従来のデータを超えて、インテリジェンスへの道はどこにあるのでしょうか?

従来のデータを超えて、インテリジェンスへの道はどこにあるのでしょうか?

AI がビジネスの世界に導入されたとき、AI は顧客体験に革命をもたらすなど、顧客のニーズをよりよく満たすことが期待されていました。データの取得と管理の成功は当初は障害となっていましたが、現在では企業はデータの管理と活用をより上手に行えるようになっています。しかし、AI を使用して顧客体験を完璧なものにするというビジョンは、まだほとんど実現不可能な状態です。

[[393189]]

このより高いレベルの AI を実現するために、進歩を目指す企業は、より多くのデータを吸収し、それをより適切に管理するという一般的なアプローチに加えて、より革新的なアプローチを検討する必要があることを積極的に検討しています。データの成熟度は企業や業界によって大きく異なりますが、最先端のデータ活用法が変革的に生まれ始めています。企業はこれらの革新的なデータ資産を使用して(または独自に作成して)、より高度な AI を推進できます。この種のイノベーションは、これまで存在しなかったデータを導入し、洞察をデータとして使用し、一般的な顧客体験を超えた範囲に到達します。

新しいデータソース

企業は、これまで考慮されていなかったニーズを満たすために、ブレークスルーを求め、新しいデータソースを見つけ、新しいデータを作成し、データを使用する新しい方法を発明しています。

たとえば、Label Insight という会社は、食品や飲料製品の属性をラベルから直接取得しています。これには、製品のサイズや重量などの物流データだけでなく、原材料、栄養、マーケティング上の主張も含まれます。現在、Label Insight は、サブスクリプションを希望するユーザー向けに、個別のディメンションに分割された集中型リソースを提供しています。企業はこのデータを活用して、Netflix が視聴すべき番組を推奨するのと同じように、消費者に商品を提案する推奨サービスを構築できます。しかし、ユーザーの栄養ニーズに基づいて週ごとのメニューや買い物リストを作成するサービスはどうでしょうか?

ヘルスケア分野において、Trialtrove は医薬品臨床試験データの単一ソースであり、何千ものデータソースを活用して最も包括的な試験情報を提供します。新しいデータを作成し、さらなる可能性を探ります。

データの洞察

データについて考えるとき、私たちはそのデータから得られる洞察について考えます。しかし、洞察をデータとして考えるとどうなるでしょうか? 何かについて十分な洞察を集めると、それらの洞察を使用してより良い洞察を生み出すことが可能になります。ナレッジ グラフは、データ内の洞察と知識を提示できます。ただし、データ量が多く、次元が多い場合、ナレッジ グラフではニーズを満たせない可能性があり、新しい方法が必要になります。

たとえば、顧客の洞察では、広範な顧客の洞察を派生データとして使用して、より優れた洞察を獲得します。たとえば、顧客の 360 度ビューには、個人の属性、顧客の行動、ソーシャル ネットワークやその他のネットワーク データ、人口統計、個人の好みなどが含まれる場合があります。これにより、チャネルへの関与傾向や製品採用傾向などの洞察を得ることができます。これらの洞察をそれ自体のデータとして使用すると、顧客をより深く理解できるだけでなく、顧客の行動をより正確に予測することもできます。情報が追加されるにつれて、この表現の精度が高まります。このソリューションを使用すると、データが蓄積されるにつれて、適切な顧客にリーチするために行うあらゆるターゲット投資の信頼性が高まります。

より広範な顧客体験

企業は長い間、顧客体験を研究し、マッピングしてきました。顧客体験が最も重要であることはわかっています。そのため、顧客の購入プロセスに関するすべての情報を最初から最後まで理解することが重要です。自社のデータに限定せず、他の企業の関連アクティビティや購入データと組み合わせて顧客体験を向上させることを想像してください。

Journera は、企業が旅行者データを活用するのに役立つ旅行業界プラットフォームの一例です。たとえば、航空会社は乗客のレンタカーやホテル宿泊を考慮することができます。フライトが遅延した場合に、レンタカーやホテルの予約を迅速かつ簡単に変更できれば、顧客体験はもっと良くなるのではないでしょうか。

このソリューションには多くの用途があります。もちろん、より多くのデータ、より良いデータを取得し、その管理を継続的に改善していく必要があります。しかし、データの取得と管理に関する古いパラダイムの外側で考えることができれば、新たな可能性が生まれます。デジタル化が進むにつれて、洞察に富んだデータが遍在するようになり、カスタマージャーニーを中心に構築されたサイロは消滅し続けるでしょう。これは、AI で何ができるのかを知ったときに私たちが最初に思い描いた未来であり、その未来はすでにここにあり、それにアクセスするには少し想像力を働かせる必要があるだけです。

<<:  北京が初の政策実験区を設置:自動運転は今年中に試験運用へ

>>:  イェール大学教授を征服したアルゴリズムプログラマーを見て、「人間本位」を実践してスマートコミュニティの脳を開発するにはどうすればよいのでしょうか?

推薦する

Midjourney の最新「拡張イメージ」ゲームプレイ: 高解像度の大ヒット作が 1 時間で直接制作可能!

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

救世主か、それとも公敵か? 人工知能の現在と未来を説明する記事

囲碁チャンピオンのイ・セドルを破ったロボット「アルファ碁」から、卓球ができるKUKAロボット、遠隔手...

...

...

解読: ボストン ダイナミクスがアルゴリズムを使用してアトラス ロボットの感覚世界を構築する方法

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...

...

春節祭でロボットが書道を行う。書道家は職を失うことになるのか?

毎年、春節の祝祭舞台ではさまざまな「ブラックテクノロジー」が必ず使われています。2021年の丑年春節...

...

ソフトウェア開発に AI とアジャイル管理を導入するための 9 つのヒント

[51CTO.com クイック翻訳] ご存知のとおり、人工知能 (AI) は 1956 年の誕生以来...

Go 言語 - データ構造とアルゴリズム プロジェクト

[[404457]]この記事はWeChatの公開アカウント「roseduanの執筆場所」から転載した...

AI時代におけるコンピュータのマクロ的な意義について語る

実際、私たち人間は、そのようなことを心配する必要はありません。科学者は、人工知能が人間の脳のレベルに...

機械学習プロジェクトでオプティマイザーを選択する方法

導入いくつかの一般的なオプティマイザーを紹介し、その長所と短所を分析し、オプティマイザーを選択するた...

上位 10 の古典的なソート アルゴリズムの詳細な説明: バブル ソート、選択ソート、挿入ソート

[[377307]] 1. アルゴリズムの評価基準ソートアルゴリズムを説明する前に、まずアルゴリズム...

工場に産業用 IoT テクノロジーを導入する 5 つの理由

モノのインターネット(IoT)はどこにでもあります。実際、ここ数年、スマート製造、サプライ チェーン...

企業はアルゴリズムやデータを通じて、どのようにより深い堀を築くのでしょうか?

[51CTO.com からのオリジナル記事] データは今最もホットなものです。当時は「紙は洛陽と同...