摘要: 區塊鏈把現在互聯網升級2.0版,實現“信息互聯網-價值互聯網-秩序互聯網”三步曲中的首次升級換代;甚至將重構社會在線上和線下的價值信用體系,通過價值分享,推動形成人類社會在信息文明時代的價值度量衡。

 


區塊鏈應用全圖景

區塊鏈把現在互聯網升級2.0版,實現“信息互聯網-價值互聯網-秩序互聯網”三步曲中的首次升級換代;甚至將重構社會在線上和線下的價值信用體系,通過價值分享,推動形成人類社會在信息文明時代的價值度量衡。

2017年伊始,比特幣價格上演驚魂“過山車”式跌宕,1月5日突破歷史新高一度逼近9000元,並迅速跳水觸及6000元。比特幣價格波動是多方面原因,但毋庸置疑的是新金融科技正在接受廣泛關注。尤其是作為比特幣底層架構技術的區塊鏈,被行業譽為“信任的機器”,成為2016年最為炙手可熱的金融科技。

近日,歲末年初交接時期,總結和展望區塊鏈的發展,貴陽市政府新聞辦公室、CCIDConsulting等多家機構相繼發布《貴陽區塊鏈發展和應用》《2016中國金融區塊鏈演進、應用及投資價值研究》等行業報告,從發展階段、應用價值、投資價值、總體設計等角度對區塊鏈發展進行了全面梳理和闡釋。

區塊鏈將把現在互聯網升級為2.0版,實現“信息互聯網-價值互聯網-秩序互聯網”三步曲中的首次升級換代;甚至將重構社會在線上和線下的價值信用體系,通過廣泛共識和價值分享,推動形成人類社會在信息文明時代的價值度量衡,從而構建新的誠信體系、價值體系、秩序規則體系。

一、 區塊鏈:信任的機器

當前,對於區塊鏈的定義,各方不盡相同。CCIDConsulting認為,區塊鍊是一種分佈式賬本構造技術,可以在去中心化的系統中構建不可篡改、不可偽造的分佈式賬本,並保證系統中各個節點所擁有賬本的動態一致性。

(CCIDConsulting:分佈式賬本與中心式賬本對比示意圖)

網錄科技創始人呂旭軍錶示:區塊鏈的本質是通過交易與記賬同步,減少重複工作和錯誤率、提升效率、避免人為造假;按時間軸分佈式存儲增加篡改成本;通過信息流與價值流同步,減少中間環節、提升交易效率、降低交易成本;按照同一規則運行降低管理成本。

(網錄科技呂旭軍:區塊鏈的工作機制)

二、 區塊鏈3大應用領域:重塑政務、民生、商業的底層架構

當前,根據區塊鏈的性質和開放程度的不同,普遍形成的共識是:對所有開放的是“公有鏈”、針對單獨個人和實體的是“私有鏈”,介於兩者之間的是“聯盟鏈”;分類的核心在於,應用系統中存在的中心節點的數量。CCIDConsulting指出,金融區塊鏈的應用或將以聯盟鍊為主,原因在於公有鏈完全無中心,不利於政府監管和保護隱私,而聯盟鏈能夠在2者之間尋找平衡點。

(區塊鏈的分類-根據開放程度和中心節點的數量)

在應用層面,圍繞數字經濟、互聯網治理和大數據發展中的價值實現,區塊鏈規劃的應用場景分為政用、民用、商用3類,包括應用層、合約層、激勵層、共識層、數據層、網絡層6個層次。

(區塊鏈發展總體架構)

1)在政務方面,主要應用於①政府數據共享,通過構建專屬的私有鏈,解決數據共享監管弱、數據關聯風險較大等痛點;②數據提籠監管;③互聯網金融監管,如利用區塊鏈記錄網貸客戶信息,保護客戶隱私,通過公司算法驗證交易,保證監管機構對節點的跟踪和控制。

2)在民生方面,主要應用於①精準扶貧,結合指紋識別等技術實現扶貧對象的識別和退出、以及基金管理等;②個人數據服務中心,通過用戶分層、數據驗證、數據獲取和存儲,實現數據共享;③個人醫療健康數據,解決數據分散、不完整、共享難的痛點;④智慧出行,建立引導鏈、停車鏈、充電鏈,以及車輛租賃鏈、公共交通鍊等,實現方便高效的出行。

3)在商業方面,主要應用於①票據,通過建立互信的票據鏈平台,降低交易成本,實現傳統票據市場向數字票據跨越;②小微企業信用認證,利用區塊鏈與大數據技術,還原小微企業行為特徵、風險畫像、信用水平,從而形成整體智慧風控解決方案;③數據教育與數據資產流通;④供應鏈管理與供用鏈金融,運用區塊鏈技術解決供應鏈跨度大、缺乏透明度、違法行為調查難等痛點;⑤貨運物流,解決車貨數據不對稱、效率低、物流糾紛多、司機徵信記錄缺失等痛點。

CCIDConsulting指出,區塊鏈帶來的應用分為3個階段:數字貨幣-可編程金融-可編程社會;金融區塊鏈的應用主要涉及前兩個階段;在未來一段時間,數字貨幣依然是金融區塊鏈的典型應用。

(CCIDConsulting:金融區塊鏈產業全圖景)

三、 金融區塊鏈的5大典型應用場景:

商業和金融領域的應用方面規劃方向是:①票據;②小微企業信用認證;③數據交易和數據資產流通;④供應鏈管理與供應鏈金融;⑤貨運物流。在麥肯錫2016年中發布的《中國銀行業白皮書》中則增加了證券發行與交易。

(億歐:區塊鏈應用的5大金融場景)

麥肯錫認為,證券的發行與交易的流程手續繁雜且效率低下,區塊鏈技術使得金融交易市場的參與者享用平等的數據來源,讓交易流程更加公開、透明、有效率。Chain與Nasdaq已經推出私募股權市場交易平台。

而與此相似,CCIDConsulting金融區塊鏈的應用並未提到企業徵信及反欺詐,當前徵信業,尤其是互聯網徵信普遍正在積極探索區塊鏈的研發和落地,它能夠為徵信環節帶來更高效​​和便捷的體驗。

(麥肯錫:區塊鏈應用最可能發生在支付、交易銀行、資本市場及投資銀行業務)

1)數字貨幣。雖然數字貨幣的研究仍處於初期,但CCIDConsulting指出,它的到來已經勢不可擋,區塊鏈有望在數字貨幣領域擔當重要技術保障。2013年12月,央行等發布《關於防範比特幣風險的通知》,將比特幣定義為“虛擬商品”而非傳統意義上的貨幣。但目前,中國央行正積極籌備成立數字貨幣研究所,並招聘專職人員對數字貨幣展開研究。

數字貨幣設計的關鍵在於消除單點故障、保障賬本數據安全。區塊鏈技術綜合已有技術,通過分佈式記賬、存儲有效消除網絡單點故障,並通過共識機制保障賬本數據一致性、安全性和可追溯性。目前,使用區塊鏈技術的典型數字貨幣包括比特幣、以太坊、萊特幣和瑞波幣。

2)智能合約。智能合約是一套以數字形式定義的承諾,包括合約參與方可以在上面執行這些承諾的協議。智能合約的外在表現形式是程序,其內定義了合約參與方的權利和義務。區塊鏈技術的不可篡改特性可保障智能合約的執行,可以為智能合約提供運行的平台。目前,典型的智能合約平台為以太坊。

然而,CCIDConsulting指出,智能合約的發展也面臨重重問題:①目前的數字資產化程度不足,智能合約的應用依賴於資產數字化,資產數字化後才可通過編程的方式完成資產流動。②智能合約自身的實施方案仍不成熟,其安全性仍有待商榷。

3)跨境支付。這是當前被行業普遍認為區塊鏈最能發揮價值的應用領域,主要原因在於傳統跨境支付的多個痛點:需要經過開戶行、央行、境外銀行、代理行、清算行等機構,每個機構都​​有自己的賬務系統,因此速度慢、效率低。

(麥肯錫:區塊鏈解決方案使得B2B跨境支付中的中轉銀行不再需要)

2016年10月,工信部發布《中國區塊鏈技術和應用發展白皮書(2016)》中指出,“區塊鏈+支付”的應用場景,在跨境支付領域尤為明顯,除了降低金融機構間的對賬成本及爭議解決的成本,提高支付業務的處理速度及效率;同時,也為以前不符實際的“小額跨境支付”開闢了廣闊空間。

然而,京東金融戰略研究部支付研究專家魏敏表示,跨境支付的難點或許並非在於技術本身,它能否實現大規模增長,政策因素更多一些。

4)供應鏈金融。CCIDConsulting指出,在供應鏈金融鏈條中,核心企業及上下游企業的信息流、物流、資金流信息的整合至關重要。但目前各企業維護自己的數據信息,信息孤島增大了信息整合的難度。而區塊鏈技術將每個交易方變成網絡中的一個節點,企業的各項資產、產品以數字化的形式在網絡中體現,任一節點間的交易都會被全網認定,物流信息也可通過產品地理位置信息的改變在網絡中體現。同時,區塊鏈保證交易信息不可篡改。

據麥肯錫測算,在全球範圍內區塊鏈技術在供應鏈金融業務中的應用,能幫助銀行的運營成本一年縮減約135-150億美元、風險成本縮減11-16億美元;買賣雙方企業一年預計能降低資金成本約11-13億美元及運營成本16-21億美元。

5)大數據交易。CCIDConsulting指出,自貴陽大數據交易所成立,全國陸續出現了15個區域性大數據交易中心。截至2016年9月1日,貴陽大數據交易所的交易額累積突破1億元,交易框架協議接近3億元。未來3-5年,大數據交易將呈現爆發式增長。

但數據交易雙方的責任認定困難。數據具有很強的偽造性和可更改特性。而區塊鏈的防篡改特性可明確問題責任方,溯源、加密特性可保護數據擁有方的權利。

2016年11月,京東雲旗下的京東萬像數據服務商城宣布將使用區塊鏈技術用於大數據交易,實現數據的確權、溯源。這是首個明確公開表示應用區塊鏈技術保障大數據交易的平台。

轉貼自: 煉數成金

by 崔維福

情感分析是學術領域研究多年的課題,用google學術搜索可以找到很多paper,基本的方法上有基於詞典規則的方法、語言文法的方法,此外還有分類器以及近幾年比較火的深度學習的方法(稍後有詳細介紹)。

各類paper是有一定的借鑒意義的,不過這主要是學術界在單個問題上的細化,要真正從研究領域落地到大數據的處理還有很多工作要做。

一、工程上的處理流程

工程上的處理流程具體包括以下幾個方面:

1、情感分析任務的界定

在進行情感分析任務的界定時,要弄清楚工程的需求到底是什麼;要分析文本的哪個層面上的情感,比如篇章、段落、句子、短語、詞等粒度;是不是要分析所有的文本還是分析其中的部分文本;准許的錯誤誤差是在個什麼範圍內等。

2、情感分析標準的製定

在實際的企業應用中往往要根據行業的特點來製定一些情感分析的標準,甚至要從客戶的立場中去建立標準。根據國雙實際接觸客戶的經驗,在行業上建立標准後,還需要再具體跟客戶做一些適度調整。

3、 語料數據加工、詞典加工

有了上一步的工作, 接下來進行加工語料或者字典的總結。這一步中不同的方法要做的工作不同,基本上是鋪人力的工作,難點是讓各個語料加工人員能協調一致,執行統一的標準(通常會在這個過程中還會反作用到第二步情感分析標準的製定,因為看到實際數據後會發現標準總會有一些模糊地帶)

4、根據數據特徵、規模等選擇合適的方法,並評測方法的優劣

工程中的方法並不是單一的方法,想用一個方法或者模型來解決各類數據源上的問題是不可能的。想要做出好的效果一定是採用分而治之的思想,比如,能用規則精準過的就不需要用分類器。

當應用在實際產品時,最好能結合產品的垂直特點,充分利用垂直行業的特性,比如在金融行業、汽車行業,它們一定有自己的行話,這些行話具有非常明顯的規則或者特徵。

二、情感分析方法及工具

情感分析對象的粒度最小是詞彙,但是表達一個情感的最基本的單位則是句子,詞彙雖然能描述情感的基本信息,但是單一的詞彙缺少對象,缺少關聯程度,並且不同的詞彙組合在一起所得到的情感程度不同甚至情感傾向都相反。所以以句子為最基本的情感分析粒度是較為合理的。篇章或者段落的情感也可以通過句子的情感來計算。

現階段關於情感分析方法主要有兩類:

(一)、基於詞典的方法:

基於詞典的方法主要通過制定一系列的情感詞典和規則,對文本進行拆句、分析及匹配詞典(一般有詞性分析,句法依存分析),計算情感值,最後通過情感值來作為文本的情感傾向判斷的依據。

做法:

基於詞典的情感分析大致步驟如下:

  • 對大於句子力度的文本進行拆解句子操作,以句子為最小分析單元;
  • 分析句子中出現的詞語並按照情感詞典匹配;
  • 處理否定邏輯及轉折邏輯;
  • 計算整句情感詞得分(根據詞語不同,極性不同,程度不同等因素進行加權求和);
  • 根據情感得分輸出句子情感傾向性。

如果是對篇章或者段落級別的情感分析任務,按照具體的情況,可以以對每個句子進行單一情感分析並融合的形式進行,也可以先抽取情感主題句後進行句子情感分析,得到最終情感分析結果。

參考及工具:

1. 常見英文情感詞庫:GI(The General Inquirer)、sentiWordNet等;

2. 常見中文情感詞庫:知網、台灣大學的情感極性詞典;

3. 幾種情感詞典構建方法:基於bootstrapping方法的Predicting the semantic orientation of adjectives及Determining the sentiment of opinions兩種最為經典的詞典構建方法。

(二)、 基於機器學習的方法:

情感詞典準確率高,但存在召回率比較低的情況。對於不同的領域,構建情感詞典的難度是不一樣的,精準構建成本較高。另外一種解決情感分析的思路是使用機器學習的方法,將情感分析作為一個有監督的分類問題。對於情感極性的判斷,將目標情感分為三類:正、中、負。對訓練文本進行人工標註,然後進行有監督的機器學習過程,並對測試數據用模型來預測結果。

處理過程:

基於機器學習的情感​​分析思路是將情感分析作為一個分類問題來處理,具體的流程如下:

1、 文本預處理

文本的預處理過程是使用機器學習作用於文本分類的基礎操作。由於文本是非結構化數據及其特殊性,計算機並不能直接理解,所以需要一系列的預處理操作後,轉換為計算機可以處理的結構化數據。在實際分析中,文本更為複雜,書寫規範也更為隨意,且很有可能摻雜部分噪聲數據。整體上來說,文本預處理模塊包括去噪、特徵提取、文本結構化表示等。

特徵抽取:中文最小語素是字,但是往往詞語才具有更明確的語義信息,但是隨著分詞,可能出現詞語關係丟失的情況。n-元文法正好解決了這個問題,它也是傳統機器學習分類任務中最常用的方法。

文本向量化:對抽取出來的特徵,向量化是一個很重要的過程,是實現由人可以理解的文本轉換為計算機可以處理數據的重要一步。這一步最常用到的就是詞袋模型(bag-of-words )以及最近新出的連續分佈詞向量模型(word Embedding)。詞袋模型長度為整個詞表的長度,詞語對應維度置為詞頻,文檔的表示往往比較稀疏且維度較高。Embedding的表示方式,能夠有效的解決數據稀疏且降維到固定維度,更好的表示語義信息。對於文檔表示,詞袋模型可以直接疊加,而Embedding的方法可以使用深度學習的方法,通過pooling得到最終表示。

特徵選擇:在機器學習分類算法的使用過程中,特徵好壞直接影響機器的準確率及召回率。選擇有利於分類的特徵,可以有效的減少訓練開支及防止模型過擬合,尤其是數據量較大的情況下,這一部分工作的重要性更加明顯。其選擇方法為,將所有的訓練語料輸入,通過一定的方法,選擇最有效的特徵,主要的方法有卡方,信息熵,dp深層感知器等等。

目前也有一些方法,從比句子粒度更細的層次去識別情感,如基於方面的情感分析(Aspect based Sentiment Analysis),他們從產品的評價屬性等更細粒度的方面對評價主體進行情感傾向性分析。

2、分類算法選擇

文本轉換為機器可處理的結構後,接下來便要選擇進行機器學習的分類算法。目前,使用率比較高的是深度學習(CNN,RNN)和支持向量機(SVM)。深度學習的方法,運算量大,準確率有一定的提高,所以都在做這方面的嘗試。而支持向量機則是比較傳統的方法,其準確率及數據處理能力也比較出色,很多人都在用它來做分類任務。

參考及工具:

1. svm分類libsvm

2. python 機器學習工具scikit-learn

3. 深度學習框架:Tensorflow、Theano

本文選自國雙商業市場在知乎的回答。

 

轉貼自: 36大數據

摘要: 近日,埃森哲發布《銀行區塊鏈投資價值分析報告》(Accenture Banking on Blockchain)。報告指出,與許多新技術一樣,區塊鏈的創新技術為銀行業注入了許多興奮和刺激。一些分析人士將其革命性的潛力與互聯網相提並論。因為這種創新大幅度的提高了效率,大大降低了風險,節省了數十億美元。

 


埃森哲《銀行區塊鏈投資價值分析報告》中文版

一、 區塊鏈令人激動的特性

與許多新技術一樣,區塊鏈產生了很多的讓人激動的事情。一些分析師將區塊鏈革命性性的潛力比作互聯網,具有強大的效率提升,節省數十億美元,大大降低風險的能力。但其中也有不少炒作成分。那麼,區塊鏈確實能帶來什麼樣的成本/效益率,業務應用和投資回報率?為了了解這些,我們與頂級基準公司Mclagan(Aon plc的業務部門)合作,進行深入的影響分析,並對成本節約和可能實現的其他收益進行了基於事實的估計。

首先,為什麼區塊鏈讓人激動呢?區塊鍊是分佈式賬本技術的一個總稱,它在本質上是一種新型的數據庫系統,使多方能夠以共識機制在相同的時間對相同數據進行訪問。目前,數據一致性是大多數商業模式的核心。然而,由於每個人都保留自己的數據,所以該過程被低效率所困擾,例如不同方需要不斷地在它們之間來回地發送數據以完成事務。相比之下,區塊鏈可以實現從今天的多重和連續數據協調模型到更高效的過程,其中對賬是交易過程的一個組成部分。

因此,對銀行來說,長期機會是將重要的運營、風險和財務系統重新分配給基於區塊鏈的共享數據平台。這將使銀行的數據處理過程和數據基礎設施大部分退役, 雖然達到這個最終狀態將需要較長時間和多次迭代,但是區塊鏈的巨大的開源節流潛力將繼續引起興趣和投資。

雖然已經對區塊鏈可能產生的價值做了一些估計,我們認為資本市場領導者需要更詳細的分析來評估區塊鏈的商業案例。這對於在不斷評估多種新興技術的潛力的高層管理人員尤為重要。隨著現有傳統系統的考慮、合規性遵從和股東利益,你如何確保區塊鏈將提供你所需要的競爭優勢和股東價值?

二、 研究過程與結論

為了充分了解區塊鏈對銀行運營影響,我們與McLagan聯合開展了一項研究。作為世界級的資本市場基準提供商,McLagan每年對最大的銀行執行全面的財務基準。它使用直接來自參與銀行總分類帳的粒度成本數據。在本研究中,我們將來自世界上最大的八家投資銀行(基於收入)的McLagan匯總的運營成本數據模型與埃森哲專有的高性能投資銀行模型進行了對比。這使我們能夠了解區塊鏈在投資銀行的整個前後流程範圍和運營指標內可能產生的最大影響。(研究過程略)

研究結論:根據我們的高性能投資銀行模型,將50多個運營成本指標與McLagan數據進行映射,提供了明確的對比指標。以下四個示例是一個小型快照,用於通過我們的專有分析實現的粒度級別說明典型效率影響。

1.由於更加精簡和優化的數據質量、透明度和內部控制,財政報告中的潛在成本節約70%。

2.由於提高了金融交易的透明度和可審計性,在產品層面和集中基礎上, 符合標準的潛在成本節省30%-50%。

3.由於KYC和客戶端加入,因為更強大的數字身份和參與者之間的客戶端數據的交互,集中運營的潛在成本節約50%

4.例如通過減少或消除對和解,諸如貿易支持,中間結算,清算,結算和調查,在業務運營中的潛在成本節約50%

區塊鏈如何為8家銀行節省80多億美元?按照今天的成本結構,研究結果表明,區塊鏈能夠在300億美元的成本基礎上初步節省80多億美元。這些估計不包括所需的潛在成本和投資。這相當於我們調查的八家銀行中約27%的成本。

為了指導我們的分析研究,我們使用一組保守的標準,包括以下假設:

Ø 網絡效應只會持續在成熟市場到2025年

Ø 監管規則將允許採用區塊鏈解決方案和退役傳統基礎設施

Ø 不包括對房舍(建築物,設施)的成本的影響

Ø 考慮了固定成本和可變成本之間的差異

在當前這個階段,這些假設可能是保守的。我們的初步估計假設業務和集中運營將“從根本上受到影響”,表明節省成本大約50%。事實上,我們的初始用例,概念證明和早期測試環境顯示有可能進一步增加這些成本,使它們進入“中斷”類別,將總額提高超過70%。從這個角度來看,每年的成本節約相當於38%或約120億美元。需要注意的是,如果重大問題或監管障礙阻止區塊鏈的廣泛採用,那麼這些節約可能無法達到。

鑑於物料成本節約的預測,金融服務部門的區塊鏈支出正在加速,這並不奇怪,尤其是在資本成本上升使得通過傳統方法增加盈利能力變得困難的時候。2015年9月,一家專注於金融服務的獨立研究機構Aite Group,預測2016年資本市場參與者的區塊鏈支出將在1.25億美元左右。只是9個月後,一家獨立基準研究公司Greenwich Associates的一項研究預測,資本市場公司的2016年區塊鏈支出將接近2.80億美元,是之前估計的兩倍多。這說明了行業投資區塊鏈不僅加速,它以相當快的速度上升,使得難以準確地量化總和。

三、 報告的觀點和影響

區塊鏈的主要組件, 例如加密散列,分佈式數據庫和共識建立,都不是新的。但是,當它們組合時,它們創建了一種非常強大的新形式的數據共享和資產轉移,能夠消除中介,中央第三方和昂貴的對賬過程。自2008年全球金融危機以來,資本市場行業面臨著收益減少的完美風暴,主要是由於監管合規成本上升,資本配置和流動性成本上升,以及收入減少。據我們估計,投資銀行花費大約三分之二的IT預算支持傳統的後期基礎設施建設,每年增加數十億美元的成本削減計劃。

換句話說,投資銀行花費了太多的時間,精力,流動性和資本來支持不利於可持續改善利潤的流程。因此,銀行,中央銀行,交易所和結算所迫切地嘗試區塊鏈,作為提高成本基本面並提高資本回報率的方式。也要清楚,區塊鏈也不是靈丹妙藥,可以解救投資銀行的所有弊病。對於許多用例,不用面對區塊鏈解決方案的成本和挑戰,傳統的數據庫結構或過程將實現類似的結果。例如內部自動化和外包。然而,有令人信服的證據表明,區塊鏈可以從根本上減少許多現有的結算和結算流程,如果不是完全消除的話。

1.每年節省數十億美元:它對貿易確認,對賬,現金管理,資產優化和其他基於例外的業務邏輯流程有巨大的影響,這些每年花費數十億美元。

2.減少時間窗口:根據標的資產和交易對手的要求,它還承諾通過大大減少時間或甚至完全消除交付窗口和支付,同時支持市商的需求來優化結算。

3.影響成本動態:.最終,它將使今天的後台基礎設施完全退役,關鍵業務流程轉到行業通用,這將深刻影響成本動態。

毫無疑問,金融服務,特別是資本市場中因為區塊鏈而興奮是有原因的。雖然我們不相信它會完全中斷或替代當前的生態系統參與者,但我們認為其影響將是變革性的。

一個常見的類比是互聯網的興起:那些當年接受變革的人創造了全新的產品和商業模式,並獲得了回報。當然,也有許多商業模式導致了昂貴的失敗。以類似的方式,區塊鏈正在激勵行業玩家從根本上重新想像他們的數據共享過程。沒有回頭,特別是考慮到它將促進投資的顯著影響,銀行重新構建當前的商業模式、運營功能和盈利能力(短期和長期)。然而,高級經理應該考慮進行受控和良好對沖賭注,以避免昂貴的失誤,同時有利於獲得新模式的好處。

但是,為了實現承諾,投資銀行必須重新思考他們的戰略和方法,以進行勞動力優化,數據中心需求,存儲,網絡和安全。與互聯網一樣,早期採用者將最有利於優化成本,推動全新的收入,並受益於所有區塊鏈可以提供的。從過去的變革性技術經驗中,投資銀行已經採用了建立內部實驗室,加入行業聯盟和資助或與完全投資於區塊鏈的公司建立聯合經營的戰略。

綜上,區塊鏈有了這麼誘人的前景,吸引了這麼多的興趣,創新和投資,你準備好抓住機會了嗎?

四、 區塊鏈的未來

區塊鏈正在一往無前的挑戰行業玩家從根本上重新想像他們的數據共享過程。

下一步,加快你的行動計劃,利用區塊鏈技術從一開始行動計劃,以解決關鍵問題,例如:

戰略:你的企業發展到更高水平的戰略是什麼,什麼樣的創新組合將是實現這一戰略的關鍵?你會在哪裡找到最有價值的?

對標:您的多年投資計劃如何與現有技術,能力和市場功能如何發展相一致?你投資/建設在今天的能力或明天的潛力範圍內嗎?

知識:您是否接入了正確的行業,監管和跨行業創新論壇,以保持信息,並成為塑造下一個創新周期(以您的最佳優勢)的積極參與者?

探索:您是否已經探索了支持區塊鏈DLT環境所需的人力和技術資源?

您是否準備從區塊鏈中獲益?正如我們的研究表明,區塊鏈技術可以帶來顯著的效益。雖然投資銀行生態系統的許多部分首先需要為分佈式賬本技術調整以最大限度地發揮其潛力,但我們已經看到一些行業領導者展示了目前可能實現的目標。通過將正確的部分放在適當的位置,結合清晰的視野,您可以開始實現短期贏利,同時建立更有效,安全和成本效益的運營模式,以釋放可持續收益,節約和長期競爭優勢。

轉貼自: 36大數據

摘要: 大數據交易,大數據商品化,必然會涉及到一系列法律問題,如大數據所有權、隱私權、版權等,其中所有權問題最為模糊,至今無明確法律法規予以清晰規定。交易的所謂大數據的所有權究竟歸誰?

摘要: 自2012年1月24日起,來自對沖基金的電話就不斷響起,紛紛要找丹尼爾·納德勒(Daniel Nadler)。就在那一天,這位年年28歲的哈佛大學經濟學博士在彭博社 (Bloomberg)上與人合著了一篇文章,文中介紹瞭如何通過美元的走強來預測標普500指數每週的走低情況。

摘要: 在電影《魔球》裡,敘述美國職棒大聯盟球隊經理Billy Beane運用統計數據,精準評估出球員們的價值、有效分配資源,以組成最能發揮戰力團隊的能力讓人印象深刻;透過資訊整理、數據分析,再加上對於資訊和數據的敏銳觀察,讓Billy Beane能夠聰明地解讀出資訊背後所隱藏的意義,進而準確做出預測和分析。這段曾經真人實事發生於MLB奧克蘭運動家隊的故事,有可能再重現於我們的生活當中嗎?答案絕對是肯定的,而且就靠著目前不容忽視的Big Data浪潮!

摘要: BraveLog將賽事記錄在區塊鏈上,成為一個不可竄改、具公信力的共享帳本,顛覆傳統運動賽事的紀錄方式。BraveLog是全球第一個運動區塊鏈,更是臺灣第一個正式商轉的區塊鏈應用,在1月7、8日的活動上啟用,記錄近兩千筆的參賽者資料。......

摘要: The investment and technology communities are enamored with FinTech. However, those investments have recently slowed down. What will be the real impact on the industry? Was it all hype or do FinTechs have viable business models to compete with traditional firms? In collaboration with EFMA, Capgemini adresses these and other important questions. They provide precise recommendations and discuss whether we will witness a fundamental shift in business models or not. ..........

摘要: The financial services industry is facing a wave of digital disruption that is starting to reshape the sector. The Fintech 100 celebrates the top companies this bold new space: the 50 leading established players creating change within financial services, and 50 of the emerging fintech stars of tomorrow..........

每月文章