Искусственный интеллект, как известно, обеспечивает целый ряд преимуществ для предприятий и отраслей, от здравоохранения и финансовых услуг до розничной торговли и логистики. Но особенно ИИ может помочь организациям улучшить процесс принятия решений, интерпретируя пользовательские данные с помощью таких средств, как анализ текста/изображений и анализ эмоций. Михалис Майкл, генеральный директор DigitalMR, отвечает на портале Information Age на распространенные вопросы о том, как организации могут оптимизировать анализ пользовательских данных для принятия более эффективных бизнес-решений.
Могут ли данные обеспечить конкурентное преимущество для бизнеса?
Безусловно. Мы можем использовать точные показатели, например, прибыльность, чтобы продемонстрировать, что компании, управляемые данными, зачастую гораздо более успешны, чем те, кто не используют данные для принятия решений.
Работа на основе «интуиции» может иметь место в управлении бизнесом, но она не заменит инсайтов, которые дают данные.
Как быстро инсайты, полученные из пользовательских данных, могут быть использованы для создания или совершенствования продукта или услуги компании?
При наличии соответствующих процессов — мгновенно. Конечно, не все инсайты одинаковы, поэтому для извлечения некоторых более сложных инсайтов потребуется специалист.
С учетом этой оговорки сегодня существуют сложные технологии автоматизации и совместного доступа, которые позволяют собирать, очищать, аннотировать, визуализировать, анализировать данные и выявлять инсайты. С помощью онлайновых дашбордов и оповещений эти процессы позволяют легко доводить инсайты до сведения руководства организации и оперативно их использовать.
Нужна ли компаниям 21 века стратегия работы с данными и аналитикой?
Безусловно, нужна. Данные становятся все более важным инструментом достижения успеха в бизнесе, и их использование требует определенного стратегического подхода. Например, компаниям необходимо решить, какие данные собирать и как часто. Данные окружают нас повсюду, поэтому нам нужно быть разборчивыми в том, что искать.
Компании не только должны разработать стратегию сбора данных (ведь существует огромное разнообразие неструктурированных и альтернативных данных), но и решить, какие программные инструменты и платформы являются наиболее эффективными и экономически выгодными для сбора данных, как они собираются добавлять интеллект к данным,и — не надо забывать — какие механизмы доставки использовать.
Что собой представляют альтернативные источники данных? Какие компании их используют и как они это делают?
В секторе биржевой торговли и инвестиций под «альтернативными» данными понимаются любые данные, которые выходят за рамки традиционных фундаментальных показателей котирующейся на бирже компании. Примерами таких стандартных данных являются показатели выручки, прибыли и соотношения цена/прибыль.
Альтернативные данные, напротив, представляют собой любой другой вид информации. Социальные настроения, почерпнутые из твитов, использование приложений и даже спутниковые снимки — это формы альтернативных данных, и в правильных руках они содержат потенциал для понимания и предвидения.
Хотя многие компании могут извлечь выгоду из использования альтернативных данных, те, кто работают в секторе финансовых услуг — количественные фонды, дискреционные фонды, фонды прямых инвестиций и подобные организации — обычно тяготеют к миру альтернативных данных, чтобы обнаружить «новую альфу».
В более широком смысле альтернативные данные полезны для корпораций, которые хотят прогнозировать продажи или намерения совершить покупку.
В таких сценариях компании могут использовать KPI из социальной разведки. Они могут варьироваться от чистых оценок настроений до намерений совершить покупку, размещенных в социальных сетях: альтернативные источники данных, которые выходят далеко за рамки «традиционных» фундаментальных показателей, но которые, несомненно, имеют огромное значение для компаний, заинтересованных в прогнозировании будущего движения цен на акции или действий своих потенциальных клиентов.
Как быстро теряется актуальность пользовательских данных?
Долговечность актуальности может быть очень разной — все зависит от отрасли и типа данных, о которых идет речь.
Предположим, например, что компания интересуется мнениями, выраженными в Интернете по поводу такой крупной и давней темы, как Brexit. В этом случае я бы ожидал увидеть крайне медленное обесценивание данных по мере развития событий. Напротив, при сборе данных о рекламной кампании наблюдается очень быстрое обесценивание: в этом сценарии данные хороши лишь настолько, насколько хороша последняя реклама.
Иногда, конечно, ситуация не столь однозначна. Например, изучение социальных настроений для прогнозирования колебаний цен на акции может сохранять актуальность в течение нескольких дней или недель в зависимости от шумихи вокруг акции.
Данные, конечно, могут очень быстро обесцениться — вот почему при отслеживании данных о клиентах рекомендуется использовать ежедневный или еженедельный мониторинг.
Каких инноваций в области анализа данных следует ожидать в ближайшее десятилетие и как они улучшат нашу повседневную жизнь?
Анализ неструктурированных данных, включая текст, аудио, изображения и видео, скоро станет повсеместным — работа с такими данными быстро превращается из новшества в необходимость.
Таким образом, наши голоса как клиентов — пользователей продуктов и услуг — всегда будут услышаны и учтены.
Это имеет два положительных последствия. Во-первых, мы сможем непосредственно влиять на разработку продуктов прямыми, конкретными способами, которые улучшат жизнь людей. Во-вторых, мы сможем монетизировать наши собственные поведенческие данные и мнения.
Эти изменения в анализе данных указывают на повышение ценности данных, которые мы выпускаем в мир: это ценный ресурс, и, скорее всего, к нему будут относиться именно так.
