「每日英文閱讀分享#021」
本篇文章：How to Win with Machine Learning（From Harvard Business Review）
這是一篇很有趣的文章！因為是我很不熟悉的領域，
但是作者的解釋都很好理解，是我覺得很厲害的地方。
一開始，作者以BenchSci為例，利用機器學習，讓科學家更容易找到適合的生物試劑。（省略了人工搜尋並閱讀文獻在測試的繁瑣工法）
但，google想要把這件賺錢事搶過去做，而BenchSci怎麼做呢？
文章開始介紹，「發展能夠搭載AI的產品能夠怎麼建立競爭優勢以及提高同業進入門檻」
進場時間的重要：
作者提到，要做一個「prediction machines」最重要的就是「時間」，
因為時間可以累積data，如果prediction跟feedback的feedback loop越短，
系統就可以改善的越快越有效率，也越貼近大家所需。
作者舉Google跟Bing為例，早在Microsoft之前，
Google就已經投資AI-based searching engine大於十年，
而且每次使用者搜尋，對Google來說都是一個update的機會，
而且Google也是一直有持續投資massive data-processing facilities，
因此，Bing沒辦法追上Google的feedback loop，成了主因。
你的predictions多棒？
作者又再舉Google跟Bing為例，
即使在簡單的搜尋（例如，weather），Bing可以跟google有差不多的搜尋結果，
可是在比較複雜的搜尋（例如，disruption），
Google就會有比較貼近使用者並且提供比較完整的結果。
如果進場時間已落後，要怎麼切入市場？
1. Identify and secure alternative data sources.：
-找之前被分析、確認過的資料
-用已有的使用者回饋快速學習
-快速的feedback也可能導致a disruption，
所以新進公司並一定是和現存公司競爭，也有可能是取代現存公司
2. Differentiate the prediction.
-客製化自己的領域，例如使用不同硬體，或是不同國家的數據
最後總結：如果真的想贏過科技巨頭，可能還是要回到最原始的問題，
What is it that you want to predict?
如果能透視市場，找到真正需求，再去切入，
那可能才是翻轉這個世界的關鍵。
今天跟大家介紹：【comb】
當作名詞的時候，是「梳子」的意思，
然而一轉為動詞，我以為會是「整理得井然有序」之類的概念，
結果是：to search a place or an area very carefully:
給大家一個例子：The police combed the surrounding woods for evidence.—Cambridge Dictionary
本文例句：Identifying those by combing through the published literature rather than rediscovering them from scratch helps significantly cut the time it takes to produce new drug candidates.
#言之有物
#英語學習
#商業英文
#BusinessEnglish
#Strategy
#每日英文閱讀分享
#一起來建立英文閱讀習慣吧
