通過(guò)機(jī)器學(xué)習(xí)將數(shù)據(jù)貨幣化的重要提示

大數(shù)據(jù)總是被描述為極其寶貴的資源，可以為任何繁榮的企業(yè)提供動(dòng)力，為組織提供可操作的見(jiàn)解，商業(yè)機(jī)會(huì)和優(yōu)越的利潤(rùn)。就像原油在被轉(zhuǎn)化為有價(jià)值和有用的資源之前必須進(jìn)行精煉一樣，然而，必須先通過(guò)人工智能(AI)和機(jī)器學(xué)習(xí)(ML)來(lái)消化數(shù)據(jù)。從利用它來(lái)提高組織運(yùn)營(yíng)的效率到利用它來(lái)創(chuàng)造新的收入流，業(yè)務(wù)數(shù)據(jù)可以通過(guò)許多不同的方式貨幣化。

正如Mercator Advisory Group的支付創(chuàng)新副總裁Tim Sloane所解釋的那樣，“數(shù)據(jù)貨幣化就是利用你通過(guò)新渠道獲得的數(shù)據(jù)。”讓我們看一些具體的例子，不要浪費(fèi)任何時(shí)間。因?yàn)闀r(shí)間就是金錢(qián)，我的朋友!

向第三方出售匿名客戶(hù)數(shù)據(jù)

匿名(即，被剝奪任何敏感信息)或合成的客戶(hù)數(shù)據(jù)(即略微修改，因此它仍然100%具有統(tǒng)計(jì)相關(guān)性，但無(wú)法追溯到原始客戶(hù))可以出售給需要它的其他公司。分析產(chǎn)品的形式。匯總的，預(yù)先消化的數(shù)據(jù)可以貨幣化，因?yàn)樗赡軗碛谐銎湓加猛镜膬r(jià)值，并可能創(chuàng)建新的收入流。例如，購(gòu)物中心可能想要知道視頻游戲愛(ài)好者在購(gòu)買(mǎi)之后喜歡哪種類(lèi)型的食物，以便特定的快餐攤位可以放置在與游戲商店相同的區(qū)域中。或者電信公司可以出售可用于計(jì)劃更高效的客戶(hù)地理位置數(shù)據(jù)“智慧城市”技術(shù)解決方案。

提高營(yíng)銷(xiāo)效率

為公司提供持續(xù)不斷的新客戶(hù)是必要的。這就是為什么營(yíng)銷(xiāo)幾乎總是任何現(xiàn)代企業(yè)預(yù)算中最昂貴的支出項(xiàng)目之一。機(jī)器學(xué)習(xí)可用于理解大量營(yíng)銷(xiāo)數(shù)據(jù)，提高效率并降低成本。算法可用于根據(jù)用戶(hù)的個(gè)人偏好推薦進(jìn)一步觀看視頻或閱讀文章，增加在網(wǎng)站或平臺(tái)上花費(fèi)的時(shí)間，或吸引更多潛在客戶(hù)的注意力?？梢酝ㄟ^(guò)情緒分析來(lái)預(yù)測(cè)一段內(nèi)容的流行度，從而幫助縮小您想要排列的內(nèi)容類(lèi)型。(有關(guān)商業(yè)AI的更多信息，請(qǐng)參閱人工智能將如何徹底改變銷(xiāo)售行業(yè)。)

改進(jìn)的用戶(hù)分析

充分了解公司客戶(hù)的行為對(duì)于從中擠出更多資金至關(guān)重要。從用戶(hù)數(shù)據(jù)中提取可操作的見(jiàn)解是大數(shù)據(jù)分析的基礎(chǔ)，而ML可以將此過(guò)程提升到新的水平?？梢栽O(shè)置客戶(hù)流失預(yù)測(cè)模型來(lái)分析客戶(hù)行為，并了解最有可能在短時(shí)間內(nèi)停止使用您產(chǎn)品的人員。采取適當(dāng)?shù)拇胧﹣?lái)保留它們(例如，通過(guò)完全自動(dòng)化的CRM由于收購(gòu)成本高達(dá)保留成本的五倍，因此節(jié)省了大量資金。客戶(hù)終生價(jià)值(CLTV)模型還可用于確定哪些用戶(hù)角色更有可能通過(guò)從他們的習(xí)慣中提取有用數(shù)據(jù)來(lái)在您的產(chǎn)品上花錢(qián)。這有助于公司只將精力集中在可以產(chǎn)生相關(guān)收入的潛在客戶(hù)身上。

洞察力和建議即服務(wù)

公司通常需要依靠其最老，最熟練的員工的專(zhuān)業(yè)知識(shí)來(lái)執(zhí)行最困難的任務(wù)。組織的高級(jí)勞動(dòng)力是一項(xiàng)關(guān)鍵資產(chǎn)，當(dāng)這些有經(jīng)驗(yàn)的工人最終退休時(shí)，他們的知識(shí)和技能難以轉(zhuǎn)移。然而，一些公司已經(jīng)使用人工智能來(lái)消化無(wú)數(shù)頁(yè)面的文檔，其中包括用戶(hù)手冊(cè)，日常操作的通信以及最熟練的員工和前員工編寫(xiě)的報(bào)告。結(jié)果是創(chuàng)造了智能數(shù)字助理能夠?yàn)樾聠T工提供實(shí)時(shí)有用的見(jiàn)解，快速分析制造公司的材料選擇，并幫助每個(gè)團(tuán)隊(duì)成員在現(xiàn)場(chǎng)做出任何相關(guān)決策。這可以通過(guò)花更多的時(shí)間完成工作來(lái)幫助員工提高工作效率，減少計(jì)算細(xì)節(jié)的時(shí)間。

自助分析平臺(tái)

即使公司不是該數(shù)據(jù)的專(zhuān)有權(quán)也不能生成數(shù)據(jù)，數(shù)據(jù)也可以轉(zhuǎn)化為可貨幣化的資產(chǎn)。這種復(fù)雜的業(yè)務(wù)模型用于為需要通過(guò)基于云的自助式分析平臺(tái)從其戰(zhàn)略數(shù)據(jù)中提取有用信息的組織提供支持。這些平臺(tái)由算法提供支持，這些算法可以匯總，豐富和分析數(shù)據(jù)，用于各種目的 - 例如提高制造植入物中機(jī)器的效率，降低成本高達(dá)68% - 或者增強(qiáng)復(fù)雜系統(tǒng)，網(wǎng)絡(luò)的管理，通常，這些平臺(tái)將ML的功能與尖端傳感器數(shù)據(jù)相結(jié)合，以提高其預(yù)測(cè)和自我修復(fù)故障的能力，自動(dòng)化和優(yōu)化運(yùn)營(yíng)任務(wù)，并減少停機(jī)時(shí)間高達(dá)40%。(并不是每個(gè)人都已經(jīng)實(shí)施了ML。在4個(gè)阻礙機(jī)器學(xué)習(xí)的路障中找出原因。)

避免廣告欺詐

許多無(wú)法負(fù)擔(dān)內(nèi)部營(yíng)銷(xiāo)團(tuán)隊(duì)的公司必須依靠第三方供應(yīng)商為他們提供新的潛在客戶(hù)和潛在客戶(hù)。然而，在數(shù)字欺詐時(shí)代，并非每個(gè)賣(mài)家都應(yīng)該如此透明。為了虛假地夸大所達(dá)到的客戶(hù)數(shù)量，一些不那么謹(jǐn)慎的廣告代理商出售虛假的社交檔案，在社交媒體或機(jī)器人上提供虛假的評(píng)論，評(píng)論和互動(dòng)不斷下載應(yīng)用程序，軟件和手機(jī)/在線游戲。然而，這些不是現(xiàn)場(chǎng)用戶(hù) - 他們不僅不會(huì)為任何服務(wù)付費(fèi)，而且他們也可能與真實(shí)的人混淆，并且考慮到他們潛在的大量，導(dǎo)致組織形成虛假的用戶(hù)角色。使用機(jī)器學(xué)習(xí)可以輕松檢測(cè)機(jī)器人和虛假配置文件，因?yàn)槟?，機(jī)器在檢測(cè)自己的類(lèi)型時(shí)比我們更專(zhuān)業(yè)!

最后的想法

應(yīng)該有一個(gè)原因(可能不止一個(gè))如果今天有68%的公司采用機(jī)器學(xué)習(xí)來(lái)改進(jìn)流程。那些了解算法驅(qū)動(dòng)的數(shù)據(jù)管理和數(shù)據(jù)治理的全部潛力的人看到他們的增長(zhǎng)比那些沒(méi)有增長(zhǎng)43%的人增長(zhǎng)了。數(shù)據(jù)和見(jiàn)解的新市場(chǎng)已經(jīng)誕生，機(jī)器學(xué)習(xí)是“煉油廠”，使這種資源更有價(jià)值，更容易貨幣化。