領導者的數位轉型(下)

領導者的數位轉型
第四章 改造營運架構

▷數位型公司不採行傳統的組織模式，透過種種封閉塔式的專業化流程來營運，而是仰賴一個整合、高度模組化的數位基石，資訊技術不再只是傳統流程及方法的一項輔助及優化工具，軟體構成公司的實際營運核心。

▷在21世紀的數位型公司，由演算法驅動、以資料為燃料的軟體，取代傳統的勞力與資產密集型組織，構成公司向顧客傳遞價值的主要路徑。因為這些數位基石，公司能夠產生遞增的規模、範疇及學習報酬，大大勝過傳統的商業模式。

▷架構慣性(architectural inertia，抗拒調適)的概念進一步導引出克里斯汀生(Clayton Christensen)的破壞式創新理論，根據破壞式創新理論，和現有顧客的關係所建立的架構慣性，阻礙了組織對破壞性變化做出有效的反應。

►組織變得擅長以特定方式做某件事後，它們就發展出相互強化的固定程序及制度系統，變得難以用不同的方式做事，架構慣性導致難以做到需要以新方式組織工作的轉型。

▷在一個數位型營運模式中，員工不從事傳遞產品或服務的工作，他們設計與監督一個用軟體來自動化、用演算法來驅動的數位型「組織」去執行實際傳遞產品或服務的工作。

第五章 數位轉型之道

▷轉型的五個原則

原則1：有策略

原則2：釐清架構

原則3：聚焦在產品的敏捷組織 

原則4.能力基石

原則5.多專業治理

▷(原則3)建立一個人工智慧型營運模式的核心工作就是把許多傳統流程嵌入軟體和演算法中，最終，一個轉型後的現代核心服務組織的實際「產品」就是人工智慧型公司及其種種人工智慧驅動的流程。

▷(原則3)敏捷方法跟一個轉型、以資料為中心的營運架構是密不可分的。以往由顧問大軍歷經多年建立連結至特定資料庫的巨大定製化應用程式的做法將走路歷史，當資料、模型、與技術元件變得易於從公司的人工智慧工廠中取得後，就能很快速的建造應用系統，尤其是若涉及團隊夠了解下游廠合與環境，而且這些團隊以快速敏捷方式工作的話。

▷(原則5)人工智慧成熟度領先的公司因為對種種商業功能做出資料與分析的投資而獲得相當多的好處。我們發現，資料被用來把決策自動化，也被用來提供對市場動態、顧客、公司營運、員工能力及產品與服務性能的全方位了解，進而幫助公司做出複雜決策。

▷(原則5)從顧客生命周期蒐集而得的資料幫助這些企業做出有根據的明智決策，為顧客提供量身打造的產品、服務及體驗，減少支援問題，這一切全都是使用在所有通路與接觸點取得對顧客的360度觀點。

▷富達為其人工智慧轉型行動訂定三個優先要務。

1. 第一個優先要務是顧客體驗，富達做出相當大的人工智慧投資，以更加了解顧客的喜好，推薦更有成效、高度個人化的投資策略。
2. 其次，富達的人工智慧投資聚焦在營收成長，尋找機會去優化既有的營運流程，使公司更能擴大規模，創造在各項業務中增加服務的機會。
3. 最後，富達推出的一些計畫旨在產生重要的事業洞察，例如研擬更好的投資策略，或了解顧客打客服電話的理由。

第六章 新時代的策略

▷創造網路的平台，其最基本的營運模式是促成用戶之間的媒合，攫取網路效應所創造的價值。

△學習效應

▷學習效應可以自行創造價值或是使現有的網路效應增加價值。

以Google搜尋事業為例，使用者進行越多的搜尋，Google的演算法越能(且越快)找到共通的搜尋型態，服務就變得更好，這類學習效應對於搜尋引擎提供的價值很重要。

▷學習效應之所以能夠強化競爭優勢，主要是因為它們仰賴規模。通常有越多的資料被用來訓練及優化一套演算法，演算法的產出就越準確，也可以使用演算法來解決越加複雜的問題。

▷學習及網路效應能夠相輔相成，一般來說，一個網路越大(亦即其連結數量越多)，連結的價值越高，資料流量越大，人工智慧及整體學習的機會越多。

第七章 策略性衝撞

▷數位型營運模式產生的經濟價值可能得經過好些時間，才能近似傳統型營運模式產生的經濟價值，

這也是安身於傳統型模式的主管起初難以相信數位模式將能趕上他們的原因。但是，數位營運模式的規模一旦超越臨界數量後，遞送的價值可能相當大，使得採行數位型營運模式的公司可以輕易得凌駕傳統型公司。

▷而Airbnb的精實敏捷組織座落於它的整合資料平台之上，能蒐集顧客及流程資訊，探勘分析所獲得的洞察，不斷且快速進行實驗，有效產生預測性模型以提供重要的決策參考。

▷Airbnb持續探勘資料以取得新顧客，辨識新的旅客需求，同時優化顧客體驗，分析風險程度，這些舉動又使公司蒐集到更多旅客和房東的資料。它使用人工智慧和機器學習以獲得新洞察，並經常透過日常實驗來確認這些洞察是否正確。

不僅如此，Airbnb也快速擴張業務範疇到提供種類廣泛的服務體驗，內容囊括音樂會到飛行課程等等，這驅動了新的網路效應與學習效應，使創造價值與攫取價值的機會倍增。

▷旅遊業的例子再一次顯示人工智慧及學習與網路效應可以如何相輔相成的以一連串的自我強化迴路，為一個數位型營運模式建立起快速成長的價值主張。

當營運模式發展出更多連結時，它也發展出更多生成資料與累積資料的機會，生成的資料越多，組織能夠提供的服務越好，第三方前來連結的誘因越大。

提供的服務越好，將吸引更多的用戶，用戶越多，資料越多，依次類推，形成良性循環，提高學習終將與網路效應的影響力。一般來說，網路越大，生成的資料越多，訓練出的演算法越好，演算法越佳，因為規模及範疇而遞送的價值的增加得越多。

▷零售業的轉型並非只是把交易活動轉移至線上，而是需要一個徹底不同的營運方法，以資料及人工智慧為中心，對顧客獲得一致的了解，設法把零售體驗個人化，不僅僅線上零售體驗，還有線下零售體驗。

零售供應鏈變成以軟體為中心，人力不再是部屬於流程的核心，而是部屬於周邊(例如把貨架上形狀有異的產品取下來)，這移除了傳統瓶頸與規模限制。

▷零售業提供的一個重要洞察是，把一個事業放到線上，未必能夠扳倒一個傳統產業巨人，重點在於有一個以軟體及資料為中心的營運架構。一些線上零售商領悟這個要訣後，零售業才真正轉型。

▷YouTube和網飛對消費者提供更具吸引力的價值主張，以及可以擴大規模的價值攫取模式，例如透過廣告訂閱，這大致上是仿效音樂串流事業的做法。

▷不過，網飛與YouTube的營運模式有一個具有重要競爭意涵的明顯差異，那就是YouTube匯集小眾內容創作者，形成一個龐大的社群，積聚重要的網路效應，基本上稱霸它所屬的市場。

另一方面，網飛提供的各種影音流服務來自更為集中化的一群內容創作工作室，這些工作室習慣多歸屬，在各種遞送平台上供應它們的內容。

第十章 領導者的使命

▷轉型必須由組織最高層級開始，激勵並培養領導幹部共同投入艱苦的組織轉型工作。

當數位轉型碰上生成式AI

當數位轉型碰上生成式AI：臺灣150家企業轉型的策略性思維和變革實務

第一章 AI的起源與前世今生

▷展望未來，真正具有創造力的生成式AI應該可以做到更專業的工作。

例如主動根據目前市場情報，預估各種商品未來一年需求、分析客戶的喜好進而做到精準行銷。

第三章 你了解的數位轉型，真的是數位轉型嗎？

▷AI就是電腦科學家先模擬人類思考過程，接著設計電腦程式來模擬，

如此一來，就提供了一套以電腦做決策的簡單方法；接下來的二十年之間，

AI專家又發展出利用少量已知答案的樣本，透過演算法的方式自動學習(又稱作「機器學習」)，

由此而預測未知的樣本，更貼近人類的決策模式。

第四章 傳產業數位轉型必勝密技

▷正因為數位轉型的實質意義在於企業重新定義商業模式，營運流程與客戶體驗，

並且進一步找到提升競爭力與創造營收的方式，所以勢必會從「商機」中發現新的商業模式與服務。

第五章 產業數位轉型案例解析

主題4：如何熟悉消費者偏好，建立產品口碑以累積忠實客戶

▷任何產業都應該實地做消費者心理分析，深入了解大眾或小眾市場的需求，

透過週期性和不定性的市場研究，做消費者調查、重點小組討論和數據分析，

企業能深入了解消費者的偏好和行為，把握市場趨勢，調整產品和市場策略。

▷同時進行廣泛的潛在受眾生活習性分析、網路聲量排行、忠實客戶數據分析比對，

辨識高熟度的熱門菜或主廚推薦私房菜，讓消費者在進入餐廳前，有熟悉及對焦後的清晰感。

▷透過與消費者互動、分享有價值的健康議題內容，回應消費者問題。

最後，透過監測閱讀者指數的成長與衰退，精準投放擴散至有效社群，計算曝光量，創造口碑聲量，成功提高餐飲品牌能見度。

主題5：如何建立有感的優質服務，在對的時間點提供最好的服務？

▷隨著數據的不斷增長和分析技術的進步，服務業勢必更加重視數據的應用。

透過收集、分析和利用客戶數據，企業可以提供更加個性化的服務體驗，精準滿足客戶需求，並建立更優良的客戶關係。

主題6：如何進行分眾行銷，以互動擴散粉絲群？

▷具體想像並提出像是該如何提供給客戶這個商品最有價值的內容，以及用什麼樣的方式提供。

這其實早就是服務業常用的概念：為什麼客戶要買我這個東西？

接下來，才是要清楚地知道目標客群在哪裡。

▷一般行銷，常會將市場分為不同的細市場或分眾，每個分眾或是族群應該找出共同的特徵，

例如年齡、性別、地理位置、興趣、行業、收入水平等，然後才在企業的粉絲群中分享有價值的內容，如文章、YouTube、圖片或獨特的資訊，確保這些內容與產品的粉絲群的興趣相關並具有吸引力。

▷使用關鍵績效指標來評估每個分眾的表現，並根據成效調整短期策略，為每個分眾制定特定的行銷策略。這個策略可能包括產品定價、宣傳活動、產品設計、分發鋪貨和促銷方式。

重點是，企業必須確保能夠持之以恆地更心和管理粉絲群，不斷提供新的內容和活動，以保持成員的參與熱度。

▷若是沒有引進足夠的IT資訊技術進行數據整合，就稱不上是數位轉型，只能說是數位優化，就是門市零售之流程優化，這就是前面提到的-低估了自己的能耐。

▷真正的數位轉型，是希望透過自動導購的概念，在經過精密計算後提供每一位客戶最佳化商品推薦，以提升潛在客戶從線下瀏覽行為轉換至線上實際消費，或是導引線上會員帶著電子折價券前往實體門市消費。

▷簡單來說，AI推薦系統所採用的方法，是結合用戶過去的行為(例如以前購買過、選擇過、評價過的物品等)與其他用戶的相似決策，以建立特定族群的推薦模型，再用來預測哪一類用戶對哪些物品可能感興趣；也就是說，AI推薦系統會根據用戶對物品的感興趣程度，推薦給他類似性質的商品，例如保養品、美妝用品和睫毛膏等，就屬於「相似」的商品。

▷用更簡單的話說，就是要用演算法清楚地描繪出消費受眾的樣態；消費者及會員輪廓可以透過業者內部資料而整理分析出來，但在網友最常用的社群LINE或FB上，卻無法這麼清楚地探知社群會員的輪廓，所以常採用無差別的方式推播訊息或廣告，這一來，不僅廣告成本增加了，還常會使社群會員覺得垃圾訊息太多而封鎖社群推播。

▷解決這個問題的高階演算法方式，其中一種是透過LINE問券活動、會員點擊圖文訊息的回饋，然後從系統後台去對消費者貼標，定義該消費者的屬性，也就是「AI演算法標籤」。

這些更明確的標籤，例如喜歡的東西類型、嗜好的運動、購買價格區間、新品資訊，或是喜歡情侶款、熱銷排行榜等，眾多關鍵詞組或標籤都可以直接分析出社群會員的輪廓，再由精準的分眾演算法技術接手，讓行銷部門可針對特定消費者喜歡的東西(或是主題)去投放廣告，或推播地區性熱門主題廣告，鼓勵消費者到實體門市憑券消費。

主題7：精準行銷-為什麼老闆始終覺得我們離顧客有點遠？

▷近年來，許多零售業的管理者不但逐漸了解，同時也已巧妙地善用銷售數據來預測消費者的行為偏好，例如購買A產品的客戶也會購買B產品，或者促使客戶購買C產品的是什麼動機。

但是，創造全新的客戶體驗卻不僅僅是以數位科技收集大量的消費數據而已，還得在更多的情境下都能夠精確提供個人化的客戶體驗。

領導者的數位轉型(中)

領導者的數位轉型
第三章 人工智慧工廠

▷即使生產的工業化已然實現，但分析與決策大致上然仍然是傳統且高度個人化的流程。隨著人工智慧時代的到來，促使公司展開新的一波的根本性轉變，將資料蒐集、分析與決策予以工業化，改造了現代公司的核心，使其轉變為我們所謂的「人工智慧工廠」(AI factory)。

▷人工智慧工廠是個能夠促進規模化的決策引擎，驅動二十一世紀公司的數位型營運模式，越來越多經營管理決策被內建在軟體之中，將許多以往由員工執行的流程數位化。在Google或百度，再也不用由拍賣官管理每天數百萬筆搜尋廣告的進架流程；在滴滴出行、客來吧(Grab)、來福車或優步，在也不用由派車原來決定該派哪輛車往顧客指定地點；在亞馬遜，高爾夫球的每日價格不再是由運動服飾零售商訂定；在螞蟻集團，每筆貸款的審核不再是由行員執行。

上述流程都已經轉交由人工智慧工廠以數位方式執行，把決策視納入工業化生產流程，有系統的把內部及外部資料轉化成預測、洞察及選擇，指引種種營運行動，甚至把這些營運行動自動化。這使得數位型公司具有更優異的規模、範疇及學習能力。

▷數位型營運模式有多形式，在一些案例中可能只是管理資訊流(例如螞蟻集團、Google、臉書)，在另外一些案例中則是引導公司建造、傳遞或操作實體產品的方式(例如奧凱多、亞馬遜、從Google獨立出來的自動駕駛車Waymo)。不論採取何種形式，人工智慧工廠都是數位營運模式的核心、指引著最重要的流程及營運決策，而人員則從價值傳遞的主要途徑中移出，移至邊緣。

▷從本質上來看，人工智慧工廠能夠創造出使用者互動、資料蒐集、演算法設計、預測與改進之間的良性循環，包括：

1. 更多的資料：人工智慧匯總來自多個不同源頭的資料，這些資料可能來自公司內部或外部。
2. 更好的演算法：組織可以用這些資料去訓練與精進演算法，這些演算法不僅能夠做出預測，也能夠用資料去改進自身準確性。
3. 更好的服務：這些預測結果可以透過通知人類從中獲得洞察，也可以透過自動化流程做出反應，從而影響組織的決策與行動，提供更符合顧客需求的服務。
4. 更高的使用量：透過嚴謹的實驗規則來檢驗先前有關顧客型態變化、競爭者反應、流程變動等各方面的假設，這些規則可以辨別各種變數間的因果關係，用來改善系統。

▷最終，顧客實際使用情形、預測的準確度、所帶來的效益等相關資料會被輸送回系統中，進一步增進系統學習及預測能力，並且不斷重覆這樣的良性循環。

▷顯然地，上述資料無法交由少數分析師用人工方式處理，甚至無法用一般組合語言進行分析。但人工智慧工廠能夠解決這個問題，它將規模化生產方式應用在資料處理及分析上，藉此打造一個以數位型營運模式為核心的組織。接下來以網飛為例，深入探討人工智慧工廠的本質。

△網飛也透過更進階的分析，預測影響顧客忠誠度的因子。為了增加訂閱戶的看片時間，降低顧客流失率，網飛使用人工智慧推出一種功能，自動播出一部影集的下一集，或推薦同類型的電影。如今，類似這樣的客製化及個人化服務已經變得非常普遍。

△網飛也使用資料及演算法來決定自家公司的創作內容。該公司首次於2013年運用預測性分析功能，評估與獨立製片商媒體權資本公司(Media Rights Capital)合作推出<紙牌屋>(House of Cards)得客群潛力，這部影集是描述一位參議員如何進軍白宮的虛構故事。網飛的原創內容副總荷蘭(Cindy Holland)在受訪時指出：「我們運用預測模型幫助我們了解一個構想或特定議題的潛在觀眾群有多大。我們有一個作品體裁結構模型，能幫助我們知道哪些領域的節目有商機。」

△網飛及其它領先公司的經驗，凸顯出人工智慧工廠的一些基本組件的重要性

1. 資料匯流(data pipeline)：此流程以有系統、可持續、可規模化的方式，蒐集、輸入、清理、整合、處理與保全資料。
2. 開發演算法(algorithm development)：演算法產生有關於事業的未來狀態或行動的預測，這些演算法及預測是數位型公司運作的心臟，驅動一家公司最重要的營運活動。
3. 實驗平台(experimentation plaftform)：透過實驗平台機制，人工智慧工廠可以檢驗有關預測及決策的各種假設，以確定演算法建議的改變方案。
4. 軟體基礎設施(software infrastructure)：這些系統把資料匯流嵌入一個堅實的模組化軟體和運算基礎設施裡，並視需要及適切性，把它連結至內部及外部使用者。

▶若說資料是人工智慧工廠的燃料，那麼基礎設施就是傳送燃料的管路，演算法就是執行工作的機器，實驗平台則是把新燃料、新管路與新機器連結至現有營運系統的閥門。

△資料匯流(data pipeline)

• 「資料化」是指有系統的從任何事業自然進行的活動與交易中取得資料。
• 試圖建立人工智慧工廠的傳統型企業往往會發現，它們手中擁有的資料不僅片斷零散、缺乏完整性，而且經常是分散而孤立的存放在各部門IT系統。

△開發演算法(algorithm development)

• 蒐集與準備資料後，使資料變得有用的工具是演算法。演算法是機器處理資料時所遵循的一套規則，用以做出決策、產生預測或解決特定問題。 
• 請想像一下，我該如何分辨分析顧客是否可能棄用某服務(例如取消網非會員資格)。首先，預測演算法將顧客流失率視為各種變數的函數(這些變數包括：使用率、滿意度、人口統計特性、其它用戶的關係或相似性等等)，接著根據以往顧客資料做出調整，測試哪些變像可以準確預測顧客的目標行為。最後，演算法被部屬成經理人的一項分析工具，或是營運流程中的一個步驟(例如自動對可能流失的顧客提供特別優惠)。 
• 網飛在各種情境中使用監督式機器學習。在影片與節目推薦方面，該公司使用一個群集的行動與結果(例如挑選及按讚表示喜歡的電影)構成的標注資料集，對一個被演算法視為與這個群集相似的特定用戶做出推薦。根據用戶及決策脈絡等等特徵來建立一個用戶選擇大資料集，可以產生有效的推薦。這種協調過濾演算法(collaborative filtering algorithm)被用於種種推薦，包括亞馬遜的購物引擎及Airbnb的媒合引擎。

△非監督式學習

• 非監督式學習法與監督式學習法有兩個最大的不同：

1. 監督式學習是訓練系統去識別已知的結果；非監督式學習則是在沒有任何成見、沒有任何假設的情況下，從資料中獲得洞察。
2. 在監督式學習中，輸入機器的是一些被加上特定結果標註的資料；非監督式學習的目的則是從未經標註資料中找出自然群集、發現那些觀察者沒有意識到的隱藏結構。因此，非監督式演算法的工作是顯示資料中的型態，在由人或其它的演算法標註特徵或群體、研判可能的後續行動。

• 非監督式學習能夠透過社群媒體貼文辨識顧客群及情感型態，作為產品開發的指引。對顧客進行的態度與人口統計結構問卷調查結果可以被用來建立顧客區隔，顧客流失原因也可以拿來讓非監督式學習演算法去做出分類，製造廠可以使用非監督式演算法來辨識與分類機器故障或訂單延遲的情況。
• 非監督式學習可區分為三大類：

1. 第一類是把資料區分成群集(cluster)的演算法。時裝零售商可以使用這種方式來了解如何根據購買的產品種類、商品訂價與獲利率、把顧客引來商店的種種管道等等來區隔顧客群。老練的零售商可能擁有更多其它資料(例如顧客的社會網絡圖、顧客與哪些人有密切的互動聯繫、顧客在社群媒體上的發文等)，能夠在簡單的人口統計資料之外，發現獨特的市場區隔方式。
2. 第二類是關聯規則探勘(association rule mining)。一個常見的例子是根據線上購物車的品項，來預測並推薦購物者可能會想購買的更多其它商品。亞馬遜擅長關聯規則探勘，這類演算法探索一群商品共同出現的頻率與機率，然後建立各種商品之間的關聯性。
3. 第三類非監督式學習演算法是異常偵測(anomaly detection)。這類演算法檢視每一筆新觀察或資料，判斷它是否吻合之前的型態，若不吻合，演算法就標註它為異常。這類演算法常被用於金融的詐欺偵測、醫療保健服務業的病患資料、系統和機器的維修等。

△強化學習

• 監督式學習需要使用專家對結果的觀點的資料，非監督式學習需要使用型態及異常辨識系統。而強化學習只需要一個起始點和一個執行功能。我們從某處作為起點，開始探索我們的周遭空間，看看我們的情況是改善了，抑或變差了，關鍵取捨是要花更多時間去探索我們周遭的複雜世界，還是直接運用目前已經建立的模型來進行決策與行動。
• 這與我們尋找下山途徑的情況相似，網飛將部分時間花在探索選擇，也將部分時間用於開發模型提供的解決方案。為探索視覺選擇，網飛有系統的把呈現給用戶的視覺隨機化，藉此所新增的可能性並調整預測模型；然後利用改善後的模型，以調整後的視覺影像向用戶呈現影片推薦。
• 將「多臂式吃角子老虎機問題」概念應用在實務上，可以提醒我們每一個流程會帶來不同的報酬，所以需要在不同流程之間分配有限資源。分配資源的基本原則就是：透過使後悔盡可能達到最小，來讓營運績效盡可能達到最大。
• 在營運模式中部署人工智慧時，「多臂式吃角子老虎機問題」非常重要，當我們致力於優化及改善各個流程的營運績效時，必須妥善選擇「探索」與「利用」之間的取捨。這類演算法被廣泛用於管理各項營運流程，包括選擇要推薦的產品、訂單產品價格、規劃臨床試驗、挑選數位廣告等等。

△實驗平台

• 使用實驗平台前，必須先將業務改進方案轉化為假設，並會用隨機對照試驗(randomized control trial，又稱為A/B測試)來檢驗每一個假設。測試時先將用戶樣本隨機分配為兩組，實驗組(treatment group)接觸預定要推動的新服務，而對照組(control group)則接觸一如往常的服務。然後對兩組實驗結果進行比對，若兩組實驗結果存在統計上的顯著差異，就可以證實改進方案確實能夠達到預期效果，而非假設性相關。這樣一來就可以確保演算法產生的預測與實際結果之間確實具有因果關係。
• 實驗平台是人工智慧工廠的一個必要組件。假設我們用演算法預測顧客流失情形，得知顧客流失和特定的年齡群有關，但我們仍不知道這群顧客是普遍傾棄用我們的服務，還是如果提供特殊優惠方案就能讓他們積極考慮繼續使用。在付出高昂代價向數百萬用戶提供特殊優惠之前，我們可以先對小部分用戶進行A/B測試並蒐集統計上的證據，來證明有多少比例顧客會因為特殊優惠而選擇續用。相同的邏輯也可以大規模應用在檢驗人工智慧工廠所推薦的各種事業改善方案。

麥肯錫教企業這樣用AI數位轉型

麥肯錫教企業這樣用AI數位轉型

序章 把數位與AI轉換為持續掌握競爭優勢的企業能力

▷在流程的前端，數位領先銀行整合個人化分析法與數位行銷活動，以向(潛在)顧客提供切要的產品與服務。

▷在流程的中間段，數位領先銀行創造全通路體驗，在銷售過程的所有階段，分行與接洽中的專業人員都有工具與資料去支援顧客，縱使是線上的銷售過程也是如此。拜信用風險評估的自動化，這些數位領先銀行也能及時審核顧客。

▷在流程的末端，數位領先銀行透過使用現代資料架構來設計通暢的數位工具流程，推動顧客自助服務。

▷數位與AI轉型中最複雜的層面大概是發展出以顧客為中心、快速'且彈性的營運模式，因為這部分觸及到組織的核心、管理流程及許多團隊的運作方式。

第一部 研擬轉型路徑圖

►選擇正確的轉型「口量」：挑選大到足以產生影響，小到足以獲勝的戰役。

▷許多公司因為在變革範疇上出錯，導致數位與AI轉型從一開始就注定陷入困境。

有些公司是起步規模太小，以為漸進的方法能降低風險。這是錯的，成功的轉型需要改變業務中有意義的事情，涉及可以顯著衡量的價值量及影響。

▷正確的方法是辨識業務中幾個重要且獨立自足的領域，並徹底地重新思考它們。

►定義領域時的要領是，這個領域足夠大到對公司有顯著的價值，但又夠小到不會因為依賴業務中的其他部分而大受影響。

►定義一個領域的三種方法：多數公司選擇根據工作流或旅程來劃分與定義領域，因為這通常能為顧客及/或員工提供最大價值。

1. 工作流/流程：創造高價值的業務流程，例如：產業維修、關懷顧客或採購到付款(P2P)。
2. 旅程：互動密集的流程，例如：顧客加入、提供顧客諮詢或線上購物。
3. 功能部門：傳統的業務功能部門，例如：銷售、財務、行銷或供應鏈。

►決定哪些領域優先

▷為了決定從哪些領域著手，必須從兩大面向評估：價值潛力及可行性。

1. 主要考量的潛在價值包括：
• 顧客體驗
• 財務效益：新的顧客成長率、顧客流失率的降低、平均每位顧客的價值提高、流程良率的改善或服務成本的降低。
• 產生價值的速度
• 綜效
2. 評估可行性的最重要考量為：
• 有堅實的主管來主持
• 資料與技術的整備程度：相較於舊技術，舊心態是更大的挑戰。
• 採用的容易度
• 推廣的容易度：假設你成功發展出一個數位解決方案，你必須評估在整個業務中推展它的容易度。這方案所涉及的變革管理挑戰有多大？這解決方案將在多少種不同的資料環境中運作？這些問題將影響你的數位解決方案能否充分地實現其價值。

►數位路徑圖是領導高層的一份契約：沒有計畫的目標只不過是願望罷了。

第三部 採用新的營運模式

▷組織基石：任何種類的數位營運模式都是由三個組織基石構成的：

1. 產品或體驗敏捷小組：他們開發及提供技術賦能的產品或服務，讓顧客及員工使用。其首要目的是讓使用者能夠執行創造價值的活動，例如：一家零售業者的搜尋引擎，貢獻的價值是讓顧客易於在網站或行動應用程式上找到品項。
2. 平台敏捷小組：他們是支援產品的後援技術與資料能力，例如：一部零售搜尋引擎可能倚賴一個存貨管理平台，其中包含資料庫、供應商整合平台。典型的平台包含：
• 資料平台，例如Customer360
• 企業系統，例如一套ERP或CRM
• 平台即服務(PaaS)應用程式，例如使用者驗證或ML演算法
• 基礎設施平台，提供雲端運算及儲存之類的服務
3. 支部：一個支部是由一群相同技能者(例如：產品負責人、資料科學家、資料工程師)組成的團體。支部負責增進專業知識與技能，維持共通的工作方法。

▷你可以規劃、發展、招募及投資數位解決方案，

但若顧客(不論是內部或外部的顧客)不想使用你打造出來的數位解決方案，一切都枉然。

正是因為這種介於使用者需求跟公司想推出、也知道如何打造產品之間的拉鋸，使得顧客體驗設計成為數位與AI轉型的關鍵要素，驅動創新、顧客採用及價值。

第四部 加速技術與分散式創新

▷各種測試策略及其定義

第五部 無死角地嵌入資料

▷資料產品的5種使用典型

第七部 轉型旅程的故事

►若業務不採用及推廣優異的數位解決方案，打造的解決方案就不可能創造價值。

領導者的數位轉型(上)

領導者的數位轉型

第一章 人工智慧時代

▷所謂的「數位轉型」不只是要導入相關技術，關鍵更在於能否成功蛻變為一家不同型態的公司。

為了因應新時代的威脅，我們該做的不只是把線上事業獨立分支出去、在矽谷設立一間實驗室，或是創立一個數位部門。相反的，我們所面對的是一個層次更深、涵蓋面更廣的挑戰，包括：

重新架構公司營運模式、改變公司蒐集與使用資料的方式，從而根據資料來回應市場訊息、做出營運決策、執行經營任務。

第二章 重新定義公司

▶公司的價值取決於以下兩個概念。

1. 第一個概念是公司的「商業模式」(business model)，意即該公司承諾創造和攫取價值的方式。商業模式關係到公司策略，也就是如何透過供應獨特的產品或服務，形塑與競爭者的市場區隔並提升獲利。
2. 第二個概念是公司「營運模式」(operating model)，也就是該公司為其顧客遞送價值的方式。營運模式則關係到公司向顧客遞送產品或服務的系統、流程及能力，也就是運用公司人力及資源每天實際在做的那些事情。

▷商業模式定義理論，營運模式定義實務。

儘管商業模式決定公司的發展潛力，但營運模式才是公司中能否成功遞送價值的關鍵所在。

若說商業模式是訂定價值創造與攫取的目標，營運模式就是實現此目標的計畫。

▷一家公司如何為顧客創造價值、如何從顧客那兒攫取價值，就是它的商業模式。

商業模式必須明確，包括兩個要素：

1. 公司必須為顧客創造價值，促使顧客消費該公司的產品或服務。
2. 公司必須透過某種方式去攫取它創造的一些價值。

▷「價值攫取」(value capture)是這枚硬幣的另一面，一家公司從顧客身上攫取的價值自然應該少於它為顧客創造的價值。就汽車製造商而言，它的價值攫取主要取決於汽車銷售價格(P)大於汽車製造成本(C)，兩個間的差額(亦即P>C)決定所能獲取的利潤。

▷企業主管面臨的主要挑戰是：

1. 規模：管理規模就是設計一個營運模式，盡可能以最低成本向更多顧客遞送更多價值。擴增規模的典型案例，就是像汽車製造商及速食餐廳那樣致力於有效率提高產量或服務的顧客數量。
2. 範疇：指的是一家公司從事商業活動的範疇，也就是為顧客提供的產品及服務種類。資產及競爭力有助於組織在多種事業領域獲得良好發展，例如：集中式研發可以提供多種產品線的優勢；品牌投資可以為同個品牌下的不同產品帶來更高收益；集中式配銷系統可以提高跨多種產品線的效率。
3. 學習：營運模式的學習功能對組織而言至關重要，關係到組織是否能夠持續改進、提升營運績效，以及開發新的產品與服務。

▷當「數位技術」(例如軟體及演算法等形式)取代「人力」這個傳統營運活動中的瓶頸時，所帶來的影響明顯遠遠超出人力層面。

▷資料越多，以及演算引擎進行越多的整合，得出的結果越好。資料科學家為特定行動提出機率預測方法，然後，演算法處理大量資料，在每一次的迭代中即時產出更好的決策。

▷螞蟻集團使用這些資料來比較「準時還款的優良借款人」和「未準時還款的不良借款人」，以區分出兩類人的特質差異，然後使用這些特質來計算信用評分。每一筆交易、買賣雙方每一次通ㄒ運、與阿里巴巴其它服務每一次的連結、我們在平台上的每一個行動，都會影響信用評分。與此同時，計算信用評分演算法也隨時在進化，每一次迭代都有助於改進決策品質。

▲去除人工作業瓶頸

▷從螞蟻集團的例子可以看出，數位型營運模式的本質是避免在產品或服務遞送流程的途徑上有直接的人為干預，員工能夠幫助定義策略、設計使用者介面、發展演算法、撰寫軟體、解讀資料等等工作，但實際傳遞顧客價值的流程是完全數位化的。當審核個人貸款資格、推薦特定投資工具之類的業務轉由系統自動處理，便能夠擺脫過去人工作業所帶來的種種限制。

▷螞蟻集團把這些流程定錨於一個中央資料庫，以整合的方式敘述顧客及作業需求，當顧客與事業流程互動時，軟體模組會蒐集必要資料，萃取及分析顧客的需求，將其中的含義內劃並和顧客互動，以傳遞承諾的價值。就這樣，在一個中央化資料架構上建立顧客互動流程，以清楚、可行、而且可以規模化的方式把「以顧客為中心」的概念營運化及自動化。

▷許多新的營運模式(例如螞蟻集團的營運模式)把資料導向的行動自動化，漸漸去除價值傳遞流程中的人工作業頻頸。最終會有一位產品經理去觀看匯總的交易及顧客行為資料，但實際的服務傳遞途徑上幾乎去除了每一個人際互動。

▷去除途徑上的人與組織瓶錦頸，這對公司的營運模式本質有巨大的影響。

在許多數位網路上，多服務一個用戶的邊際成本幾乎是零，只不過電腦運算容量成本小增一些，但很容易從雲端服務供應商那裡取得電腦運算力，這本質上使得數位型營運模式更容易擴增規模。

▷數位型營運模式也從根本上改變了公司的架構。除了去除人的瓶頸，數位技術本質上是模組化的，能夠容易的促成商業連結，當一個流程完全數位化後，可以很容易的把這個流程外掛在事業夥伴及供應商的外部網路上，或甚至外掛在外部的個人社群，以提供更多的互補性價值。

▷最後，營運模式的數位化也促成快速的學習與創新。累積的龐大資料量為越來越廣泛的工作提供重要的參考資訊，從即時應用程式的個人化到特色創新及產品發展都能受益。

此外，把許多營運工作流程數位化，縮減了整個組織規模及周邊的繁文縟節，如此一來，分析大量資料後獲得的洞察便能被數量相當少的敏捷產品團隊快速用來據以採取行動。

星展銀行數位轉型實踐手冊

 星展銀行數位轉型實踐手冊

推薦序【 沿著舊路，走不到新出口 】政大商學院副院長 邱奕嘉

▹轉型絕不是這麼單純的事，它是一個複雜工程，牽涉到策略(Strategy)改變，更需要文化(Culture)、

組織(Organization)、營運系統(Operation)以及人才(People)的同步調整與互相配合。

這五個元素(SCOOP)依序協調的轉變，才是創新轉型的關鍵。
▹知名物理學家愛因斯坦曾經說過：「瘋子就是同樣事情重複做，還期待會出現不同結果。」

在面對轉型時，企業經營者必須改變過去的思維與做法，不能重複過去的管理思維與模式，

而是改採全新思維找新的出口。從轉型5元素著手，就像攀岩一般採取「一點動，其他點不動」的模式依序推進。

第1章 海灘上的戰鬥宣言
▹發展「讓銀行服務充滿樂趣」策略時，以下四大主題式星展銀行轉型主軸。
一、轉型必須以終為始。
二、數位轉型不只有技術。

-星展銀行還必須考慮其他因素，如人力資源、客戶體驗、企業組織文化，以及理想的工作方式。

三、星展銀行從一開始就對整個組織進行了徹底的數位轉型。
-星展銀行不需要把年長員工使用新技術的時間往後延。

因為他們的個人生活不斷改變，他們的職業生活也隨之變化。
因此，在每個人平等的狀況下，星展銀行盡量避免在年輕員工和年長員工之間製造鴻溝。
四、業務就是技術，技術就是業務。
-在星展銀行，不再區分前台、中台和後台部門，那是過去的方式。

如今流行的是「讓銀行為客戶提供綜合服務」(one bank serving the customer in an integrated manner)。打破前台、中台和後台之間的界限，是銀行傳統營運方式的重大轉變。

第7章  核心數位化的典範經驗
典範經驗1：雙位一體(Two-in-a-Box)：「業務就是技術，技術就是業務」。

「雙位一體」指的是技術負責人和業務負責人在共同目標和衡量標準相互合作，
了解彼此的業務。具體來說，就是每個負責人都能了解別人的職責，進而能夠互換角色。
典範經驗2：向上指導(Reverse Mentors)
典範經驗3：打造實驗文化：
-當星展銀行開始了解並滿足客戶的需求時，它需要一種包容錯誤的、創新驅動的文化。
團隊不是專注於開發一種產品，而是嘗試各種選擇，為客戶提供最佳解決方案。
-轉型團隊致力於讓每個人都參與數位轉型，培養創的思維方式。

轉型團隊還為員工提供了一個中心框架，幫助他們開啟自己的旅程和實驗。
典範經驗4：星展銀行Xchange專案在四個關鍵技術領域繼續支援金融科技新創企業的成長：

人工智慧、資料科學、沉浸式媒體(immersive media)和物聯網(IOT)。
典範經驗5：為資深員工提供新技術
典範經驗6：數位轉型是每個員工的責任
-「我們是否需要一個單獨團隊來推動新技術需求？」對於這個問題，管理層的答案很明顯-不需要。
管理層認為，銀行每位員工都需要承擔業務責任，把自己當作轉型的一部分。

員工需要認為數位轉型是他們的責任，而不只是技術團隊的責任而已。
典範經驗7：「招募黑客」專案

第8章  數位轉型策略原則2：融入客戶旅程
▹設計思維在星展銀行的術語中被稱為「4Ds」，引導員工知道需要做什麼。
星展設計的解決方案改善了「要做的工作」。

數位轉型策略要完成「讓銀行服務充滿樂趣」的整體工作。
這需要員工從日常業務抽身出來，辨識出客戶旅程，並在這個基礎上不斷改進。
▹有一個最好的例子是，星展銀行沒有推銷更多的抵押貸款，而是專注在為客戶做「要做的工作」，也就是幫助個人實現夢想。在抵押貸款業務中，星展銀行提前6個月與客戶溝通，開始融入客戶旅程。這樣一來銀行可以參與整個購房過程。銀行代表會協助客戶尋找合適的房屋，比較各種選擇，並為客戶確定最佳抵押貸款提供支援。

第9章  以顧客為核心
▹隨著星展銀行越來越關注客戶，它開始尋找真正由客戶為原動力的創新和數位方法。

於是星展銀行採用了英郭設計委員會的4Ds方法。
- 設計思維：4Ds框架

1. 發現(Discover):收集顧客意見並整合見解和發想。
2. 定義(Define):發現機會和提煉概念。
3. 開發(Develope):測試最具風險的假設並規實施方案。
4. 交付(Deliver):實施概念。

✩「發現」是客戶旅程的第一步，需要最多的時間，占比高達50%時間。
許多人想直接跳到「交付」階段，但他們必須先執行前面步驟。
▹客戶至上，而非內部至上
-實施4Ds框架需要每個員工專注客戶體驗，並在客戶旅程中更多地參與其他部門和利害關係人的工作。由此產生的合作打破了傳統的條條框框，使員工更關注「客戶至上」，而非「內部至上」。
▹從交叉銷售到交叉購買
-隨著可用資料的增加，星展銀行開始採用情境線上銷售的方法，根據使用者行為和資訊發布目標式廣告(targeted advertising)。
-當顧客在銀行購買一種產品時，銀行同時提供其他相關產品，交叉銷售就發生了。

例如，當顧客在銀行開戶時，會被問到是否需要一張信用卡。
-這種思維模式的轉變來自於甘道夫計畫(GANDALF)的經驗教訓-不向客戶推出單一產品，而是提供一系列選擇。相似的是，當客戶在線上購買一本書時，系統會推薦5本相關的書。
這種情境銷售提高了產品在特定時間對特定客戶的吸引力。
-透過分析交叉購買的客戶資料，星展銀行了解到，客戶了解到的產品越多，他們辦的業務也會越多。

✩發現：收集顧客意見並整合見解和發想
▹在星展銀行，「發現」的第一步是從客戶的角度想像「需要完成的任務」。
這也是「旅程聲明」(Journey statement)，意味著每項任務都要為客戶和銀行帶來價值，任何解決方案都必須對所有人有益處。
▹旅程聲明在整個探索過程中扮演了指引的角色，並貫穿了所有四個階段。
在旅程聲明之後，團隊通常會詢問：「誰一起參與？誰將從現金管理最佳化中受益？」

關鍵的人物角色和利害關係者被真實地繪製到一張地圖上。

這張地圖展示了所有參與者的聯繫。這張利害關係人地圖像是星展的「人物關係圖」，把所有重要的人物和他們之間的關聯都一目了然地呈現出來，這讓星展可以制定一個研究計畫，計畫中包括了誰會參與訪談，以及打算進行多少次訪談。

接著，還準備了一份討論指南，也就是一個問題清單，確保能每位利害關係人提出正確的問題，以確保討論一致，同時也能夠深入挖掘團隊設定的旅程聲明。

提出的問題必須包含三個要素：

1. 功能上的「需要完成的工作」：就是要了解各角色、責任和關鍵績效指標(KPI)。
2. 社會上的「需要完成的工作」：考慮利害關係人之間的互動，以及他們希望被看待的方式。
3. 情感上的「要做的工作」：利害關係人在執行任務時的感受。

✩定義：發現機會和提煉概念
▹團隊繼續提煉出最好的想法、流程、工作流程和解決方案。

在這階段的一部分他們評估了概念是否在技術上可行並且可行性-

這兩個因素將任務從定義轉移到了開發階段。例如，一個解決方案可能在技術上可行，但如果它需要花費太多成本才能實現預期的回報，那就不可行。

✩開發：測試最具風險的假設並計畫實施
▹關鍵是迅速構立一個工具，分享想法，並記錄回饋。

同樣重要的是，測試對概念的最關鍵和不確定假設。
▹在測試客戶時，團隊捕捉了用戶的反應和情緒，以便清楚地了解他們喜歡什麼和不喜歡什麼。

然後，團隊成員根據這些反應和情緒重新設計原型。
▹在開發階段，團隊測試了不同的假設，並且不斷從中學習。

✩交付：實施概念
▹解決方案是在交付階段建構的。
▹在交付階段，越來越多的團隊採用敏捷方法開發最小可行性產品，持續審查最小可行性產品(MVP)開發過程中的客戶回饋。
▹在「交付」階段要保持專注，確保工作計畫有序且有優先順序，定期展示價值，逐步提供解決方案，同時建立一個合作且有活力的團隊。

第17章 客戶導向
▹ 銀行的不同部門之間存在著藩籬。例如零售銀行業務和機構銀行業務之間就存在界限。「前台」「中台」「後台」曾經是銀行業的通用語言。
但在一個數位銀行，這些術語不僅不再存在，更無法存在。

業務部門想要一致轉型，就需要不同部門都朝著敏捷文化一起前進。

第18章  以數據為基礎
▹銀行使用「以數據為基礎的營運模式」(Data Driven Operating Model,DDOM)來解釋以數據為基礎文化。尤其是人工智慧開始蓬勃發展，DDOM在星展銀行內部也在不斷發展。
▹以數據為基礎的企業文化轉型，在以下三方面展開：

一、建構技能和文化
▹打造以數據為基礎的企業文化，更重要的是改變員工的行為，而不是資料本身。

分析資料比較容易，困難的是鼓勵人們改變原有的工作方式。
例如，一開始人們總想要保護自己的資料，不願意與別人分享，這種情況必須被改變。

星展銀行致力於開發無須批准就能立刻自動取得資料的功能，員工能否取得資料取決於在銀行等級以及取得資料的目的。

二、提高數據的可用性
▹反洗錢的數據分析
▹機器學習的技能：如果不能明確定義問題，他們就無法明確解決問題；同樣地，機器也不知道需要解決甚麼問題。
▹ 數據無所不在：員工發現，他們總是能找到些可用的數據來開始工作，並且可以在之後的工作中獲得更多的數據。這意味著「不要讓有限的資料成為不進行數據分析的藉口」。
▹ 數據儀表盤文化：透過儀表板的形式展現數據視覺化，提高員工效率，幫助他們做出更好的決策。

此外，自動化的數據儀表板節省了大量寫報告的時間。

作為一種業務管理方式，數據儀錶板讓每個人都牢記「星展銀行做事與眾不同」這個理念。
▹為數據而設計：如今星展銀行認識到，為了最大化成效，有必要將機器學習、高級分析與人類直覺結合。它還使用數據和數據儀表盤來描繪客戶旅程的每個階段。

這能幫助預防問題，保持客戶的參與度，增加銀行的「錢包份額」。
▹增加錢包份額：
-數據分析的美妙之處在於，深入挖掘資料能幫助做出更好的決策。
-在數位轉型開始的時候，星展銀行就建立了數據庫，用於追蹤數位化轉型為利害關係人創造的價值。

透過觀察利害關係人參與數位化活動的程度，管理層可以追蹤收入的增加和成本的降低，進而追蹤回報率的改善情況。
-銀行透過加強數據分析能和人工智慧技術，為客戶提供超個性化的服務。

三、創建以目標為基礎的數據平台
▹控制塔：控制塔能夠即時監測客戶旅程。

機場式控制塔裡只有幾個人負責管理所有的技術活動，他們能夠監督一切，即時管理出現的異常情況。團隊用機場式控制塔來解釋即時監控的必要性，「依據昨天的請求來處理今天跑道上的碎片是沒有任何意義的」。
- 控制塔中的一些成員在數據為基礎之下進行即時管理，並處理異常情況。

其他人則支援業務增長，分析資料以改善客戶旅程，監督、管理和控制風險，從而使業務照常進行。
- 星展銀行使用預測技術，在合適時間向客戶提供合適產品，並透過數位方式改變他們的行為。

第19章  嘗試並承擔風險
▹傳統銀行總是希望能夠降低風險。但為了促進數位轉型的成功，星展銀行的管理層鼓勵冒險，像新創企業一樣行事，並對實驗持開放態度。那些想要守住飯碗和獎金的員工都已經學會了謹慎行事，但這和星展銀行實施數位轉型策略的要求卻背道而馳。
▹敏捷、成為學習型組織、客戶導向、以數據為基礎、實驗這五大創業文化深深地嵌入了星展銀行DNA。在實施數位轉型策略同時，管理層意識到他們在社區中所扮演的角色。這推動了第三個策略-永續經營策略。

附錄1 不看對手，卻贏過所有人！
▹自古以來，人們從來沒有一定需要銀行(bank)，但他們都需要金融服務(banking)。」高博德體悟到，傳統銀行要迎戰新科技業者進入金融市場，第一步就是要拋開銀行的束縛，忘記自己是一間銀行，回歸本質思考，從零開始探索，什麼是客戶真正需要的。
▹數位轉型最難踏出的其中一步，就是過早思考投資報酬率，也因此，除了董事會支持，管理團隊也必須相信，自己選擇押注的，是一條正確、在未來會開花結果的道路。

附錄2 創造最佳客戶旅程成為贏家
▹星展的系統，每個月會對6大市場的客戶，藉由網銀App，像顧客送出總共超過4,000萬條客製化的推播訊息，為客戶需求量身打造。
例如，曾經買過某外幣的客戶，當該幣別匯率變動時，系統主動通知價格創低，可能是再次買入的機會參考點；又或者，用戶在某領域消費高出日常平均，主動發訊息提醒需要注意開銷，建議保留3至6個月的緊急儲蓄備用等。

哈佛商業評論推薦必讀AI商業趨勢(上)

 哈佛商業評論推薦必讀AI商業趨勢

第一章 ChatGPT引爆AI無限可能

✩不要只著眼於正確，而應更關注AI寫作如何提高工作效率。

➤機器現在能做以前只能由訓練有素的人完成的任務。

一些有價值的技能不再有用，新技能將取而代之。

第二章 人工智慧啟動新形態商戰

➤分析法有系統地將內部與外部的數據，轉化為預測、深入見解和選擇，

接著由這些預測、見解和選擇來指導並自動運作工作流程。

➤人工智慧工廠都必須具備四個組成要素：

1. 數據工作流(data pipeline)：這是一個半自動化的流程，以系統化、可持續和可擴大規模的方式，收集、清理、整合和保護數據。
2. 演算法：做出有關企業未來狀態或行動的預測。
3. 實驗平台：在上面測試有關新演算法的各種假設，以確保這些演算法的建議可創造想要的效果。
4. 基礎設備：這些系統會把這個流程建入軟體裡，並把它連結到內部和外部使用者。

➤以Google或Bing之類的搜尋引擎為例，只要有人開始在搜尋框中輸入幾個字母，演算法就會根據眾多使用者曾輸入的字詞，以及這名使用者以往的搜尋動作，來動態預測完整的搜尋詞。

預測的這些字詞會列在一個下拉式選單裡(即「自動建議字串」)，可協助這名使用者快速選定一個相關的搜尋。每一次按鍵和點擊，都會被取得當成數據點(data point)，而每個數據點都會改善對未來搜尋的預測。

➤學習迴路(learning loop)：任何一次點擊進入或離開搜尋問題與搜尋結果頁面都可以提供有用的數據。搜尋次數越多，預測越正確；而預測越正確，搜尋引擎被使用的越多。

➤網路效應在達到關鍵多數(critical mass)之前，創造的價值很少，而且，大多數新應用的演算法，

在獲得足夠的數據之前，都遭受「冷啟動」(cold start)之苦。

這說明為什麼安穩使用傳統模式的高階主管，起初都難以相信數位模式有追趕的一天。可是數位營運模式一旦真的發展起來，'就會提供更優異得多的價值，並快速超越傳統公司

✩重建企業結構：長久以來，公司一直是透過更大程度的聚焦與專精化，來優化規模、範疇和學習，這導致現今的絕大多數企業，都擁有各部門壁壘分明的結構。

然而，壁壘分明的部門是人工智慧驅動的成長之敵。當公司的每一個部門，都擁有自己的數據和代碼時，內部開發就會零碎分散，幾乎不可能在部門之間建立連結，也難以和外部企業網路或生態系統建立連結。而且幾乎不可能全方位地了解顧客，這種對顧客的完整了解是取自每一個部門與職能單位，同時也能供每一個部門與職能單位使用。因此公司在建立新的數位核心時，應避免深度劃分組織結構。

✩將人工智慧置於企業核心：

• 一個策略：若要重新建構公司的營運模式，就必須在整合數據、分析和軟體的新基礎上，重新打造每個事業單位。這項深具挑戰性的耗時工作，需要有個焦點，以及一個由上而下交辦的一致任務，來協調和激發許多由上而下的行動。
• 一個明確的架構：一個以數據、分析和人工智慧為基礎的新方法，需要某種程度的集中化，以及高度的一致性。數據資產應該跨越各個應用軟體而整合起來，使它們的影響極大化。

第三章 機器學習贏家祕訣

➤在許多情況下，演算法可以利用回饋數據，不斷地改進；若是把實際的結果，拿來和當初用來產出預測的數據進行比較，就可以產生回饋數據。如果在明確定義的界線內可能會出現很大的變化，這種工具就特別有助益。

✩在預測中建立競爭優勢：在機器學習領域中建立可長久維持的事業，在很多方面很類似在任何產業中建立可長久維持的事業。你能否做到這些，取決於你對以下三個問題的答案：

1. 掌握數據越多，越難被超越。你有足夠的訓練數據嗎？
2. 令人望塵莫及的迴圈速度。你的回饋迴圈有多快？機器如果納入回饋數據，就能從結果中學習，並提高下一次預測的品質。
3. 精準預判顧客需求。你的預測有多準？

✩迎頭趕上：

1. 特殊數據成為致勝關鍵：找出其他的數據來源，並固守這些來源。
2. 尋找不同的服務對象：預測差異化。另一種可協助後進者變得更有競爭力的方法，就是重新定義什麼因素會讓預測變得「更好」，即使只是對某些顧客來說比較好。

第四章 培養數位心態，為轉型加速

➤數位轉型不是一個要努力達到的目標，而是達到本身各種獨特目標所採取的手段。

有了數位心態，組織所有的員工都能做好準備，去掌握當前變化萬千的世界所帶來的機會。

第五章 「影子學習法」讓組織學習邁開大步！與智慧型機器聰明共事

➤影子學習法的五大技巧：

1. 尋求挑戰：剛接觸機器人手術的受訓人員通常沒什麼機會實作。偷學者解決這個問題的方法，是尋找機會在有限的監督下，挑戰本身能力極限的手術。他們知道有挑戰，才有學習的效果。
2. 向第一線取經
3. 重新設計角色
4. 收集整理解決方案
5. 向偷學者學習

第六章 擴大應用AI轉型力：與其一次性求變，不如抓重點先行

步驟一：制定策略

• 潛在影響
• 相互關聯的活動：如果重新調校這些活動，可以解決系統性的問題，例如長期效率低下(像是冗長的貸款審核時間)、高變異性(迅速波動的消費者需求)，以及經常錯失機會(難以提供產品給顧客)。

步驟二：建構團隊

步驟三：重新想像日常營運

步驟四：順應組織和技術變化

★第七章 AI行銷為何不給力？你沒問對問題，就會錯失機會★

➤有一家大型電信公司的行銷主管設法要減少顧客流失，於是決定運用AI來判斷哪些顧客最可能離開。他們取得AI的預測後，一再提供大量優惠促銷方案給高風險顧客，希望吸引他們留下來。

雖然實施這項留住顧客的活動，但很多顧客還是離開了。為什麼？

這些主管犯了一個基本錯誤：向演算法問錯了問題。

雖然AI預測的內容很好，但沒有解決這些主管真正想解決的問題。

✩【解決方案】一個三步驟的框架將有助於開放市場行銷和數據科學團隊之間的溝通管道。

(1)我們試圖解決的市場行銷問題是什麼？

(2)在我們目前的做法中有沒有任何浪費或錯過的機會？

(3)是什麼東西/事情造成這些浪費和錯過的機會？

【重點為校準：沒能問對問題】

➤我們研究的這家大型電信公司，主管真正該做的事情不是找出哪些顧客可能流失，

而是應該弄清楚該如何運用行銷經費，來減少顧客流失。

他們不應問AI哪些顧客最可能離開，而應該問哪最可能被說服留下；

換句話說，應該問哪些考慮離開的顧客，最可能會對促銷方案有回應？

前述這家電信的行人員，給予AI錯誤的目標，於是，把錢浪費在許多無論如何都會離開的顧客身上，

但對於加倍花心力就能留住的顧客，卻投資不足。

【利弊不對稱：沒能體認到「預測正確的價值」與「預測錯誤的代價」不同】

➤ AI的預測應該越準確越好，不是嗎？

不一定，差勁的預測，有時候代價極為高昂，但有時候代價不那麼高；

同樣地，超級精準的預測，在某些情況下的價值比較高。

➤ 必須了解的一項重點是，AI預測可能有各種不同的錯誤。

預測除了會高估或低估結果之外，還可能會出現偽陽性

(指出顧客可能流失，但其實顧客會留下)，或偽陰性(指出顧客不可能流失，但其實顧客後來離開了)。

行銷人員的工作是要分析這些類型錯誤的相對成本，而這幾項成本可能差異很大。

然而，負責建立預測模型的數據科學團隊常會忽略這種相對成本差異很大的狀況，

或甚至沒有人告知他們這種情況，於是，他們假定所有的錯誤都同樣重要，導致出代價高昂的錯誤。

【數據未善用：沒能充分運用精細的預測】

➤企業會產生大量的顧客數據和營運數據，可以使用標準的AI工具，根據那些數據頻繁地做出詳細的預測。但許多行銷人員並沒有利用這種能力，仍根據舊有的決策模式來運作。

以一家連鎖飯店為例。這家飯店的主管每周開會，以調整各個地點的房價，即使已有AI可以針對不同房型的顧客需求，每小時更新預測數字。他們的決策流程，還是保留下來的過時訂房系統。

【雙向溝通不良】

➤行銷主管必須改善與數據科學團隊的溝通與協作，並且清楚說明自己設法要解決哪些商業問題。

【架構運用實務】

1.我們現在想解決的行銷問題是什麼？

➤這個問題的答案必須有意義，而且精確。

舉例來說，「我們如何減少顧客流失」就問的太廣泛，對AI系統開發人員沒有任何幫助。

「如何能最妥善地分配留住顧客的活動預算，以減少顧客流失」這樣的問法比較好，

但仍太廣泛(這筆留住顧客的預算已經定案，還是要由我們決定？所謂的「分配」是什麼意思？

是否要分配給不同的留住顧客活動？)最後，我們會得到一個對問題更清楚的陳述，像是：

「如果現在有幾百萬美元的預算，我們某一項留住顧客活動，應該針對哪些顧客？」。請注意，

我們完全沒提到「我們要如何預測顧客流失」，因為預測顧客流失，並不是要解決的行銷問題。

2.在我們目前採用的解決方法裡，是否有任何浪費或錯失的機會？

➤第一步就是反思，如何算是成功和失敗。

在前述那家信公司，一般人直覺認為成功的定義，是「接到促銷方案的顧客是否續約？」

但這種定義太過簡化，也不準確；這些顧客或許不用促銷方案就會續約，

所以提供優惠促銷反而浪費了留住顧客的經費。

同樣地，如果沒有接到優惠促銷的顧客，最後決定不續約，這樣算是成功嗎？不一定。

如果這位顧客無論如何都不打算續約，「不提供優惠」實際上算是成功，因為本來就無法說服他留下。然而，如果這位顧客只要收到優惠促銷就會留下來，那就是錯失一個機會。

➤有時很難找出在原子層次的失敗，在前述那家電信公司，數據團隊並未檢視那些顧客有可能被說服留下來，因此很難判斷失敗的類型。在這種情況下，

團隊可以使用較屬於總計式的數據，來量化浪費與錯失的機會，即使這樣產生的結果較不精確，也要這麼做。這家電信公司可以使用的一個方法，就是檢視「提供銷售誘因的成本」，相較於「收到這些誘因的顧客所增加的終身價值」，何者較高。同樣地，對於促銷活動沒有接觸到的顧客，團隊可檢視因為他們不續約而損失的獲利。

➤這些手法有助於這家電信公司區分以下顧客：

1. 哪些顧客雖然被留下，但花費的成本比增加的終身價值高；
2. 哪些高價值顧客雖然收到留住顧客的促銷優惠，但仍流失；
3. 哪些高價值顧客沒有收到促銷優惠，而在促銷活動後離開。

3.什麼原因造成那些浪費與機會錯失？

➤前述電信公司的團隊成員，當初若是回答這個問題，就會明白，如果他們的AI能完美預測，誰會因為留住顧客方案而留下(而不是預測誰將要離開)，就既能排除浪費(因為他們就不必提供優惠給無法被說服留下來的顧客)，也能避免錯失機會(因為他們能鎖定所有可以被說服的顧客)。

➤這方面常見的一種錯誤，就是誤以為，預測與商業目標之間相關性就已足夠。

這種想法有缺點，因為相關性並非因果關係，於是可能出現一種情況，就是你或許預測到，

某件事的變化與獲利能力有相關性，但其實無法改善獲利。

即使真的有因果關係，也不見得能百分之百對應到你的目標，所以你花費的心血，

不見得能完全達到你要的最後結果，導致錯失了機會。

【處理「利弊未對稱」的問題】

➤你一旦清楚了解AI預測，與決策和商業成果之間的關聯，就該把系統出錯所帶來的成本加以量化。

這就需要問：如果AI產出的結果並不完全正確，會和我們想要的商業結果有多大差距？

➤在那家電信公司，把留住顧客的促銷方案寄給無法說服的顧客(浪費)，這樣的成本比失去一個本來可以透過優惠方案而留下的高價值顧客(機會措施)低。因此，如果AI系統把重點放在「不要漏掉可說服的顧客」，公司的獲利會更高。即使這麼做會提高誤判某些顧客願意接受方案的風險，仍值得這麼做。

【處理「數據未善用」的問題】

➤大多數行銷用AI所做的決定，並不是新的決定，仍是在處理舊決定，

像是顧客區隔、鎖定目標顧客、預算配置等。「新」的部分在於做這些決定時，

根據的是由AI收集處理更豐富資訊。這麼做的風險，在於人類大致上不樂意改變。

在做一些舊決定時，許多主管尚未針對改善AI新科技能帶來的頻率與精細程度做出調整。

【攜手進步的合作】

➤行銷需要AI。但AI需要借助行銷思惟，才能充分發本本身的潛力。

金融科技數位轉型趨勢與成功方程式

 金融科技數位轉型趨勢與成功方程式

- 金融數位轉型已成為企業成功必要條件，數位轉型不僅是單純的科技化，更是商業模式與經營策略的創新，這是一條漫長的路，充滿挑戰，包括組織、技術、人才的重整，必須設定目標分階段漸進，而數位轉型的廣度、深度與速度將決定誰是最後贏家。

Part 1 觀念篇

- 資策會MIC將「數位轉型」定義為「以數位科技大幅改變企業價值的創造與傳遞方式」，

轉型的結果將展現於客戶體驗、營運流程、新產品/服務/市場、新商業模式、數位創新能力、數位資產的累積、數位的組織文化等改變。

- 資策會MIC根據企業轉型的內涵與方向，認為企業可以三個構面來衡量：

• 組織營運卓越(OE,organizational Operation Excellence)
• 完善客戶體驗(CX,improve Customer eXperience)
• 商業模式再造(BM,Business Model reengineering)

Part 2 案例篇

03 國際經典案例解析

【隱而不顯的數位轉型：星展銀行透過「嵌入式」場景金融進行數位轉型】

 -若將日常生活中與之互動較為頻繁的食衣住行視為一生活圈、相對互動較低頻的金融服務定義為另一生態圈；展望未來的金融產業，誰能在前述的六大生活場景中提供消費者必要的、有感的、易用的金流服務，將是未來產業中的最大贏家。   

04 台灣金融業轉型案例解析

【不露鋒芒的數位轉型：全球人壽如何透過數據驅動持續優化客戶體驗】

-全球人壽將以「金融」與服務為本質，立基於「科技」造就「創新」應用以提升客戶體驗。

👾數位轉型主軸：數位轉型並非一站式的到達某個階段，而是一段持續改進與優化的旅程。

• 核心系統優化：全球人壽現正以「小核心多周邊」的形式雙軌進行核心系統與數據中台優化，提升整體數位化進程的同時保有彈性調整的空間。在核心系統優化進行之際，並著手建設其數位通路以利數據累積，爭取未來在核心系統完善的同時，迅速槓桿數據資產的價值。

👾可借鏡之處：

-除了外部環境瞬息萬變，公司內部舉凡事業單位的落實意願、規劃單位是否具有相應的能力，

乃至每一個專案所帶來的效益是否可以在可見的時間維度內回應投資人與決策者的期待等，

除了為全球人壽現階段所面臨的一大挑戰，也將在未來的轉型之路上持續帶來考驗。

• 推動數位轉型仍須回歸以「人」為本：對現正導入數位轉型的組織而言，領導者滿腹理想與策略，執行端卻缺乏相應的企劃能力、開發能力甚至落實意願將是一大痛點。

【數據治本的數位轉型：永豐證券如何透過長期佈局提升數據治理】

👾數位轉型主軸：

• 內部作業優化：目前在永豐證的營運上，委託單的數量大約為成交單的10倍左右。委託單雖未提供券商實質效益，卻能說明客戶意向與對價格的預期。因此，目前內部正在斯可是否可以針對委託單的資訊進行分析以得出具有價值之資訊。

【穩健經營的數位轉型：玉山攜手網路資訊公司打造創新服務供應聯隊】

-展望長期，玉山銀規劃以客戶需求為核心，著力於場景金融應用、智慧金融與普惠金融等三大構面，持續提供客戶創新且有感的金融服務。

05 台灣FINTECH案例解析

-消費金融數據不僅可作為非金融服務提供者分析客戶行為、預測客戶需求的用途，甚至可作為金融服務提供者評估客戶信用評等的數據來源。

-藉由收集與分析用戶的消費金融數據，了解消費者的信用輪廓，依照個人信用評等，提供客製化貸款服務，延伸消費金融數據的使用價值，由客戶需求分析到個人貸款服務，滿足信用小白的貸款需求。

06 轉型推手案例解析

-解決方案供應商不應僅是提供技術服務，而是應以如何為客戶創造價值為出發點，利基於客戶價值的永續經營及提供彈性解決方案的選擇。

(2)以數據分析驅動產業轉型：SAS

-數據分析是挖掘數據「價值」的重要過程，諸如：資料探勘、統計分析等都是為探索數據中所隱含的意義，尤其在商業應用場景(例如：銀行、保險、製造、零售等)，數據分析已經具有相當的歷史與成果；然而，由商業應用跨界至以人為本的應用場景，雖然或都採用相同的分析技術，但卻存在截然不同的分析目的，且其所代表的是思惟轉變下的新藍海。

趨勢與展望

趨勢一、次世代族群競逐白熱化

趨勢二、嵌入式金融成顯學

-放諸金融服務的發展路徑，從產品導向，走到通路導向，在進入消費者導向。

• 產品導向：是顧客具備少量的選擇權和控制權，被動接受銀行高度同質化的展品服務；而銀行重心在拓展傳統實體服務據點，追求規模效應，盡可能接觸更多的客戶。
• 通路導向：肇因於網際網路、行動網路的進步與成熟，銀行朝多樣化的接觸管道發展，產品服務的樣態亦更加豐富。
• 消費者導向：是讓客戶具備最大化的選擇權和控制權，與當前開放銀行所掀起的風潮不謀而合。

趨勢三、強化以數據為核心的運作思維

趨勢四、有序累積Z世代洞察的情報

趨勢五、資訊架構從大而穩走向小而精

-隨著網路與行動應用環境的成熟，面對市場快速反應的需求日增的情況下，當前金融業的資訊架構思維正走向小核心、強中台及微服務的樣貌發展。

• 小核心：顧名思義是揚棄大型資訊系統架構，回歸單純，將其他擴展應用透過中台架構與微服務模式提供。
• 中台：是近年流行的說法，簡言之就是在前端應用服務跟後台核心系統間的一個中間層，將一些企業內部的資料數據、個別服務系統串接起來，供前端服務界接，降低持續干擾核心系統頻率，加速整體服務效能。
• 微服務：透過細化各應用服務範疇，建立可疊式的服務模組，讓前端金融服務可以如堆砌積木一般快速推出與迭代發展，達到快速反應之效。

趨勢六、法遵科技應用從被動轉為主動

趨勢七、朝兼顧優化型與創造型的雙核心成長模式發展

-從永續發展的角度，可以將企業未來的成長分為兩類型：優化型成長與創造型成長。

• 優化形成長：重點在於當下營運效率的優化，著重在活用數位工具、提升既有客戶群的使用經應、擴大現有市場的市占率。
• 創造型成長：聚焦於未來的第二曲線、專注於新客群的經營、服務場景與模式的創新。

數位「真」轉型：來自全球五大數位轉型銀行的實戰案例

數位「真」轉型：來自全球五大數位轉型銀行的實戰案例
Doing Digital: Lessons from Leaders

第一章 銀行為何需要進行數位轉型 

- 許多人可以有宏偉的想法，但是如果他們不能實現這些想法，那麼它們僅是一些想法，永遠不會成為任何事物。

- 銀行既有引擎又有車輛，但由於願景和領導力有限，因此它只是將一批馬栓在前面，這不是一匹跑得更快的馬；實際上，它是一批速度較慢的馬，因為它正拖著一輛重型車輛在後面轉來轉去。

重新思考基礎架構，修建道路和橋梁並重新改造系統，不要只將新功能添加到舊功能中，而希望它能奏效。

- 數位轉型需要對銀行的核心進行全面轉變，對銀行的文化、系統、組織和流程的核心做改變，

而不僅是活動和專案。

- 銀行知道他們需要進行數位轉型，但是許多銀行領導者，特別是執行長和董事長，卻不知道該做什麼，也不知道該怎麼做。他們不知道如何領導數位轉型，因此他們只懂做出一點數位改變。他們在專案、人員、計畫、系統和架構上投資了數十億美元，卻迴避了組織改造、文化變革、管理重組、系統重建更換核心系統等重大問題，原因在於後者既冒險又困難，而且這些領導者並不瞭解面對數位革命是他們必須做的。擁有這些領導者的銀行將在未來十年內不復存在，但他們不會消失，但是會被能確實做到這一點的銀行所併購。

 

第二章 轉型規劃 

- 如果你總是總是按著自己一直以來的方式做事情，那麼你就總是只能獲得一值擁有的那些...甚至還會少一些。

- 銀行數位轉型失敗的原因之一，是因為如果負責轉型的單位不是組織的核心，核心組織不會希望他們成功，且不斷地攻擊他們。或許，更重要的是，這個新部門的員工是業務的另一邊，而且往往並不是真正瞭解核心業務的領域。他們做了許多看起來很吸引人的事，但並沒有真正推動業務發展。

所以業務單位必須負責這項轉型，不能有人站在旁邊不參與。

 

第五章 數位轉型值得嗎？

- 數位轉型核心：

1.獲客

--藉由更廣泛的通路增加獲客率

--降低獲客成本

2.交易

--少紙化

--創造即時滿足客戶需求

--降低成本

3.參與

--推動增加「黏著度」的客戶行為

--透過情境行銷進行交叉銷售

--增加每位客戶的收益

4.生態系統

--從管路企業到平台企業

--資料

--以洞察力為導向

- 如果你改變的是系統，而不是改變組織架構，你將無法生存。

如果你在系統上投資，但不改變核心系統架構，你將無法生存。

如果你單純為了降低成本，而不是為了更好的用戶體驗而使用科技，則你將無法生存。

- 關鍵因素是如果你不把數位視為銀行架構和文化的轉型專案，

反而把它當作一個系統專案或一個通路來對待，那麼你將無法生存。

新數位力：解密數位時代脫穎而出的關鍵

新數位力：解密數位時代脫穎而出的關鍵
2015/10/30

第1章 數位精技(Digital Mastery)是什麼？

- 數位力、領導力

第一篇 打造數位能力

- 許多企業總把數位科技和數位優勢畫上等號，但數位行家關心的不是科技的本身，
而是如何透過科技來創造差異化。

- 藉由數位能力的三大層面創造差別化優勢：

創造撼動人心的客戶體驗

激發核心營運流程的爆發力

業務模式再造

- 業務模式再造的五種典型：

1.產業的再造 2.產品或服務的替換 3.新數位業務誕生 4.重塑價值傳遞模式 5.重設價值主張

第二篇 建立領導能力

第5章 構築數位願景
- 數位願景通常會由以下三個角度中擇一切入：
1. 重新規劃客戶體驗 2.重新設計營運流程 3.重新打造業務模式
第6章 鼓勵企業全員投入
第7章 數位轉型治理
第8章 建立科技領導力
- 科技領導力的關鍵在於結合業務和IT領導人的技能和觀點，讓他們齊力推動轉型。
- 有領導魅力的領袖人才，這個人不但得極富影響力，能在高階主管會議中備受重用，
還要能捲起袖子研讀資料表格、設計分析模型並樂在其中。

第三篇 回到辦公室：給企業領導人的數位轉型指南
第9章 設定數位挑戰
第10章 聚焦投資方向
- 數位投資區分為：1.基礎投資 2.維護型投資 3.投資回報導向型投資 4.前期創新投資
第11章 組織總動員

數位銀行：銀行數位轉型策略指南

數位銀行：銀行數位轉型策略指南
2014/10/23

- 花旗銀行執行長兼董事長(1967-1984)Walter Wriston：
「有關錢的資訊幾乎已經和錢的本身一樣重要了」。
- 花旗銀行執行長兼董事長(1984-1998)John Reed：
「銀行業務就是處理位元(bit)和位元組(byte) 資料罷了」。

Part 1：數位銀行
- Google Wallet、Apple Passbook、eBank、Jibun、Wells Fargo、
美國銀行、BBVA、First Direct、mBamk、Alior、
Smile、Moven、Fidor、Simple、ICIC、
Deniz、Square、M-PESA、Zopa、Prosper、
SmartyPig、Mint、Kickstarer、eToro、Stocktwits、
ZuluTrade、Tradency、Gobank、Bluebird、Friendsurance

第01章　我們為什麼需要數位銀行 
第02章　設計不倚賴分行的數位銀行  
第03章　數位銀行沒有通路  
第04章　透過數位銀行建立關係  
第05章　科技掀起數位銀行風暴  
第06章　行動科技點燃數位銀行熱潮  
第07章　數位銀行是社群銀行  
- 社群媒體創造出新的業務模式，除了SmartyPig之外，另有許多透過社群媒體所推展的新型金融服務正在諸多領域大展身手，包括：資本市場(eToro, Stocktwits)、企業金融(Funding Circle, Kickstarter, Market Invoice, Platform Black, The Receivables Exchange)、零售金融(Zopa, Moven, Simple, Bitcoin)、支付(Currency Cloud, Square, mPowa)及保險服務(Friendsurance)。
- 社群融資和投資包括幾個區塊，但以群眾募資(Crowdfunding)和社群交易(Social trading)為兩大主要領域。
- Fidor正侵蝕著銀行核心的存款業務，Moven、Simple、Alior亦然；
Zopa正啃食著信貸市場業務，Smava、Prosper、Lending Circle亦然；
Currency Cloud正強取銀行的跨境業務，Bitcoin、Azimo、Klickex亦然；
Kickstarter正攻佔商業金融領域，Receivables Exchange、Funding Circle亦然；
eToro則野心勃勃地搶佔創投業務，Zulutrade、Stocktwits亦然。

第08章　數位銀行打資料大戰  
第09章　捍衛數位銀行安全  
- 西班牙的ntesa銀行就開始透過手機app進行客戶的虹膜辨識；
WorldPay創辦人Nick Ogden打造Voice Commerce來提供行動語音辨識功能；
蘋果的iPhone 5S和5C亦已新增行動指紋辨識功能。除了這些新技術以外，
另有Biomix開發的、能利用穿戴者心跳進行身分認證的Nymi運動手環。

第10章　成為數位銀行  
第11章　數位銀行仍是銀行  
- 當銀行發現他們無法提供客戶在發生信貸危機前的服務(如信用貸款)時，其他的服務便趁勢而生。最明顯的例子便是群眾募資平台崛起，例如kickstarter，以及社群借貸服務，例如Zopa、Smava與Prosper。

第12章　數位銀行新經濟學  
- 銀行即服務：
1. 社群現金和支付：iZettle、PayaTrader、mPowa、SumUp、PayLeven、Intuit Go Payment、Square
2. 社群借貸和存款：Zopa、Ratestter、Smava、Prosper、Lending Club、Cashare
3. 社群保險：Friendsurance
4. 社群保險與交易：Stocktwits、eToro、Myfxbook、Fxstat、MetaTrader、Trade Signals、Collective2、Tradeo、Zulutrade、Nutmeg
5. 社群貿易融資：Market Invoice、Platform Black、the Receivables Exchange、Urica
6. 發薪日貸款：Wonga、Cash America、Advance America
7. 目標設定和遊戲化：SmartyPig、Moven、Simple
8. 群眾募資：Funding Circle、Kickstarter、Indiegogo、Crowdrise、razoo
第13章　數位銀行迎風啟航  

Part 2：訪談
薩瓦德爾銀行 (BANCO SABADELL)、巴克萊銀行 (BARCLAYS BANK)、
比特幣(BITCOIN)、FIDOR BANK、FIRST DIRECT、mBANK、
MOVEN、M-PESA、SWIFT、貨幣雲 (THE CURRENCY CLOUD)  

SIMPLE
- 過去30年來，大型銀行主要是透過併購來成長，社區銀行的業務模式則是靠利差生存。不過，美國大型銀行目前絕大部分的獲利來源主要是手續費，包括透過手續費和遲繳手續費等等。只要顧客犯了錯，就得支付上述的手續費。由於銀行可從中獲利，顧客也常犯錯而得付出大筆手續費，因此銀行根本不想協助顧客解決理財問題。所以，美國銀行業的獲利誘因等於是建立在懲罰顧客的基礎上。針對以上問題，我們認為若是可以提供更好的用戶介面和業務模式的話，那麼情況或許就會改變。這就是Simple成立的背景。