1216

Weekly Digest 2016-12-16

  • Authorjackzhong
  • Date 13 December 2016
  • CategoryPM

Edition #30 weekly newsletter


WEEKLY ARTICLES

Spotify Rhythm : How we create focus

Spotify的管理哲学:Spotify的员工数在十年间从200人增长至2000人,人数增多带来的负面影响是部门间的信息不同步,安排任务的不合理,从而导致人力资源的浪费。Spotify的管理哲学给公司带来明确的任务优先级队列,通过数据,假设,结论,迭代四步指导接下去要做的任务。

文中几乎没有大段文字,给出的图表一目了然,任君取其精华,去其糟粕 :)

Figure 1: 信息不同步带来的资源浪费Figure 2: DIBB Framework

Where Should Machines Go To Learn?

在纸质书时代,人们建立图书馆来存放书籍。想学习的人只需走进图书馆,寻找所需要的书,借阅,仅此而已——那么机器学习时代,喂饱那些机器学习算法的数据又从何而来呢?每个公司都自己获取的成本显然是很高的。即使能依赖自己的用户获取数据,还要面对存储数据,清洗数据,数据隐私这些坑。而有经验的同学也知道,处理脏数据本身并不比训练算法轻松更多。

而很大程度上,机器学习的质量又与数据量正相关。只要数据量够大,哪怕平庸的算法都可以变得很优秀。而这正是大公司的优势:他们垄断了互联网时代大部分数据。

作者引用了Comparative Advantage理论的核心观点: focus on your strengths, trade with others, and everybody wins. 他认为应该有人专门做数据收集,清洗,维护这些工作,并出租这些数据——就像一个电子图书馆那样:使用数据的用户要做的仅仅是走进图书馆,付钱,走人。

我部分同意上述观点,但却并不认为有任何一家公司能实现上述的工作。有商机的地方就有竞争,如果某个大公司真的做这样的事,竞争一定是非常激烈的。而竞争一定带来着重复劳动及标准不统一,如果人人敝帚自珍,那么最后人人手里都只有敝帚——没有一个公司可以单独做这件数据清洗的工作,就像没有一个公司可以“拥有“互联网。

互联网的核心是分享及合作:存在于Wikipedia的共同编辑里,存在于GitHub的fork和pull里,存在于imagenet的统一标准里。我相信数据整理的工作如果实现,一定是以开源的方式实现的,而现在我们急需的,是一个宏大的愿景,是一套标准的制定,以及一个权威的领路者。

AI and machine learning systems also need repositories of information from which to learn — and right now everyone is building their own. If different groups of people focus on organizing data versus building AI, the progress of intelligent computers will massively accelerate.

Many state of the art AI and ML applications would be dramatically improved with more training data. This is hugely important. Google is one of the best AI and ML companies in the world. Why? Peter Norvig, Research Director at Google, famously stated that “We don’t have better algorithms. We just have more data.”

Our point is this: Almost all the super-smart data people want to focus on building AI and machine learning applications to improve human lives. But instead, they are spending tons of time organizing the past: acquiring data, hosting data, preparing data, and navigating data privacy.

They should rely on other companies with different kinds of expertise to acquire the data, to build appropriate infrastructure, to clean the data, make it easy to work with, and to protect consumers’ privacy.

早期员工揭秘:风光一时的Pebble如何沦落至被贱卖的命运

Kickstarter众筹纪录保持者Pebble,被Fitbit以4000万美金低价收购了,要知道Citizen在2015年曾尝试以7.4亿美金收购被拒,如今低价贱卖,原因何在?本文来自Pebble唯一的华人数据科学家Wally王英骁,其中一段发人思考:

“再上Kickstarter众筹意味着承认自己公司没有更好的市场和销售渠道,只能继续卖给Kickstarter上的极客用户,也就是说一直没有机会从early adopter(早期用户)跨越鸿沟去面向更广阔的massive market user(大众市场),而往往early adopter对于产品关注点和需求点其实会误导整个品牌和市场的定位,往往很难再被大众市场接受。”

当一款产品从小众走向大众市场时,难以避免的是初期用户的需求点和大众市场需求点有差别。是坚守或是调整,坚守的是什么,调整的又是什么?

WEEKLY PRODUCT

RICEPO

“竞争就是生态位的重叠”。在外卖App铺天盖地的情况下,Ricepo显然开辟出了一个新的生态位,那就是为留学生寻找附近的中国美食,并极简地呈现出来。菜单信息都是经由运营人员手工二次编写,简单却又精准地道——这也是对比竞品的优势所在。

App的设计是中国风,简单的菜名与价钱配上恰到好处的图标,你并不用为花里胡哨的图片、评论、星级犯选择困难症——因为这个App里根本就没有.. 设计中没有用到一条分割线,层级关系却一目了然。字体大小及颜色的运用显然居功至伟。

看惯了眼花缭乱的UI,这款App可真是扑面而来的一阵清香。

WEEKLY MUSIC

Closer

Hey, I was doing just fine before

I met you I drink too much and that’s an issue but

I’m okay

Hey, you tell your friends it was nice to meet them

But I hope I never see them again I know it breaks your heart

Moved to the city in a broke down car

And four years, no calls

Now you’re looking pretty in a hotel bar And I can’t stop

No, I can’t stop

So baby pull me closer in the backseat of your Rover

That I know you can’t afford

Bite that tattoo on your shoulder

Pull the sheets right off the corner

Of the mattress that you stole

From your roommate back in

Boulder

We ain’t ever getting older

We ain’t ever getting older

We ain’t ever getting older


>  Thank you for stopping by.

> Today is2016/12/16

> I’mTianjie Zhong | Jack

> #Live a life you will remember

> My life: jackztj.com

Write a comment