經濟學人：谷歌、亞馬遜等巨頭有數據技術優勢，會接管麥肯錫、波士頓諮詢手中業務

人力資源的教育

其實人力資源(HR)部門這個名字起得很差。除了勞累過度的員工、笨重的技術和成堆的員工手冊之外，這個部門沒什麼別的資源了。

受到各種干擾的招聘人員必須要對遠超出崗位需求的申請人進行排序。

比如，消費品公司強生公司每年都會收到約 120 萬份申請應聘僅有的 25,000 個空缺崗位。支持人工智慧的系統可以更快地掃描簡歷，並決定候選人是否合適。

說來也奇怪，人工智慧技術可以讓招聘過程變得更加人性化。

根據 HiredScore 公司(一家初創公司，主要幫助強生之類的僱主用演算法篩選崗位候選人)的 Athena 所說，通常只有約 15 - 20% 的申請人具備工作的資質，但是落選者卻很少被告知他們為什麼沒有被錄用，更不會給他們指出哪些是更適合他們的工作。他說道，技術正在幫助「候選人重拾尊嚴」。

晶元製造商英偉達每年也會收到遠超能夠處理數量的簡歷，因此英偉達花了一年的時間建造了自己的系統來預測哪些候選人是值得進行第二輪的面試的。

系統已經識別出招聘人員沒有注意到的模式：比如，提交超長簡歷的候選人的表現通常會比別人差，因此這些簡歷上超額的單詞會對申請人不利。

在初創公司 HireVue 的幫助下，希爾頓酒店把平均 42 天的聘用時間縮短到了 5 天。HireVue 分析候選人回答問題的視頻，使用人工智慧技術判斷他們的口頭表達能力、語調和手勢。

埃森哲諮詢公司(擁有 435,000 名員工，該公司在聘用人員時同樣使用 HireVue)的人力資源總監 Ellyn Shook 表示，這在審核來自不同文化、語言背景的候選人時尤其有用。

僱主通常願意僱傭與他們具有類似特徵的申請人，這種傾向性降低了工作環境的多元化。

比如，管弦樂隊的成員通常多是男性。當樂隊在招聘樂手時引入「盲選」規則時，女性音樂家的數量才會上升。演算法可以充當虛擬屏幕的角色，讓整個招聘過程更加公平。

Pymetrics 是一家初創公司，它的客戶包括消費品巨頭 Unilever 和搜索公司 Nielsen 等。Pymetrics 為候選者提供了一套測試，忽略了諸如性別、種族和教育水平等因素。公司在招聘前期讓候選人參與其中。

這種測試替代了之前他們對候選人記憶力、對待風險的態度等約 80 項的考核。然後，Pymetrics 使用機器學習拿頂級員工與候選者進行比較，並預測他們與職位的適合性。這能幫助那些在傳統審核中不具資格的候選人。

另一家幫助企業變得多元化的公司是 Textio，這是一家使用人工智慧改善職位描述的公司。

例如，它發現像「利益共享人」和「協同效應」這樣的企業術語往往會把一些候選人嚇走，尤其是非白種人，並且女性會更少申請在描述中出現「管理團隊」等字眼的職位，相反像「發展團隊」這類描述就要好很多。Textio 老闆 Kieran Snyder 表示，調整工作描述能夠使具備資質的人員投遞申請的數量提升 25%，並提高少數群體的員工數量。

招聘人員通常會遇到具有良好資質的候選人，卻因為僅僅和申請的特定職位不匹配而不能錄用。

在過去，當適合這些良好候選人候選人的崗位又有空缺時，公司卻沒有辦法把他們重新定位到這些崗位中。人工智慧將有可能實現「重新定位之前被公司吸引的候選人」，強生人才招聘的副經理 Sjoerd Gehring 說道。這家醫療保健巨頭使用 HriedScore 對候選人進行評分。在有崗位空缺時，系統會自動生成一份可能適合的候選人名單。Gehring 表示，這將節省大量的成本。

人工智慧還能幫助管理員工。Nielsen 的 Chris Louie 說道，即使是大公司專業的 HR 和招聘人員也不可能對公司內部來自不同國家不同部門的人才全都了如指掌。

Nielsen 正在使用人工智慧來改善內部人才的流動性。與 Nielsen 合作的創業公司 Twine Labs 根據員工數據和工作要求為新的職位提供內部的候選人，大大提升了公司內部人員的流動性。Twine Labs 的老闆 Joseph Quan 表示，約一半建議的人員都獲得了批准並得到晉陞。這與人工招募人員的成功率大致相同。

人工智慧的另一個用途是幫助僱主減少人員流失。平均而言，替換一名員工要耗費公司相當於該員工職位 20 % 年薪的資金，有時甚至會更多。

軟體公司 Workday 已經開始預測員工離職的可能性。可能性的預測包含約 60 個因素——如工資、假期間隔時長以及員工直屬經理人員的輪換時間等——系統對那些有離職風險的人員進行標記，這樣公司可以嘗試留下這些人員。

Arena 是一家與醫院和護理公司合作的初創公司，醫院和護理公司的人事變動率很高，這些地方甚至在招人之前就要考慮留人的方法。Arena 的老闆 Michael Rosenbaum 表示，他們通過使用申請職位時和第三方的數據來預測哪些申請人可能會停留 1 年以上，Arena 將客戶的平均人員變動率降低了 38%。

未來人工智慧還能被用來決定薪資水平。Infosys 正在研究如何根據員工表現和與同行的薪酬對比，利用人工智慧決定何時提升員工的薪資水平。

Infosys 的產品管理和戰略負責人 Sudhir Jha 表示，這項技術不會將偏見或個性特徵納入考量因此會使薪酬更加公平。但是也存在員工欺騙系統的風險。

上述所說的一切都指向了人工智慧領域一個普遍的問題：透明度。公司需要不斷監控演算法。

Rosenbaum 表示，在美國歧視少數民族等受保護群體是違法的，公司必須能夠證明他們從這些群體中招募的人員要與總人口成比例，並且這一過程不能有任何偏見。初創公司的老闆們表示，他們為客戶提供足夠透明的演算法，並定期進行檢查確保演算法中不存在偏見的成分。但是隨著人工智慧越來越普遍，對演算法會加劇歧視的擔心也會愈發嚴重。

招聘過程只是人工智慧在技術層面影響員工一個例子。招聘人員的數量將會下降，人工智慧可以處理許多他們之前的簡單工作，面試的比例也會變得更加稀少。

在 Unilever，候選人只有在經過幾輪人工智慧的篩選以及 HrieVue 的錄製面試之後，殺出重圍，才會被通知進行面試，對於繼續留任的招聘人員來說，人工智慧會讓工作變得更輕鬆，更有趣。

人工智慧甚至可以幫助一些它所取代的工作人員。埃森哲正在推出一款名為 Job Buddy 的定製化工具，這款工具可以告訴員工他們現在的工作在自動化進程面前是多麼的不堪一擊，系統預測他們需要哪些培訓，這樣在將來才能培養正確的技能。

埃森哲的 Shook 表示，大約有 80% 的人嘗試過它所提供的建議。但是這些人可能沒有太多的選擇。

保持微笑，攝像頭在看著你

沿著矽谷帕洛阿托一家素食中餐廳旁的陡峭樓梯拾級而上，你會看到未來的工作場景，或至少是其中的一個版本。這是 Humanyze 公司在當地的辦公點。

該公司提供「人員分析(people analytics)」服務，客戶包括數家財富 500 強公司(未透露具體名字)。其辦公空間充滿了陽光、電腦，以及監控員工一舉一動的信標。每位僱員都佩戴有一個信用卡大小、火柴盒厚度的身份徽章，其內部嵌有一個麥克風，用來識別他們是否在互相交談;還有藍牙和紅外線感測器，用來監測他們的位置;以及一個加速度計用來記錄他們的空間移動。

「商業的方方面面都在變得更加數據驅動化。人的方面也應當如此，」Humanyze 的老闆 Ben Waber 說到。

該公司對待員工的方式與其給予客戶的大致相同。僱員徽章搜集到的數據將與員工的電子郵件和日程表中的信息相整合，全景式反映出該名員工在工作中的時間分配情況。

該公司的客戶只能看到團隊層面的統計數據，但 Humanyze 的員工可以查看個人數據，考察指標包括與同性人員的相處時間、工作強度以及花費在交談與傾聽上的時間比率。

這種數據洞見可以幫助公司制定戰略。例如，據 Waber 先生說，企業可能會發現，某個管理團隊只與某幾個部門溝通，而忽視其他部門;一棟建築物的某些部分並未被充分利用，所以該空間應當被重新設計;團隊可能被給予了錯誤的激勵;或是多元化舉措並不起作用。

日本企業日立公司銷售有一款類似的產品，並冠以「幸福尺度(happiness meter)」的品牌標籤。

員工福利在日本是一個特別的挑戰，其中還有一個特殊的詞叫做「過勞死(karoshi)」。日立的演算法是從員工的物理運動來推斷其情緒水平，並確定出之前可能沒有被發現的問題，日立的首席科學家 Kazuo Yano 說到。

例如，一位製造業客戶發現，如果年輕僱員在一個會議上花的時間超過一個小時，整個團隊就會士氣低落。

僱主已經獲得了大量的僱員數據。「這家公司對我的了解比我的家人還多，」企業服務公司 Workday 的員工 Leighanne Levensaler 說到，該公司會對員工離職等情況進行預測。

在互聯網、智能手機和雲計算的幫助下，僱主可以在員工工作的時候檢查某些文件的閱覽情況，以確定員工是否有可能盜竊公司的文件和聯繫信息。

人工智慧會走得更遠，進一步加劇奧威爾式恐慌。今年一月，亞馬遜的一款腕帶被授予了若干專利，該產品可以監督倉庫工人的確切位置，並實時追蹤他們的手部動作。這項技術將使該公司能夠衡量員工的生產力和準確性。

中國的電子商務企業京東，正在開始進行一項實驗，意在通過跟蹤舉措來找出最高效的團隊和管理者，並使用演算法來預測人員流失。

將人工智慧融入工作場所會給員工帶來一些好處，甚至可以挽救生命。

一些具有高風險工作環境的公司，正開始使用計算機視覺來檢查員工的安全裝備，比如他們是否在進入危險區域前佩戴有適當的護目鏡和手套。

計算機視覺也有助於分析實時視頻以檢測差錯，這些錄像包括工廠樓層和工作環境的監控畫面等。這種系統將「同 CCTV 的商店攝像頭一樣常見」，監控系統供應商 Cortexica 的 Alastair Harvey 說道。

員工還可以跟蹤個人動向。

軟體巨頭微軟已經提供了一個叫做 MyAnalytics 的解決方案，該程序將整合電子郵件、日程表等各單元中的數據，為員工展示其時間分配情況、關鍵聯繫人接觸頻率以及多任務管理情況。它還會將數據匯總並提供給部門經理，以便後者了解其團隊的工作情況。

「它沒有那種『老大哥』元素。這麼設計是為了提高效率，」微軟的 Steve Clayton 堅稱道。其思路是不把個人數據交給經理，儘管這種說法可能不會令員工信服。作為人工智慧投資大軍中的一員，微軟也開始使用該技術來翻譯每月例行的員工問答大會並分析員工的反應，該會議由微軟 CEO 薩提亞·納德拉主持，與會者是世界各地的微軟僱員。

可以想像，有些公司，更不用說政府了，會在信息收集這一點上做得太過。

美國一家公司 Veriato 開發了一款軟體，可以對僱員在計算機上的一切行為進行記錄。它能夠搜索出可能表明生產力低下和惡意活動的信號(如竊取公司記錄)，並掃描電子郵件來了解員工情緒隨時間的變化情況。

具備語音識別功能的揚聲器在工作場所中的應用越來越普遍，它們可以被用來收集更多的數據。

在中國，越來越多的企業，甚至是一些城市，使用攝像機來判斷員工的通行許可權。政府正計劃為所有公民編製一份「社會信用」評分，彙集他們的線上數據，以預測他們未來的行為。

所有這一切可能需要一種新的僱傭協議。美國的大多數僱傭合同都賦予僱主以監督僱員和收集數據的權利，但很少有員工會意識到這一點。

Humanyze 的 Waber 先生認為，這些數據應該得到更好的法律保護，尤其是在美國(歐洲的隱私法更加強硬)。

隨著越來越多的企業依賴外部公司去收集和處理員工信息，隱私問題還會加劇，而如果員工不認為他們曾經同意分享個人數據，他們可能會感到遭受了侵犯。

前谷歌人力運營副總 Laszlo Bock 現在是一家工作優化相關領域的初創公司 CEO，他認為，「壞影響先顯現，好結果後出現。」

留給專家來搞定吧

許多科技公司的辦公室都擁有豪華福利，比如小憩艙、按摩服務以及可以選擇異國風味蘇打水的蘇打水噴泉。企業老闆們認為，找到定製的人工智慧解決方案就像選擇一杯帶點葡萄柚味的碳酸飲料一樣簡單。

但他們錯了，買到合適的人工智慧技術很耗時間，很費精力，但結果卻往往並不完美。

許多供應商都急於向潛在用戶群提供幫助，其中為首的是西方最大的幾家雲存儲提供商：亞馬遜、谷歌和微軟。

雲計算是一個價值 3,000 億美元巨大市場，競爭非常激烈。這三家公司都提供預訓練好的模型，客戶企業可以用這些模型來構建人工智慧化的系統。

例如，他們都銷售「視覺」工具，使客戶能夠利用計算機視覺來改進他們現有的服務，以及構建新的服務。

叫車服務公司優步(Uber)和微軟的工具組合作設計了一個系統，在司機開始上班接單時通過掃描司機的面部來確認他們的身份。一家電視網路 C-span 利用亞馬遜的視覺系統編製了一個政治家資料庫，每當政客們出現在屏幕上，他們的名字也會被迅速顯示。

市面上有許許多多工具能幫助主流公司開發任何系統，從搜索和推薦引擎到語音識別和翻譯系統，客服機器人等等。

搜索巨頭谷歌的人工智慧研究部門「谷歌大腦」的主管 Jeff Dean 認為，世界上有 1,000 萬個組織「存在可以由機器學習解決的問題。他們擁有數據，但員工中卻沒有相關的專家。」

研究公司 IDC 的數據顯示，人工智慧軟體、硬體和服務的潛在企業市場規模龐大：相較於去年的 120 億美元，2021 年這個數字將達到 580 億美元左右。

亞馬遜在更廣闊的雲市場有著明顯優勢，與微軟的 7% 和谷歌的 2.3% 相比，它在整個雲市場的份額為 44%，但在人工智慧工具這一領域，市場格局仍未形成。

在線雜貨商 Ocado 的首席技術官 Paul Clarke 表示，對客戶來說，能夠混合選擇提供商並使用每一家最好的工具會比較好。他認為任何一家提供商都不可能吃下整塊蛋糕。

雲服務提供商試圖通過兩方面來賦予他們的人工智慧產品競爭力：一種是通過極佳的界面設計提供使用上的方便，另一種則是提供更好的演算法。

微軟的 Joseph Sirosh 說，每一個科技巨頭都在好好利用其「當下的優勢」。

例如，谷歌提供了一個很好的工具，公司可以用來創建或者重新設計他們自己的搜索引擎，並且擁有出色的工程技能。

微軟和亞馬遜擁有強大的聲音識別工具。華盛頓大學的計算機科學教授、關於 AI 和商業的著作《終極演算法》的作者 Pedro Domingos 說：「微軟的界面設計是目前最好的。」

未來，科技公司將開發更專業的硬體，幫助企業更快地處理海量數據。

谷歌在這方面有領先優勢，它已經建立了一些非常強大的定製晶元，稱為張量處理單元(TPUs)，並使用其他定製的加速器來提高其數據中心的處理速度。

這些科技公司還向客戶的機器學習專家提供免費的開源庫，可以用來設計支持人工智慧的程序。來自 FirstMark Capital 的風險投資家 Matt Turck 表示，這「不是利他主義」。科技公司希望提供很好的工具，以將客戶吸引到他們的平台，並給人工智慧專家留下深刻印象。

微軟在滿足大公司軟體需求方面比亞馬遜和谷歌都有更多的經驗，所以它有條件服務於有人工智慧需求的主流公司。

不過，非營利研究機構艾倫人工智慧研究所(Allen Institute for Artificial Intelligence)的 Oren Etzioni 表示，大多數此類產品仍需要大量的定製和技術重設，才能讓客戶上手使用。

雲服務提供商正試圖通過提供諮詢服務來填補這一空白，谷歌已經開設了一個諮詢服務與技術訓練營結合的「高級解決方案實驗室」。

客戶公司的整個團隊都可以參與學習機器學習技能，並與谷歌工程師一起構建定製系統。這些課程通常持續四個星期到數月。

谷歌雲的 Vats Srivatsan 說，需求已經「勢不可擋」了，他現在希望能夠更加廣泛地推廣這一產品。對於科技公司來說，這是一個新的起點。因為在過去，科技公司在技術基礎設施這方面一直很強大，但卻不大關注於人。

雲服務提供商將越來越多地與管理諮詢公司競爭，這些諮詢公司幫助客戶應對顛覆性技術的發展並收取豐厚的報酬。

風險投資公司 Bloomberg Beta 的 Roy Bahat 說：「谷歌，亞馬遜和微軟等公司可能會從麥肯錫、波士頓諮詢集團和貝恩手中接管業務。諮詢服務是建立在二階矩陣基礎上的，而人工智慧的矩陣則是百萬階的。」

在這場競爭中，在數據和技術方面擁有深厚專業知識的諮詢公司比那些專註於一般戰略的諮詢公司要有競爭力得多。

通才們知道他們很脆弱。麥肯錫一直在大力投資以增強其在數據方面的專業能力。

例如在 2015 年以秘密價格收購了一家高級分析公司 QuantumBlack。但是許多客戶直接從科技公司尋求建議，這些公司本身就是人工智慧的先驅。

石油巨頭 BP 公司的 Morag Watson 說：「諮詢顧問們只會在聽你說完後，再告訴你你已經告訴他們的事情。」

IBM 正在努力將傳統諮詢顧問培養成技術專家。「人們認為這將遵循數字革命和移動革命的老路。但我不這麼認為，如果人們能正確運用人工智慧，這將是擴展它們現有優勢的一個好方法。」IBM 的人工智慧部門 Watson 的老闆 David Kenny 如是說。

Watson 在電視上被大力宣傳，享有很高的知名度，尤其是 2011 年，它在《危險邊緣(Jeopardy)》的答題比賽中戰勝了人類選手之後，聲名鵲起。但是它為客戶定製的解決方案需要大量的時間來開發，客戶則要為耗費的諮詢時間支付巨額費用。

「Watson 是一個被包裝成產品的品牌推廣概念，」人工智慧初創公司 C3 IOT 的 Tom Siebel 說，「你無法輕易買到它，也無法安裝它。」

IBM 也面臨著與谷歌、亞馬遜和微軟等其他科技公司同樣的問題：它發現很難找到最優秀的人才。華盛頓大學的 Domingos 先生說，人工智慧領域的頂尖博士候選人都沒有去 IBM 工作。「不會有人因為選擇了 IBM 的服務而被解僱，一切盡在掌控」這句流行的宣傳詞也許不再適用於人工智慧時代了。

創業公司也希望趕上人工智慧潮流。許多公司提供清理數據和標註數據的服務，並承擔大型科技公司尚未提供的特別服務，比如幫助公司招聘、審查職位描述和改善客戶服務。

對於大公司來說，外包大部分人工智慧的工作是很有意義的，當然除了會直接影響到他們戰略優勢的那些以外。

例如，據 Watson 先生所言，BP 並不想自己開發人工智慧工具來自動化後台或者人力資源功能，但它會希望開發自己的人工智慧系統用於解釋地震成像以探測石油。

MetLife 的 Lippert 先生說，如果公司想要快速推出產品，它們必須與多個供應商合作。這對初創公司來說可能是件好事，因為他們可以很靈活。但是現存科技公司的規模、計算基礎設施、專有數據和資產規模使他們具有了毋庸置疑的優勢。

波士頓諮詢集團的 Maetin Reeves 預測說：「現在每個人都認為自己能贏，但事實上這個領域將不會像現在這樣百家爭鳴。」

這些既有企業已經利用人工智慧獲得財富增長，他們也將繼續向那些在人工智慧的幫助下可能在自己的領域成為巨頭的客戶銷售這項技術。

兩面性

提到人工智慧，大多數人都會想到機器人。但更合適的形象可能是雅努斯(Janus)，象徵開始、轉變和結束的羅馬神，有兩張臉朝向著相反的方向。

一方面，人工智慧帶來了一系列積極的變化。人們能夠通過技術來提高現有技能，從而迅速提高創造力和生產力。比如，它可以方便招聘人員找出最佳候選人，幫助客服人員提升回復效率。它可以創造出以前從未存在過的工作，可以把例行工作交給機器來做，使人類的職業生活更加充實而有趣。

消費者也將從中受益。比如人工智慧服務升級：個性化推薦和高效率交付，以及醫療健康和運輸等行業中的商業變革：新葯與新型治療手段的開發，更安全的運輸方式。

不過從另一方面看，其中還有很多潛在隱患。技術變革總能引發混亂，但人工智慧的影響力非同一般，可能會比計算機問世後的任何事物都更具破壞性。它既強大又相對便宜，它會超越計算機的傳播速度，並觸及每一個行業。

未來幾年，人工智慧將給企業老闆和政府拋出 3 個大問題。

一個是對工作的影響。儘管 CEO 們紛紛公開讚揚人工智慧帶來的廣泛好處，但他們的主要興趣點在於削減成本。有一家歐洲銀行要求 Infosys 公司幫助他們裁員，將業務部的 50000 名員工降到 500 人。這份特別報告表明，人工智慧增強工具可以幫助減少某些部門的員工數量，諸如客戶服務和人力資源等。

麥肯錫全球研究估計，到 2030 年，全球將有 3.75 億人的工作(14% 的勞動力)可能被自動化。老闆們需要做出選擇——他們是否會願意支持並資助員工的再培訓，以及是否願意為此而騰出時間。許多再培訓服務商都宣稱自己可以幫助員工發展新技能，但並非以僱主的名義。

第二個重要問題是，隨著人工智慧的滲入，我們如何保護隱私。

互聯網賦予了人們深入追蹤數字行為的能力。人工智慧將為企業提供更好的線上及線下工具，以監測消費者和僱員。如果這種監察工具是為了提供個性化服務或定製類促銷，消費者有時樂於接受。但人工智慧必然會帶來隱私侵犯問題，這一點無法令人容忍。例如，面部識別技術已經非常先進，它可能會檢測到某人的性取向。如果應用不當，這種技術有可能會不利於公平與平等。

一些具有監管背景以及侵犯人權問題的國家，比如中國，已經開始使用人工智慧來監控政治活動以及壓制異議。世界各地的執法官員將會使用人工智慧來偵查罪犯，但也可能會利用它來窺探普通公民。

我們需要制定新的規則，就這種監測的合理許可權達成共識。

第三個問題是人工智慧對企業競爭的影響。如今，許多人工智慧服務商都在競相打入各個行業。然而，如果一家技術公司在人工智慧領域取得了重大突破，那麼它就有了領先優勢，可以將其它公司擠出賽道，減少市場競爭。這種情況在不久的將來可能不太會發生，但如果真的發生了，那將非常令人擔憂。

未來幾年內更有可能發生的是，人工智慧有可能幫助其它非科技壟斷行業的崛起，而這些行業過去曾是充滿活力的市場，這將最終扼殺創新，並壓縮消費者的選擇空間。

早期採用人工智慧的大公司將變得越來越大，吸引更多的客戶，同時節約成本，提供更低的價格。這些公司還可以利用省下來的錢進行再投資，以進一步獲取利潤，從而確保行業地位。小公司可能會發現自己已經跟不上了。

零售業是這方面的一個例證。亞馬遜掌控著美國 40% 的電子商務市場，該公司廣泛布局人工智慧技術，建立起強大的護城河，使競爭對手難以望其項背。

但在其它行業，人工智慧同樣可以加劇這種中心化趨勢。比如，如果一家石油公司利用人工智慧將泵出效率提高 3%，那麼其定價就可以比競爭對手低 3%。這可能會迫使其競爭對手倒閉，Goldman Sachs 的 Heath Terry 說到。他認為人工智慧具有「重組行業競爭格局」的能力。

現在對人工智慧兩面性的孰是孰非進行定奪還為時尚早。但在未來，領導一家公司肯定比任何時候都更具有挑戰性。人工智慧將要求老闆重新思考公司的組織架構、戰略技術的自建或外包、公司對技術人才的吸引力和對員工的虧欠，以及如何平衡戰略利益與員工隱私之間的關係。

之前的互聯網浪潮淹沒了一些企業，現在人工智慧熱潮下的後知後覺者也不會好過。

羅馬神雅努斯，既蘊含開端也囊括結尾。人工智慧也有這種雙重特徵。在商業層面和全球的大部分地區，它將結束傳統的做事方式，並開創一個新的紀元。這將兼具普遍性與毀滅性，同時又令人興奮。

Bingdata優網助幫匯聚多平台採集的海量數據,通過大數據技術的分析及預測能力為企業提供智能化的數據分析、運營優化、投放決策、精準營銷、競品分析等整合營銷服務。

北京優網助幫信息技術有限公司（簡稱優網助幫）是以大數據為基礎，並智能應用於整合營銷的大數據公司，隸屬於亨通集團。Bingdata是其旗下品牌。優網助幫團隊主要來自阿里、騰訊、百度、金山、搜狐及移動、電信、聯通、華為、愛立信等著名企業的技術大咖，兼有互聯網與通信運營商兩種基因，為大數據的演算法分析提供強大的技術支撐。