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?

ブログ    
ブログ    

推薦する

生成 AI が運輸業界に登場します。準備はできていますか?

運輸業界は、人や物を輸送する 10 兆ドル規模の多様なグローバル ネットワークです。しかし現在、業界...

能力と信頼性の両方を備えることはできますか? GPT-4やGeminiなどのマルチモーダルモデルの評価レポートはこちら

2023 年には、マルチモーダル大規模モデルの飛躍的な発展が見られるでしょう。マルチモーダル大規模言...

カルパシーはOpenAIの内部闘争中にビデオを録画しました:大規模言語モデル入門がオンラインです

OpenAIでの混乱はひとまず終息し、社員たちは忙しく「仕事」をしている。今年初めに OpenAI ...

空中で疫病と戦うドローン

新型コロナウイルス肺炎の流行が始まって以来、多くのハイテク技術がこの疫病との戦いに後方支援を提供して...

[トイレに座ってアルゴリズムを読む] アルゴリズム 8: 賢い隣接リスト (配列の実装)

前回は、空間と時間の複雑さがともにN 2であるグラフの隣接行列保存方法を紹介しました。今回は、グラフ...

LLM の 3 つの大きな欠点のうちどれをご存知ですか?

科学: 未来の知覚を持つ汎用 AI は、永遠に慈悲深い存在とはほど遠く、個人データをすべて貪り尽くし...

顔認識システムはすごいですね!チケット転売業者が体調を崩して入院、警戒を呼び起こす

最近、北京同仁病院の警報システムが作動し、職員は北京天壇病院で活動していたチケット転売業者が北京同仁...

人工知能:ニューノーマルにおける成長の原動力

人工知能技術は急速に発展し、成熟しつつあります。多くの最新のアルゴリズムと問題解決手法が日々革新され...

...

機械学習のコンテナ化: TensorFlow、Kubernetes、Kubeflow

[[253678]] [51CTO.com クイック翻訳] 機械学習 (ML) は、パターンを識別...

機械学習とディープラーニングの違いを簡単に分析する

【51CTO.com クイック翻訳】 [[379353]]現代社会に人工知能の波が押し寄せる中、機械...

...

中国はビッグデータ、人工知能、遺伝子技術などに関する知的財産法制の整備を加速させる。

中国共産党中央委員会と国務院がこのほど発表した「知的財産強国建設要綱(2021~2035年)」では、...

ロボット工学、自動化、AIでイノベーションを加速

デジタル変革の結果、テクノロジーは長年にわたってどのように変化してきましたか?アクセンチュアが第 2...

Google が Mirasol をリリース: 30 億のパラメータで、マルチモーダル理解を長時間動画にまで拡張

11月16日、Googleは、動画に関する質問に答えたり、新たな記録を樹立したりできる小型人工知能モ...