互联网＋电子政务

Copyright © 2016 All rights reserved. 版权所有侵权必究

Emil Chan 2016 7 12


http://bit.do/internet-egov


Emil Chan


Emil Chan • BayernLB 17

•

• iProA

• IBM

• Hong Kong ICT Awards 2014

•

• IT

• ComputerWorld 2013 Finance Innovation Forum 2013

•

•

•

• SPACE

• MBA

•

• 2006 CISA NLP

HKU SPACE Institute of China Business• 营销与传媒管理中⼼ - B2B市场战略与管理 (BMM) ⺴络营销与电⼦商务战略

• 管理与创新中⼼ - 信息战略与企业转型 (ISBT)新兴科技与商业价值

• 营销与传媒管理中⼼ - 零售管理与购物者营销 (RMSM) 整合线上线下零售

• [email protected]

• QQ: 1279904635

• facebook.com/emilchan

• twitter.com/cnemil

• linkedin.com/in/emilchan

• flickr.com/cnemil

• weibo.com/cnemil


Copyright © 2016 All rights reserved. 版权所有侵权必究Copyright © 2016 All rights reserved. 版权所有侵权必究




❖

❖


Source: Bank 3.0



⼿機、點評、社交網絡都是⼯⼈和消費者發動創新的武器！




2005 vs 2013




21

















https://app.cyfe.com/dashboards/195223/5587fe4e52036102283711615553



• 2005

• 2015 30

• 20165

• 2009 - 18







•

• 1949

• 1960 6 1

• 1983

• 2003

• 2014 12018 5 4 29


•

“ ” “ ”

• “ ”“ ”

“ ”

• 1991 “ ” “ ”“ ” “ ”

• “ ”“ ”





⾹港是個⼨⾦⼨⼟的地⽅，對⼤部分⼈來說，買房⼦是⼀項很⼤的投資。我⽗親是從事⼟地測量⼯作的，我從⼩就⽿濡⺫染，知道城市規劃的數據對房價的影響。⽐如，未來⼩區附近是否會建地鐵站，是否會建公園以及未來社區學校的數量等規劃都會對這個⼩區的房價產⽣極⼤的影響。因為對⼀個地⽅好壞的評價不僅僅取決於房⼦本⾝的好壞，⽽是包括了對周圍空氣、公共設施、綠化甚⾄光照等的考量。但你們有沒有發現，當我們真正購買房⼦的時候，這些信息和數據你都能拿到嗎？如果信息⾜夠的話，你⼜知不知道每個因素對房價的影響分別有多⼤？如果不懂如何分析，最終你將可能被眾多指標搞昏頭腦。另外在找房⼦的時候，你的參考價格是什麼呢？最常⾒的是拿附近類似的房產價格進⾏⽐較，但這種粗略的⽅式，卻沒有考慮到⼀些更新信息，例如政府的房屋政策、區內垃圾站的搬遷、房⼦周圍公共設施的添加、社區所住的群體變化等等對估值的影響。美國有家利⽤⼤數據提供免費房地產估價服務的網站叫Zillow，他們取得美國許多地區MLS（房地中介業者公⽤的買賣數據庫）的使⽤資格，利⽤這些房產交易數據加上房主主動提供的信息，再配合線上線下收集到的社區數據，根據海量數據中的歷史及即時交易價格變動，開發了⼀套系統去評估房產⺫前的市價。類似Zillow的公司包括homeunion, Redfin,他們都是利⽤了銀⾏、保險、地產中介、社區規劃信息等數據來估算房產的價格。我記得上次去美國訪談homeunion時，它給我的印象特別深刻。因為這家公司的創始⼈本⾝就是房產中介出⾝（房產中介其實等同於找房⼦的達⼈），所以他們從特別瞭解每個地區客⼾需求的中介⼈那裡採集⼀些經驗規律來提⾼房產估價的準確度。到⺫前為⽌，剛才提到的公司裡⾯，我知道的最好的⼀家所估出來的價格跟實際的價格⼤概有7%-16%的誤差。這個結果固然有待改善，特別是在數據⽐較少的地區，因為「巧婦也難為無⽶之炊」嘛。幸運的是，之前我們所講的datafication還在繼續⾼速發展。美國有個叫Citymap的APP，可以讓每⼀個⼈都製作⾃⼰的社區地圖，這些地圖會顯⽰⽐如哪裡的咖啡好喝，哪裡有不錯的意⼤利餐廳，哪裡有百貨公司可以逛，哪裡有公園可以散步等等。有了這些信息，我們就可以知道每個⼩區的特⾊，進⽽知道這個⼩區的⾵格跟你的⾵格是否相符，最終你是否願意住在這裡。這在多元的社會⾥是⾮常重要的。如果追溯歷史，中國⾵⽔從根本⽽⾔，就是⼀⾨⼤數據收集，計算並加以分析的學問。⾵⽔講求觀察各種地貌，瞭解地氣⾛向，實際上就是⽤數據的⽅式去研究哪些類型的環境適合⼈們安居樂業。從這個意義上來講，如果未來我們能夠在房屋內外安裝上傳感器（紐約有樓宇已經做了），可以⼤⾯積、⾼精度地收集每天的⾵⼒⾬⽔，陽光冷暖，空氣淨度……久⽽久之，我們就能夠在⾜夠⼤的數據基礎上，描繪出⼀副適合不同⼈類居住的建議地圖，⽽「宜居」指數也有可能會成為房地產估值最關鍵的指數。從⼤數據的⾓度去看，⾵⽔這⾨學問居然也快被顛覆了，⽽且也沒有想像中那麼神秘。我們可以根據這些數據對⾃⼰居住的房⼦和社區有更客觀的瞭解，幫助你投資更適合你⽽⼜物有所值的房產。

⾞品覺阿⾥巴巴集團副總裁，數據委員會會⾧

科技 >> 創新 | | 2015-04-19




FINACCEL • FinAccel

2

•

FinAccel Kredivo 1,800

Facebook







US$

Uber 620

Airbnb 210










•

•

•

•

•



• Kaspar Korjus e-“

”


• “ 2.0” Bitnation( ) (Ethereum)140

• BitNation DAOs(

Democratic Autonomous Organizations)


•










品牌政府



⾃动驾驶






Wool comes from the pig's back

One gets the benefit for free and the price is paid by someone else


Bigs can fly if they find where wind blows


——

互联网＋电子政务

Government & Nonprofit