【大咖周语录】：看涂子沛如何为“大数据+教育”支招，田溯宁、车品觉对AI又是什么看法！

互联网金融大数据 AI

jean | 2016-07-09 09:15

【数据猿导读】对于大数据的概念以及大数据在各行业的应用，每个人心中都有不同的看法。小编每周都会整理大数据牛人们的精彩观点，让你在最短的时间获得最精的思想荟萃。后续，数据猿也会邀请更多行业大牛通过线上线下等形式，对目前大数据行业的现状进行深度交流，汇集更多“大咖语录”给大家

【大咖周语录】：看涂子沛如何为“大数据+教育”支招，田溯宁、车品觉对AI又是什么看法！

数据猿推出的【大咖周语录】栏目，旨在为大数据领域从业人员提供专业、前沿的行业发展、商业模式以及技术创新的思考与探索，愿共同推动“大数据+产业”的发展，与同仁们一起面对行业问题，解决行业困境。

对于大数据的概念以及大数据在各行业的应用，每个人心中都有不同的看法。小编每周都会整理大数据牛人们的精彩观点，让你在最短的时间获得最精的思想荟萃。

后续，数据猿也会邀请更多行业大牛通过专业记者团、专家专栏、特约作者、线上培训以及线下落地活动等形式，对目前大数据行业的现状进行深度交流，汇集更多“大咖语录”给大家！

欢迎来数据猿贡献你的思想

你就是下一个“网红”

一、易日升总裁史建伟：基于“家庭”消费的大数据是未来金融的机遇与挑战

传统金融对用户采取的“5度评级”审核机制已经无法适应当下互联网消费金融的业务模式。未来，以家庭生活消费为主的场景大数据将成为互联网金融的新机遇。根据家庭在吃、穿、住、行等环节发生的行为，多方位采集个人数据，在此基础上为用户画像,由“5度评级”提升到“15度评级”，最终可以从多个维度进行风控体系建设，在提升审批效率的同时降低坏账率。但是，每个家庭，每个个体都处于不断变化的状态，不同阶段下家庭的消费能力、观念、需求不同，给大数据采集、风控模型的应变能力带来了挑战。

原文：http://www.datayuan.cn/article/5017.htm

二、亚信科技兼宽带资本董事长田溯宁：互联网巨头进入企业级计算道路仍漫长，与AI结合是大机会

AI在功能性、任务性等智力方面如同进入“寒武纪”，可以解决无人驾驶、病理诊断等难题，但是在认知智力（EQ）领域还有漫长的路要走。另外，AI对企业级计算有很大帮助。架构的云化、移动化及微服务逐渐成为共识，微软、SAP、IBM、亚信、用友等中外大型软件企业都十分关注企业软件未来的方向，但Saas软件运用了近十年的时间，仍未能很好了解企业的互联化与客户化需求。互联网企业如Google等巨头公司进入企业级计算道路仍漫长，大型企业的DataSet与互联网公共数据结合会是训练企业级“大脑”的方向。

原文：http://www.datayuan.cn/article/4896.htm

三、艾媒咨询CEO张毅：我们早已不靠卖报告赚钱了，而是利用大数据挖掘和分析为企业挖掘市场痛点

整体来看，传统的研究分析方法有很严重的随机性和拍脑袋作风，已不能适应当下社会的发展，这就需要用大数据挖掘、分析技术研究分析用户需求。大多数咨询公司以提供咨询服务、卖报告为主要盈利模式，艾煤和他们大不相同，我们不卖报告，更不卖数据。艾煤利用大数据挖掘和分析提供精准营销服务，为企业挖掘市场痛点、用户痛点，从而帮助企业用最低的成本把产品推向市场。

原文：http://www.datayuan.cn/article/5070.htm

四、人民日报CEO叶蓁蓁：媒体实现数据变现有4大途径

1、充分挖掘转播数据和受众资源，转化为企业可购买的产品，如舆情监测系统、智库服务、报告等

2、紧抓数据在产生、分析、发布到精准传播的各环节，实现“数据传播”的精准匹配，为企业、政府、科研机构提供“数据信息服务”

3、发挥品牌效应，做大数据资源的中立协调者，成为数据解决方案的提供商

4、为大数据信息提供包装推广宣传服务（与采编业务分开）

原文：http://www.datayuan.cn/article/5036.htm

五、观数智库创始人涂子沛：大数据将教育推向“快车道”，知识变现呈多样化趋势

两国之间差距大，关键看教育，大数据为教育实现弯道超车提供了机会，但需要做好两件事：教育行政大数据、学生学习行为数据。前者把所有的数据联通起来，提高行政管理效率;后者让教育更加个性化、精细化、智能化。教育在经历“学徒时代”到“学校时代”后，最终将迎来“微学校时代”，老师的权威将面临巨大挑战，知识也将成为一种普遍的市场服务，“网红老师”就是一种知识变现形式。遗憾的是，中国教育信息化几十年，这些数据仍沉睡在各自学校的教学平台、后勤系统、图书馆等系统，依旧像无数个孤岛，无法联通。

原文：http://www.datayuan.cn/article/4895.htm

六、红杉资本专家合伙人车品觉：高质量数据集是AI领域初创公司的命脉和短板

对于将机器学习作为作为核心技术的初创公司来说，能否获得高质量的训练数据极为关键。但，标记数据有限成为初创公司当前最大的绊脚石，在聘请数据科学团队或者部署昂贵的核心设施之前，有必要从一开始就研究制定好数据采集的策略。有很多办法可以克服数据采集的冷启动问题，这里列举5个数据采集策略：人工作业、缩小范围、众包、副业、公开可用的数据集。无论哪种策略，关键在于获取和拥有针对特定领域的庞大数据集，用以打造高准确度的模型，这是创业者在开始时唯独最难解决的问题。

原文：http://www.datayuan.cn/article/4996.htm

如对上述观点有疑问、见解，或想听到更多大咖声音，请加作者微信：15737954328，备注“观点”

注：人物顺序纯属随机。

来源：数据猿

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。