Veel bedrijven willen hun datareis beginnen met een enorm IT-project om veel data te verzamelen en op te slaan. Dan gaat de discussie gemakkelijk over IT-architectuur, toolselectie en hoe je alle integraties bouwt. Deze projecten nemen veel tijd en middelen in beslag.

Wat zelden wordt overwogen, is de echte waarde die we willen van de gegevens. En zelfs als we daar een plan voor hebben, kan het tijdens maanden of jaren van IT-architectuur, integratie en piping-projecten vergeten worden. Deze projecten worden niet gerund door mensen die data willen gebruiken; ze worden vaak geleid door IT-bureaucraten.

De heer Ng merkte ook op dat mensen vaak denken dat je enorme hoeveelheden data nodig hebt om machine learning of AI te ontwikkelen. Er lijkt een overtuiging te zijn dat kwantiteit kan compenseren voor kwaliteit in data-analyse en AI. Ik herinner me een discussie met een bedrijf in draagbare apparaten toen hun woordvoerder beweerde dat je gegevens van miljoenen mensen nodig had om iets nuttigs te vinden voor het bouwen van modellen.

Er zijn gevallen waarin big data waardevol is. Toch is de realiteit dat je in veel use-cases aanzienlijke waarde kunt halen uit kleine datasets, vooral als de data relevant zijn. We kunnen ook denken aan horizontale en verticale datasets, willen we bijvoorbeeld één datapunt van miljoenen mensen of meerdere datapunten van een klein aantal mensen analyseren. Met de horizontale en verticale gegevens bedoel ik niet hoe ze in een tabel zijn georganiseerd, maar de horizontale benadering om iets van veel objecten te verzamelen, bijv. hartslag van miljoenen mensen, versus de verticale benadering van meer gegevens van minder objecten , bijvoorbeeld veel wellnessgegevens uit een kleinere steekproefgroep.

Maar helpt het om iemands welzijn, slaap en gezondheid beter te begrijpen? Als we naar gezondheidsgegevens als voorbeeld kijken, wordt de vraag goed geïllustreerd (geen woordspeling bedoeld). Een draagbaar apparaat verzamelt stappen, hartslag en slaaptijd van miljoenen mensen. We kunnen deze gegevens vervolgens analyseren om te bepalen of meer stappen en een hogere hartslag gedurende de dag voorspellen dat de persoon die nacht langer slaapt. Dan kunnen we een model vinden dat vergelijkbare uitkomsten voor andere mensen voorspelt.

We kunnen een ander model gebruiken om analytische modellen te bouwen. Eén persoon gebruikt meer draagbare apparaten om bijvoorbeeld de gebruikelijke gegevens over beweging, hart en slaap te verzamelen, maar ook bloeddruk, bloedglucose, lichaamstemperatuur, gewicht en sommige ziektegegevens. Nu kunnen we verschillende resultaten krijgen over hartslag, stap en slaaprelatie. We zouden kunnen zien dat hun relatie afhangt van andere variabelen, bijv. hoge bloedglucose of bloeddruk verandert het patroon dat werkt voor gezonde mensen. Deze bevindingen kunnen worden bepaald uit een klein aantal mensen.

Bovenstaande voorbeelden zijn niet bedoeld om conclusies te trekken over wat relevant is voor het analyseren van gezondheid. Die conclusies moeten worden getrokken uit de gegevens zelf, maar het illustreert hoe het mogelijk is om verschillende benaderingen te volgen en heel verschillende resultaten te krijgen. Wearable data is op dit moment een goed voorbeeld van big data-denken; het doel was om een ​​paar datapunten van miljoenen en miljoenen mensen te verzamelen en vervolgens datamodellen te trainen om er iets uit te concluderen, hoewel we niet weten hoe relevant die datapunten zijn. Het is ook mogelijk om modellen te bouwen op basis van rijke gegevens van een paar individuen, en eigenlijk kan het een opwindende en waardevolle AI-modelleringstaak zijn.

Natuurlijk zijn er ook gevallen waarin datamodellen kunnen worden gebouwd uit een enorme hoeveelheid data, ook al weten we niet of het relevant is. Bijvoorbeeld, deze podcast gaat over hedgefondsen die allerlei data proberen te verzamelen en vervolgens modellen bouwen om te kijken of ze beursbewegingen kunnen voorspellen. Dit omvat veel meer dan traditionele financiële gegevens voor investeringen. Bijvoorbeeld hoe mensen verschillende soorten voedsel kopen, streaming content bekijken, hun vrije tijd besteden en vervolgens 'zwakke signalen' vinden om trends en hun impact op de investeringsmarkt te voorspellen. Dus, vergeleken met veel andere gevallen van data-analyse, is het anders omdat het niet gericht is op het analyseren van bepaalde details, maar op het willekeurig verzamelen van allerlei soorten gegevens om te zien of het er iets relevants uit kan vinden, in de hoop nieuwe variabelen te vinden die een concurrentievoordeel.

In de meeste gevallen is het gebruik van gegevens en het bouwen van AI belangrijk om de behoefte en het doel te begrijpen. Relevante gegevens kunnen vervolgens worden gekozen op basis van werkelijke behoeften en testen welke gegevens ertoe doen. Kleine maar relevante gegevens kunnen een bruikbaar AI-model opleveren. Hiervoor moet doorgaans rekening worden gehouden met de context, niet alleen met een groot aantal willekeurige gegevenspunten die zijn verzameld met een gebouwd model. Welke gegevens je ook hebt, je kunt altijd een model bouwen, maar het garandeert niet dat het model zin heeft. Bedrijven en ontwikkelaars zouden zich meer moeten richten op relevante data dan op big data.
​

Ik schreef eerder over gedecentraliseerde oplossingen. Persoonlijke clouds en P2P-apps zijn voorbeelden van gedistribueerde applicaties die in dat artikel worden genoemd. Maar laten we een meer concrete en pragmatische benadering nemen, wat deze toepassingen zouden kunnen zijn en hoe ze werken.

Ik kreeg onlangs een aantal services gedemonstreerd die in feite apps zijn die gebruikers lokaal in hun eigen browser kunnen uitvoeren en waarbij gegevens lokaal of in de eigen cloud van de gebruiker kunnen worden opgeslagen.

1. Een persoon kan met iemand anders spelen in een slagschipspel, en beide mensen draaien het alleen in hun eigen browser. Er is geen centrale server voor het spel. Matchmaking kan op een pure serverloze manier plaatsvinden wanneer een gebruiker een bericht uitzendt dat hij of zij bereid is te spelen.
2. Berichtenservice tussen twee gebruikers die geen centrale server gebruiken voor de verbindingen maar puur berichten tussen twee applicaties.
3. Twee gebruikers kunnen elkaar identificeren door alleen lokaal hun eigen identiteit te hebben, en dan kunnen ze versleutelde communicatie starten zonder derden.

Deze diensten roepen verschillende technische vragen op over de vraag of bruikbaarheid goed genoeg zou zijn voor reguliere gebruikers. Gebruikers kunnen bijvoorbeeld al een verbinding opzetten door een uitnodiging te sturen met een traditionele e-mail en vervolgens de P2P-verbinding te maken met lokale inloggegevens en berichten rechtstreeks of via gecentraliseerde diensten zoals e-mail of berichten-apps te verzenden.

Een interessante combinatie doet zich voor wanneer services gebruikmaken van de lokale applicaties van de gebruiker en de eigen cloud of vergelijkbare opslagservices van de gebruiker. Het is moeilijk om alle gegevens van een gebruiker lokaal op te slaan en te ordenen bij gebruik van meerdere apparaten. Het scenario verandert echter als gebruikers hun eigen opslagservices hebben en de benodigde gegevens en apps daar vandaan kunnen halen voor lokaal gebruik wanneer dat nodig is. Deze opslag is geen centrale dienst van een derde partij, maar de eigen dienst van de gebruiker in een bredere wereldwijde infrastructuur.

Het klinkt ingewikkeld, maar maakt dit echt uit? Met blockchain en crypto hebben we gezien hoe gebruikers direct transacties kunnen doen zonder derden. Het heeft betrouwbare anonieme betalingen mogelijk gemaakt zonder een autoriteit of centrale dienst om alle transacties te volgen. Het kan een betrouwbaarder systeem, betere privacy en geen single point of failure bieden.

Maar met deze gebruikersdiensten en P2P-verbindingen kunnen we veel meer dan simpele cryptobetalingen. Laten we enkele voorbeelden nemen:

1. Gebruikers kunnen al hun gegevens in hun eigen diensten bewaren, die gegevens verfijnen, verrijken en gebruiken met hun lokale applicaties en vervolgens enkele gegevens, geval per geval, delen met andere gebruikers of dienstverleners.
2. Hoge veiligheid en privacy van gebruiker tot gebruiker communicatie zonder enige derde partijen.
3. Persoonlijke identiteiten die gebruikers zelf beheren die niet gebaseerd zijn op authenticatiediensten van derden, waarbij twee gebruikers elkaar direct kunnen identificeren en veilige communicatie kunnen starten.

De vraag is, welke diensten zullen de echte doorbraak betekenen van de persoonlijke clouds, apps en pure P2P-services van gebruikers, en wanneer? Ze zullen waarschijnlijk worden gekoppeld aan persoonlijke gegevens, zelf-soevereine identiteiten, vertrouwde communicatie en het delen van gegevens. We hebben slechts een paar eenvoudig te gebruiken applicaties nodig en daarna kunnen de dingen snel gaan evolueren.

​Het artikel verscheen voor het eerst op Disruptive.Azië.

Kun je je de tijd nog herinneren dat er thuis alleen een vaste telefoon was? Of wanneer u brieven per post heeft ontvangen? Toen je telefoon overging, heeft iemand de oproep zeker beantwoord en de oproep zelfs serieus genomen. Als je een brief kreeg met je naam en postzegel op de envelop, wilde je die openen en lezen. Nu krijg je robocalls die VoIP gebruiken, waardoor ze echt goedkoop zijn. Je krijgt veel e-mails, waarvan je de meeste niet eens opent of leest.

Hoe zit het met contacten op sociale netwerken? Je kunt LinkedIn- of Facebook-uitnodigingen naar bijna iedereen sturen, en veel mensen accepteren uitnodigingen van mensen die ze niet kennen. Je zou kunnen zeggen dat dit mensen beter verbonden heeft gemaakt en de wereld democratischer heeft gemaakt. Eerder had je kunnen proberen om lid te worden van een exclusieve club en je contacten te gebruiken om een ​​belangrijke nieuwe introductie te regelen. Maar hoeveel waarde leveren jouw social media contacten eigenlijk op? Niet veel, en elke dag minder, zou ik zeggen.

In een eerder artikel schreef ik hoeveel sociale netwerken waren spamnetwerken geworden. Het is geweldig dat de prijzen dalen en meer mensen toegang krijgen tot netwerken en kansen. Maar dit heeft ook zijn bijwerkingen. Alles wordt te druk en iedereen probeert ze voor zijn eigen doeleinden te gebruiken. Wanneer verbindingen, communicatie en transacties minimale of geen kosten hebben, overwegen mensen niet om ze op de juiste manier te gebruiken. Het leidt tot een situatie waarin die netwerken en tools minder waarde bieden. Het is een beetje zoals een overheid die veel geld begint te drukken. Het geld verliest aan waarde, en dan kun je het je niet veroorloven er dingen mee te kopen.

Zou dit veranderen als we moesten betalen voor contacten, berichten en transacties? Meest waarschijnlijk. Het betekent niet dat ze zo duur zouden moeten zijn dat het aanzienlijk begint te beperken wie de tools kan gebruiken, maar het zou mensen aan het denken zetten over wat ze doen. Misschien zouden mensen de contacten die ze hebben en de berichten die ze ontvangen meer gaan waarderen.

Het maakt voor de gebruikers niet echt uit welke technologie transacties betaalbaar maakt, maar de gebruikerservaring is van belang. Om dit te laten werken, zijn zeer eenvoudige microbetalingen nodig. Op dit moment lijkt het erop dat blockchain en tokens de sterkste kandidaten zijn om de bedrijfsmodellen van messaging en sociale netwerkdiensten te veranderen.

Dit is iets waarover gesproken wordt sinds de 2017 ICO-boom. Het ontbrekende stuk waren werkbare, effectieve diensten voor eindgebruikers, niet alleen conceptideeën. Het is niet realistisch om te denken dat geheel nieuwe communicatiemiddelen de bestaande zouden vervangen. Nieuwe oplossingen om contacten en berichten beter te beheren, zouden bijvoorbeeld moeten werken met de bestaande e-mail- en berichtenservices.

Men kan ook beweren dat mensen niet bereid zijn te betalen voor deze goederen die ze altijd gratis hebben gehad. En niet alle mensen zullen er meteen klaar voor zijn, maar mensen betalen graag voor dingen die hun leven verbeteren, hen helpen met dagelijkse taken en hen meer status geven. Er zijn veel tekenen dat mensen nu op zoek zijn naar meer privacy en controle over hun gegevens en activiteiten, en veiligheid wordt ook steeds belangrijker.

Mensen zijn altijd bereid geweest te betalen voor exclusieve clubs. Ze waren bereid te betalen voor diners met toppolitici en beroemdheden. Als iemand die je niet kent je een bericht wilde sturen, zou je meer geïnteresseerd zijn in het bekijken van het bericht als je weet dat ze ervoor hebben betaald, en het was niet een van de duizenden 'gratis' berichten. Als een gebruiker alleen 'betaalde' berichten zou accepteren, zou dit ook de hoeveelheid spam verminderen. Goede contacten en belangrijke berichten zijn premies, geen handelswaar.

We zullen binnenkort diensten zien waarbij mensen betalen voor berichten, niet voor alle berichten, maar voor sommige, bijvoorbeeld om nieuwe contacten te bereiken. We zullen ook diensten gaan zien waarbij mensen voor contacten zullen moeten betalen, en ze zullen moeten nadenken in welke contacten ze echt willen investeren. Maar deze diensten zullen dezelfde bruikbaarheid moeten bieden als chatten, sociale media en mail vandaag. Dit concept zou een van de eerste grote use-cases voor blockchain en tokens kunnen worden.

Het artikel verscheen voor het eerst op Disruptive.Azië.

Er zijn verschillende redenen waarom we in de toekomst meer gedistribueerde modellen voor gegevens en verwerking zullen zien. We kunnen ze onderverdelen in drie hoofdcategorieën:

1. technologische redenen:. Veel services (bijvoorbeeld zelfrijdende auto's, slimme huizen, apps voor persoonlijke assistenten) vereisen te allen tijde een minimale latentie en beschikbaarheid van services, en sommige gegevens en verwerking moeten lokaal zijn.
2. Nieuwe bedrijfsmodellen. Op blockchain gebaseerde tokenmodellen openen nieuwe mogelijkheden om inkomsten te genereren met gedistribueerde oplossingen. Het is niet nodig om services op één centrale plek te verwerken en in rekening te brengen, wat kansen biedt voor veel nieuwe bedrijfsmodelinnovaties.
3. Gegevensbescherming en privacyvereisten. Data wordt een verplichting voor bedrijven en ze willen betere modellen vinden om data met een lager risico te gebruiken. Consumenten krijgen diensten om hun eigen data volledig te benutten.

We zien nu verschillende technologieën die deze ontwikkeling echt maken. Ten eerste hebben we Edge die van kracht wordt met 5G-netwerken. Edge houdt gegevens en verwerking dichter bij de werkelijke gebruikers. De uitdaging: zijn netwerkleveranciers en telecomaanbieders de juiste partijen om deze oplossingen te leveren nu internetreuzen zoals cloudleveranciers nu de diensten en de ontwikkeling van diensten domineren?

Ten tweede hebben we blockchain-, gedistribueerde grootboek- en tokenmodellen. Deze ontwikkelen zich allemaal snel, maar hebben ook hun uitdagingen. Het is niet eenvoudig te zeggen welke technologie het langst kan overleven. In dit geval zijn het niet alleen de technologie maar ook de transactiedata in die ketens die moeten overleven, waardoor het moeilijk is om beslissingen te nemen over een bepaalde technologie. Tegelijkertijd zullen deze gecentraliseerde platforms uitdagen, omdat ze totaal nieuwe manieren bieden om applicaties en gegevens te distribueren en er geld mee te verdienen.

Ten derde kunnen gedecentraliseerde oplossingen worden geïmplementeerd binnen bestaande cloudoplossingen. We hebben natuurlijk regionale cloudinstanties, maar clouds maken andere manieren mogelijk om services te decentraliseren. Elke gebruiker kan bijvoorbeeld zijn eigen cloudservices hebben om zijn gegevens te gebruiken en zijn eigen applicaties te draaien. Dan kunnen ze bijvoorbeeld met op token gebaseerde oplaadmodellen ook betalen voor lokaal gebruik van apps.

Van die drie technologieën, Edge heeft veel uitdagingen omdat het een totaal nieuwe infrastructuur en toepassingen nodig heeft om ervan te profiteren. Het is momenteel veel gemakkelijker om decentrale diensten te maken door gebruik te maken van de huidige cloudinfrastructuur. Maar oplossingen voor de langere termijn kunnen een ander verhaal zijn. Technologische disruptie trekt vaak nieuwe bedrijven aan die de bedrijfsvoering verstoren. Amazon en Google zijn bijvoorbeeld gebonden aan gecentraliseerde modellen. Kunnen ze zich aanpassen wanneer decentralisatie begint en andere leveranciers de nieuwste oplossingen bieden?

We zullen waarschijnlijk twee verschillende ontwikkelingstrajecten zien voor gedecentraliseerde oplossingen. De eerste is gedistribueerde en gedecentraliseerde applicaties. Dit begint bij de bestaande infrastructuur en bouwt gedistribueerde oplossingen, zoals een eigen datacloud en applicatiedienst van de gebruiker. Deze track heeft al toepassingen. Dan hebben we het tweede spoor om een ​​meer gedecentraliseerde data- en verwerkingsinfrastructuur te ontwikkelen. Dit duurt langer, maar kan de structuur van internet fundamenteel veranderen.

We gaan zeker over op meer gedistribueerde diensten. Duizenden startups ontwikkelen al diensten, datamodellen en applicaties. Grote technologieleveranciers investeren in modellen van het type Edge, miljoenen mensen handelen in crypto's en toekomstgerichte investeerders, zoals Andreessen Horowitz, doen grote investeringen. Tegelijkertijd zet regelgeving het maken van nieuwe datamodellen onder druk. Het spannende zal zijn om te zien hoe het zal gebeuren, en de partijen die het laten gebeuren zullen de grote winnaars zijn.

Het artikel verscheen voor het eerst op Disruptive.Azië.

In de jaren tachtig hadden de meeste computerfabrikanten hun eigen besturingssystemen en een klein aantal programma's. Early adopters hadden die apparaten meer als hobby dan om ze echt te gebruiken. Er waren al die verhalen over use-cases zoals receptendatabases of het berekenen van je belastingen, maar alleen als je je eigen programma codeert. Veel gebruikers schreven hun eigen programma's en deelden deze met andere gebruikers. Als tiener probeerde ik mijn vader uit te leggen hoe waardevol het bezit van een computer is. Het was geen gemakkelijke taak toen hij vond dat het coderen van je eigen games of grafische programma's geen waardevolle redenen waren om het apparaat te hebben.

Hoe is dit relevant voor wearables? We hebben nu steeds meer fabrikanten van draagbare apparaten die hun apparaten aanbieden met hun eigen propriëtaire functionaliteit, datamodellen en applicaties. Veel gebruikers zijn nog steeds early adopters, zoals biohackers en gezondheidsenthousiastelingen die manieren onderzoeken om de gegevens te gebruiken.

De meeste gebruikers kunnen een aantal gegevenspunten begrijpen, zoals de gemiddelde hartslag en het aantal dagelijkse stappen. Dat is een goed begin om de persoonlijke gezondheid te observeren en te verbeteren, maar het is maar een klein onderdeel van de data en de mogelijkheden die deze apparaten kunnen bieden. Sommige aanvullende datapunten zoals hartslagvariabiliteit (HRV) en verschillende slaaptypes (diep, REM en licht) zijn veel moeilijker te interpreteren en dagelijks te gebruiken.

Je zou je kunnen afvragen, zoals mijn vader deed, of het zin heeft om $ 400 te betalen voor een apparaat om hartslag en dagelijkse stappen te zien. Of waarom meer dan $ 100 maandelijks abonnement betalen voor een glucosemeetapparaat of duurdere schoenen om cadans, paslengte en voetstoothoek te meten. Voor veel mensen gebruiken gevallen als een apparaat dat je laat weten wanneer je moet gaan slapen zo naïef als een receptendatabase.

Elke fabrikant heeft ook zijn eigen scores. De slaap- en gereedheidsscores van het ene apparaat verschillen bijvoorbeeld heel erg van die van een ander apparaat, en er is geen gemakkelijke manier om gegevens van verschillende apparaten goed te combineren. Of je kunt wat data combineren tot bijvoorbeeld Apple Health, maar die bevat dan veel datapunten die nog verwarrender zijn dan data in de eigen apps van het toestel.

Wat heeft de computermarkt veranderd? Hoe zijn ze nuttiger geworden? Het gebeurde toen softwarepakketten begonnen te verschijnen. Een paar besturingssystemen, van Microsoft en Apple, begonnen te domineren, en beide systemen hadden genoeg software die door derden werd gegenereerd. Dit evolueerde naar de software-industrie, het maken van software voor personal computers. Eigenlijk zagen we een vergelijkbare ontwikkeling bij mobiele telefoons. De mobiele applicatiebusiness begon pas te groeien toen we van propriëtaire systemen overstapten naar twee belangrijke besturingssystemen, iOS en Android, waarmee applicatiewinkels een bedrijf konden maken van applicaties.

Zoals we hebben ontdekt, zijn wearables niet alleen voor data; het kunnen ook accessoires en modeartikelen zijn. Een luxemerk zou zijn eigen smartwatch of ring kunnen lanceren, maar luxemerken zijn niet echt hightech- of databedrijven. En het is niet erg handig voor gebruikers dat elk horloge, elke ring, elke sensor, een paar schoenen of een jas zijn eigen dataformaat en applicatie heeft. Het zou ook veel beter zijn voor luxegoederenbedrijven om een ​​aantal gemeenschappelijke datamodellen en ecosystemen te hebben.

De echte gebruiks- en softwaremarkt voor draagbare en wellnessgegevens kan alleen ontstaan ​​als we gegevens van verschillende apparaten naar een compatibel formaat krijgen. Wanneer we twee of drie omgevingen hebben, kunnen softwareontwikkelaars betere software en applicaties maken om gegevens te gebruiken om mensen in hun dagelijks leven te helpen. We kunnen niet van elk individu verwachten dat hij allerlei gezondheidsgegevens gaat interpreteren en Google-instructies probeert te geven en wat hij op basis daarvan moet doen. Een speciale vereiste met wellness- en gezondheidsgegevens is dat deze voor veel andere doeleinden nog gevoeliger zijn dan gegevens, en privacy is cruciaal.
​
Er is gezegd dat de IoT-markt niet echt een hardwarebedrijf zal zijn, maar een data- en softwarebedrijf. Wearables zullen in feite sensoren zijn om gegevens te verzamelen. Sommige sensoren kunnen merkapparaten zijn, andere white label-componenten in kleding, schoenen of accessoires. Maar voor het echte gebruik van gegevens zijn omgevingen nodig waarin de gebruiker de gegevens kan combineren en software kan worden aangeboden aan gebruikers om hen te helpen een beter en gezonder leven te leiden. De echte business en waarde van wellnessdata zullen software en applicaties zijn die allerlei soorten draagbare data kunnen combineren met andere databronnen.

Stripe en Coinbase waren de grote succesverhalen in fintech met enorme waarderingen. Aan de andere kant, de ineenstorting van Greensill hoofdstad in het VK werd gezien als een tegenvaller voor fintech. Deze voorbeelden laten maar weer eens zien hoe breed de fintech-sector is. In werkelijkheid had Greensill niets met fintech te maken, maar wilde het die aantrekkelijke slogan wel aan zichzelf kleven. Greensill was een financiële dienstverlener in de toeleveringsketen en faalde vanwege het risicobeheer.

Er zijn tientallen digitale neobanken in de wereld. Naar schatting hebben ze ongeveer 40 miljoen klanten. Dit is nog steeds een zeer klein aantal, maar de waarderingen van de neobanken zijn snel gestegen. Volgens Accenture verliest een neobank gemiddeld $ 11 per klant, dat wil zeggen kosten versus opbrengsten. Ze worstelen nog steeds met het vinden van een winstgevend businessmodel. Basisbankrekeningen zijn geen winstcentra. Kredietverlening, investeringen en nichediensten (bijv. zakelijk bankieren, speciale klantgroepen) zijn meer gebruikelijke gebieden om winst te maken. Toch zijn ze heel anders dan standaard digitale accounts, en hun risicobeheer is duidelijk anders. 

Sommige neobanken zoals N26, WeBank en Monzo, bieden de full-stack, dwz ze hebben een banklicentie en hebben hun front- en back-end-activiteiten. Dan zijn er neobanken, zoals Revolut en klokkenspel, die geen banklicentie hebben en een frontend aanbieden, maar verouderde banklicenties en backends gebruiken. De bankvergunning is het complexe deel als we denken aan schaalbaarheid en wereldwijde groei. Het is een flinke investering om in elk nieuw land een bankvergunning te krijgen.

Tien jaar geleden hadden we veel verwachtingen met crowdfunding en peer-to-peer lending. Die diensten zijn gegroeid, maar zijn nog niet mainstream geworden. De markt voor P2P-leningen groeit met ongeveer 25% per jaar, maar een aanzienlijk deel van het geld komt van financiële instellingen die deze diensten gebruiken als klanteninterface. Een van de grootste succesverhalen van P2P-leningen, LendingClub, nam vorig jaar een bank over en besloot zijn P2P-leenplatform te sluiten.

Crowdfunding kent vele modellen. Startup equity crowdfunding richt zich voornamelijk op startup-financiering en pre-ordermodellen, zoals Kickstarter, die helpen nieuwe producten te verkopen voordat ze beschikbaar zijn. Er zijn ook andere modellen die investeringsfracties in onroerend goed, kunst en andere activa verkopen. Kickstarter is een belangrijke testmarkt geweest voor nieuwe consumentenproducten, maar verder hebben deze modellen te lijden gehad van wettelijke beperkingen en zijn ze niet mainstream geworden. Op het gebied van crowdfunding voor het opstarten van aandelen was het VK het leidende land. De belangrijkste diensten Crowdcube en Seedrs zijn echter nog steeds kleine bedrijven en ze probeerden te fuseren, maar de mededingingstoezichthouder blokkeerde de fusie.

Crypto's sloegen nieuwe records, vooral met de groeiende waarde van bitcoin. NFT's zijn populair geworden. Het is nog steeds moeilijk te zeggen wat dit betekent voor op blockchain gebaseerde gedistribueerde financiële diensten. Veel partijen zien crypto's nog steeds als meer digitale goederen en NFT's als digitale activacertificaten, maar nog niet als uitdagers van het hele traditionele financiële systeem. Coinbase, dat een succesvolle IPO beheerde, lijkt nog steeds meer op een conventionele handelsservice voor 'crypto-activa', niet op bijvoorbeeld een gedistribueerde financiële service zelf. 

Als crypto's meer geaccepteerd en haalbaar worden met dagelijkse betalingen, en NFT's activacertificaten en transacties digitaal maken, verandert dit het dagelijkse gebruik ervan. Kunnen ze crowdfunding en P2P-financiering beter mogelijk maken? Sommige experts zien het als het geval, maar het is nog steeds moeilijk te zeggen wanneer het afgelopen decennium heeft aangetoond dat die modellen niet gemakkelijk werken. Het gaat niet alleen om technologie, maar echt om een ​​markt aan het werk te krijgen met voldoende vraag en aanbod. En ook toezichthouders hebben een grote impact op de markt. In sommige landen zien we mogelijk meer benaderingen zoals door de overheid beheerde digitale valuta's dan echte crypto's.

Dan hebben we de fundamentele vraag over het banksysteem. Banken zijn er niet alleen om rekeningen, betaalkaarten aan te bieden en geld uit te lenen; ze hebben ook een essentiële rol bij de centrale banken om geld uit te geven en de economie draaiende te houden. Sommige mensen hebben kritiek op dat systeem en zouden de macht van banken graag zien verdwijnen. In werkelijkheid is het niet zo eenvoudig, en overheden houden liever de controle over hun financiële systemen. De pandemietijd heeft ons ook herinnerd aan de waarde van stimuleringsactiviteiten van de overheid. 

Sommige banken beginnen crypto's te accepteren, en een van de toonaangevende VC's, Andreessen Horowitz, plant een fonds van $ 1 miljard voor crypto's en blockchain, en het is de derde in de sector. We kunnen ervan uitgaan dat blockchain en gedistribueerde oplossingen de dagelijkse activa en transacties zullen veranderen en digitaliseren. De eerste fase zal waarschijnlijk in digitalisering zijn, zonder de fundamenten van het financiële en bancaire systeem te veranderen. Maar het is nog steeds moeilijk te zeggen hoe ze de financiële sector en diensten op de lange termijn kunnen veranderen.

Het artikel verscheen voor het eerst op Disruptive.Azië.

Een recente Podcast heeft een interessante discussie over microtaken om data te analyseren en microvoorspellingen te doen, zoals het analyseren van een specifieke dataset uit één bron en proberen er iets uit te concluderen. Deze analyse probeert niet een belangrijker probleem of taak te begrijpen of te optimaliseren. Het richt zich slechts op één specifiek onderdeel. Een uitgebreider systeem kan tientallen van dat soort componenten hebben.

Dan is er nog een laag om de output van die microtaken te combineren. Vervolgens kan het de output en conclusies van verschillende micro-AI-modules combineren - de focus van individuele micro-AI om één specifieke dataset te modelleren en uit te leggen. 

Bijvoorbeeld hardloopschoengegevens (ja, er zijn al hardloopschoenen die allerlei gegevens verzamelen) van je cadans, paslengte, grondcontacttijd en voetstoothoek om je loopsnelheid te optimaliseren. Als je nadenkt over je hardloopprestaties als geheel, is dit maar één onderdeel. Je moet ook denken aan hartslag, energieniveau (bloedglucose), gereedheid (heb je voldoende geslapen) en nog veel meer. Maar het zou te complex zijn om één enorme AI te bouwen om al deze gegevens te optimaliseren, en het is beter om modules voor elke behoefte te hebben en dan een andere laag om dit alles te combineren.

Zo is het ook met softwarerobots. Eén robot kan aan het einde van de maand voorraadnummers vanuit SAP naar uw boekhoudsysteem overzetten. Het maken van maandelijkse financiële overzichten en rapporten is veel meer werk dan alleen het samenstellen van die inventarisnummers. Andere robots zouden de individuele taken kunnen uitvoeren en sommige robots op een hoger niveau om al deze informatie samen te voegen.

Dit is op zich niets nieuws. Modulariteit is al tientallen jaren een essentieel principe bij het ontwerpen van software. Bij AI en automatisering hebben we het vaak over uitgebreide en complexe oplossingen gekoppeld aan vele taken en systemen rondom een ​​onderneming. Wanneer dit ook relatief nieuwe gebieden zijn, probeert elk bedrijf en elk project meestal grote systemen te bouwen die een perfecte oplossing proberen te maken voor een belangrijk proces. 

Wanneer we deze micromodules hebben om aan een specifieke behoefte te voldoen, kunnen we ontwerpprincipes ontwikkelen. Niet om vanaf nul te implementeren, maar om de beste componenten te vinden om microtaken uit te voeren, het gebruik ervan te optimaliseren en ze vervolgens samen te laten werken. Het is een soort HR- en managementfunctie. Je moet de beste middelen vinden om de dingen te doen die je nodig hebt, en dan moet je ze beheren. Maar deze managementlagen zijn digitaal, dat wil zeggen algoritmen die voor elke microbehoefte het beste algoritme kiezen en deze optimaal benutten. Algoritmen beheren algoritmen.

Dit verandert ook het ecosysteem en de bedrijfsmodellen voor AI en automatisering. Je hebt bijvoorbeeld de volgende bedrijfsgebieden:

1. Open source en crowdsourcing communities ontwikkelen veel oplossingen voor allerlei microtaken. Er kunnen verschillende versies zijn voor elke behoefte, en de meest geschikte kan voor elk geval worden gekozen.
2. Bedrijven en ontwikkelaars kunnen ook beginnen met het verkopen van hun componenten voor microbehoeften. Ze kunnen zich concentreren op het ontwikkelen van de beste oplossingen voor een bepaalde behoefte.
3. API's in elke module worden kritischer wanneer ze het wrijvingslozer maken om verschillende modules samen te laten werken.
4. Er zullen marktplaatsen en deeldiensten (zoals GitHub) zijn om deze componenten te delen en te verkopen.
5. Het wordt een nieuwe belangrijke functielaag die micromodules kan gebruiken die optimaal samenwerken voor verschillende behoeften.

Soms is het goed om technologie en machines te vergelijken met modellen van hoe mensen hun werk doen. Vooral wanneer AI en automatisering taken moeten uitvoeren die mensen eerder hebben gedaan. Mensen hebben in ieder geval eeuwen gebruikt om modellen te ontwikkelen, hoe taken in organisaties te organiseren. Het betekent niet dat we dezelfde modellen naar machines kunnen of moeten kopiëren, maar het kan ons wel ideeën geven over hoe we machines het beste kunnen gebruiken. Er zijn redenen waarom mensen zich specialiseren in bepaalde gebieden, hoe verschillende professionals samenwerken en hoe de managementlaag middelen moet optimaliseren. We moeten vergelijkbare problemen oplossen bij het ontwerpen, gebruiken en beheren van algoritmen, machines en digitale processen.

Het artikel verscheen voor het eerst op Disruptive.Azië.

Smart city-concepten begonnen enkele jaren geleden te trenden en worden steeds populairder. 5G en Edge worden ook gezien als essentiële technologische impulsen voor die projecten, en daarom zijn netwerkleveranciers en -providers bij de meeste projecten betrokken. Slimme steden worden gezien als een goede reden om technologische infrastructuur te bouwen om al die gegevens te verzamelen, over te dragen en te analyseren.

Steden richten zich op het verzamelen en analyseren van gegevens om diensten en activiteiten voor vele doeleinden te optimaliseren, zoals verkeersbeheer, openbaar vervoer, stroomverbruik en -productie, watervoorziening, afvalinzameling, misdaadbestrijding, gezondheidszorg en gemeenschapsdiensten. Ook milieuaspecten worden kritischer. Luchtkwaliteit, geluidsoverlast en energieverbruik zijn andere gebieden die steden willen verbeteren.

Dit klinkt allemaal geweldig, maar zoals we van veel andere technologieprojecten weten, is het heel anders dan focussen op de ontwikkeling van diensten voor individuen, de gebruikerservaring en hun unieke behoeften en waarden. Daarnaast zijn privacy en gegevensbescherming nu kritieke kwesties in dit soort enorme dataprojecten. In het slechtste geval lijkt smart city-infrastructuur op een echt 'big brother'-scenario.

Het is mogelijk om slimme steden te bouwen die individuen beter van dienst zijn, maar daarvoor moeten partijen diensten ontwikkelen vanuit het perspectief van de consument. Het concept kan mensen helpen betere diensten te krijgen, hun bewegingen te optimaliseren, gezonder te leven, tijd en geld te besparen en de kwaliteit van leven op vele manieren te verbeteren. Tien jaar geleden moesten we vertrouwen op ontwikkelaars van mobiele apps om nuttige apps aan individuen te leveren, omdat providers en netwerkleveranciers niet in staat of gemotiveerd waren om het te doen.

Veel diensten zouden ook waardevoller worden als we persoonlijke en openbare data zouden kunnen combineren. Uw bewegingen gecombineerd met verkeers- en OV-gegevens, luchtkwaliteitsgegevens met uw dagelijkse wandel- en hardlooproutes en uw persoonlijke gewoonten met dagelijkse energieverbruikpieken zijn slechts enkele voorbeelden. Samen kunnen de twee databronnen waarde creëren voor het individu en de samenleving.

Dit zou kunnen worden bereikt als individuen toegang zouden hebben tot openbare gegevens in combinatie met hun eigen persoonlijke gegevens. Op deze manier kon de privacy worden gerespecteerd en behouden. Maar als overheidsdiensten individuele mensen gaan in de gaten houden, lopen we direct risico's op het gebied van gegevensbescherming en privacy. Het zou ook leiden tot een model dat steden, autoriteiten en dienstverleners zouden plannen wat zij denken dat geschikt is voor individuen, en niet om individuen instrumenten te bieden om hun eigen leven te verbeteren.

Voor stadsautoriteiten, leveranciers van infrastructuur en vervoerders die projecten domineren, is het niet gemakkelijk of gunstig voor hen om systemen te bouwen vanuit het oogpunt van een individu. Natuurlijk moeten politici in de gemeenteraden denken aan de bewoners die ze vertegenwoordigen, maar dat is niet genoeg. We hebben ook technologische oplossingen en leveranciers nodig die zich richten op het bouwen van oplossingen en diensten voor particulieren.

Dit zou waarschijnlijk een extra laag voor de services met zich meebrengen. Misschien iets dat lijkt op app-winkels die zijn gemaakt voor mobiele apps waarmee gebruikers ook hun privacy kunnen beschermen en hun persoonlijke gegevens kunnen beheren. Het zou ook veel andere partijen in staat kunnen stellen om diensten voor bewoners te ontwikkelen en hen de macht te geven om te beslissen van welke diensten ze gebruik willen maken. De beste diensten worden bijna nooit ontwikkeld door autoriteiten en grote technologiebedrijven die beslissen wat het individu wil.
​
Slimme steden moeten meer gericht zijn op de behoeften van bewoners. Er zijn veel 'leuke' en ambitieuze plannen om steden en het leven van bewoners beter te maken, maar mooie plannen zijn nooit genoeg. De echte vragen zijn wie de daadwerkelijke klanten zijn, wie kan beslissen welke diensten te gebruiken en wie de gegevens zal beheren. Om deze diensten gunstig te maken voor mensen, de concepten, technologie, architectuur, data en bedrijfsmodellen moet worden ontworpen om mensen te machtigen, niet alleen om ze te controleren en te controleren.

NFT's zijn digitale certificaten op een digitaal grootboek, of blockchain, die bewijzen dat een digitaal bezit uniek is en daarom niet uitwisselbaar. NFT's worden gebruikt om foto's, video's, audio en andere soorten digitale bestanden weer te geven en te certificeren. Kunst krijgt momenteel alle publiciteit, maar NFT's kunnen veel andere items certificeren, waaronder tekst, softwarecode of zelfs Twitter-tweets. Het fundamentele idee is dat een digitaal object kan worden getokeniseerd en op die manier uniek wordt. Het is in principe niet mogelijk om er meer kopieën van te maken.

Sommige mensen hebben opgemerkt dat de waarde en ironie van NFT's is dat hoewel hun naam niet-fungeerbaar is, ze gemakkelijk vervangbaar zijn. Ze kunnen uniek zijn, maar het is gemakkelijk om ze te verhandelen. En zoals we weten, kunnen dingen waarde en liquiditeit hebben als er voldoende vraag en aanbod is en de transactiekosten laag genoeg zijn.

Velen van ons kunnen zich de ICO-boom in 2017 nog herinneren toen bedrijven hun eigen tokens begonnen aan te bieden. Meestal waren het startups (of zelfs geen startups maar startup-ideeën) met bedrijfsplannen (witboeken genoemd). Ze namen een token op als een belangrijk onderdeel van hun bedrijfsplannen en begonnen die tokens vervolgens te verkopen. Sommige projecten waren in staat om aanzienlijk geld op te halen en, in zeldzame gevallen, een bedrijf op lange termijn op te bouwen. Veel mensen namen deel aan ICO's om te leren hoe ze een token konden kopen, zonder aan de ROI te denken. Sommige mensen hadden veel bitcoins en sommigen hadden moeite om ze te verkopen (omdat ze geen idee hadden hoe ze ze hadden verkregen) en wilden diversifiëren naar andere tokens.

Een fundamenteel verschil tussen NFT's en ICO's is dat ICO-tokens meestal slechts enkele toekomstige beloften vertegenwoordigen. NFT's vertegenwoordigen activa, met name digitale activa. Op die manier kunnen kopers evalueren hoe zij de waarde van hun activa zien. Het is altijd complex om de waarde van kunst te beoordelen, en NFT-kunst heeft precies dezelfde uitdagingen. Dan zijn er nog vele andere digitale items zoals muziekstukken, virtuele items in games en softwarecomponenten die een NFT kunnen hebben.

Er zijn ook plannen om het NFT-concept uit te breiden van virtuele en digitale items. Er kunnen ook digitale certificaten zijn om fysieke items te vertegenwoordigen, bijvoorbeeld een certificaat om eigendom van onroerend goed te bewijzen. Dit onderdeel vereist een wettelijk kader dat het gebruik van dit soort digitale certificaten mogelijk maakt.

NFT's hebben ook crowdfundingplannen gegenereerd. Mensen en bedrijven zouden een deel van hun werk kunnen verkopen, bijvoorbeeld muziek, films of software. NFT's kunnen deze markt effectiever maken, maar het neemt niet alle crowdfunding-uitdagingen weg, vooral niet hoe de juiste waarde te vinden en vervolgens de secundaire markt liquide te maken. Het is ook goed om te onthouden dat het model kan werken voor sommige items die voldoende vraag en aanbod hebben, maar dit betekent niet dat alleen NFT's ze voor elk item garanderen.

Er zijn verschillende ideeën voor nieuwe businessplannen op basis van NFT's. Als software bijvoorbeeld als NFT wordt gepubliceerd, kan er een nieuwe GitHub komen, speciaal voor NFT-software. Bedrijven en particulieren zouden data als NFT-pakketten kunnen gaan licentiëren, en mediabedrijven zouden ook NFT-content kunnen aanbieden.

Ethereum, die is gebaseerd op de proof-of-staak model, is de meest gebruikte oplossing voor NFT's. Blockchain heeft nog steeds fundamentele vragen over welke oplossingen een lange termijn toekomst en waarde hebben. Wanneer blockchain-software wordt bijgewerkt en een vork wordt gemaakt, is achterwaartse compatibiliteit een belangrijke vraag. Een zachte vork betekent dat een nieuwe versie achterwaarts compatibel is, en een harde vork betekent dat dit niet het geval is. Als een nieuwe versie niet achterwaarts compatibel is, werken oude tokens niet in het nieuwe systeem. Uiteindelijk is het de community van elk token die kan beslissen welke updates en forks plaatsvinden. De fundamentele vraag voor elke blockchain-oplossing is de toekomstige achterwaartse compatibiliteit. Op dit moment lijkt Ethereum een ​​veilige gok om op blockchain gebaseerde oplossingen te implementeren. Met minder bekende blockchains is het moeilijker om hun toekomst te voorspellen.

Het NFT-concept is concreter en maakt het gemakkelijker om items te evalueren dan ICO's deden. Maar uiteindelijk hangt de waarde van een NFT af van de onderliggende items, dus het is onmogelijk om te zeggen of een NFT als zodanig iets waardevols vertegenwoordigt of slechts loze beloften. NFT is een uitstekend model om de waarde van digitale items te beheren en te verhandelen. Maar het is cruciaal om te onthouden dat een NFT alleen geen waarde creëert voor een digitaal item. De items moeten waarde hebben en NFT's helpen om de waarde tastbaar te maken.

Het artikel verscheen voor het eerst op Disruptive.Azië.

Een hogere rusthartslag en lichaamstemperatuur zijn vroege tekenen van COVID. Zo hebben onderzoeksinstituten en universiteiten ontwikkeld software om Oura-ringgegevens te gebruiken om deze vroege symptomen te detecteren. Werkgevers hebben ook draagbare apparaten gekocht voor werknemers om vroege symptomen te detecteren en hen te waarschuwen niet te werken als er waarschuwingssignalen zijn. Dit is het geval in bedrijven van klanten- en gezondheidsdiensten tot professionele sportteams.

Fabrikanten van draagbare apparaten hebben gemeld dat op basis van hun gegevens de COVID-situatie sommige mensen ook heeft geholpen om beter te slapen. De reden kan zijn dat mensen zich niet hoeven te haasten om te werken en de kinderen 's ochtends naar school te brengen. Maar we hebben ook gezien dat, naarmate de situatie voortduurt, meer mensen stress voelen, dat wil zeggen op basis van gegevens, een hogere hartslag (HR) hebben en niet zo goed slapen.

De situatie heeft ook de trainingsgewoonten veranderd. Mensen lopen niet naar hun werk of nemen het openbaar vervoer, geen dagelijkse pauzes om te lunchen of koffie te drinken. Zorgprofessionals maken zich zorgen dat mensen te veel zitten tijdens de pandemie. Anderen zijn meer gaan sporten, geen dagelijkse wandelingen maar dagelijkse hardloopsessies. Dit heeft geresulteerd in meer sportblessures.

Dit alles heeft mensen ertoe aangezet om hun dagelijkse welzijns- en gezondheidsgegevens te monitoren. Mensen aarzelden ook om naar een dokter te gaan of naar het ziekenhuis te gaan, maar hielden hun gezondheid in de gaten met een smartwatch om de hartslag of het ECG (elektrocardiogram) te meten. En als je een Zoom-call hebt met je huisarts, dan is het eigenlijk wel handig dat je die gegevens bij wijze van spreken bij de hand hebt. 

Dit alles toont aan dat mensen meer van deze apparaten zijn gaan gebruiken en meer gegevens krijgen, maar zo eenvoudig is het niet. Wat moet ik interpreteren op basis van mijn hartslag of hartslagvariatie? Sport ik te weinig of te veel? Zijn mijn slaapkwaliteit en bewegen met elkaar verbonden? Wat is de gegevenscombinatie die echt op een ziekte wijst?

Wanneer mensen meer gegevens krijgen, betekent dit niet dat ze plotseling experts op het gebied van gezondheid, slaap, voeding en welzijn worden. Sommige mensen voelen zich misschien zo als ze de instructies voor de gezondheidszorg Googlen, maar het kan de zaken erger maken. Deze gegevens kunnen nuttig zijn voor gezondheids- en welzijnsmonitoring, maar er is betere software nodig om deze te analyseren of beschikbaar te maken voor professionals. 

Mobiele gezondheidszorg is al jaren een hot topic, maar de COVID-tijd heeft het echt naar voren gebracht. Zorgorganisaties zijn nogal conservatief in het aanpakken van nieuwe dingen, maar deze periode heeft hen gedwongen om snel nieuwe oplossingen te vinden. Ik ken veel startups in de mobiele gezondheidszorg die al jaren worstelen. Een groot probleem is dat zorgorganisaties langzaam bewegen, waardoor ze lastige klanten zijn voor agile startups. Het andere probleem is toegang krijgen tot betrouwbare en nauwkeurige gegevens. Veel van die bedrijven hebben oplossingen aangeboden om gegevens door te geven aan een arts of ziekenhuis, maar vaak moeten mensen de gegevens zelf vastleggen, bijvoorbeeld hun glucose, bloeddruk, hartslag meten en invoeren in een app. Sommige mensen vinden dit een uitdaging, en anderen zijn gewoon te lui om het te doen. En er zijn mensen die misschien hun eigen nummers willen 'repareren' om schaamte te voorkomen of te pronken.

Dus nu hebben we meer gegevens en hebben we oplossingen om de gegevens over te dragen. Maar we hebben nog steeds een aantal problemen: 1) privacy en gegevensbeveiliging voor gevoelige wellnessgegevens, en 2) meer systematische modellen om gegevens te gebruiken, niet alleen van één maar meerdere draagbare apparaten. Dat betekent dat we oplossingen nodig hebben om data van meerdere devices te verzamelen en te combineren, die data te combineren en tegelijkertijd de privacy te beschermen. Het zou ook helpen als deze gegevens in de toekomst kunnen worden gecombineerd met andere zorggegevens zoals gezondheidsgeschiedenis.

Met nieuwe technologie en concepten duurt het doorgaans jaren om de doorbraak te maken. Het heeft vaak ook een aantal speciale triggers nodig om dingen te laten gebeuren. Ik herinner me de eerste geweldige visies op mobiele gezondheidstechnologie 20 jaar geleden met een 3G-hype. Nu lijkt het erop dat de pandemie ons over enkele grote obstakels heeft geholpen, en de markt voor draagbare apparaten heeft zich ook snel ontwikkeld. We zouden nu een snelle en significante ontwikkeling moeten zien met meer toepassingen en diensten die wellnessgegevens effectiever gebruiken, met als gevolg een boost voor mobiele gezondheidszorg.

Het artikel verscheen voor het eerst op Disruptive.Azië.