可以數位化的都已經數位化了，電腦可以輔助人工的效率，印刷是一個工序接著一個工序，只要電腦可以把工作交代下去，印刷就可以交給電腦去處理。
《本文開始》
英國脫歐，美國特朗普當選總統，主流媒體的預測全都失去了準頭。其實不是人類行為異常無法預測，而是主流媒體早已經不是主流了，只是他們自己還不知道罷了。
有一家人工智慧公司 MogIA，是印度人 Sanjiv Rai 於2004年創建的，MogIA採集大數據正確地預測到了前三次美國大選的結果，甚至上一屆大選時全美國51州的投票結果都沒算錯；這一次MogIA對共和黨和民主黨的初選結果的預測也正確，但是主流媒體卻把這個新聞放在科技版面，而把傳統民調的錯誤資料放在頭版。
大數據可以收集到美國人民在臉書和推特（類似微信的社群工具）發表的資訊，從人們對兩黨的競選活動和廣告內容的互動資料給予傾向數值，MogIA就能依照自己的演算法對兩位元候選人的（民眾參與度）打分數。
大選前全美國的民調都把民主黨的支持率提高了一大截，特朗普當選的機會似乎處在風雨飄渺之中，但是MogIA就發表了特朗普的參與度，超過了2008年當選總統的奧巴馬競選期間的峰值，報告中提到如果特朗普輸掉了選戰，那就是12年來第一次違背了資料預測趨勢的原則。
結果幾乎所有傳統民調都失去了準頭，電腦從大數據中挖出人們真正的投票傾向，一個人不會在推特（tweet）上諷刺川普，還投票給他；不會在臉書上對希拉蕊的廣告視頻按贊，卻不投票給她。可是，民調找上他們時，他們不一定會給出心裡的答案。
另一方面，大數據搜索得到的樣本數可能足足有上億的可能，民調能找到上萬樣本的難度和成本就很高了。不是新時代的美國選民已經瘋狂到無法預測，而是民調的方法過時了，大數據取樣多，多到可以不用分析背後的原因，預測準確一點也不稀奇，稀奇的是互聯網，可以預測的世界，絕不瘋狂。
各行各業裡面銀行是最保守的行業，他們幫助所有人搬錢，按照比例留下利息或手續費，除此之外最好的生意就是借錢給有信用的人，就怕萬有一失。所以銀行借人100元，多要求別人提供200元的資產抵押。讓許多有信用沒資產的人急需要錢，卻無法通過銀行保守的條件。
對銀行的生意來看，借錢給有信用的客戶比借錢給有資產的人更有價值。但是，信用很難預估，為了避免所貸非人，每一家銀行只好設下了種種徵信關卡，導致符合一家銀行貸款資格的客戶，一定可以找到許多家銀行來殺價談貸款條件，銀行借錢給別人的生意，早已是一片紅海。
有了互聯網，有了社群網路，就有了大數據。
玉山銀行是一家臺灣一家小規模的銀行，其信用貸款的業務量卻是是臺灣前十大同行平均值的200%。因為他們最早成立大數據部門，建立了一個信貸模型工廠系統當後臺，推出（e指可貸）APP，讓客戶利用電腦或手機在網上申請貸款，三分鐘就可以完成申請。每一案件的審核時間，只需要原來的一半，人力省了2/3。
不僅如此，這個大數據後台，打入臉書和BBS等各種社群平臺，統計其個人的朋友人數、發表內容被按贊的次數…等等，差不多能瞭解一個人是否被朋友肯定，也能瞭解其社會經濟地位。這些資訊足以評估一個人的信用和可能償還能力。
例如：沒有貸款的記錄，其服務單位和職稱不顯赫，而且薪資水準不高的年輕人，或是曾經以為以外或生意經營不善，曾經留下違約還款的記錄的人...等等，許多人無法通過傳統信用評估制度的審查，在其他銀行貸不到款的人，有三成可以通過玉山銀行的大數據審查貸到款。
因為，大數據交叉比對申請人的社群，就能確定填寫的資料是不是正確的，也可以利用其身邊的朋友來佐證申請人的信用狀態。因而，玉山銀行潛在客戶範圍比其他銀行更寬，征信正確率更高，業績當然高出同行一倍。
互聯網改變不了，銀行貸款的風險，卻能利用網路的效益，改善貸款業務的效益。
想一想，有了互聯網，印刷生意有何不同？
互聯網可以串聯印刷供應鏈，毋庸置疑。在網路上傳遞的無非是訂單和檔案，一家印刷廠接到訂單，必須由特定的管理人員去分配印前、印刷和印後的活。
這樣的話，訂單增加，人手勢必增加。
世界沒有瘋狂，看似不可預測的時代，其實還是可以預測，只是工具的問題而已。
如何利用電腦接到訂單，自動交給電腦去製版、去印刷，才是應付印刷產業變化的課題。
《end》
|
