Category Archives: 创业时代

疫情和经济

  疫情的确会导致经济衰退。不过还有其他解读的角度。

  例如,互联网和AI迎来一轮爆发。李佳琦直播年销售额大约30亿。薇娅直播年销售大约100亿。前两天罗永浩第一次抖音直播,观众四千多万,销售额1.7亿。AI独角兽都在愁交付和供应链。线上吃掉线下,先进生产力替代落后生产力,这个大趋势反而被疫情加强。

  再如,没有弯道,老板们就必须回复常识,老老实实提高效率降低成本。这对toB是利好。对接地气的供应商是利好。

  又如,没风口,踏踏实实积累的人才会更值钱。缺少突破性创新的阶段,行业Know How和SOP就很关键。

  个人而言,我实际上看到了很多机会值得赌一赌。

  BTW:隔离了这么久,十分想吃兰州牛肉面。

AI和股票、搔扰电话、P站

  《攻壳机动队》有一集,金融大亨独自死在别墅里。然而他的资产还在网络中继续增值。20年后,这预言终于变成常规了。这个季度,美国股市中由人工智能管理的股权资产(交易所交易基金、指数追踪共同基金和债券)达4.3万亿美元,首次超过由人类管理的资产。

  国内2/3的营销和客服电话,已经不是活人。为了逼真,还会让机器人带地方口音,背景播放呼叫中心嘈杂的人声……一直用“你贵姓”打断对方,来判断骚扰电话对面是不是机器人。今天第一次遇到,对面机器人回答“我姓宋”,但是再问“你贵庚”又晕了。各位,有件事尽管简单还是要做,给机器人建立私人画像话术:多少岁、哪里人、有没有孩子、在哪里上的大学……大多数产品很重视语音识别算法和自然语言理解算法,却对话术管理不太上心。

  世界最大的色情网站(P站)推出了一款视频识别引擎,可以通过机器学习去识别视频中的演员、特征、场景,甚至可以根据三围、姿势等标签进行细分归类,然后通过算法进行精准推荐。

总算到家了

  昨天飞机晚点,落地回到家已经半夜了。刚刚我还在被窝里,闺女已经过来站在床边大声背起诗来了:“……万里赴戎机,关山度若飞。朔气传金柝,寒光照铁衣。将军百战死,壮士十年归……”

  有段时间没和销售一起打仗了。我发现自己还是那么嗜血好战,听到POC拼刺刀就兴奋。来来来,把竞争对手打得满地找牙!

  自从公司培训了财务三张表,就热衷于关注各大巨头的负债率。目前亚马逊是72%,京东是64%,腾讯是48%,阿里是36%。

艰难但正确的决定

  有个很年轻的90后女孩,之前是天使投资基金最年轻的合伙人,打算创业。朋友们都帮她改BP。非常优秀,在目前创投最寒冬的时刻拿到了很多资金。

  但是她认真考虑了2周,告诉大家,计划不够成熟,然后解散团队,把钱还给投资人。

  昨天我知道了,马上找她喝酒。庆祝她小小年纪能做出如此艰难但正确的决定。

  她转眼间已经收到了五六份offer。

[得到大学课程作业] 利用“银行家思维模型”经营人力资源信用

  创业GeneDock时精心经营雇主信用,也因此获益:

一、 招聘阶段

  GeneDock技术团队始终坚持:

  1. 至少四轮技术面试,前两轮必须现场写代码。

  2. 最初阶段可以远程视频筛选,但不允许只通过远程面试就发offer。

  3. 一票否决,CEO和我(CTO)也不能推翻。

  严格遵守原则导致错过了不少人才。但产生了很好的口碑。业内的同行、客户、猎头都对GeneDock的严酷标准有清晰了解。有候选人面试时说:“两年前就一心想来GeneDock,但自己在XX和XX两方面达不到GDer标准,我努力做了这些事……”

  我们还通过细节取得信任。例如其他公司的招聘岗位描述(JD)都马马虎虎,只有我们认真“原创”(不止一家大公司曾为抄袭GeneDock招聘文案而道歉或辩解);再例如,有前端工程师投奔的原因是,上家公司要复制GeneDock的网站,结果他在HTML源码里发现一句话:“呆在只会抄袭的环境有意思吗?给我们投简历吧……”

二、离职阶段

  和大多数公司不同,GeneDock在离职阶段花了很多心血。离职一般分为两种:工作不合格被解职,或者能力出色被挖墙脚。

  对OKR不合格的员工,不允许直接“杀人”,必须做一次面谈,由组长、我(CTO)和员工本人参加。组长负责详细列出导致不满意的事项,并和员工一起制定改进绩效的Todo List和deadline,给最后一次机会。坦诚沟通往往带来情绪压力和管理成本,但这是对员工负责任的行为。曾有人面临痛苦的绩效约谈,经历激动人心的“触底反弹”,半年后被评为优秀员工。也有同事虽然遗憾离职,却在多年后表达感谢,因为“当时公司让我心服口服”。

  对于跳槽的员工,不想让人家走恰恰说明有贡献。优秀员工离开,都会收到一份认真准备的推荐信,向未来雇主列举优点和贡献。于是,很多人跳槽后很久还主动给我们推荐人才和客户。我们曾有一次询问前员工谁愿意回来,一个月后就有“新同事”在All hands上打招呼:“大家好,很激动,我又回来了!”

  当然,也遇到过突破底线的恶性事件,对峙公堂;也遇到过资金困难的至暗时刻,夜不能寐……回头看问心无愧,不必细说。

  总之,雇主信用不仅体现在招聘阶段,也应该体现在分手时刻。在人力资源市场建立强大的信用带来巨大优势。2018年B轮时,GeneDock创造了“融资额/团队人数”比值的领域历史记录。

BTW:这节课提到如果要对信用资产”加杠杆“,必须保持警惕,个人非常赞同。

用移动数据预测特斯拉产能

  之前介绍过Bloomberg通过网上抓取VIN(车辆识别码)估算Tesla Model 3的每周产量(今天的公众号也会转发)。最近又看到Thasos的另一种手段。

  Thasos Group分析了特斯拉厂房范围内的手机信号,显示通宵轮班在6月到10月之间增加了30%,他们与对冲基金客户分享了数据。特斯拉7月宣布 Model 3产量几乎翻了一番,这一消息使得该公司股价上涨9.1%,而Thasos的客户则能提前预测这一结果。

  8月份,特斯拉在美国市场的销量超过了奔驰、宝马和奥迪。北京这里特斯拉也开始满街跑。这特别像诺基亚被iPhone干掉之前的情形。不管短期内有多少问题,长期看特斯拉一定会更好,这是本质决定的。

  看了一下官方网站,Thasos拥有一个高品质的手机位置数据库,可以做很多事。例如为梅西百货(Macy’s)、诺德斯特龙(Nordstrom)、Dillard’s(狄乐百货)和西尔斯百货(Sears)进行同店销售额和同店交易额的增长预测,平均误差不超过0.7%。Thasos从大约1000个APP获取移动设备的地理位置,这些APP一般都是位置相关的产品,例如天气预报或行车路线。

GeneDock做什么?

1. 为什么选择基因数据作为创业的起点?

  2014年,厦戎和我创立GeneDock(聚道科技),希望用数据技术改变临床诊疗,这个使命始终没变。

  创立那年,中美两国允许基因测序技术进行临床试点,通俗点讲就是医生可以依据基因数据给人看病了(此前十几年,人类基因组计划等项目处于科研阶段,还没有成熟到可以应用于一线临床)。所以我们先从基因数据的处理下手。

2. 最初面临什么业务场景?开发了什么产品?

  GeneDock最早的客户是基因检测技术公司和科研机构,典型的业务场景是这样的:每天,不同城市的测序实验室产生上T的基因数据,先进行生物信息处理,再把数据和报告交付给下游客户,交付周期有商业承诺。领导数据生产部门的CIO往往面临很多复杂问题:

  • 首先,原始的测序下机数据无法直接应用,必须经复杂的拼接比对计算方能获得基因突变信息,而且还要对突变进行注释和解读。这就需要调度巨大的计算能力,管理庞杂的分析流程,维护复杂专业的参考数据库和样本信息。
  • 进一步,需要进行细粒度的业务划分和配置:实验团队、生物信息团队和遗传咨询团队处于上下游的不同环节,不同角色应该给予不同权限;而不同的检测种类,也会导致分析步骤的巨大差异,需要专门的分析流程、报告模版配置和数据隔离。
  • 同时,需要对各检测种类的不同处理步骤进行成本统计;对关键数据的使用和修改进行安全审计;对业务全局信息提供仪表板和显示大屏。
  • 更复杂的情况下,客户经常把一部分数据生产工作外包,例如基因测序外包给大的测序工厂,或者遗传解读外包给专门的医疗信息团队,这就必须对跨组织的数据交付、数据质量进行管理,对安全进行审计,对业务进行定期结算。

  针对以上场景,从2014年开始研发名为SeqFlow的基因数据生产线。这个产品首先是支撑海量计算存储的数据平台,对稳定性、算法优化、高吞吐和弹性拓展能力的要求都很高,以保证客户业务的质量、交付周期和成本控制。在此基础上,SeqFlow还增加了企业级的管理大屏、项目管理、权限隔离和数据审计功能,以便管理者对基因数据业务进行高效管理。

3. 研发SeqFlow的关键点是什么?

  SeqFlow的研发重点在于硬核技术,举个例子:分布式调度方面需要把计算任务表达为有向无环图(DAG),这个DAG是瘦长型的,步骤很多,最复杂的癌症肿瘤数据需要上百个步骤,很多步骤依赖成熟的算法包。这就导致常见Hadoop、Kubernetes等框架都无法满足需求(其实今天的Kubernetes是可以用的,但是4年前Kubernetes和其他几种类似框架都不完善,测试时发现了很多致命Bug)。所以我们就自己从头开发了一套分布式计算框架,刚好可以加上很多企业级服务的特性,例如冷数据压缩、项目隔离、Policy鉴权、管理大屏、数据审计机制等。

  刚进入这个领域的时候,市场上30X的人全基因组数据的常规处理价格是800元。2016年的时候,GeneDock发布了全球第一个价格低于100元的人全基因组数据处理服务,同时,这个服务承诺很高的并行处理通量,以及低于万分之一的失败率。我们为整个行业的发展构建了工业级的高性价比、高吞吐量、高稳定性基础数据生产平台。目前,SeqFlow上生产的客户包括泛生子、艾吉泰康、微基因和华大基因等行业领头羊。

4. GeneDock为何向医院客户拓展?

  基因测序技术刚开始临床试点时,大多数医院对它不熟悉,所以把业务外包给第三方检测公司。随着人才和数据的积累,顶级医院开始筹建自己的分子诊断中心:招聘团队,购买软硬件,建立实验室……要在院内完成整个基因检测的闭环。因此,他们也就逐步有了数据平台的需求。

  经过几年的探索,GeneDock从2016年开始全力开拓临床客户。和工业界的生物信息工程师不一样,医生不会写代码,这就要求我们从PaaS上到SaaS,把诊疗场景的产品做透。具体场景包括门诊电子病历收集、实验室管理、生物信息数据处理、位点和诊断报告系统,以及在此基础上构建的数据仓库和人工智能系统,最终实现临床辅助决策支持系统(CDSS)。

5. 基因数据与临床结合,面临哪些核心问题

  临床诊疗是非常专业的领域,场景更加复杂。所以研发难度不仅限于技术实现,而在于能否拥有清晰的业务洞察,设计出专业而易用的产品。得益于早期客户的信任和帮助,团队有机会一次次跟随专家出诊和试验,逐渐理解遗传诊疗过程。举几个例子:

  • GeneDock以前开发过科研病历,以为这套系统可以直接搬过来应用于一线门诊。后来才意识到不对。科研病历往往简化时间维度,把几百个字段平铺开,而门诊病历必须体现诊疗探索过程:根据症状,按指南检测,每一步检测带来更多信息,又决定了下一步的检测治疗方案。
  • 门诊节奏非常紧张,有时医生甚至几个小时没法喝口水,临床数据系统必须提供友好的半自动化录入和专业的检索统计。
  • 涉及基因数据的疾病,往往是遗传相关的。这就需要一套非常专业易用的家系图管理系统,通过家系信息把病历信息、实验样品信息、生物信息流程、检测报告、诊断信息都串联起来。
  • 在实验环节,样品无论外送或自做,都需要精密的实验步骤管理和质量控制,各个医院操作规格不同,又需要自主配置,具体实验室环境下,实验员一旦进入无菌操作环节就必须一气呵成完成操作,这时候突然要求他摘下塑胶手套到电脑键盘敲入信息是不现实。这就需要对场景和交互进行细致理解和思考。

  关于更具体的场景和技术方案,我在很多公开场合分享过。例如2018年初在顾大夫沙龙做的报告《面向临床的基因型和表型数据管理》。今天的公众号会转发那次活动的总结,其中包含了我的PPT。

6. GeneDock的系统已在哪些医院投入实用?

  随着对临床诊疗的理解逐步深入,面向遗传疾病诊疗的数据系统逐步打磨完善,完整覆盖了从门诊病历、实验流程、生物信息分析直到生成诊断报告的完整诊疗流程。GeneDock的数据平台已经陆续在陆军军医大学第一附属医院、四川大学华西医院、上海新华医院、厦门大学附属中山医院、中国医学科学院肿瘤医院、中信湘雅生殖与遗传专科医院、江苏省苏北人民医院、首都医科大学宣武医院等多家客户处投入实用,还有更多顶级医院正在落地。

7. 目前AI是热点,GeneDock有什么成果?

  在清洗好的海量基因数据和临床数据基础上,我们和临床科研专家一起合作,利用统计机器学习方法训练出了非常有效的人工智能算法模型,能够从成千上万遗传变异位点中,自动选取出最有可能导致疾病的遗传病因。

  在2018年的美国人类遗传学会(ASHG)年会上,陆军军医大学第一附属医院(重庆西南医院)医学遗传中心与GeneDock合作开发的遗传性耳聋基因变异功能预测模型DVPred刚刚发布。这个模型明显提高了预测准确度,ROC曲线的曲线下面积(AUC)达到0.998,在遗传性基因变异功能预测方面表现出更高的准确性,灵敏度高、特异性强。

  我们正在和客户继续研发,希望类似“大数据宝宝”的案例越来越多,让更多的患者真正受益于数据技术和人工智能技术。

8. 创业四年下来,你个人有什么总结?

  反思当然很多了,有一些是关于沟通、招聘和管理的,不多说。

  关于复杂系统的工程研发,这两天重新看了自己2015年梳理的博客《思考:如何开发应用平台》。感觉当时写得还不错,现在回头再看,很多观点都被验证了。当然,侃侃而谈是一回事,事到临头真处理好不掉进坑里,又是另外一回事了。有些东西必须躬身入局经历一番才算真懂。这一期公众号,这篇老文章也会发出来。

  总而言之,能构建起一支专业的软件工程团队,很有成就感。

9. 完成了B轮融资,接下来重点是什么?

  GeneDock会和越来越多的专家团队合作,对更多业务领域进行探索。不仅限于简单遗传模式的疾病,也开始涉及癌症、帕金森等复杂疾病,逐步覆盖生殖三级防控(婚前、孕前和产后)的各个阶段。

  具体到眼前这个阶段,随着标杆客户案例的建立,已经很多公司和医院的业务开始落地。项目交付能力至关重要,这取决于整个团队的软件工程水准:从需求分析、产品设计、研发迭代、测试发布、部署上线……要有一整套成熟高效的工程体系。这方面是GeneDock团队的强项。当然,团队还需要补充很多人才。

10. 对于想加入GeneDock的人有什么建议?

  随着B轮融资的到位,资金不再是问题,我们需要更多的程序员、基因数据工程师、人工智能专家和分子遗传学专家,对临床和基因数据进行充分的挖掘和建模。更详细的职位描述,欢迎访问 https://www.genedock.com/joinus/

  除了具体技能,个人想提醒的是,创业公司都会有一定的不确定因素。投简历之前一定要想清楚:心态上来说,创业变数多,需要有很强的抗压能力;能力上来说,需要你独当一面,有很强的落地执行力。GeneDock初步打开了局面,现在加入对个人而言有很广阔的成长空间。欢迎入伙!

《GeneDock Python SDK从入门到精通》写得好

  GeneDock的基因数据工程师成帆撰写了一篇BLOG《GeneDock Python SDK从入门到精通》,我觉得写得很好。连一向挑剔的CEO厦戎都转发了一下,并评论:“静下心写好每一行代码和每一段文字,会看到大不同”。

  很多公司抄袭我们,从网站文案、会议PPT、技术建议书、微信公众号到招聘JD。这么不走心,真能服务好客户吗?还是上次藏在HTML那几句话送给他们。想跟更有意思一点的对手过招。

  最后放一张以前贴在微博里的照片,珠峰四号营地,凌晨三四点钟,冲顶的队伍已经出发。登上8848的人,有4%的概率回不来。加油!

成长和决策

  发现2015年就写过一篇《成长和决策》,和这一篇还挺相互呼应的。

  创业,累得不知道自己姓什么,无论对错都得对结果负全责,所以学得快。

  几年前结识某大牛,震撼、观察、猜测……最近一抬头又碰到他,仍然倾佩,但能看懂了,还发现了一些小问题,因为我更清楚行业的某些关键细节。这种高速成长的感受很复杂,甚至有点恐怖。

  回顾这两年的关键节点。好的决策往往是这样的:想清楚,咬牙定下来,事情立刻开始变简单。

  今年的目标之一是调节好状态,人彻底放松才能有高质量的决策。所谓放松就是回归正常生活。比如休假出国旅行,比如陪老妈说说话,比如打扫房间吸地板,比如放下手机听女儿练钢琴……

  还是那句话,想看红头发,就一起加油!

再见2016,你好2017

  说到年终总结,你们一定更喜欢神仙的这一篇《我们的征途,是星辰大海》,快去看。

  今年1月1日写BLOG给自己定了两个年度目标:辅助厦戎搞好公司,完成这一轮融资;读50本书,并且都记录到BLOG。到今天为止,两个目标都达成了。

  原本就预计第二年会有困难,确实遇到好多意料之外的事(现在重看这篇《思考:如何开发应用平台》,我觉得自己当时写得挺好的)。真是漫长的一年,又感觉一晃就过去了。安全过关,就比去年此时强大很多了。

  今天下午,2016年最后一次All Hands,我讲了接下来的产品Roadmap,很兴奋。和生物信息团队、业务架构师团队打了一个赌:如果团队在2017年能完成CEO设下的狂妄OKR,我就把头发染成红色,到2018新年年会上表演节目。晚上回来一看,刚好在开All Hands的时候,老杨又签下了一个合同,为本年度画上完美句号。

  所谓双年守正,单年击奇。2017,我真等不及了!