传统行业也需要 CTO 吗？比如需要排队一小时才能买到一杯奶茶的「网红店」喜茶。 伴随着数字化进程，移动互联网逐渐向下半场的产业互联网转移。未来，互联网将深度融合在各行各业中。时代的交叉点上，单纯流量红利结束，如何将流量转化为有价值的数据，增强数据的应用是下半场技术从业者需要思考的新问题。 过去，技术或许决定了互联网的商业价值。新的时代下，技术从业者们的「担子」更重了，技术思考之外，他们的管理视角、运营视角、商业视角都决定了技术价值的挖掘和释放，而 CTO 俨然成为这场新战役中最为重要的角色。 BMW · 极客公园 Rebuild 2019 科技商业峰会上，ONES 创始人兼 CEO 王颖奇，创新奇智 CTO 张发恩，喜茶 CTO 陈霈霖以及贝壳找房 CTO 闫觅就产业互联网时代下，CTO 如何助力企业发挥技术和商业价值的话题展开了一场圆桌论坛。 技术到底解决了产业的哪些实际问题，CTO 们给出了不同的答案。在创新奇智 CTO 张发恩看来，AI 能够赋能产业，创新奇智打造了一套软硬一体化解决方案，比如智能货柜、智能质检一体机、智能扫码设备等，助力客户解决人工智能落地最后一公里问题。在喜茶 CTO 陈霈霖看来，技术改造了线下的餐饮行业，手机点单解决了 50% 的订单，复购率达到了三倍的增长。而在贝壳找房 CTO 闫觅看来，贝壳找房在做整个产业的数字化，将房源信息和周边商圈数据线上化。 然而，三位 CTO 也坦然，在向产业互联网迈进的过程中，遇到了一些意想不到的挑战。然而，这是 CTO 们必须肩负的责任和挑战。圆桌对谈中，关于产业互联网的现状和机会，四位 CTO 展开了一次「思想激荡」，从中我们或许能窥见这个新时代的机会。 以下是 ONES 创始人兼 CEO 王颖奇，创新奇智 CTO 张发恩，喜茶 CTO 陈霈霖以及贝壳找房 CTO 闫觅在 BMW · 极客公园 Rebuild 2019 科技商业峰会上的圆桌论坛，经极客公园编辑整理： 王颖奇：谢谢大家，大家下午好。非常开心能够参加这个环节，我是今天圆桌的主持人王颖奇。我们今天的话题与 CTO 相关，大家都知道 CTO 是科技企业中非常重要的岗位，而我们发现现在很多传统行业都有类 CTO 的角色出现。同时我们整个行业都在讲产业互联网，大家都对产业互联网感到好奇。我们就想到，如果能有机会与 CTO 对话，我们就能从侧面了解到整个产业互联网的现状和情况。我去年在与张鹏的聊天中聊过，我们是否能有机会与一些 CTO 对话，去了解他们在管理上、技术上、商业上的一些想法。所以我们去年开始在极客公园开了一个专栏叫做『对话 CTO』，我作为专栏的特邀访谈者，先后采访了十几位 CTO，今天在座的各位 CTO 也都是我们专栏采访过的。 我在这里讲一下我的背景，我之前做了七年工程师，中间创业的时候做了 APP 公司，也做过一年多的投融资工作，现在做的企业 ONES 是做研发管理工具的，公司做了三年多，也有了很多客户。因为有这样的技术及研发管理背景才有这样的机会与 CTO 进行对话。我接下来把时间交给各位 CTO，我们来做第一个问题的探讨。 第一个问题，请各位简要介绍公司情况，以及你们作为 CTO 在整个公司中非常重要的工作是什么？ 张发恩：我首先介绍一下我们公司的情况，我来自创新奇智，创新奇智是创新工场的子公司，创新奇智成立于 2018 年 3 月份。但是创新奇智成立之前，它的前身是创新工, 场人工智能工程院。创新工场是李开复老师 2009 年成立的，创新工场是一个典型的 VC AI 的模式，2018 年 3 月份我们决定成立一家 AI 商业化公司，专注在用人工智能赋能商业价值，我们关注三个主要场景，分别是零售、制造、金融。作为 CTO，我负责整个公司的技术研发管理工作，技术人才组织架构包括很多算法工程师、人工智能工程师、前后端开发工程师等等。 陈霈霖：大家好，我是陈霈霖，我是来自喜茶。我们公司的很清晰，三个字，卖茶饮。我在公司的岗位是 CTO，很多人都会疑问我的工作主要是干嘛的，我在这边其实主要负责三大模块，第一个就是包括 IT 的管理，还有数字营销，还有技术产品的研发，这三大模块。其实这三个模块在一个产业意味着什么？我们会发现过去很多时候互联网会做对外的东西，比如说我们要做营销、社交、聊天，吃喝相关的东西，这是过去互联网的一个现象。我作为一个产业内部，我主要负责的是什么？也是有一点类似，就是从客户怎么去获客，内部门店怎么管理，营销怎么获客，后面职能部门还有大数据怎么给串起来，这样的工作。一个产业里面技术无处不在，深入到每个行业里，这是我的背景介绍。 闫觅：大家好，我叫闫觅，来自贝壳找房，主要是做跟产品研发相关的工作。贝壳找房在 2018 年 4 月 23 日成立，是由链家网升级而来。我们的主营业务是二手房、新房、租赁，现在我们还有装修业务，还有社区生活管理的相关业务。目前贝壳找房的年 GMV 已经过万亿，全国连接的经纪人数量已经超过 20 万，连接的门店数也超过 2 万。我是 2014 年到了当时的链家网，创办了链家网的产研团队，从最开始搭建团队到现在，公司的产研团队工程师已经超过 2000 人。 王颖奇：我接下来的问题会针对每个企业的特点来问一下。创新奇智是输出 AI 产品及解决方案的公司，大家知道 AI 更多是做 To B 的公司，是对产业赋能的。关于 AI 是如何服务某个行业或某个客户，帮助他们解决实际的问题，能不能请您举一个具体的例子？ 张发恩：可以，我讲一个具体的案例，我们从去年 3 月份成立到现在，大概签约了百余家大的 To B 公司客户。我跟大家分享的案例是香港怡东集团。它是做服装生产的，是很多大品牌的供应商。在全球有几十家服装制造厂。其中有一家在宁波。我们首先从宁波工厂开始，帮它用人工智能去做了一件事情。衣服在最后做完的时候，最后一道工序是测量这件衣服的尺寸，袖子长不长，腰围够不够宽，领子长度多少，以及是不是对称，以及衣服上是不是有孔洞和瑕疵，最后一道工序基本是靠工人。工人把衣服铺在平板上，拿尺子去量，大概 3-4 分钟才能完成工作。今天我们做到什么程度？我们有一套基于我们的深度学习人工智能视觉的工业视觉平台，基于这个平台我们打造了一套软硬一体的解决方案，有光源、有相机，有成像系统，还有算法和算力系统。在这套系统之上，只要工人把衣服铺在板子上，我们一秒钟就能出所有的结果，每个地方的尺寸是多少，以及这个衣服上有什么瑕疵，瑕疵的位置在哪里？现在已经大大提高了生产效率，没有它的时候一条产线 3-4 个工人非常忙碌，有它的时候一个工人非常轻松可以把所有事情全非常准确，使得服装整批的质量保证得特别好，这就是一个典型的案例。 王颖奇：是通过视觉的能力来使得生产线质检需要的工人数量下降，并且效率提升。 张发恩：是的，这套解决方案使得人的成本降低、人数降低，还能提高检测的质量，保证整批服装的检测质量。 王颖奇：非常棒的一个案例，而且这是跟我们大家每天穿的衣服有关的。 张发恩：是的，我们每天穿的衣服都是这些衣服，我们会看到工业视觉使得工厂的生产效率会越来越提高，质量会越来越好。 王颖奇：谢谢，大家都会比较好奇喜茶的排队情况是真是假，我知道你们在做排队系统，喜茶 GO 的研发团队人数很多，而且都是用 ONES 来做研发管理的。喜茶 GO 的应用会使得排队时间变长还是变短？ 陈霈霖：我们从这个问题开始，我们有没有想过，当我们从一个小程序点完单，到拿到茶中间发生了什么东西，从点单开始到用户行为，到门店，门店接受这个行为，然后处理这个行为，然后通知客户完成订单，一直流转到总部怎么做财务，怎么做门店的人力分配，等等最后有很多数据要组到一起，这是整个链条。所以其实在我们一开始的初衷，我们确实是消灭排队的出发点做这套东西，一开始效果还是不错，排队明显降低了。但是后面有一个问题，我发现销量越来越高，后面我们门店又出现了一波门庭若市的情况，大概是这样的现状。
王颖奇：在应用喜茶 GO 之后，会不会单店的销售量变高，或者单杯出品速度会不会变高？喜茶有没有服务能力相关量化的指标可以与大家分享？ 陈霈霖：量化数据最明显是三个数据，第一个就是从一开始要排队点单，现在有 50% 的订单来源于手机点单，50%。现在门店看到排队那一波人是一半，还有一半在线上。这是第一。第二，就是会员，大家都应该吃过饭，都经历过说「亲开个会员吧」，我们现在没有这种情况，用手机线上来处理，十个月之内从 0 积累 1 千万会员，这是第二个数据指标。第三，从销量来讲，这是我不好明确说的，我只能说从数据洞悉到的结果就是，从一开始头两个月有复购率，今天我们看到复购是 3 倍，大致超过 3 倍的增长，大概是这样的指标。 王颖奇：如果没有线上程序可能就很难算复购率是吗？ 陈霈霖：以往都知道吃饭时买个单就跑了，那店员根本不知道你是谁，所以复购率其实是根本无法计算的事情。 王颖奇：谢谢，这是线下的餐饮产业进行技术改造非常好的案例。下一个案例问一下闫觅，还是想问一下黑科技找房效果量化方面的问题，这里有没有一些数据可以分享？ 闫觅：我跟很多人聊的时候，大家都问我们多少人，我说我们超过 2 千人。大家觉得很好奇，你们那么多人在干什么。我可以用一句话来总结我们做的事情，就是做整个居住服务产业的数字化。在一些偏传统的行业里面，实际上是没有数据的。可能很多人都有这种感受，数据在哪里？在每个人的脑袋里面，或者说在某些区域管理者的脑袋里。但这些数据没有地方呈现，管理运营效率提升没有方案。我们过去五年时间一直在做数字化的事。第一是物的数字化。我们的物主要是跟房相关，包括房子里的户型图、每个房间的信息、它所在的单元楼栋和小区商圈信息，包括商圈里的交通、医疗、教育的数据，我们都在想办法线上化。现在贝壳找房已经能看到非常丰富真实的信息。第二是人的数据化。包括用户和业主的画像信息，这可以提升房、客、人的匹配。包括未来还有更多服务者的一些画像、专业能力、信用和职业发展的情况，我们都在用数字模型的方式来描述。第三是流程的线上化。大家买卖过房子，都知道看房、签约、交易等流程。我们怎么把这里面各节点的数据能系统化收集上来，这有利于我们运营效率的提升和整个行业品质的提升。从公司量化指标来看，其实整个平台和入驻的很多第三方公司的运营效率都有提升。我们昨天刚统计了一个数据，和其他的公司相比，我们的人效大概是 1.35 倍。我们在大数据、人工智能方面的研发对运营效率有很多提升。比如我们有大量语音通话的信息，我们通过语音质检来判断有没有不合规的问题、服务品质的问题。比如贝壳的智能问答，目前已经有 50% 的咨询是机器完成的。再比如辅助经纪人的沟通，系统给出的答案超过 50% 是被采纳的。这样的案例还可以列举很多。
王颖奇：年轻人都要找房，找房的时候关注快速匹配。有了贝壳之后对比传统的快速匹配，效率会有很大的提升吗？ 闫觅：是的，当你看到信息是真实的时候匹配的速度就会快很多。比如我们的一个推荐系统，会做房源成交或者是客户的成交的 30 天概率预估，通过这样的形式来匹配买卖双方。大家可以去直观感受一下这个效率。刚才说为什么我们的体系人效更高，这是有关系的。 王颖奇：谢谢。下一个问题，大家都知道产业互联网实际上与传统科技公司有很多不同。你们都是第一线做产业互联网改造的公司，可能会碰到过一些之前完全没有想过的、在科技公司里面完全没有遇到过的问题，可不可以请每人来举一个这样的关键案例？ 张发恩：这种案例特别多，我们做 AI ToB 的时候，做产品解决方案的时候遇到了很多非 AI 的问题，我举一个例子。在我们关注的零售领域，有一个标准产品叫做智能货柜，视觉智能货柜。视觉智能货柜里每一层都有一个摄像头，摄像头放在货柜里关上门一受潮就起雾，起雾拍照片就拍不清楚，这个问题是原来没有想到的问题。我们想过很多办法，一种办法就是用小刷子不停刷，刷久了之后摄像头刷花了，也拍不清。后来我们尝试加热，一开始我们加热到 90 度，发现不错，不起雾了，但是很快发现摄像头老化。在这种情况下我们不停去尝试，最终我们找到了一个合适的温度，这个温度大概是 65 度左右，非常合适的温度，既不起雾又不老化。人工智能商业化过程当中还有很多技术难题跟人工智能不太相关，这也是非常深刻的理解和经验。最终我们也转变成了专利技术。 王颖奇：这可能是从电子世界到原子世界所遇到的问题，产业互联网确实可能会遇到这样的问题。霈霖你遇到的最大的转型困惑和风险是什么？ 陈霈霖：我从一个数据开始讲起，这里是极客公园，前段时间看中国科技互联网行业有 3 千万从业者，中国 14 亿减去 3 千万，中国非科技行业是 13 亿多人，就是说我们是一群小众的奇葩，所以我到这个行业里面遇到最多的认知，大部分人对我一开始是怎么说的，他说赶紧过来帮我修一下电脑，网线坏了，还有我手机不行，要赶紧修一下，这是过去 18 个月。现在比较好了，就开始找我说账对不准，能不能写一个代码自动化一下，我觉得这 18 个月我经历了修电脑到写代码算账的这个过程。这给我的感受是非常大的，因为我觉得其实整个行业来说不像我们科技圈所理解的那么先进，其实在很大的一片区域里面数字化程度是非常低的，在整个国家来说。 王颖奇：谢谢。请闫觅讲一下你遇到的最大的问题和风险是怎么解决的？ 闫觅：我们这个行业有很多是线下的流程，要把线下的这些数据收集上来实际是很难的事情，因为它可能还不是在一个集中的地方，可能是分散在不同的地方。经纪人带一个客户去一个小区里看一个房子，怎么能把这个过程里的数据节点线上化、系统化，这是很难的。很多时候我们采取的方式是要销售团队或者是服务团队在做完事情之后能把信息录入系统。我觉得这个过程本身在运营管理、组织管理上都不容易，而且这个过程不一定靠谱。我们怎么设计一种机制和流程能让这个动作和作业过程跟系统工作完美结合到一起，自动能收集到数据和信息，这是很挑战的事情。我们这么多年一直在做相关的事，未来还有很多需要解决的问题。 王颖奇：谢谢。最后请大家对未来做一个展望，你们认为在你相关的行业里未来 3 年内，可能会出现什么比较标志性的事件？比如 AI 行业、新零售行业、居住服务行业里面，因为某项科技的加入使得行业会有非常大的标志性的变化。现在可以做一个预测，如果 3 年之后我们还有机会再聊，可以看看预测是否准确。 闫觅：大家往往可能会高估 1 年的期望，但是会低估 3 年的发展。居住这个领域在 3 年之后可能会真的发生很大的变化。过去科技行业对 AI 和 IoT 聊得比较多，我能感觉到现在都比较迷茫，不知道现在是什么情况。我觉得在一个具体的产业里面，AI 或者 IoT 还是会有比较刚需的应用场景。在居住服务领域，我认为未来会有两个方向。第一是服务者的智能化。贝壳平台的服务者现在有经纪人，未来还包括装修设计师、工人、工长等等。AI 不可能替代服务者，但是能辅助人，能让人的服务质量变得更加平均，让差的可以变得更好。通过智能设备和可穿戴设备辅助服务者可能是三年内的方向。第二是空间的智能化。因为贝壳有房产的交易、装修、租赁、设计等等，这里面有很多在空间里面去渗透智能设备的可能性，这也是一个未来可能性比较大的点。 陈霈霖：展望未来最好的方法是回顾过去，我个人把过去十年的互联网总结成一句话，就是我们让应用无处不在。过去十年我们发现聊天、吃饭、住房、打车都通过手机来完成，我们让应用无处不在，但是怎么让应用无处不在，我看来有两个里程碑事件，第一是 07 年 iPhone 发布，用户体验把应用的难度降下来，第二就是 APP 商店，就是把应用获取难度降下来，所以过去十年我们让应用无处不在，这是有两个里程碑事件。基于此我们就可以讲未来十年大概是什么情况，未来十年我们肯定会出现一个新的命题，加快让数据无处不在。怎么样去达到让数据无处不在？我们首先得让数据变得简单，结合我过去两年的经历来说，像刚刚说的，我们做数据非常困难，我们需要很大的团队，需要很高的成本，需要非常多的市场教育，才可以把数据落实下来。那有没有一个东西可以让数据变得简单？我觉得在最近，未来 3 年之内，这是一个最大的命题，应该会诞生一系列为了这个使命而努力的公司。 王颖奇：我插一个问题，霈霖你觉得未来所有的做线下店的企业都会有 CTO 吗？ 陈霈霖：这个问题我举个例子吧，以前我们每个公司里面都会在电脑刚出来的时候有一个信息部，信息部干嘛的？就是专门做电脑的，收集各种数据的。我们发现现在的信息部跟以前的信息部不一样，现在所有部门都有电脑，所有的部门你说你不会办公软件都找不到工作，未来都一样，现在可能我们有一个专门的研发团队，但是未来我觉得这些东西都会慢慢散落在不同的业务部门，因为大家都掌握了，但这个需要时间，然后还需要让这个数据变得简单。 王颖奇：非常感谢，这是非常大的趋势，所有的公司都应该是软件公司，所有的公司也都需要 CTO。 张发恩：我分享一个个人观点，我刚才讲了制造，我还是从制造层面讲这个事，未来三年我做一个大胆的预测，我们能够看到的是工厂里面变成一个熄灯工厂，就是工厂里边不再需要开灯。为什么？因为没有人了。第二，柔性化制造，也就是说我们以后每个人穿的衣服、用的工具都是个性化制造出来的。我做出这个预测的原因也是觉得今天人工智能正在潜移默化赋能这些制造的行业，今天我们已经能够感受到工厂的人越来越少了，它已经在发生的过程当中。我相信三年以后，将有很多工人从低阶的重复劳动工作当中结束出来，然后再重复一些有创造性的有感情的工作，比如说艺术、创作、音乐等等，使得人类生活变得更加幸福。 |
|
|
来自： Tomsp360lib > 《产业互联网》
