liguanyao
随着人工智能技术的不断突破与广泛应用,我们也开始逐步实现人类世界、虚拟世界和物理世界的大融合,智能社会正在向我们走来。
未来发展智能化趋势不可阻挡,而数据成为重要资源和战略资产,联系创造智能,基于物联网的数据争夺愈发激烈。
谈到数据驱动,如数据驱动的企业运营、数据驱动管理、数据驱动产品智能等,关于数据驱动的应用的讨论很多,但关于数据驱动基本原理的讨论较少,我就谈一谈数据驱动的基本原理:数据如何驱动?什么又是数据智能驱动呢?
谈原理之前,先说一个我个人的经历。
有一次我给家里老人和孩子叫了一个滴滴打车从培训学校回家,后来我看到账单显示是30多元,路程是10多公里,而我家到培训学校不过5公里,一般滴滴专车的费用是10多元,显然司机是绕路了,滴滴的APP上同时也显示了一条信息,大致意思是:车费异常,是否需要申诉?
我点击了“需要申诉”,滴滴APP立刻弹出一个界面,大意是:您有很好的信誉记录,接受您的申诉,此次收费按15元计算。
当时觉得滴滴这个功能挺牛的,给客户的体验挺好。
试想一下,在滴滴之前打出租车,类似状况是完全不同的场景:
首先,你可能根本不知道司机绕路了
其次,你事后发现司机绕路了,但你下车时忘了要票据,无法举证
再次,你当时就发现司机绕路了,跟司机要了票据,但票据上只有里程和时间,而没有出发地点、目的地和行车路线,你无法证明司机绕了路
而滴滴则彻底改变了这一状况:主动提醒你是否需要投诉,你提出申诉后,立刻就做出令你满意的处理!
滴滴的投诉处理如此贴心而智能,它是怎么做到的呢?如果我们对数据,以及数据与信息、知识和人工智能的关系有一些基本的了解,就能理解滴滴这种投诉处理的运作机制。
数据可以帮助我们理解数据、信息以及人工智能的关系。
数据不只是信息的数字化,还是信号的数字化。
数据,让信息信号的可以进行高效处理,让人类意志在脑外形成变成可能。
因此,当信息和信号更多的数字化后,不管是组织内部的指令系统,还是社会整体的指令系统,都会得到极大的效率提升。
智能,我们以产品智能为例,产品智能即是,通过收集数据运用强大的工具和算法得出新的结论,创造知识,改进产品,提升用户体验。
数据驱动智能,我们从以下几方面进行理解:
一、数据源
首先要重视数据源,积累数据资产。数据采集可以从“大、全、细、时”四个角度进行。如下图:
将数据分为两种类型——实时数据和非实时数据。它们往往存在于多个潜在的数据源中。如下图销售数据、PC端数据、移动端数据、实时客户触点数据等多种数据源都存在实时和非实时数据。
二、数据采集工具:
数据源有了,我们下一步如何进行数据采集呢?当然需要相应的数据采集工具,
下面介绍一款较为流行的数据采集工具,
Python,是一种免费的开源语言,因易用性常常与R相提并论。与R不同,Python学起来往往很容易上手,易于使用。许多用户发现可以在几分钟内开始构建数据,并进行极其复杂的亲和度分析。
只要你熟悉变量、数据类型、函数、条件语句和循环等基本编程概念,最常见的业务用例数据可视化就很简单。
通过数据采集工具,我们对数据源进行建模、分析、提取我们所需的数据。
三、数据驱动决策与产品智能
四、数据驱动智能作用
数据驱动智能能产生什么作用呢,主要用于:
1.商品个性化推荐,基于用户购买能力,兴趣爱好,向用户推荐感兴趣的商品。
2.智能评价系统,自动从用户评价中,抽取关键字和情绪化文字,如“老婆喜欢”。
3.流失用户预警,提前预警用户潜在的流失倾向,如提供优惠券,延长客户生命周期。
我们可以想象数据价值链就如同一个流水线一样—— 最后一站需要关注的是如何使用数据。如果数据洞察无法轻易地转换为行动,它的价值就几乎无法体现。智能洞察可以帮助人类决策。
IDC预测到2025年,全球数据圈将扩展至163ZB,相当于2016年所产生16.1ZB数据的十倍。属于数据分析的全球数据总量将增长至原来的50倍,达到5.2ZB,而认知系统/人工智能“触及”的分析数据总量将增长至原来的100倍,达到1.4ZB。数据量和可用性的爆发式增长,增强了人工智能系统可为部署者提供的杠杆作用。
未来充分的释放数据价值,驱动人工智能应用,将会带来业务创新与产业的升级。