資料,這些分散的資料就如同分散的資源,連全貌都看不清楚,更別說綜效了。

看到這裡,如果你的想法是:啊!這不可能啦!那請自行登出,因為以下內容太過驚悚,不適合小朋友繼續觀賞。
但如果你的想法是:這就是我要做的!那恭喜你已經跨出第一步了。

首先,在資料收集上,你可以利用資料倉儲 (Data Warehouse) 來整合所有的資料,方法和工具大同小異,重點在能夠自動的收集(collect)、監控(monitor)、管理(manage)不同的資料來源和流程,不需要為了技術而技術,找尋適合你的方法即可。

而行為資料(Behavior Data),常常在企業中被忽略,例如想知道三個月前某一天的銷售大增的原因,大概有8成的行銷人員是用猜的,他們會說:應該是某一個活動或是某個產品大賣,但實際上的關聯和記錄往往沒有被規律的收集下來,所以你又會常聽到:上次這個活動蠻有效果的,但這次好像沒那麼好?當然很多事情是很難用單一變數來重複驗證,不過將Data收集下來做長期觀察是有必要的。

接下來先記住一件事:GIGO (Garbage in, Garbage out),意思是說如果你收集的是垃圾,那最後產生的除了垃圾之外還會有其他的嗎?Data的匯集當然不會是把所有資料丟到一個地方就沒事了,包括資料的採集、清理、對應、標籤…等等,有許多的事情必須要做,這需要企業整體的共識,降低企業的投資風險,所以絕非單純屬於技術部門的責任。

假設你已經建立了一個資料倉儲,接下來就是把資料之間的關聯性建立起來,資料之間存在可能是強關聯也可能是弱關聯,而決定關聯的方式應由各部門提出,你要做的就是把所有的資料來源攤開讓他們做選擇,再由技術部門處理當中的邏輯即可。為什麼是各部門提出呢?原因很簡單,使用資料的部門絕對比技術部門更了解資料所代表的意義,你若作為部門主管,也應該會比員工更具有資料的敏感度,所提出的需求才能貼近實際的狀況。

3.讓員工升級,每個人都可以是資料科學家

許多台灣的企業,把員工作為生產線的一部分,用各類型的系統來對流程進行管理或是對產品進行良率提升,長期下來,你還沒把機器人訓練成人,到是先把人訓練成機器人了。另外近期有許多的企業開始注意Big Data的發展,紛紛的開啟資料科學家(註四)的職缺,希望藉由資料分析找出Data的價值,但是整個流程耗時費工,成本又高,效益極難評估,很多公司只是拿來當作說嘴或對外包裝的題材,而不是認真想做,這在大企業中最容易發生

你該了解的是,跟資料靠近的第一線人員其實才是對資料最有Sense (註五) 的人,例如行銷人對行銷或媒體資料、業務對客戶或業績資料、產線對生產相關資料…等,資料科學家再厲害,也要花很長的時間去了解資料的特質,也常發生分析出的報表被給予“這不用你分析我也知道”的評語。所以不如讓第一線人員可以使用一些工具,像是Google Data Studio、Tableau或是M$ Excel,做適當的教育訓練,讓他們對資料產生想法或好奇心,鼓勵員工提出數據的觀察,說不定效果更好呢!

另外,通常員工在日常工作中的判斷是來自經驗的累積,但人的記憶是選擇性的,如果能將判斷標準的來源數據化,作為判斷的參考,好處是公司可以降低錯誤決策的發生機率,員工也可以更客觀的態度來處理相關庶務,甚至提供建議,讓資料的收集可以更完整,一魚多吃啊!

呵呵…好像越說越難了!沒錯,搞定人絕對比搞定系統困難多多多多多了!想將企業打造成Data First的環境,就要讓員工也知道你是玩真的,懂嗎!

4.用數據做管理,拋棄數字管理

數字管理在台灣各產業都已經運行多年,在數字至上的企業裡,有著數不清的假KPI和無意義的數字作為管理績效的方式,以下舉兩個例子:

「例一」

目標:會員數增加

作法:舉辦加入會員抽iPhone的活動,會員三個月增加130%

這類的活動一定會吸引到大量的會員,但大部分的會員可能根本不是你的潛在顧客,他們過三個月之後甚至不記得自己在哪些地方加入會員,而你說不定還辦了慶功宴慶祝會員破xx萬呢!

「例二」

目標:銀行衝信用卡申請數

作法:辦卡禮 + 強迫員工每月要有x張申辦數,信用卡申請增加xx萬張

你可以簡單算一下你有幾張人情信用卡完全沒用過甚至沒開卡,但銀行端在辦卡禮、製卡、申辦流程、帳單和管理,這些都是成本。銀行說不定還會辦激勵大會,發獎金犒賞優秀員工,銀行界的朋友啊!我相信你們懂,只是不想改變吧!

而數據管理的方式會如何進行呢?

第一:做長期的數據觀察-企業同時會執行有許多的活動(Activities),以上面兩個例子來說,持續追蹤經由這些活動對企業的影響是什麼,從客戶期間價值(Life Time Value)、產品或服務的銷售、活動相關成本應做適當的攤提到每個細項做長期的評估。

第二:依數據設立目標並徹底執行-許多的企業分析是一回事,執行又是一回事,原因很簡單,都是因為管理階層還是做數字管理,員工在多做多錯的企業氛圍下,不敢挑戰新的方式,讓企業呈現殭化的狀態。再以上面兩個例子來說,如果目標改成:增加30%的會員年度貢獻度和提升20%的持卡人滿意度,整體的思維和進行方式就會完全不同,而有數據作為依據,企業的成長動能來源也可以更透明。

5.重心放在創新,而不是管控

企業創新是所有的經理人都在追求的,過去製造業的思維主要是管控,標準作業流程(SOP)幾乎每天都掛在管理階層的嘴⋯⋯對,你沒看錯,是嘴裡,在只有數字沒有數據的企業中,充其量只是把現有工作流程化或自動化,這和創新的定義有很大的不同,簡單來說舊思維是無法創造新方法的。

我們不希望變成一個僵化的企業,但在現在變化如此快速的環境中,如果一個SOP執行了2年都沒人能提出改善方式,在某種程度上可能存在很大的問題,又如果改善都是由管理階層提出,代表企業存在更大的問題,代表企業內部存在者被動改變而非主動創新的文化認同問題。

要成為一個Data First的企業,你就要學習管理數據,這裡說的並不是data warehouse、database、dataflow之類的相關技能,而是依照不同部門和職級分層進行長期且定期的Data觀察、定義、收集、監控與分析。個人很建議可以利用Scrum的管理方式來追蹤與數據相關人員的回饋,作為整體的溝通橋樑。

企業內部如果能透明且中性的看待數據,創新就有機會在很多地方發生,小數據也有機會有大發現,也許從服務流程、作業流程甚至是內部溝通流程都有機會產生創新,相同的是小創新也有機會有大表現。

6.讓Open Data成為企業目標

無庸置疑的這是最難的,但我強烈建議企業要朝這個方向進行,原因很簡單,當你把去識別化的數據開放出來,就有機會讓全世界的人幫你創新,看看Google、Facebook和各國際大廠過去10年的發展趨勢就可以明白,這裡就不多做說明了。

而最重要的,當你有能力將數據透過API開放出來,代表內部的數據的流程有相對高的完整度,當有了規格化的數據後,更有機會與合作夥伴進行合作;也可以像KKBOX或Pixnet一樣,舉辦Hackathon的活動來吸引人才,加速服務優化與創新;當然,你的數據如果有價值,一樣可以收費,甚至是新的商業模式都有機會藉由開放數據而誕生。

以上……..你既然都有耐心看到這裡了,就讓我總結一下吧!

企業的發展能否永續誰也說不準,不停的向前是必要的,我想不只台灣,許多企業無法應對市場變化往往是無法掌握變化,在過去的工作經驗中,即使是高階經理人,其實也常常沒有頭緒,不確定下一步該往哪走,如果你能讓數據變成企業中的血液,攜帶養分隨著流動到每一個部門甚至員工中,當你用腦過度的時候,心臟就自然會打更多的氧氣上來或是呼吸的更用力來得到氧氣,一切是自然反應而不是命令得來的,你的體質自然會比其他人更好,更有機會抓住機會,應對挑戰。

以上幾點其實是寫給自己看的,看官如果覺得哪裡有問題,按關閉視窗就好!

而AI的境界,等我完成以上6點再告訴你喔~

(註一) 完整Keynote請看 https://www.youtube.com/watch?v=iDQihBEcTzU

(註二) 真心要發展AI的話,建議至少要佔國家年度總預算的1%(約200億),並拉升到國家戰略等級,而不是政策等級,方向應朝產業AI化,而非發展AI產業。

(註三) 小祕技:人才招募也要趕流行,你把資料分析師改成資料科學家,應徵人數多30%不是問題。

(註四) Sense這個字太難用中文來描述,大概就是感覺、理解力、聯想力的綜合吧!

 

加入 urAD 超級充電器 加入好友 數位新知不漏蒐!

【urAD快訊】最新Facebook廣告AI工具-精準預測你的注意力!

Facebook推出了一項名為“動態素材”(Dynamic Creative)的新智能廣告工具,在有這個新工具之前,廣告主若要針對不同的素材組合(圖片、廣告標題與行動呼籲 … 等等)去進行廣告成效測試的話,必須手動的去建立多種固定組合的廣告素材(Ad Creative),然後在臉書的廣告後台建立起多個Ad去進行廣告的投放,這不只在操作廣告時非常耗時,在後續進行成效監控以及報表分析時也非常的麻煩。

Read more

urAD 廣告技術再受肯定,獨家產品 urINSIGHT 榮獲百大創新產品獎

%e7%99%be%e5%a4%a7%e5%89%b5%e6%96%b0%e7%8d%8e%ef%bc%bf%e6%96%b0%e8%81%9e%e7%a8%bf%e9%85%8d%e5%9c%96-07

105 年由台北市電腦公會資訊月主辦的 「百大創新產品獎」得獎名單出爐,urAD 在「系統 、工具、應用軟體」類別中,以自主開發的「 urINSIGHT 每日預算決策系統」脫穎而出,獲得評審一致肯定,榮獲百大創新產品獎。

Read more

Siri 入駐蘋果電腦 搜尋引擎版圖將有變化?

參考圖片來源:http://appleinsider.com/articles/16/02/24/rumor-apple-will-finally-bring-siri-to-mac-with-this-years-os-x-1012

Apple 宣佈,新一代的 Mac OS 中將會引進 Siri 語音助理,未來在 Mac 電腦上也可以使用 Siri 搜尋功能,不必使用 Google 搜尋。

Read more

AI100研究專案 持續監控人工智能一百年

圖片來源:
Stanford University

什麼是AI100?這是由微軟研究實驗室(Microsoft Research Lab)總監Eric J. Horvitz與他的妻子所提出,持續評估「超級智能機器發展對全體人類文明影響」的專案。

這項研究以史丹佛大學為基地,被外界認為將會造成極大範圖的影響;內容從國家安全到公眾的心理與隱私,預估持續期間將長達一百年,因而得到AI100這一個專案名稱。為此,Horvitz近期召集了一個跨學門的常務委員會,成員來自許多不同的科學領域,將透過團體間輪調的方式,在每五年產出一份研究報告。據說第一份報告,將在今年底發佈。

Eric Horvitz

ScienceInsider近期非常難得地專訪到Horvitz,並與他談論這個雄心萬丈的專案。Horvitz曾經是AAAS – The American Association for the Advancement of Science (美國科學促進會)資訊、運算與通訊部門的主席,而AAAS是 ScienceInsider 的發行商。

圖片來源:Science AAAS

圖片來源:
Science AAAS

ScienceInsider的訪談中指出,AI100原本是一項Horvitz於2008年到2009年間,於人工智慧進步協會AAAI( AAAI – Association for the Advancement of Artificial… )所主持的專案,主題是針對「超級智能機器的發展,對人類文明短期與長期衝擊」的廣泛研究,而此一專案後來則被Horvitz大手筆將持續期一次拉到了一百年之久。

為什麼Horvitz要這麼做呢?因為他認為,機械智能的發展將遠遠超過創造者們的預期,機械智能將徹頭徹尾影響社會全體乃至人類文明。由於Horvitz認為,許多衝擊是無法在短期間內就能看見因果,因此他希望建立一個具前瞻視野的平台;該平台同時也要有能力緊密連結長時間的諸多研究成果。

他舉了一個關於超級智能機器發展與隱私權的例子,例如透過蒐集個人的搜尋日誌(Search Log)、Twitter的Tweet與Facebook貼文等⋯這些平時看似不相關且無侵犯個人隱私的資料,在經過機器智能的分析後,會對個人隱私產生無法預期得到的侵犯。智能機器可以用來預測哪些人具有很高的概率去罹患具高度風險的特定疾病,而這些資料也將影響個人在未來在保險申請與信用卡申請時的成功機會。因此,他認為這些需要長時間才能觀察到的道德議題,必須要持續追蹤並研究。

Horvitz認為這些需要長時間才能觀察到的道德議題,必須要持續追蹤並研究

記者問到Horvitz,AI100這項專案共劃分了十八大領域去探討人工智慧的潛在衝擊,並一路涵蓋從政治、經濟到法律及道德⋯等面向,如此大的野心,究竟如何能有效率地組織討論與研究呢?Horvitz表示,目標是透過初期建立起的常務委員會來架構自我維運的系統,並透過這個系統,持續在一百年間設立各種延伸出的常務委員以及座談會。 

當被問及科技的發展是否會超出計畫中每五年發佈的研究報告所預期,Horvitz則回答,AI100並不僅是研究當今超級智能的快速發展並解讀已經發生的現象;AI100想要做的是扮演類似預言家的角色,從成本面以及機會面出發,提供政府、投資以及研究機構在超級智能發展上的導引,讓握有資源的個人及組織,能投入資源,加速超級智能的發展,並去平衡因這樣的發展伴隨而來的潛在風險。 

AI100計畫中的研究,非常著重與社會公眾溝通:「人工智能是什麼?」及「它將產生的影響」這件事上。其實我們現在還無法預估多數人對這樣的發展抱持著哪些態度;雖然地球上大多數人都已經在享用人工智能發展所帶來的豐碩成果,但很多人仍不知道他們每日使用的搜尋引擎背後,倚靠的就是人工智慧系統。

儘管許多名人像是Elon Musk 以及 Stephen Hawking等都曾發表過公開聲明,警告總有一天人工智能會是對人類文明的一項重大威脅;但Horvitz反駁認為,對大多數研究者而言,他們的言論其實是毫無根據的。當然,也有人對超級智能抱持著不確定的態度,但Horvitz認為,AI100最重要的目的就是要與公眾廣泛溝通,讓社會大眾知道,就現實面來說,人工智能已經充斥在我們周邊,並且為我們的生活帶來數不清的便利。於此同時,科學界也已經有許多方法來防範,避免人工智能有機會對人類文明進行先發制人的毀滅性打擊。 

AI100最重要的目的就是要與公眾廣泛溝通

最後,記者問到Horvitz,就他個人而言,認為人工智能的未來會是什麼?Horvitz回答:「我是抱著非常樂觀的態度的!人工智能發展到最終,一定會被賦予令人難以置信的人性與自我意識。儘管現在依舊很難觸及這樣的結果,但他(人工智能)將會協助人類解決教育、醫療照護與飢荒等許多現今人類依舊難以克服的挑戰。然而在這樣的發展過程中,發展超級智能的產界與學界不應該只是投入更多的投資與研發;更重要的是要持續與公眾溝通,化解反烏托邦論者的威脅論調、持續不間斷地去學習,並引導超級智能對人類與其社會將產生的各項深遠影響,能夠往良善的方向走去。 

來聊聊為何《奇點(Singularity)》將近?為何是現在?

圖片來源:Getty Image

The greatest benefit of the arrival of artificial intelligence is that AIs will help define humanity. We need AIs to tell us who we are.

上面這段文是 WIRED 雜誌第一任總編輯 Kevin Kelly 在去年一篇關於人工智慧的文章中所寫道的。昨天我重新讀了這篇Kevin於去年(2014年)十月發表在連線(WIRED)雜誌上的文章,內容主要陳述為何他認為人工智慧的發展,終於要度過了所謂的人工智慧寒冬(AI Winter)並進入蓬勃的發展期,以及他這樣認為的原因。他甚至還略帶開玩笑地說:我能夠很輕易地就預測到地球上未來十萬家新創企業們要做的產品與服務的主題是什麼,不外乎就是《把__拿來加點AI(Take X and add AI)》
Read more

超級智能出現 社會將面對的五大風險

圖片來源:
http://ichef-1.bbci.co.uk/news/624/cpsprodpb/06F5/production/_84718710_robotchecklist.gif

今年六月,首批1000台日本軟銀Pepper機器人在一分鐘內銷售一空,Pepper機器人並非以協助人類處理一般性事務為設計目的,而是具人類情感、可提供建議的生活陪伴機器人,這個全球首款家用型機器人,讓《大英雄天團》中的Baymax不再只是遙不可及的角色。其實人類對於人工智慧的想像,早在2001年電影《A.I.人工智慧》中,就有大略雛形的描繪;後來推出的幾部電影,如機械公敵》《成人世界》等,開始探討人工智慧在高度發展下,造成人類社會毀滅的議題,雖然不少電影最後都導向快樂結局,或許從不同專業領域的角度來做分析,會分別抱持樂觀及悲觀的態度來看待,但是對於人工智慧及人類實境的衝突,究竟有哪些潛在風險呢? Read more