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    
ブログ    

推薦する

製造業におけるコンピューター ビジョン: 機会と導入のヒント

時計職人の片眼鏡から、絵を描くのに便利な「ルシーダカメラ」まで、職人たちは光学技術を使って感覚を高め...

科学者は人工知能を使って新素材を発見する

米国の科学者チームは、人工知能を利用して非常に短期間で新たな鉄鋼の代替品を発見したいと考えている。そ...

パーシー・リャンらによる新しい研究:新しいBingのような生成型検索エンジンはそれほど役に立たないかもしれない

生成型検索エンジンは、入力クエリとオンライン引用に対する応答を直接生成することで、ユーザーの情報ニー...

一緒にハイキングに行きませんか? Baidu Brain EasyDLは、企業向けAI実装の山を登るお手伝いをします

エンタープライズ AI モデルの開発では、データの準備からモデルのトレーニング、サービスの展開まで、...

エッセンス共有サイトのランキングアルゴリズムのまとめ

ウェブサイトのランキングは、ウェブサイトの最適化を行うすべての人が最も気にしていることです。しかし、...

AI 教育がアメリカの高校の授業に導入: 普遍的な AI 学習までどのくらいの距離があるのでしょうか?

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...

Java で実装されたいくつかの一般的なソートアルゴリズムの詳細な解釈

ソートアルゴリズムはさまざまな場所で使用されています。最近、そのアルゴリズムを読み直し、自分で簡単に...

再帰アルゴリズムの深い理解、誤解された再帰

[[333118]]再帰は、プログラミングの本で説明するのが最も難しい部分である魔法のアルゴリズムで...

緩い時代は終わった:米国の自動運転規制環境は静かに厳格化している

米国の自動運転業界を取り巻く規制環境は静かに変化しつつある。過去10年間、米国は世界の自動運転分野に...

...

AppleはApp Storeのアプリランキングアルゴリズムを変更する可能性がある

北京時間4月19日朝のニュースで、モバイル広告ネットワーク関係者は、AppleがApp Storeの...

組み込みアルゴリズム CRCチェックアルゴリズム

[[350334]]データ伝送中にエラーが発生することは避けられません。データを受信した後、受信側は...

ガベージクリーニングは必須 - Java ガベージコレクションアルゴリズム

1. Javaガベージコレクションアルゴリズムの核となる考え方Java 言語は、使用中のオブジェクト...

農業革命:農業ロボットの台頭

近年、農業ロボットの登場により農業業界は大きな変化を遂げています。これらの最先端の機械は、作物の栽培...

Googleが量子コンピューティングAIラボを発表、今後10年のロードマップを公開

[[425546]]エリック・ルセロ博士最近、Google Quantum AIのチーフエンジニアで...