Big Data: explorer la différence entre la prévision et la perception.

Par la sagesse de Gemma

À mesure que les entreprises se développent et étendent leur sphère d'influence d'une région à l'autre grâce à l'économie numérique dans le monde, elles sont moins personnalisées par les données des utilisateurs. Ce qui est communément appelé «données obscures». En termes simples, il est facile de se rappeler que M. Jenkins aime le sucre dans son thé lorsqu'il est l'un des vingt clients qu'il voit tous les jours, mais il semble impossible de garder une attention personnelle tout en servant des millions d'utilisateurs.

Récemment, avec le développement rapide de la technologie des données Big Data, nous commençons à retrouver une partie de nos soins et de notre attention personnels. Des outils tels que l'IA doivent digérer les ensembles de données ininterrompus et cassés et comprendre leur signification. Des pétaoctets de données sombres ont maintenant commencé à enrichir les profils des clients et à créer une personnalisation significative, l'essence même de l'expérience client intelligente. L'époque où l'on fournissait de façon anonyme des informations sur les interactions entre chaque utilisateur d'un produit ou d'un service, la masse agrégée était donc si complexe et presque inutile.

Récemment, le magazine Forbes Fani Nagarjuna, analyste en chef chez Sutherland, a parlé des gros problèmes que les Big Data vont créer. Entre autres aspects de cette transition loin des données sombres, l'accent est mis sur l'importance des concepts prédictifs et prescriptifs et sur l'utilisation de ce concept en temps réel.

Par exemple, dans le processus publicitaire, des outils prédictifs sont utilisés pour délivrer des messages ciblés lorsqu'un utilisateur est enclin à répondre. Les analystes utilisent l'analytique pour prévoir les périodes d'utilisation élevée dans le secteur des télécommunications afin que plus d'équipement puisse être déployé sur Internet pour attendre le plus longtemps nécessaire. Il est utilisé par les détaillants pour préserver le niveau des stocks en conséquence afin de prédire quand le produit peut être le plus élevé. En plus de ces types d'efficacité, nous voyons également la technologie de Sutherland, qui est utilisée pour générer des revenus, tout comme ses clients, qui ont récemment fourni des technologies d'analyse et d'IA à leurs clients, offrant leur propre boutique personnalisée. % de croissance annuelle des ventes.

La quantité de données que les entreprises peuvent collecter lorsqu'elles ont plus de canaux à collecter (pensez à la maison connectée, à l'Internet des objets et à la distribution d'appareils d'assistance numériques comme Alexa à la maison) les taux exponentiels continueront de croître. Dans ce scénario, des outils modernes tels que l'analyse prédictive seront essentiels pour ne pas revenir aux vieux mauvais jours.

Mais comme Nagarjuna le fait remarquer: "Vous devez être plus intelligent que vos données." Les seuils d'analyse prédictive, tels que l'ancien temps des mesures Web et la configuration des cookies pour suivre le comportement des utilisateurs pour la publicité ciblée, sont déterminés par la manière dont les gens conçoivent les données. Cela signifie que l'avancement de l'analyse de données intelligente entraînera une augmentation de la recherche sur les services et de la recherche en conception de conception et en anthropologie. Les chiffres racontent une histoire, mais les gens écrivent le script. En combinant la sympathie humaine dans la conception, les entreprises peuvent appliquer une compréhension holistique du comportement, des intérêts et des habitudes des utilisateurs qui assurent la réussite analytique.

En combinant la sympathie humaine dans la conception, les entreprises peuvent appliquer une compréhension holistique du comportement, des intérêts et des habitudes des utilisateurs qui assurent la réussite analytique.

Cela soulève un point intéressant. Les mégadonnées ont fourni au monde des affaires la possibilité de formuler un récit pour décrire et prédire les tendances et le crowdsourcing. Des systèmes prédictifs complexes ont développé cette vue d'ensemble, y compris des outils pour prédire le comportement des individus. Mais dans les deux cas, les compétences humaines dans la recherche et l'apprentissage de la vie client déterminent la différence entre ces informations impressionnantes et les informations fournies par les murmures blancs. Ainsi, lorsque Mme Jenkins commande un gâteau aux carottes à faible teneur en glucides, le système peut vous suggérer de conserver le sucre dans le thé et de trouver du sirop d'agave à la place. Assurez-vous de lui dire que son nouveau régime fonctionne très bien pour elle afin de s'assurer qu'elle est de retour ...

Suivez nos trois plus gros conseils d'adaptation de données sur le blog principal de Phani Nagarjuna.