بله | کانال شرکت شکست‌ناپذیر: تراوشات ذهنی یک راهبر کسب‌وکار

۴ شهریور

اقتصاد AIaaS - بخش دوم
مدل‌های اصلی درآمدی در AIaaS
۱. قیمت‌دهی بر اساس میزان مصرفمشتری به اندازه مصرف خود پول می‌دهد. برای مثال «آ» ریال به ازای هر یک میلیون توکن، یا به ازای هر فراخوانی ای‌پی‌آی. بسیاری از سرویس‌های API در مدل‌های زبانی بزرگ از این روش استفاده می‌کنند.
۲. قیمت‌دهی بر اساس عضویتمشتری مبلغ ثابتی را به‌صورت ماهانه یا سالانه پرداخت می‌کند، مثلا «آ» ریال بابت سرویس پایه ماهانه و «ب» ریال بابت سرویس حرفه‌ای. مزیت این مدل، قابل پیش‌بینی بودن درآمد است، اما یک ریسک مهم دارد: مصرف کاربران یکسان نیست. ممکن است دو مشتری ماهانه ۱۰ میلیون تومان پرداخت کنند، اما یکی ۱۰۰۰ درخواست هوش مصنوعی و دیگری ۱۰۰ هزار درخواست ایجاد کند. اگر هزینه هر درخواست قابل توجه باشد، مشتری دوم می‌تواند حاشیه سود سرویس‌دهنده را به‌ شدت کاهش دهد.
۳. قیمت‌دهی ترکیبیدر این مدل، اشتراک ثابت با هزینه مصرف ترکیب می‌شود. مثلا ماهانه ۱۰ میلیون تومان شامل ۱۰۰۰ عملیات هوش مصنوعی و هر عملیات اضافی نیز ۱۰ هزار تومان. این مدل به سرویس‌دهنده اجازه می‌دهد بخشی از درآمد خود را قابل پیش‌بینی نگه دارد و در عین حال هزینه کاربران پرمصرف را نیز پوشش دهد.
۴. روش پرداخت به ازای نتیجهمشتری بابت نتیجه‌ای که هوش مصنوعی ایجاد می‌کند پول می‌دهد، نه صرفا بابت میزان استفاده از مدل. برای مثال در یک هوش مصنوعی CRM می‌توان به‌جای دریافت مبلغ به ازای هر فراخوانی API، به ازای هر لید واجد شرایطی که ایجاد می‌کند ۵۰ هزار تومان دریافت کرد. یا در یک هوش مصنوعی بیمه می‌توان به ازای هر پرونده خسارتی که با موفقیت بررسی و تایید می‌شود، مبلغ مشخصی دریافت کرد. در این مدل، واحد قیمت‌گذاری بجای مصرف فناوری، ارزش ایجادشده برای مشتری است.
یک مثال اقتصادی:فرض کنیم یک AIaaS برای شرکت‌های بیمه ساخته‌ایم که پرونده‌های خسارت را بررسی می‌کند. قیمت سرویس ۲۰۰ هزار تومان به ازای هر پرونده است.هزینه‌های هر پرونده:- استنتاج مدل زبانی: ۳۶ هزار تومان- OCR پرونده: ۱۴ هزار تومان- GPU و زیرساخت ابری: ۱۰ هزار تومان- شبکه: ۴ هزار تومان- مانیتورینگ و سایر هزینه‌های متغیر: ۶ هزار تومان
بنابراین حاشیه سود ۶۵ درصد است.اگر بتوانیم هزینه استنتاج را مثلا با استفاده از مدلی کوچک‌تر یا بهینه‌سازی پرامپت بدون افت کیفیت سرویس کاهش دهیم، حاشیه سود افزایش می‌یابد. اینجاست که مدیر محصول هوش مصنوعی نه تنها باید به دقت مدل توجه کند، بایستی اقتصاد مدل را هم بفهمد. ممکن است یک مدل از نظر دقت بهترین گزینه باشد، اما هزینه استنتاج آن به‌ اندازه‌ای بالا باشد که محصول را از نظر اقتصادی غیر رقابتی کند. در مقابل یک مدل ارزان‌تر که ۲٪ دقت پایین‌تری دارد، ممکن است انتخاب بهتری برای محصول باشد.
(ادامه دارد ...)

در رخت می‌نگرم صورت جان می‌بینمآنچه دل می‌طلبد پیش تو آن می‌بینمروح را چهره‌ی تو نور یقین می‌بخشدعقل را پیش دهانت به گمان می‌بینم#همام_تبریزی
@invinciblecompany

۱۴۳

۸:۵۱

۵ شهریور

اقتصاد AIaaS - بخش سوم
مشکل مقیاس در AIaaSیک نکته مهم این است که کاهش هزینه استنتاج لزوما به معنای کاهش هزینه کل محصول نیست. هزینه هر درخواست ممکن است به‌ سرعت کاهش پیدا کند، اما هم‌زمان تعداد درخواست‌ها نیز رشد می‌کند. فرض کنیم محصول در ابتدای کار ۱۰۰ هزار درخواست در ماه دارد و با این حجم سودده است. اما پس از رشد، ۱۰ میلیون درخواست در ماه ایجاد می‌شود. حتی اگر هزینه هر درخواست نصف شده باشد، هزینه کل پردازش می‌تواند چندین برابر شود.
از AIaaS به AgentaaSاتفاق جالب‌تر زمانی است که دیگر صرفا قابلیت هوش مصنوعی را نمی‌فروشیم، بلکه انجام یک کار را می‌فروشیم. در AIaaS مشتری هوش مصنوعی را مصرف می‌کند، اما در AgentaaS مشتری نتیجه کار ایجنت را دریافت می‌کند.برای مثال یک ایجنت داریم که قراردادهای حقوقی را بررسی می‌کند، بندهای پرریسک را پیدا می‌کند، گزارش تهیه می‌کند و موارد مهم را برای تیم حقوقی ارسال می‌کند. در این حالت دیگر توکن یا فراخوانی API معیار مناسبی برای قیمت‌گذاری نیست و مشتری برای کار انجام‌ شده پول می‌دهد. به همین دلیل می‌توان مدل‌های درآمدی جدیدتری ایجاد کرد، برای مثال:- پرداخت به ازای هر قرارداد بررسی‌شده - پرداخت به ازای هر پرونده پردازش‌شده - پرداخت به ازای هر لید واجد شرایط - پرداخت به ازای هر تراکنش موفق - درصدی از صرفه‌جویی ایجادشده - درصدی از درآمد ایجادشده
لذا سوال اصلی در طراحی مدل کسب‌وکار هوش مصنوعی فقط این نیست که هزینه استفاده از مدل چقدر است؟ بلکه باید پرسید واحد خلق ارزش برای مشتری چیست؟ از این منظر آینده اقتصاد AIaaS صرفا در فروش توکن یا API نیست، فروش نتیجه‌ای است که هوش مصنوعی ایجاد می‌کند.

دل عاشق به پیغامی بسازدخمارآلوده با جامی بسازدمرا کیفیت چشم تو کافیستریاضت‌کش به بادامی بسازد#بابا_طاهر
@invinciblecompany

۱۳۷

۱۴:۵۴

۷ شهریور

تسلاموتورز و پیش‌بینی ایلان ماسک
در سال ۲۰۱۲ تسلا بازار بکر بزرگی را پیش‌بینی کرد که هیچ کس تصورش را نداشت:خودروهای برقی گران‌قیمت
تشخیص تسلا این بود که تمرکز بر کارایی و بخش گران‌پسند بازار فرصتی بزرگ است.این شرکت با تولید خودروی مدل S از آرزوهای مشتریانش بیشترین بهره را برد.تسلا متوجه شد دغدغه اصلی مشتریان، مسافتی است که با یک بار شارژ باتری طی می‌کنند. لذا به سرعت شارژ باتری را به میزان چشمگیری افزایش داد و شبکه جایگاه‌های شارژ سریع و رایگانش را در نواحی پرتردد ایجاد کرد.
فروش خودروهای تسلا عمدتا به صورت مستقیم و از طریق اینترنت، فروشگاه‌های نمایش‌گونه در مراکز خرید و برنامه وفاداری مالک خودرو است.تسلا فقط یک خودروساز نیست، یک شرکت نرم‌افزاری هم هست! خودروهای تسلا نرم‌افزارهای پیچیده‌ای دارند که از راه دور به‌روز می‌شوند. این شرکت برنامه خودرانی دارد که از داده‌های رانندگان یاد می‌گیرد.
درسی برای رهبران کسب‌وکار: به کمک قوه تخیل، به دنبال کشف پتانسیل بازارهای جدید و دست‌نخورده‌ای باشید که دیگران درکش نکرده باشند.

گفتمش از چه دلم بردی و خونم خوردیگفت از آن روی که دل دادی و جان نسپردیگفتمش جان ز غمت دادم و سر بنهادمگفت خوش باش که اکنون ز کفم جان بردی#خواجوی_کرمانی
@invinciblecompany

۲۵۶

۱۲:۳۴

۹ شهریور

چرا طلا در ایران همیشه از اونس جهانی پیروی نمی‌کند؟
(داخل پرانتز)
بر اساس داده‌های TGJU قیمت اونس جهانی طلا در یکسال منتهی به شهریور ۱۴۰۵ حدود ۲۹ درصد افزایش یافته، در حالی که قیمت هر گرم طلای ۱۸ عیار در بازار ایران حدود ۱۵۴ درصد رشد کرده است.این فاصله‌ی قابل‌ توجه نشان می‌دهد که قیمت طلا در ایران را نمی‌توان صرفا با روند اونس جهانی توضیح داد.قیمت طلا در بازار جهانی تحت تاثیر عواملی مانند نرخ بهره آمریکا، بازده اوراق خزانه، ارزش دلار، خرید بانک‌های مرکزی دنیا و ریسک‌های ژئوپلیتیک است.اما در ایران یک لایه مهم دیگر به این معادله اضافه می‌شود: نرخ دلار آزاد و انتظارات مربوط به ارزش ریال.به بیان ساده، قیمت طلای ایران حاصل برهم‌کنش دست‌کم دو بازار است: بازار جهانی طلا و بازار داخلی ارز. در دوره‌هایی که ریسک‌های اقتصادی و سیاسی افزایش می‌یابد، تغییرات نرخ ارز و انتظارات تورمی می‌توانند اثر نوسانات اونس را تقویت یا حتی خنثی کنند.این ویژگی طلا را در ایران به دارایی متفاوتی تبدیل کرده است: دارایی‌ای که هم‌زمان از تحولات بازار جهانی و چشم‌انداز ارزش پول ملی اثر می‌پذیرد.

۱۲۷

۱۵:۱۷

۱۰ شهریور

داستان GoldTech در ایران
در چند سال اخیر شاهد تغییر تدریجی زیرساخت سرمایه‌گذاری، نگهداری و استفاده مالی از طلا در ایران بوده‌ایم.پلتفرم‌های خرید و فروش آنلاین نقطه شروع این تحول بودند. بر اساس گزارش ۱۴۰۴ تکراسا، در سال ۱۴۰۳ بیش از یک میلیون کاربر فعال در پلتفرم‌های آنلاین طلا حضور داشته‌اند، حدود ۱۶ تا ۱۹ تن طلا در این بسترها معامله شده و حجم معاملات سالانه نیز حدود ۷۰ تا ۸۰ هزار میلیارد تومان برآورد شده استاین حجم در دو سال اخیر قطعا افزایش چشمگیری داشته است.با وجود این رشد، سهم معاملات آنلاین از کل بازار طلا همچنان بسیار محدود و حدود یک درصد برآورد می‌شود.
این وضعیت یک پیام مهم دارد: بازار GoldTech ایران از مرحله اثبات تقاضا عبور کرده، اما در ابتدای مسیر بلوغ قرار دارد.با این حال رقابت آینده بر سر فروش بیشتر طلا به‌ صورت آنلاین نیست.
خرید و فروش آنلاین طلا در حال تبدیل شدن به قابلیتی است که می‌تواند در نئوبانک‌ها، سوپراپ‌ها، لندتک‌ها و سایر کسب‌وکارهای مالی ادغام شود.به همین دلیل مسیر صنعت به سمت ساخت اکوسیستم مالی مبتنی بر طلا در حال حرکت است:از خرید اقساطی و پس‌انداز خودکار گرفته تا اعتبار خرید کالا، وام با وثیقه طلا، خدمات سازمانی، سرویس‌های API و وایت‌لیبل.
ریسک‌های پلتفرم‌های GoldTechدر کنار تمام فرصت‌های این حوزه، خرید و فروش آنلاین طلا به‌ تدریج به سمت کالایی‌شدن در حال حرکت است:کاربر می‌تواند چند پلتفرم را همزمان بررسی کرده و در نهایت جایی را انتخاب کند که ترکیب بهتری از قیمت، کارمزد، تجربه کاربری و اعتماد ارائه می‌دهد.در چنین بازاری، صرفِ داشتن یک اپلیکیشن زیبا یا بودجه تبلیغاتی بیشتر مزیت رقابتی پایداری ایجاد نمی‌کند.از سوی دیگر افزایش الزامات نظارتی و مقابله رگولاتور با خالی‌فروشی، هزینه ورود و هزینه انطباق را بالا می‌برد:نگهداری ذخایر، تطابق موجودی با تعهدات، نظارت بر تراکنش‌ها و الزامات عملیاتی.به همین دلیل احتمال دارد بازار به‌ تدریج به این سمت حرکت کند:تعداد زیادی بازیگر کوچک در لایه خرید و فروش و تعداد محدودی بازیگر بزرگ‌ که توان ایجاد زنجیره کامل ارزش، مدیریت ریسک و انطباق با مقررات را دارند.
@invinciblecompany

۱۵۷

۱۳:۳۲

۱۱ شهریور

آینده پیش روی گُلدتک
۱. طلا: از دارایی منفعل تا وثیقه اعتباریکی از جذاب‌ترین فرصت‌های GoldTech ایران در نقطه تلاقی آن با لندتک شکل گرفته:استفاده از دارایی طلا بعنوان وثیقه‌ای برای دریافت اعتبار.
۲. گلدتک بعنوان سرویسبا کالایی‌تر شدن خریدوفروش آنلاین طلا همه کسب‌وکارها الزاما نیازی ندارند خودشان یک پلتفرم مستقل معامله‌گری طلا بسازند.نئوبانک‌ها، سوپراپ‌ها، لندتک‌ها، کارگزاری‌های بازار سرمایه و بیمه‌گران می‌توانند قابلیت‌هایی مانند خریدو‌فروش طلا، کیف پول طلا، پس‌انداز خودکار، اعتبار با وثیقه طلا و تحویل فیزیکی را به محصولات خود اضافه کنند.اینجاست که مدل GoldTech-as-a-Service معنا پیدا می‌کند:کسب‌وکارهای تخصصی که زیرساخت‌هایی مانند تامین طلا، نگهداری، قیمت‌گذاری و تحویل را ایجاد کنند و از طریق API یا وایت‌لیبل در اختیار سایر کسب‌وکارها قرار دهند.
۳. طلا به‌عنوان حساب پس‌انداز دیجیتالفرصت مهم دیگر، تغییر جایگاه طلا از سرمایه‌گذاری موردی به یک رفتار مالی مستمر است.تصور کنید کاربر در اپلیکیشن نئوبانک خود تعریف کند هر روز ۱۰۰ هزار تومان از موجودی او به طلا تبدیل شود و یا ۵ درصد از هر درآمد ماهانه‌اش به‌صورت خودکار به خرید طلا تخصیص یابد.در واقع کاربر برای سرمایه‌گذاری در طلا تصمیم فعالی نمی‌گیرد و پس‌انداز طلا به بخشی از رفتار مالی روزمره او تبدیل می‌شود.
۴. اعتماد: شاید مهم‌ترین زیرساخت GoldTechهرچه بازار بزرگ‌تر می‌شود، موضوع اعتماد به یک مزیت رقابتی و حتی یک مسئله حیاتی تبدیل می‌شود. کاربر می‌خواهد بداند:- طلایی که در اپلیکیشن ثبت شده واقعا وجود دارد؟ - کجا نگهداری می‌شود؟- چه کسی مسئول نگهداری آن است؟- میزان طلای ذخیره‌شده با تعهدات پلتفرم مطابقت دارد؟ - اگر پلتفرم با بحران یا ورشکستگی مواجه شود، تکلیف دارایی او چیست؟- آیا در شرایط بحرانی امکان تحویل فیزیکی وجود دارد؟اتفاقات دو جنگ اخیر اهمیت این موضوع را دوچندان کرد: محدودیت‌های ایجادشده در پرداخت پول و تحویل فیزیکی طلا، اعتماد به نقدشوندگی و امکان دسترسی به طلای ذخیره‌شده را به یکی از نگرانی‌های اصلی بازار تبدیل کرد.از سوی دیگر مقررات جدید، الزام به نگهداری طلا در خزائن مورد تایید و نظارت بر تطابق تعهدات پلتفرم با ذخایر واقعی را جدی‌تر کرده است.
۵. از GoldTech به WealthTech مبتنی بر دارایی‌های واقعیگسترش خدمات به نقره، مس و مسکن متری نقطه شروع حرکت به سمت سبد گسترده‌تری از دارایی است.در این نقطه، مدیریت ثروت (حفظ، تبدیل و رشد) اهمیت پیدا می‌کند.کاربر می‌خواهد در یک محیط واحد ترکیب دارایی خود را میان ابزارهای مختلف سرمایه‌گذاری مدیریت کند و بر اساس اهداف مالی، سطح ریسک و افق زمانی خود تصمیم بگیرد.
۶. داده و هوش مصنوعی: فرصت کمتر دیده‌شدهیکی از ارزشمندترین دارایی‌های پلتفرم‌های GoldTech داده‌ای است که از رفتار مالی کاربران تولید می‌شود:الگوی خریدوفروش و پس‌انداز، واکنش به نوسان قیمت، میزان نقدشوندگی، الگوی برداشت و رفتار کاربر در دوره‌های بحران.ترکیب این داده‌ها با هوش مصنوعی می‌تواند لایه جدیدی از خدمات مالی ایجاد کند:پیشنهادهای شخصی‌سازی‌شده، هشدارهای ریسک و مدیریت هوشمند سبد.
@invinciblecompany

۱۴۸

۵:۱۲

۱۴ شهریور

دالرشیوکلاب: دسترسی بی‌واسطه به مشتری با چاشنی طنز!
در سال ۲۰۱۲ دالرشیوکلاب تصمیم گرفت با حذف واسطه‌ها، بازار محصولات اصلاح آقایان را به چالش بکشد و فروش آنلاین را به مدل اصلی کسب‌وکارش تبدیل کند.شرکت با حذف کانال سنتی خرده‌فروشی، محصولاتش را مستقیما و با قیمت پایین‌تر به مشتری می‌فروخت.اما چیزی که دالرشیوکلاب را از یک فروشگاه معمولی متمایز کرد، شیوه ارتباطش با مشتری بود:مایکل دابین، بنیان‌گذار شرکت، یک ویدیوی معرفی ساخت که به‌جای زبان رسمی تبلیغات، از شوخی و هزل استفاده می‌کرد. همین ویدیو به یکی از نمونه‌های ماندگار بازاریابی ویروسی تبدیل شد و آگاهی از برند را به‌ شدت افزایش داد.دالرشیوکلاب در کنار بازاریابی آنلاین، از داده‌های مشتریان برای طراحی یک مدل اشتراک منعطف استفاده کرد: مشتری با پرداخت ماهانه ۱ دلار عضو می‌شد و سپس می‌توانست محصولات و فاصله زمانی ارسال آن‌ها را متناسب با نیازش انتخاب کند.نتیجه قابل‌توجه بود: نرخ بازگشت مشتریان به ۶۹ درصد رسید.چهار سال بعد، در سال ۲۰۱۶، یونیلیور دالرشیوکلاب را با ارزش حدود ۱ میلیارد دلار خرید.
پی‌نوشت: داستان فروش بی‌واسطه به همین‌جا ختم نمی‌شود. برندهایی مانند Warby Parker و Colgate که پیشگام فروش مستقیم به مشتری بوده‌اند، بعدها بخشی از بیزنس‌مدل خود را به سمت فروشگاه‌های فیزیکی بردند: فروشگاه فیزیکی اگر درست طراحی شود، تجربه‌ای می‌سازد که ارتباط مشتری با برند را عمیق‌تر می‌کند.

امشب منم و جام می و یار ای شبتعجیل مكن به صبح زنهار ای شبصد شب به تو بوده‌ام به تیمار ای شبیك شب دل عاشقان نگه دار ای شب#عمادی_شهریاری
@invinciblecompany

۱۴۳

۱۲:۵۹

۱۸ شهریور

چند روز پیش داشتم مطلبی از BCG می‌خواندم درباره پدیده‌ای به اسم AI De-Skilling:خطر کم‌رنگ شدن مهارت‌های انسانی بخاطر استفاده زیاد از هوش مصنوعی.مقاله بیشتر درباره پیامدهای این پدیده در سازمان‌ها است، اما به نظرم اثرش فراتر از کسب‌وکار بوده و کم‌کم وارد زندگی شخصی انسان‌ها هم خواهد شد.هوش مصنوعی ممکن است به‌ خصوص در جوانترها و افرادی که تازه وارد یک زمینه کاری شده‌اند، کم‌کم جای فکر کردن را بگیرد:فرد دیگر لازم نیست موضوع را عمیق تحلیل کند، از زوایای گوناگون به آن نگاه کرده و یا حتی با آن مخالفت کند.کافی است پرسش را بپرسد و پاسخ بگیرد!ریسک ماجرا این است که وقتی همه سریع به دنبال جواب باشند، شاید دیگه کسی نپرسد که اصلا سوال درستی پرسیده‌ایم؟!همچنین در سازمان‌ها اگر بخش قابل‌توجهی از کارهایی که قبلا باعث یادگیری و شکل‌گیری مهارت افراد می‌شد به هوش مصنوعی سپرده شود، ممکن است یک کارمند تازه‌وارد خیلی زود خروجی‌ای شبیه یک فرد باتجربه تولید کند، بدون اینکه مسیر کسب تجربه و یادگیری را پشت سر گذاشته باشد.شاید بگوییم طی کردن این مسیر دیگر مهم نیست و هوش مصنوعی می‌تواند نتایج را سریع‌تر تولید کند.اما به نظرم مخاطره اصلی این است که شیوه فکر کردن آدم‌ها شبیه به هم می‌شود:اگر همه برای بررسی مسائل‌شان از ابزارها، داده‌ها و الگوهای مشابهی استفاده کنند، تنوع فکری قطعا کمتر شده و کم‌کم نتایج شبیه هم می‌شوند.به نظرم در کنار یاد گرفتن مهارت‌های کار با هوش مصنوعی، باید حواس‌مان باشد که چقدر خودمان فکر می‌کنیم، سوال می‌پرسیم، نقد می‌کنیم، شک می‌کنیم و تصمیم می‌گیریم. شاید بهتر است تصمیم‌گیری و قضاوت نهایی همچنان برای انسان بماند و کارهایی که نیاز به خلاقیت، قضاوت اخلاقی یا انتخاب‌های حساس دارند به هوش مصنوعی سپرده نشود.در ارزیابی کارکنان هم فقط خروجی نهایی سنجیده نشده و نحوه رسیدن به آن و مهارت‌هایی که فرد به کار گرفته هم ارزیابی شود.همچنین منتورینگ، بحث تیمی و به اشتراک گذاری دانش با «از ChatGPT بپرس» جایگزین نشود.

سال‌ها دل طلب جام جم از ما می‌کرد وانچه خود داشت ز بیگانه تمنا می‌کرد گوهری کز صدف کون و مکان بیرون است طلب از گمشدگان لب دریا می‌کرد#حافظ
@invinciblecompany

۱۷۴

۱۰:۰۱

۲۲ شهریور

افسانه وام ۲۳ درصد
سال‌هاست روی وام‌های بانکی برچسب زیر را می‌بینیم: نرخ بهره ۲۳ درصد، مصوب بانک مرکزی.اما واقعیت این است که بهای تمام شده پول در شبکه بانکی گران است.بانک‌ها در عمل علاوه بر سود تسهیلات، هزینه‌های دسترسی به اعتبار را به شکل‌های دیگری از مشتری دریافت می‌کنند:- سپرده‌ای که باید مدتی در حساب بخوابانیم،- اوراقی که باید بخریم،- بخشی از وام که تا پایان اقساط بلوکه شده و در اختیارمان نیست،- یا کارمزدهایی که برای دریافت تسهیلات و خدمات جانبی باید بپردازیم.
حالا می‌رسیم به نئوبانک‌ها و لندتک‌ها.آنجا دیگر خبری از حضور در شعبه و تشکیل پرونده و سپرده‌گذاری چندماهه نیست.تجربه دریافت تسهیلات آنلاین است و وام سریع‌تر به دست مشتری می‌رسد.اما همچنان پول ارزان نیست!کاربر برای دریافت وام باید اشتراک یا بسته‌ای بخرد و یا بخشی از وامش بعنوان هزینه تامین اعتبار یا کارمزد توسعه بازار کسر شود. در کنار اینها خود لندتک هم هزینه دارد: اعتبارسنجی، فناوری و زیرساخت، مدیریت ریسک نکول، تضمین‌ها و تامین مالی.
یک مثال ساده:در یکی از لندتک‌های پرمخاطب برای دریافت ۵۰ میلیون تومان وام با بازپرداخت ۱۸ ماهه، باید اشتراکی به مبلغ ۹ میلیون و ۴۰۰ هزار تومان خریداری کنی.لذا در عمل پولی که دستت را می‌گیرد ۴۰ میلیون و ۶۰۰ هزار تومان است.از طرف دیگر اقساط ماهانه ۳ میلیون و ۳۰۰ هزار تومان است و بنابراین طی ۱۸ ماه در مجموع ۵۹ میلیون و ۴۰۰ هزار تومان پرداخت کرده‌ای.اینجاست که داستان جالب می‌شود.حتی اگر مثل من سواد مالی بالایی نداشته باشید و نحوه محاسبه PMT را ندانید، می‌شود از اکسل و جی‌پی‌تی و سایتهایی مثل bahesab.ir کمک گرفت تا نرخ سود موثر سالانه این تامین مالی را حساب کرد: ۵۲.۷ درصد.پس این دو عدد را با هم قاطی نکنیم: ۲۳ درصد نرخ قرارداد تسهیلات است و دیگری هزینه واقعی پول برای مشتری.اما مسئله این است که قیمت واقعی وام چقدر شفاف به مشتری گفته می‌شود.
در اعتبار خرید یا همان BNPL داستان ظریف‌تر است. ممکن است عددی به اسم بهره به چشم‌مان نخورد. کالا را می‌خریم و مثلا چهار قسطه پرداخت می‌کنیم.اما سوال اساسی این است که قیمت نقدی کالا در اصل چقدر بوده و مجموع پرداختی ما در خرید اعتباری چقدر می‌شود؟اگر فروشنده برای خرید اقساطی قیمت متفاوتی تعیین کند یا لندتک از فروشگاه کارمزد بگیرد، این هزینه در نهایت چگونه در فرایند معامله توزیع می‌شود.بنابراین کارمزد ندادن مشتری لزوما به معنای رایگان بودن اعتبار نیست.موضوع این است که آیا مشتری می‌داند اعتباری که گرفته واقعا چقدر برایش تمام شده؟

روبه‌روى آفتابِ روى توذره‌ام، گردم، غبارم، هيچ هيچهیچ اگر گفتم جوابم هیچ بودناله‌ای در کوهسارم، هیچ هیچ#قيصر_امين_پور
@invinciblecompany

۱۴۶

۶:۳۵

۲۹ شهریور

مدیرعامل: ما چشم‌انداز و استراتژی داریم، اهداف و KPIها هم مشخص‌اند. چرا به RACI نیاز داریم؟
مدیر کسب‌وکار: چون این‌ها نمی‌گویند در اجرای فرایندها چه کسی مالک تصمیم و نتیجه است، چه کسی اجرا می‌کند و چه کسانی باید درگیر باشند.
مدیرعامل: این را از ساختار سازمانی نمی‌توان فهمید؟
مدیر کسب‌وکار: نه لزوما. ساختار سازمانی عمودی است، اما فرایندها افقی‌اند و از چند واحد عبور می‌کنند. به همین دلیل RACI باید از روی فعالیت‌ها و نقاط تصمیم‌ساز نوشته شود، نه از نام واحدهای سازمانی.
مدیرعامل: پس تفاوت RACI با شرح شغل چیست؟
مدیر کسب‌وکار: شرح شغل می‌گوید هر فرد چه وظایفی دارد، اما RACI مشخص می‌کند در هر فعالیت چه کسی مجری و چه کسی پاسخ‌گو است، چه کسانی باید مورد مشورت قرار بگیرند و چه کسانی باید در جریان باشند.این کار دو مسئله مهم را حل می‌کند: ابهام در مسئولیت‌ها را از بین می‌برد و نقش‌ها را در فعالیت‌های بین‌واحدی شفاف می‌کند.
مدیرعامل: اما اگر خودم مسئول خیلی از فرایندها باشم، کنترل بیشتری دارم.
مدیر کسب‌وکار: برعکس، اگر مدیرعامل برای همه‌چیز مسئول باشد، سازمان به گلوگاه تصمیم‌گیری تبدیل می‌شود. مدیرعامل باید مالک کلان و استراتژیک باشد، نه مالک عملیاتی همه فرایندها.

گفتم که روی خوبت، از من چرا نهان است؟گفتا تو خود حجابی، ورنه رخم عیان استگفتم مرا غم تو، خوش‌تر ز شادمانیگفتا که در ره ما، غم نیز شادمان استگفتم فراق تا کی؟ گفتا که تا تو هستی!گفتم نفس همین است، گفتا سخن همان است#فیض_کاشانی
@invinciblecompany

۵۹

۱۸:۱۰