Billberg - 比爾伯格

About Billberg - 比爾伯格

🤔什麼是Billberg? Billberg是Bill+Bloomberg的組合字， 希望在國際發生的事情，可以透過一個story teller，填滿聽眾通勤的、無聊的、耍廢的時間。立志滿足知識恐慌患者的不安😂😂 Billberg可以是一個雙向的頻道，只要聽眾願意錄下自己的聲音回傳，我們就會在頻道上見面。 😎Who is Bill? 一個在信義區工作、討厭勵志語錄的'奮'青。因為喜歡觸碰時事，再加上一點想不開，開始經營自己的PODCAST。 📖哪些主題？ 💵商業：從經濟學人、彭博社等國際財經傳媒取材， 幫觀眾整理摘要，整理成故事，和分享心得。 💻職涯：不告訴你如何進外商，而是找到你自己適合的、喜歡的工作。 📖學涯：讓你從大學開始，就做好斜槓的準備⋯⋯ 🗓上架頻率 每個禮拜三/六晚上 20:00， 準時在Spotify / Itunes / Sound on上架唷！ Billberg, your alternative Bloomberg

Publisher

Billberg

Category

business

Language

zh

Explicit

No

First episode

23 Aug 2020

Latest episode

30 Aug 2020

Latest episodes

3 episodes in the feed.

1. 

   30 Aug 2020

   EP03 | 六分鐘解讀數據驅動的科技（下）

   再來接續前面的兩點比教篇資料前期的取得，現在我們來聊一下如何融入到成效。 還沒聽過六分鐘解讀數據驅動的科技（上），請返回上頁，點擊EP02 | 六分鐘解讀數據驅動的科技（上）唷！ 三、讓資料融入策略，實際影響成效 以前的Data在review（審視），現在的data在monitor（監測），更能側重在把資料和商業策略得結合。我很喜歡沈思路的一句話：言語只是一種主張，不是一種事實。講白一點，就是不要打嘴砲，一個提案、專案有做到是一，沒做到就是零。所以，所有資料最終都要deliver result。那你如果要deliver result，在能影響結果的時候，要即時發揮影響力。而data就是讓你及時的監測整個output有沒有on track，有無需要做立即的調整。而這一切都是在資料科學的技術比較發達之後，才能讓我們做到客製化資料的需求。反過來說，早期在做統計分析，從數據搜集、運算，都需要時間投入，即時監測基本上做不到。所以常常從策略執行到事後的review，再重新調整，花得太多時間，不效率就產生了。 所以，當奇異ＧＥ公司要做物聯網時，這聽起來很low因為大家都在做。但務實的做法是，你除了去建立那些夢幻的高大上藍圖外，你的軟體跟硬體怎麼接軌。軟體眄，你要有AI ML 雲端演算的infra要進來，再加上你的智慧型工廠有沒有好的監測工具，讓使用年限增加，變相降低成本。而這些都是無形的競爭力，讓你公司的護城河更穩固。這也解釋，為什麼成立AWS的Amazon可以立自己於不敗之地，這都是data的力量。 四、填補人才缺口 經濟學人在2017年對高階經理人的調查中，四成以上幾乎不懂數據驅動的分析; 2018的人才娉用裡面，有三成優先尋找資料人才，但始終到2019年還是有一半以上的高階經理人，不認為自己公司的數據策略上了軌道。其中最大的問題，真的就是你沒有這樣的人才跟資源去開拓這樣的數位轉型，況且多數的人沒有這樣的背景，所以人才永遠是一個concern。但是，大家真的也不要有一個迷思，不是所有數據都是資料技術人才，更多的其實是資料分析人才。隨著資料分析的價值越來越重要，一定會有相對應的工具被開發處來，像是AI版的Excel，讓你可以很輕易的跑出結果。但後端更多的，是懂得跟資料互動的人，是懂的解讀資料的人。所以大家不要失望，也不要有個誤解，覺得要成為數據分析的人才，鐵定要從程式語言做起。錯，你反而要保有你的數據直覺，會程式語言是加分，但不會你就更要聰明的懂得善用工具。像是以前要拍出專業的照片需要單眼，現在智慧型手機＋修圖軟體都可以拿全球攝影比賽的大獎了。當一件事情對人的價值越來越高，一定會有更人性化的工具推出。懂得拍照，就好像保有數據直覺，他是你獨一無二的資產。 五、360捕捉消費者需求 數據科技，真的會讓customer-oriented消費者為導向的這個詞完美的成真。當FB, AMZ, Google的這些老闆們在反壟斷法的聽爭會上的時候，姑且不論壟斷是否是對的，但他是一個結果，他的原因來自消費者瘋狂的熱愛。另一個可怕的事實是，消費者自願讓他們壟斷了。這些人，比消費者更了解消費者本身。對的時間、對的方式捕捉消費者的需求，才是讓消費者自動找上門的關鍵。以新加坡華僑銀行為例，早期他們採用數位策略是行銷需求，就和大部分企業一樣。但如今，有將近三成五的營收，是來自於數據科技，他們叫做’Next Best Conversation’下一個最佳對話，他們會主動推薦新的商品給客戶作為OCBC想要對客戶的關切，作為best conversation。例如你傾向結婚，那你的best conversation可能就是房貸商品。所以我真的越來越相信，好的品牌，好的平台，好的電商，舉凡能抓住消費者的，一來絕對來自360度的顧客分析，二來這些公司的成長絕對不會停止，趕快去買這些股票。 以上五點大概就是數據驅動的轉型歷程，從資料的取得、分析，再到產生價值，其實沒那麼簡單。 最後一哩路，看數字說話的企業文化。本日最重要的句話，言語只是一種主張。數據驅動這廝個字，倒底落實的多深，怎麼影響日常生活，真的是不斷地落實到日常中，而不是喊一喊，錢花一花就沒了。所以也希望大家成為數據大師。好就這樣，掰掰。 關鍵字 #數據 #科技 #數據科技 #驅動 #商業 #經濟 #時事 #經濟學人 #面試必備 #如何轉型 #財經 #財金 #比爾 #比爾伯格

2. 

   30 Aug 2020

   EP02 | 六分鐘解讀數據驅動企業如何成長（上）

   本集內容取材自經濟學人的intelligent unit對於數據驅動data-driven企業在轉型上面需要面臨的步驟，以及需要投入的流程有哪些。 想了解在數據時代，企業怎麼轉型的捧彭，趕快來聽本集的內容吧！ 今天的主題會談一下時下一直很熱門得一個話題，面試、工作，在學校，都會遇到的議題，就是「數據」Data，到底怎麼樣驅動一間企業，以及，企業要怎麼樣做轉型。這次的內容會拆成兩集，上集會簡單談一下數據的應用層面，下集是談一下企業要怎麼轉型。本集是由甲骨文oracle贊助，經濟學人撰寫的一篇研究。那我們不囉唆，直接開始。 Data 資料這個觀念一直不陌生。收集問卷、跑excel、到寫程式語言，到雲端上的深度學習、人工智能，其實都是數據分析。這些觀念一直都有，甚至在1960年代就有這種深度學習的演算法，指示當時的演算效率還沒辦法足以支撐。但是在約莫2016年，演算效能足夠成熟到支應大量資料的深度學習、統計分析、建模，AI/機器學習等模型也相對有個爆炸性的持長。有間公司，叫做NVIDIA，就是因為提供人工智慧所需的演算效能的GPU，所以股價一直爆噴。 大家都在談數據分析，但是，到底怎麼樣的數據分析才會有實質幫助到公司的成長。但不要對數據分析或大數據分析這幾個字有過於不切實際的幻想，然後流於表面的討論，你有真的想過數據要怎麼幫助到企業嗎？ 數據的應用層面 1. 銷售、退貨、利潤 2. 增加客戶體驗 3. 商品配送 4. 員工體驗 破解數據的迷思 我覺得要在一開始講清楚，數據科技不是為了數據而數據，科技而科技，所有的分析都要有意義，公司才有動機去做。而數據科技最大的意義，是用科技的方式，給予數據data意義。不要幻想這些insight洞見是一二三掉下來的，他需要有很多層面的醞釀，包括你對業務上的理解，你對於資料變動上的敏銳度，你對於可行性的分析，還有你對於目標的勾勒。事實上也是今天BILL想談談的主題。就是從數據到分析，到發揮影響力中間的過程有哪些，以及企業怎麼去更優化數據帶來的好處，他必然要投入的努力有哪些？ 如何轉型？ 一、完全運用資料 公司內部人員，不知道完整的Data到底有哪些，有時候，你甚至不知道，Ｂ部門的資料，其實對你很有價值，只覺得現有的資源沒辦法滿足分析。可是反過來想，即便在同一間公司，你不要幻想部門跟部門間是合作關係，更多時候是靜和，我憑什麼把我的資源，data，甚至是分析工具共享給你？問題是在這邊。所以要做數位轉型的第一步，真的不是去採購什麼炫砲的雲端運算器，反而要先盤點現有的所有的資料，然後combine成一個資料庫。 公司內部流程得優化，你得讓資料在第一時間，給到對的人身上，放在對的事情對的目標上，進行對的應對還有分析。 實際開始工作之後，部門和部門間，子公司和子公司之間，資料不見得是會是合作的，所以有競合，沒有人必須共享資料，即便這是總體合理，但從個體個體公司會有衝突的。所以要整合資料，一定先從內部開始，否則所有事情若都是空話。你不知道你有什麼data，你跟人家談你要分析什麼？ 二、資料的品質得提升 有了資料之後，還要懂得，下一步要做的就是把資料的品質做出來。俗話說，garbage in, garbage out，要有好的資料分析，本身就要站在資料是乾淨的基礎上。骯髒的資料，有分外顯跟內險的。舉個最簡單的例子，業務單位常常會給客戶填答資料，google表單啊excel黨啊，但你真的能保證這些客戶真的在每個填答資料的格式都統一嗎？個資亂填、字亂打，，這個從資料的收集所產生的資料偏誤，就是外顯的dirty data。另外一種是，舉個例子，當你分析一間公司的營收增加10%，結果其中有一半以上來自處分廠房，你到底該開心還該難過？這個情況下，我們會說這間公司的盈餘品質存在問題，在這個基礎上，這個資料，是不夠乾淨的。但是他的收集、取得，完全沒有問題。主要是來自，他和你的分析有衝突，而你沒有發覺，這就是比較內顯的dirty data。為了解決資料品質的問題，TATA集團有一個叫data consolidation的政策，專門有一個群人在維護資料的確證性，並且這個資料是全公司所有人的唯一資料取得窗口。 關鍵字 #數據 #科技 #數據科技 #驅動 #商業 #經濟 #時事 #經濟學人 #面試必備 #如何轉型 #財經 #財金 #比爾 #比爾伯格

3. 

   23 Aug 2020

   EP01 (首播) | 反全球化？「短鏈革命」你不可以不知道的事！

   What’s up guys! 你現在收看的是Billberg 比爾伯格。 今天的主題是在挑戰「地球是平的」，其實現在或許全球分工已經不是供應鏈的趨勢，反倒，一個完全相反的概念正在悄然醞釀，供應鏈將會有「全球」改為「在地」；「長鏈」改成「短鏈」。讓我們來聊聊，什麼是「短鏈革命」吧！

Contact Billberg - 比爾伯格

Guest appearances

Does not typically book guests

Based on episode analysis; this does not confirm that the show is currently accepting guests.