京公网安备 11010802034615号
经营许可证编号:京B2-20210330
这三大领域10年内将被人工智能和大数据重塑
我们生活在一个不断瓦解的时代——不过这是一件好事。行业会被颠覆,大公司会垮掉。随着企业家弄清楚如何优化和改造效率低下的公司、产品和服务,从而更好、更快、更廉价地为消费者(我们)提供一切的时候,旧的系统...
我们生活在一个不断瓦解的时代——不过这是一件好事。
行业会被颠覆,大公司会垮掉。
随着企业家弄清楚如何优化和改造效率低下的公司、产品和服务,从而更好、更快、更廉价地为消费者(我们)提供一切的时候,旧的系统将会崩溃。
根据华盛顿大学奥林商学院的调查,今天在《财富》世界500强榜单上40%公司都会在10年内销声匿迹。
这篇文章是对将发生在医疗、金融和保险这三个行业革新的简述,由于大数据和人工智能,变革一触即发。
很明显,十年内大数据与人工智能将会改变几乎每一个行业,不过这三个行业将会面临最深远的变革。
一、医疗
医疗已经遭到了大规模的破坏,瓦解将轻易而迅速。有数以百计的初创企业致力于让你做「你自己健康的CEO」——来补充甚至替代医生和医院。
我认为基于人工智能的新医疗选择是免费或接近免费的,并且比现在好得多,这样人们会摒弃传统的医疗而转向这些更棒的选择。这会令现今的医疗系统消亡。
想想谷歌时代的图书馆,想想移动通讯时代的传统有绳电话,想想Uber时代的出租车,想想Skype时代的长途电话……这张清单永无止尽。
那么……将要迎接我们的到底是什么?
市值1000万美元的高通三录仪XPRIZE将会生产出一种设备(就像《星际迷航》中的三录仪),让作为消费者的你无论何时何地都能自行诊断。
厌倦了跑医院?沃尔格林(美国最大连锁药店)这样的公司和便利店立志成为你的医疗中心。
人类长寿公司(HumanLongevityInc.,简称HLI)将对你基因中的32亿个碱基对和微生物组进行测序,将你的数据与数以百万计的其他消费者构成的庞大数据库进行对比。
对大数据进行这样的挖掘能使你(你的人工智能装置或者你的家庭医生)提前知道什么样的疾病会威胁你的健康,从而让你享受到积极主动的医疗。
HLI的目标是实现“n对1”的健康医疗服务,给你开的药就是最适合你的药。HLI的目标是使你人生的健康岁月延长30年以上,让「100岁成为另一个60岁」。
除了在基因方面的进展,在骨髓干细胞科学方面革命也如火如荼,引用我的朋友——HLI联合创始人BobHariri博士的话:「(骨髓干细胞)将会使我们的身体发动机恢复再生。」我们离培育替换用的肺、肝、心脏或肾脏并不遥远,这样我们就不用治疗慢性器官疾病(出了问题直接换掉就可以了)。
就像在基因和骨髓干细胞方面的重大进展,发展中的生物传感器也发生着不相上下的变革。如果你不能测量,你就不能施加影响,所以谷歌、苹果、三星及不少其他公司投资了数十亿以冀成为领导者。
这些生物传感器将会持续监测你的健康——心率、血压、血糖、甚至癌症和心脏创伤释放出的微小颗粒。
结合你的基因数据,这些传感器监测到的数据将会流畅地上传到你使用的健康APP,在伤害发生或者疾病形成前给予你必需的警告。引用我的朋友,斯坦福大学教授的DanielKraft博士的话来说,把这个当作「你身体的安吉星系统。」
安吉星系统
1995年诞生的安吉星是通用汽车的专属配置,主要为汽车提供安全信息服务,包括撞车自动报警、导航等。
那么谁来为此买单呢?大概不会是你自己。很有可能你的保险公司会为此买单,因为如果你不进医院,活得更久,他们就赚得多得多(他们能收取更多的费用,理赔则少得多)。
二、金融
金融是另外一个不免迎来很多有趣时刻的万亿行业。这十年里中间人财务顾问和经纪人的日子要到头了。大数据支撑的人工智能将会使所有东西更便宜、更快,并且对消费者更有益。
举一个例子,我在IBMWatson供职的朋友们为Watson生态系统开发的金融应用在我看来就很棒。
想象有这样的一种服务,能浏览你过去几年在社交平台上发布的所有内容并且通过情感分析得出你喜欢或者讨厌什么行业或价值观。比如说:你喜欢科技和时尚,但是厌恶酒精和暴力。你爱欧洲,但不怎么喜欢俄罗斯,等等。
在千禧时代,你的主张和盈利同样重要,这时人工智能就有优势了,如果它能在风险调整的基础上,整理一万家公司后推荐你做出那些和你价值观最为一致的投资的话。
而且,它能监测你的社交媒体与全球市场,让你随心所欲地随时调整你的投资组合。
另一个临近我们的变革就是那些人工智能公司(SentientTechnologies就是其中一例),它们利用先进的机器学习与数据挖掘技术在证券市场上进行人类无法媲美的算法交易。
更出色的还有基于大量报价数据的人工智能交易。这世上有1000亿个相互连接的设备,在此之上,我们正向一个有着数万亿传感器的世界挺进。
这将会给人工智能带来「全知全能」,让你(或你的人工智能设备)在任何时间、任何地点、了解任何事……
这意味着什么?现今,有公司使用卫星来拍摄并计数玩具反斗城和家得宝停车场每天的停车量,在季度财报出来前预计该公司的营收。
把这个泛在知识的思路延伸运用到所有事情上(我是指所有),你就能预想到金融行业会如何变革。
三、保险
保险业是一个与概率和不完全认知打交道的老行当。但是,在一个「完全认知」的时代,许多事情正在发生变化。这里有几个例子。
健康与生命保险
今天,如果你允许保险公司在你的车上安装传感器检测车速和加速情况——基本上就是一些判断你是好驾驶员还是坏驾驶员的数据——美国前进保险公司会给你的费率打个折扣(快照计划)。
现在,想象一下这种情况发生在自己身上。想买便宜的保险?那就让保险公司监测你的身体健康状况并给基因组测序吧。
这不是说如果你有不良基因就不给你保险或者管你要高的保费,这些都是法律禁止的,2008年通过的《遗传信息无歧视法案》禁止因基因组问题歧视个体。这一创新是这样的,只要你允许保险公司协助你健康长寿,它们就会给你折扣。这完全是件双赢的事情。
还有另外一个大场景,我们可以从中看到当今保险业的坍塌。
假如我有某种免于主要疾病的基因组:我不抽烟,健康进食,每天锻炼。
我将这些信息(经由传感器证实)公布在自己的社交图谱上,说:「谁有良好的基因、健康的饮食和锻炼习惯,并且想和我一起自我投保的人,咱们自己相互联保吧…我们是低风险合作伙伴!」
如果发生这种情况,保险联营当中的前百分之十从市场撤出,这会压垮这一行的产业经济。
之前,这种信息和「点对点保险」从不可能。现在有可能了。
「慢着」,你说,「会有监管来阻止你的。」是的,但也仅仅是暂时的。就像Uber之于出租车行业,监管充当绊脚石的时日无多。
最终,随着汽车的出现,马车制造商们会相继倒掉。
汽车保险
上文中提到过前进保险公司快照传感系统,但是,脑补下一步……
在一个自动汽车的年代,可能就没有汽车保险的需求了。
自动汽车不会撞车或者说很少撞车,为什么还要保险的呢?
对保险业来说,更糟糕的是大伙会停止购买汽车。
你不再会自己保有一辆汽车,但是你能享受到7天24小时的自动汽车服务。就像今天的公司不用再自己购买服务器,而是使用亚马逊或者谷歌提供的云服务。
如果你没有汽车,那就没啥可保了。
农业/农作物保险
最后让我们关注一下农业和农作物保险。下文也同样适用于我没有提到的其他类型的保险。
今天,为农作物投保来规避比如说雹灾,损失评估过程非常昂贵也不够准确。评估过程需要农民和保险评估人员亲临现场并拍照。
在一个摄像(比如,地球低轨道卫星和无人机)和传感器(现场传感器)无所不在的年代,保险评估是全球化的、及时的,而且实际上是免费的。
大量的初创公司准确、廉价地搜集海量数据,这将重塑这一特定利基市场(农业保险)的方方面面,实际上,是整个保险业的方方面面。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18