热门频道

深度 | Big Data还是Better Data?现在或许该谈谈智能数据了    

深度 | Big Data还是Better Data?现在或许该谈谈智能数据了

  今年年初的营销界显得格外热闹,宝洁的高管在不同的场合连番炮轰数字营销的不透明,联合利华计划缩减三成的广告投放以提高营销效率,阿迪达斯宣布未来会停止电视广告投放,而Youtube的极端主义视频事件让大量品牌对程序化购买产生了质疑。

  巨头们表现出的截然不同但又极端的态度,都源于数据已经成为营销行业中不可忽视的关键因素。所以,一连串事件隐隐地告诉我们:需要和上一个不谈数据的营销时代告别了。

  

1.webp.jpg


  可口可乐发出了迄今为止最为明确的信号:它裁撤了CMO(首席营销官)的职务,用CGO(首席增长官)取而代之。从名称的转变就能够知道,未来的营销将担负起更多数据增长的职责。在可口可乐的官方通告中,CGO的工作内容被定义为“结合营销、消费者服务和商业战略为一体”。不难看出,数据将成为这位“新官”亟需点起来的一把火。

  过去几年的互联网发展,让所有的企业都明白数据的重要。不管是消费者数据,供应商数据还是销售数据,在每一个谈论广告营销的场合,每一个人都滔滔不绝地讲着数据的重要性。但所有营销人也都明白,我们开始步入了数据的”无人区“,没有任何以往的经验可供指导。

  那么,我们该如何看待数据?或者说,正确的姿势到底是什么?

  Big Data还是Better Data?

  伴随着《大数据时代》一书的风靡,“大数据”的概念开始被越来越多的人接受。某种程度上,它甚至成为了互联网企业手握的尚方宝剑,毕竟数据是它相较于传统行业最重要的优势。

  电子科技大学教授周涛曾表示,大数据时代处理数据的理念上会有三大转变:要全体不要抽样,要效率不要绝对精确,要相关不要因果。谷歌人工智能专家Peter Norvig在一篇名为《数据的非理性效果(The Unreasonable Effectiveness of Data)》的文章中提到“大数据基础上的简单算法比小数据基础上的复杂算法更加有效”。

  简单地说,数据收集的范围越大越好,越全越好,量的重要性比质更高,这也成为了现在互联网企业热衷造生态的原因。甚至有些时候,大数据一词被滥用在毫无意义的语境中,成为吸引资本和媒体关注的工具。然而人们却发现,当面对过量的数据时,如何使用和分析它们成为了难以逾越的问题,尤其是在缺乏容易使用的工具的背景下。

  所以,大数据越来越像是少数技术人才的游戏,这成为了他们在互联网时代驰骋的理由。这种状况像极了欧洲早期的僧侣和贵族,只有他们懂得文字的书写,垄断了知识。对于其他的大多数普通人来说,他们知道自己身处一个巨变的世界,但却没有着力点。犹如现在的绝大部分没有技术实力支撑的企业,他们希望参与进来,但却被横亘在面前的数据大山死死挡住。

  人们开始对“大数据”感到厌倦

  “我们到底要Big Data还是Better Data?”宾夕法尼亚大学沃顿商学院教授Eric Bradlow前几年的这一问引发了我的思虑。大数据概念本身更强调数据的容量,那么数据的质量呢?我们看到了太多这样的案例:企业不惜代价收集数据,但却始终无法将这些数据转变成有效的货币价值。其原因就在于大量的数据不仅无用,反而因为过多的“噪音”干扰增加了数据清洗和分析的难度,而这些问题本可以避免。

  所以,Bradlow教授认为数据收集并不是大数据竞争的关键,数据分析才是,很多企业都跑偏了方向。它们应该更多地将精力放在中间的环节,这直接关乎企业是否能建立起更为有用的Better Data。

  Better Data确实是一个正确的方向,但是,它能够解决所有的问题吗?

  智能数据来了(Better Data=Smart Data)

  Better Data提出的背景是基于Big Data,它强调的是数据的有用性,这也成为了Big Data未来必然的发展方向。但是,Bradlow教授认为分析数据的主体是那些有经验的数据科学家,但是人工智能的快速发展让人们看到了另外的一种可能。

  Alphago与李世乭的围棋对垒在人工智能的发展史上颇具意义,它第一次让最大范围的消费者看到了人工智能的魔力,也将这一技术从实验室带到了真实的世界中。当Google和百度等巨头纷纷布局人工智能时,一种“人工智能+”的氛围开始逐步形成。而具体到数据领域,就诞生了“智能数据”这样一个概念。

  在Chinapex创略CEO Jimmy Hu看来,智能数据是“真正能够应用于解决实际问题的数据子集”。通俗地来讲,过滤大数据中“噪音”的主体变成了人工智能。通过机器的深度学习,那些能够解决实际问题的数据自动地被筛选出来。

  智能数据的好处显而易见:能够更快地提高解决问题的效率,也能更加轻量级和灵活地搭建解决方案,在同等条件下成本更低。更重要的是,机器学习的潜能是趋近无限的,在不断的训练中它还能对特定的业务问题提供更深入、快速和精准的洞察。

  大数据的倡导者常常表示,我们把与数据交流的困难看做理所当然,所以为了让分析变得简单,而选择将数据量缩减到最少。但凭借人的经验对数据进行筛选往往会让那些富含价值的数据流失,而智能数据刚刚平衡了两者间的关系:通过让机器进行分析筛选,既防止了数据流失,又保证了分析的简单易用。

  但具体到各个环节,如何实现数据的智能化处理呢?

  一般来说,智能数据的收集不再追求“大而全”,它将变得更加目的导向。通过技术解决方案供应商提供的工具,企业能够根据实际问题决定哪些数据需要被收集。

  到了分析环节,机器拥有了更宽的运行空间,它们不再被人为的逻辑和算法框死,拥有更多的自由裁量权。但与此同时,Chinapex创略首席科学顾问Laurent EL Ghaoui表示“机器学习和AI正推动人机共生的增长,机器智能做体力活获取洞察,人类做策略性的思考......每一方(人或机器)去做他们最擅长的事。“所以,智能数据并不追求也不可能取代人力,相反,它更需要机器和人之间更加紧密地互动与配合。

  

2.webp.jpg


  因为大部分的数据价值在于使用,而非占有本身,所以最后的应用环节颇为重要。在互联网瞬息万变的环境下,数据的价值只能通过更快的响应才能彰显。因此,在智能数据的构想中,下一代的智能数据平台应该与“行动系统”实时联通。当数据达到了此前设置的某些规则设定时,企业的行为会被自动触发。譬如当某些房产购买者的数据触达到高净值用户的标准时,相关线索就应该自动被推送到销售人员手中及时跟进。

  企业的机遇

  如果技术有意识的话,它应该愿意被更多的人熟知。因为但凡被证明是成功和有价值的技术,它们大多数都走向了“工具化”的道路,被越来越多的普通人使用,汽车如此,计算机亦然。

  大数据大概也正在经历着这样的阶段,从由少数精英掌控到最终变成了生活中必不可少的“工具”。从这样的层面看,智能数据的发展逻辑依然成立。它最大的价值就在于很多工作由机器完成,降低了大数据分析的难度,使得数据管理技术变得更为大众。

  这甚至能够产生一个新的商机,乃至商业世界。对于当下的中小型企业而言,它们最大的劣势就在于技术累积上,因此被少数互联网巨头牢牢圈死。当新的技术解决方案供应商提供了更易用的技术时,中小型企业就拥有了更多的自主权和话语权。所以,它们对智能数据的需求必然是旺盛的,众多的利基玩家构建出一个庞大的长尾市场。这样的情况将与百度的崛起颇为相似,百度就是笼络了大量没有中小型企业,这些企业有传播的需求但却没有足够的收入进行传统媒体投放。通过这一个个原本不起眼的商家,百度开始构建起了现在的商业帝国。

  而从一个更广阔的视角来看,当大数据技术变得更加“亲民”,也将会有大量的商业机会孕育出来。实际上,你可以把目前“创新者的窘境”理解为那些等待春雨的种子,春雨落下之时就是它们喷薄而出之日。走向“大众化”的技术就是一场场春雨,譬如IBM推出的第一台个人电脑或者乔布斯掏出的iPhone 4S。

  所以创新看似困难,但大数据领域已经有一些隐隐的迹象。每个人都想抓住机会成为胜者,但命运会垂青谁,时间很快就会给出答案。

  (来源:Morketing)


编辑声明:本网站所收集的部分公开资料来源于互联网,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,不为其版权负责。如果您发现网站上有侵犯您的知识产权的作品,请与我们取得联系,我们会及时修改或删除。联系方式:020-38814986
最新评论