
這三大領(lǐng)域10年內(nèi)將被人工智能和大數(shù)據(jù)重塑
我們生活在一個(gè)不斷瓦解的時(shí)代——不過(guò)這是一件好事。行業(yè)會(huì)被顛覆,大公司會(huì)垮掉。隨著企業(yè)家弄清楚如何優(yōu)化和改造效率低下的公司、產(chǎn)品和服務(wù),從而更好、更快、更廉價(jià)地為消費(fèi)者(我們)提供一切的時(shí)候,舊的系統(tǒng)...
我們生活在一個(gè)不斷瓦解的時(shí)代——不過(guò)這是一件好事。
行業(yè)會(huì)被顛覆,大公司會(huì)垮掉。
隨著企業(yè)家弄清楚如何優(yōu)化和改造效率低下的公司、產(chǎn)品和服務(wù),從而更好、更快、更廉價(jià)地為消費(fèi)者(我們)提供一切的時(shí)候,舊的系統(tǒng)將會(huì)崩潰。
根據(jù)華盛頓大學(xué)奧林商學(xué)院的調(diào)查,今天在《財(cái)富》世界500強(qiáng)榜單上40%公司都會(huì)在10年內(nèi)銷聲匿跡。
這篇文章是對(duì)將發(fā)生在醫(yī)療、金融和保險(xiǎn)這三個(gè)行業(yè)革新的簡(jiǎn)述,由于大數(shù)據(jù)和人工智能,變革一觸即發(fā)。
很明顯,十年內(nèi)大數(shù)據(jù)與人工智能將會(huì)改變幾乎每一個(gè)行業(yè),不過(guò)這三個(gè)行業(yè)將會(huì)面臨最深遠(yuǎn)的變革。
一、醫(yī)療
醫(yī)療已經(jīng)遭到了大規(guī)模的破壞,瓦解將輕易而迅速。有數(shù)以百計(jì)的初創(chuàng)企業(yè)致力于讓你做「你自己健康的CEO」——來(lái)補(bǔ)充甚至替代醫(yī)生和醫(yī)院。
我認(rèn)為基于人工智能的新醫(yī)療選擇是免費(fèi)或接近免費(fèi)的,并且比現(xiàn)在好得多,這樣人們會(huì)摒棄傳統(tǒng)的醫(yī)療而轉(zhuǎn)向這些更棒的選擇。這會(huì)令現(xiàn)今的醫(yī)療系統(tǒng)消亡。
想想谷歌時(shí)代的圖書(shū)館,想想移動(dòng)通訊時(shí)代的傳統(tǒng)有繩電話,想想U(xiǎn)ber時(shí)代的出租車,想想Skype時(shí)代的長(zhǎng)途電話……這張清單永無(wú)止盡。
那么……將要迎接我們的到底是什么?
市值1000萬(wàn)美元的高通三錄儀XPRIZE將會(huì)生產(chǎn)出一種設(shè)備(就像《星際迷航》中的三錄儀),讓作為消費(fèi)者的你無(wú)論何時(shí)何地都能自行診斷。
厭倦了跑醫(yī)院?沃爾格林(美國(guó)最大連鎖藥店)這樣的公司和便利店立志成為你的醫(yī)療中心。
人類長(zhǎng)壽公司(HumanLongevityInc.,簡(jiǎn)稱HLI)將對(duì)你基因中的32億個(gè)堿基對(duì)和微生物組進(jìn)行測(cè)序,將你的數(shù)據(jù)與數(shù)以百萬(wàn)計(jì)的其他消費(fèi)者構(gòu)成的龐大數(shù)據(jù)庫(kù)進(jìn)行對(duì)比。
對(duì)大數(shù)據(jù)進(jìn)行這樣的挖掘能使你(你的人工智能裝置或者你的家庭醫(yī)生)提前知道什么樣的疾病會(huì)威脅你的健康,從而讓你享受到積極主動(dòng)的醫(yī)療。
HLI的目標(biāo)是實(shí)現(xiàn)“n對(duì)1”的健康醫(yī)療服務(wù),給你開(kāi)的藥就是最適合你的藥。HLI的目標(biāo)是使你人生的健康歲月延長(zhǎng)30年以上,讓「100歲成為另一個(gè)60歲」。
除了在基因方面的進(jìn)展,在骨髓干細(xì)胞科學(xué)方面革命也如火如荼,引用我的朋友——HLI聯(lián)合創(chuàng)始人BobHariri博士的話:「(骨髓干細(xì)胞)將會(huì)使我們的身體發(fā)動(dòng)機(jī)恢復(fù)再生。」我們離培育替換用的肺、肝、心臟或腎臟并不遙遠(yuǎn),這樣我們就不用治療慢性器官疾?。ǔ隽藛?wèn)題直接換掉就可以了)。
就像在基因和骨髓干細(xì)胞方面的重大進(jìn)展,發(fā)展中的生物傳感器也發(fā)生著不相上下的變革。如果你不能測(cè)量,你就不能施加影響,所以谷歌、蘋(píng)果、三星及不少其他公司投資了數(shù)十億以冀成為領(lǐng)導(dǎo)者。
這些生物傳感器將會(huì)持續(xù)監(jiān)測(cè)你的健康——心率、血壓、血糖、甚至癌癥和心臟創(chuàng)傷釋放出的微小顆粒。
結(jié)合你的基因數(shù)據(jù),這些傳感器監(jiān)測(cè)到的數(shù)據(jù)將會(huì)流暢地上傳到你使用的健康A(chǔ)PP,在傷害發(fā)生或者疾病形成前給予你必需的警告。引用我的朋友,斯坦福大學(xué)教授的DanielKraft博士的話來(lái)說(shuō),把這個(gè)當(dāng)作「你身體的安吉星系統(tǒng)?!?/span>
安吉星系統(tǒng)
1995年誕生的安吉星是通用汽車的專屬配置,主要為汽車提供安全信息服務(wù),包括撞車自動(dòng)報(bào)警、導(dǎo)航等。
那么誰(shuí)來(lái)為此買單呢?大概不會(huì)是你自己。很有可能你的保險(xiǎn)公司會(huì)為此買單,因?yàn)槿绻悴贿M(jìn)醫(yī)院,活得更久,他們就賺得多得多(他們能收取更多的費(fèi)用,理賠則少得多)。
二、金融
金融是另外一個(gè)不免迎來(lái)很多有趣時(shí)刻的萬(wàn)億行業(yè)。這十年里中間人財(cái)務(wù)顧問(wèn)和經(jīng)紀(jì)人的日子要到頭了。大數(shù)據(jù)支撐的人工智能將會(huì)使所有東西更便宜、更快,并且對(duì)消費(fèi)者更有益。
舉一個(gè)例子,我在IBMWatson供職的朋友們?yōu)閃atson生態(tài)系統(tǒng)開(kāi)發(fā)的金融應(yīng)用在我看來(lái)就很棒。
想象有這樣的一種服務(wù),能瀏覽你過(guò)去幾年在社交平臺(tái)上發(fā)布的所有內(nèi)容并且通過(guò)情感分析得出你喜歡或者討厭什么行業(yè)或價(jià)值觀。比如說(shuō):你喜歡科技和時(shí)尚,但是厭惡酒精和暴力。你愛(ài)歐洲,但不怎么喜歡俄羅斯,等等。
在千禧時(shí)代,你的主張和盈利同樣重要,這時(shí)人工智能就有優(yōu)勢(shì)了,如果它能在風(fēng)險(xiǎn)調(diào)整的基礎(chǔ)上,整理一萬(wàn)家公司后推薦你做出那些和你價(jià)值觀最為一致的投資的話。
而且,它能監(jiān)測(cè)你的社交媒體與全球市場(chǎng),讓你隨心所欲地隨時(shí)調(diào)整你的投資組合。
另一個(gè)臨近我們的變革就是那些人工智能公司(SentientTechnologies就是其中一例),它們利用先進(jìn)的機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘技術(shù)在證券市場(chǎng)上進(jìn)行人類無(wú)法媲美的算法交易。
更出色的還有基于大量報(bào)價(jià)數(shù)據(jù)的人工智能交易。這世上有1000億個(gè)相互連接的設(shè)備,在此之上,我們正向一個(gè)有著數(shù)萬(wàn)億傳感器的世界挺進(jìn)。
這將會(huì)給人工智能帶來(lái)「全知全能」,讓你(或你的人工智能設(shè)備)在任何時(shí)間、任何地點(diǎn)、了解任何事……
這意味著什么?現(xiàn)今,有公司使用衛(wèi)星來(lái)拍攝并計(jì)數(shù)玩具反斗城和家得寶停車場(chǎng)每天的停車量,在季度財(cái)報(bào)出來(lái)前預(yù)計(jì)該公司的營(yíng)收。
把這個(gè)泛在知識(shí)的思路延伸運(yùn)用到所有事情上(我是指所有),你就能預(yù)想到金融行業(yè)會(huì)如何變革。
三、保險(xiǎn)
保險(xiǎn)業(yè)是一個(gè)與概率和不完全認(rèn)知打交道的老行當(dāng)。但是,在一個(gè)「完全認(rèn)知」的時(shí)代,許多事情正在發(fā)生變化。這里有幾個(gè)例子。
健康與生命保險(xiǎn)
今天,如果你允許保險(xiǎn)公司在你的車上安裝傳感器檢測(cè)車速和加速情況——基本上就是一些判斷你是好駕駛員還是壞駕駛員的數(shù)據(jù)——美國(guó)前進(jìn)保險(xiǎn)公司會(huì)給你的費(fèi)率打個(gè)折扣(快照計(jì)劃)。
現(xiàn)在,想象一下這種情況發(fā)生在自己身上。想買便宜的保險(xiǎn)?那就讓保險(xiǎn)公司監(jiān)測(cè)你的身體健康狀況并給基因組測(cè)序吧。
這不是說(shuō)如果你有不良基因就不給你保險(xiǎn)或者管你要高的保費(fèi),這些都是法律禁止的,2008年通過(guò)的《遺傳信息無(wú)歧視法案》禁止因基因組問(wèn)題歧視個(gè)體。這一創(chuàng)新是這樣的,只要你允許保險(xiǎn)公司協(xié)助你健康長(zhǎng)壽,它們就會(huì)給你折扣。這完全是件雙贏的事情。
還有另外一個(gè)大場(chǎng)景,我們可以從中看到當(dāng)今保險(xiǎn)業(yè)的坍塌。
假如我有某種免于主要疾病的基因組:我不抽煙,健康進(jìn)食,每天鍛煉。
我將這些信息(經(jīng)由傳感器證實(shí))公布在自己的社交圖譜上,說(shuō):「誰(shuí)有良好的基因、健康的飲食和鍛煉習(xí)慣,并且想和我一起自我投保的人,咱們自己相互聯(lián)保吧…我們是低風(fēng)險(xiǎn)合作伙伴!」
如果發(fā)生這種情況,保險(xiǎn)聯(lián)營(yíng)當(dāng)中的前百分之十從市場(chǎng)撤出,這會(huì)壓垮這一行的產(chǎn)業(yè)經(jīng)濟(jì)。
之前,這種信息和「點(diǎn)對(duì)點(diǎn)保險(xiǎn)」從不可能?,F(xiàn)在有可能了。
「慢著」,你說(shuō),「會(huì)有監(jiān)管來(lái)阻止你的?!故堑?,但也僅僅是暫時(shí)的。就像Uber之于出租車行業(yè),監(jiān)管充當(dāng)絆腳石的時(shí)日無(wú)多。
最終,隨著汽車的出現(xiàn),馬車制造商們會(huì)相繼倒掉。
汽車保險(xiǎn)
上文中提到過(guò)前進(jìn)保險(xiǎn)公司快照傳感系統(tǒng),但是,腦補(bǔ)下一步……
在一個(gè)自動(dòng)汽車的年代,可能就沒(méi)有汽車保險(xiǎn)的需求了。
自動(dòng)汽車不會(huì)撞車或者說(shuō)很少撞車,為什么還要保險(xiǎn)的呢?
對(duì)保險(xiǎn)業(yè)來(lái)說(shuō),更糟糕的是大伙會(huì)停止購(gòu)買汽車。
你不再會(huì)自己保有一輛汽車,但是你能享受到7天24小時(shí)的自動(dòng)汽車服務(wù)。就像今天的公司不用再自己購(gòu)買服務(wù)器,而是使用亞馬遜或者谷歌提供的云服務(wù)。
如果你沒(méi)有汽車,那就沒(méi)啥可保了。
農(nóng)業(yè)/農(nóng)作物保險(xiǎn)
最后讓我們關(guān)注一下農(nóng)業(yè)和農(nóng)作物保險(xiǎn)。下文也同樣適用于我沒(méi)有提到的其他類型的保險(xiǎn)。
今天,為農(nóng)作物投保來(lái)規(guī)避比如說(shuō)雹災(zāi),損失評(píng)估過(guò)程非常昂貴也不夠準(zhǔn)確。評(píng)估過(guò)程需要農(nóng)民和保險(xiǎn)評(píng)估人員親臨現(xiàn)場(chǎng)并拍照。
在一個(gè)攝像(比如,地球低軌道衛(wèi)星和無(wú)人機(jī))和傳感器(現(xiàn)場(chǎng)傳感器)無(wú)所不在的年代,保險(xiǎn)評(píng)估是全球化的、及時(shí)的,而且實(shí)際上是免費(fèi)的。
大量的初創(chuàng)公司準(zhǔn)確、廉價(jià)地搜集海量數(shù)據(jù),這將重塑這一特定利基市場(chǎng)(農(nóng)業(yè)保險(xiǎn))的方方面面,實(shí)際上,是整個(gè)保險(xiǎn)業(yè)的方方面面。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過(guò)程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11