Category Archives: 科技评论

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。

师爷写诗

  做产品最关键的原则是懂收敛,场景越具体越好,用户接口越少越好。对toB行业而言,见过太多只懂技术不懂产品的家伙,把底层技术裸着给出去,界面变成“配置地狱”。电影《让子弹飞》里,县长要求师爷写诗:要有风,要有肉,要有火锅,要有雾,要有美女,要有驴。

  我年轻的时候,经常以为很多产品做得烂是因为懒或笨。后来才意识到大多数是因为,甲方 or 作者自己就没打算好好做。

[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。

[得到大学课程作业] “造物者思维模型”:设计云服务的计费策略

  不仅游戏,所有提供虚拟产品的场合都需要应用“造物者”思维模型,制衡各方利益,引导体系演进。我曾负责设计过一个复杂云服务产品的计费策略,深有体会。

  简单介绍一下,这个云服务主要用于对上千张表、上P的数据进行复杂的计算。典型的一次计算任务,往往占用上万节点几十个小时,说耗费的存储、计算和下载流量成本超过几十万元。麻烦在于,系统不是独占的,往往有上百个用户的不同计算任务混在一起。

  如何计费?常规思路往往从技术实现角度拆分,把一次计算任务占用的进程、内存,以及中间IO交换的数字都拿出来,分摊到对应的CPU、内存、网络设备和磁盘的折旧成本去。然后再加上一定的利润率。

  然而,想深一点的话,这种计费策略并不好:

  1> 从用户角度看:“运行时间”这个变量用户失去控制。海量数据的分布式计算有特殊之处:很可能第一次运行用10分钟,重跑一下,调度到另一个节点,就用了12分钟。相同的计算任务,有时收1块,有时收1.2块,用户疯掉了。

  2> 从平台角度看:如果技术团队优化了底层系统,把计算速度加快1倍,收入就少了50%。这会让平台方丧失优化动力。

  于是退回原点,先定义什么是好的计费策略:

  1. 基于统计,简单可解释:基于统计;尽量简化;输入参数用户可控;

  2. 可预期,可重复:实际运行前就能算出花费;同样的任务重跑,价格不变;

  3. 正引导性:各个角色做好事(优化自己的代码)不受惩罚,最好获得奖励。

  一个例子是手机话费:两个人面对面手机通话,与一个在城南一个在城北通话,实际成本肯定不一样。如果运营商按照通信链路经过了几个路由器、几次转发来计费,用户就晕倒了。所以手机计费策略采用阶梯的、区域的、分时的模型,符合上面3条原则。

  最终的计费模型主要由“输入数据量 * 复杂度”组成,其中“复杂度”是一个简单的阶梯表,完全取决于用户计算作业的难易程度。(更多参考 http://wangleheng.com/2014/07/odps_meter_money/

  几乎同时,谷歌公司推出了同类产品Google BigQuery,计费方案和我们几乎一样。他们甚至在官网上贴了一篇BLOG,详细描述了计量计费模型的“设计哲学”。大家彼此完全独立思考,得出的方法论和最终模型却殊途同归,这很有趣。

  总而言之,无论是复杂云服务、电子商务平台……都需要谨慎设计利益策略:尽可能简化规则,保证统计公平性,对“好事”建立正反馈。必要时,不妨参考经典电信服务的计量计费策略。

[得到大学课程作业] 注意投资者思维模型的局限性

  这一期4个思维模型都和投资者有关,重点都是建立模型并遵守纪律。如果在复杂背景下进行跨领域博弈,这都是好工具。然而,大多数人不是职业投资者,最好弄清楚模型的适用边界,保证独立思考,以防东施效颦。

  亲身经历,作为创业企业的联合创始人,我就有几次郑重提醒自己的CEO:你负责融资,和VC打交道很多,似乎被他们的模型“过训练”了。

  举个例子,这些年很多风险投资人都在强调“网络效应”的概念:不仅仅企业和客户存在买卖关系,客户之间也能互相连接,进而增加系统粘性。对资本而言,这种生意可以通过烧钱进行催化,最终通过网络规模建立垄断。很多投资机构把“是否有网络效应”写入模型,以决定标的估值。

  “网络效应”的思路适于 toC 基础服务。进入其他领域,例如 toB 企业级服务,情况就变了:

  1. 从业务逻辑而言,企业不太可能因为同业或上下游的公司在用某个软件,就非用它不可。甚至恰恰因为是同类企业,所以存在关键需求的差异:竞争对手强调品牌营销,我强调供应链降成本……这意味着,对手的软件供应商未必合适我,应该寻找符合自己战略的解决方案。toB 采购更强调“标杆效应”:供应商的方案与企业本身的策略一致,且已有成熟的落地案例。

  2. 从产品逻辑而言,“网络效应”本质还是增加迁移成本。但并非只有这一条路能增加产品粘度。大多情况下,做好功能和服务,解决客户问题,让他没有离开的动力,就够了。尤其是toB 场景,没有企业会乱折腾,轻易迁移软件系统。

  回到投资者的角度。他们喜欢建模,简单点说,就是外行总结过去的成功经验,以筛选更多投资机会。模型就意味着抽象概括。投资者有机会多次下注,只要掌控概率就够了,创业者却是All in,因此必须洞察每个关键细节,细节是魔鬼。

  淘宝免费,不符合“产品必须收费”的陈规;京东做物流,不符合“尽量做轻”的陈规……随后,投资人跟随成功创业者修改了自己的模型,然后又对下一代创业者说:“你必须XXX,我才投你”。

  总结一下,专业人士要相信自己在客户现场获得的洞察,不要屈从陈规俗见,不要被投资界的模型过分“驯化”,导致动作走样。我们最该从巴菲特和索罗斯那里学到的,正是独立思考本身。

[得到大学课程作业] “转型者思维模型”:阿里云,一次成功的转型

一、背景

  阿里云目前占国内云计算市场50%以上,全球三强,近几季度保持高增速。

  然而2010年常见说法是:百度擅长技术,腾讯擅长产品,阿里擅长运营。阿里的技术形象并不吸引人。

  如何从电商公司转型为数据公司?这期间,我恰好在阿里云大数据团队做产品经理,分享一点“转型者”的亲身体会。

二、做了什么

1. 明确“数据为王”,巧妙包容原有主力业务

  2010年马云在国外讲演,“我们的云和别人不一样,核心是数据。”今天看来,他在试图解释“大数据”概念,此时big data这个词还没有在美国诞生。阿里内部很早建立共识:判断一件事是否重要,标准是“数据”。

  “数据为王”的战略与“让天下没有难做的生意”企业使命不矛盾。同时新的价值体系能包容原有业务:什么业务能产生含金量最高的数据呢?淘宝、支付宝……因此原有主力团队也会兴奋的加入进来,重新从数据的角度讲故事。

2. 用各种方法保护新业务

  早期阿里云不成熟。广为人知的事是2012年内网几千层楼的帖子,对王坚博士万炮齐轰。当时公司做了几件关键的事:

  1> 把阿里云和其他团队隔开。(如果微信团队没和总部隔开会怎么样?)

  2> 培养生态系统。团队被反复强调的纪律是,如果客户在做同样的研发,不要抢饭碗,往后退,一直退到没人愿意做的苦活累活。只要他们愿意迁移到云上来。

  3> 最难的时刻动用组织手段。例如让陆兆禧当CDO(首席数据官),内部都知道老陆已被定为下一任CEO。

  最终,发动所有协作力量,把主要数据和业务都迁移到了云上。

3. 构建数据中台,上云没有回头路

  业务上了云,如何保证局面不后退?最关键的是建立数据中台。前台业务产生的核心数据,全部收拢到一处。业务只有留在云上,才能获得基础设施和关键数据的支持。具体内容媒体报道很多,搜索“5K项目”。

三、结论

  阿里云是一次成功转型。个人认为以下因素是关键:

  1> 明确“数据为王”的新价值体系,巧妙包容原有业务;

  2> 用各种手段保护新业务,建立协同;

  3> 建立数据中台,让业务没有回头路。

  转型的复杂性要高于初创。要谨慎设计,要耐心推进,要在艰难时刻顶住压力。

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。

大航海时代的全球人才竞争,两条史料

  里斯本国家档案馆记载,1627年3月6日,负责印度果阿的火炮生产的葡印商人,亲自就两名铸铁经验丰富的中国技师的行踪禀告葡萄牙国王,希望能够获得准许对关键工程技术人才予以优待。

  康华丽号风帆巡洋舰1812年在印度建造。总工程师Jamsetjee Bomanjee是印度人,出身造船世家,已是第5代担任首席造舰师(Master Shipbuilder)。30年后清朝在康华丽号上签署《南京条约》,Jamsetjee Bomanjee的儿子已当上第6代首席造舰师。

  可以对比之前提到过的,徐光启和戚继光时代的几何和火器。归根到底,最大的问题并不是武器制造,而是系统对人才和知识的兼容性。

共享单车和店面租金

  链家的数据分析很有意思:随着共享单车的出现,地铁口周边的不动产租金在下降,三公里半径的租金却在上升,逐步跟地铁周边的租金拉平。

  有一个反过来的例子,美国Thasos group利用移动数据对商业不动产进行金融分析。Thasos拥有一个高品质的手机位置数据库,从大约1000个APP获取移动设备的地理位置。拥有这个数据以后,就可以对商业地产的人流、销售、租金进行非常准确的评估和预测。