علم داده در حال حاضر یک عنصر حیاتی از یک کسب و کار موفق است. خیلی زود بخشی از هر برنامه کاربردی خواهد بود و هوش مصنوعی در هر گردش کار تراکنش تعبیه خواهد شد.
علم داده بسیار بیشتر از یک کلمه رایج امروزی در دنیای تجارت، نحوه تعامل شرکت ها با مشتریان خود را دوباره تعریف می کند.
بدون توجه به بخش یا صنعت – خرده فروشی، بیمه، تولید، بانکداری، مسافرت – هر شرکت بزرگ روش خاص خود را برای مقابله با علم داده دارد. مجبورند. داده ها همه جا هستند. این طلای جدید است و استخراج داده ها برای موفقیت یا شکست هر کسب و کاری بسیار مهم است.
داده ها به انواع اطلاعاتی که رقبا را از هم جدا می کند، دسترسی پیدا می کند. شرکتهای مبتنی بر داده، خدمات بهتری را به مشتریان خود ارائه میکنند و تصمیمات بهتری میگیرند—همه به این دلیل که این تصمیمها توسط دادهها پشتیبانی میشوند.
علم داده تکامل بعدی در دنیای تجارت است و آنهایی که نتوانند با این واقعیت جدید سازگار شوند دیگر وجود ندارند. جایگزین انقراض است.
این سرنوشتی بود که یک زنجیره خرده فروشی مد و لباس اروپایی با آن روبرو شد. این شرکت که در اوایل دهه ۱۹۸۰ تأسیس شد، میراثی را بر روی یک تجربه خرید حضوری متمرکز و مجلل ایجاد کرد. ظهور و گسترش خرده فروشان آنلاین ضربه بزرگی به تجارت آن وارد کرد. هنگامی که فروشگاه های آجر و ملات آن شروع به مبارزه کردند، فروشگاه می توانست سرنوشت خود را بپذیرد و به زباله دان تاریخ منتقل شود.
در عوض، دیجیتالی شدن را پذیرفت.
با تمرکز بر حفظ تجربه مشتری مثبت، این شرکت برای مدیریت مشتریان، جمعآوری دادهها و ارائه محصولات و خدمات مورد نظر مشتریان خود، تحول دیجیتال همهکانالی را برنامهریزی کرد.
این کار با راهاندازی یک کانال تجارت الکترونیک و ایجاد یک سیستم CRM برای مدیریت مشتریان و جمعآوری دادهها از طریق یک برنامه وفاداری آغاز شد. برای حفظ اخلاق تجاری مشتری محور خود، آنها بر توسعه یک قابلیت نوآوری اختصاصی تمرکز کردند تا اطمینان حاصل کنند که محصولات و خدمات مورد نظر مشتریان را ارائه می دهد. در نهایت، آنها به سمت دیجیتالی کردن فرآیندهای مشتری و بهینه سازی سفر مشتری رفتند.
امروزه، خرده فروش مد فروشگاههای آجر و ملات خود را حفظ میکند تا به خریداران اجازه دهد مجموعههایی را که ارائه میدهد ببینند و تجربه کنند. فروشگاه آنلاین به عنوان یک کانال ارتباطی برای تعامل با زیرمجموعه ای از مشتریان خود و ایجاد درک درستی از نیازها و خواسته های آنها استفاده می شود.
برای حفظ این رویکرد جدید، هشت تیم دیجیتال ایجاد شد و هر چیزی که قابل اندازه گیری باشد اندازه گیری می شود. این تحول دیجیتال به کسب و کار این امکان را داده است تا ۹۰٪ از درآمد خود را به مشتری نهایی ردیابی کند.
ساخت یک تیم
برای شرکتهایی که هنوز وارد بازی علم داده نشدهاند، یا در اولین قدمهای خود در این فضا هستند، اولین و بزرگترین توصیه این است که فروتن باشند، اذعان کنید که این کاری نیست که شما به تنهایی انجام دهید. و تیمی از متخصصان را گرد هم بیاورید.
علم داده یک حوزه پیچیده است و برای استفاده صحیح از آن به مهندسان، دانشمندان و تحلیلگران نیاز دارد تا پلتفرمهای هوش مصنوعی را توسعه دهند که دادهها را شناسایی، جمعآوری، ارزیابی و با حداکثر مزیت استفاده کنند. آنها میتوانند استراتژیای را توسعه دهند که نوع دادههای مورد نیاز، بهترین روشها برای جمعآوری آن دادهها، سیستمهای مورد نیاز برای جمعآوری اطلاعات و نحوه اطمینان از پاک بودن و قابل استفاده بودن دادهها را بهمنظور کسب درآمد از آنها مشخص میکند.
این تیم همچنین میتواند زیرساختهای مورد نیاز برای پشتیبانی از جمعآوری و جمعآوری دادهها، از جمله پلتفرم هوش مصنوعی یا یادگیری ماشین و یک پلتفرم ابری برای ظرفیت ذخیرهسازی بزرگ رایانه را توسعه دهد.
پلتفرم ابری کلیدی است. این امکان استقرار سریع دادهها را فراهم میکند و زمان مورد نیاز برای به دست آوردن بینشهای ارزشمند درباره یک کسبوکار و مشتریان آن را به شدت کاهش میدهد. مهندسان تجزیه و تحلیل میتوانند خطوط لوله داده قابل اعتمادی بسازند که گزارشدهی و تجسم خود سرویس را فعال کند.
اما نگاه کردن به میلیونها نقطه لمسی و تلاش برای کشف چگونگی استخراج اطلاعات معنیدار از آن میتواند کار دلهرهآوری باشد. داده محور بودن به معنای چیزی بیشتر از باز کردن قفل داده ها، ذخیره آن ها و دسترسی به همه است. این در مورد استخراج بینش از اطلاعات جمعآوریشده برای پیشبینی بینشهای آینده، توصیههایی برای سرمایهگذاری در کوتاهمدت، میانمدت و بلندمدت، کاهش ریزش مشتری، پیشبینی تقاضا، بهینهسازی زنجیره لجستیک یا خودکار کردن فرآیندهای تجاری است.
در مواقعی که علم داده بسیار مفید است، الگوهای غیر واضح را از مجموعه دادههای بزرگ استخراج میکند، مانند خرید، رزرو رزرو، ادعاها، یا تراکنشهای بانکی، تا به کسبوکار کمک کند تصمیمهای بهتری بگیرد.
دادههای خرید استخراج
شناخت مشتری شما یک اصل اساسی برای هر کسب و کاری است و داده های تاریخی الگوهای خرید مشتری نه تنها متداول ترین و به راحتی در دسترس ترین مجموعه داده است، بلکه یکی از مهمترین آنها نیز می باشد. پیشبینی خواستهها و نیازهای آینده را امکانپذیر میکند و بینش ارزشمندی برای تأثیرگذاری بر انتخابهای مصرفکننده در آینده ارائه میدهد.
سیستم مدیریت ارتباط با مشتری (CRM) نقطه شروع خوبی برای استفاده مؤثر از علم داده است. خردهفروشان میتوانند از این دادهها برای شناسایی گروههایی از مشتریانی که رفتارها و سلیقههای مشابهی دارند، استفاده کنند و همچنین درک بهتری از محصولاتی که اغلب با هم خریداری میشوند، ایجاد کنند.
یکی از تولیدکنندگان پیشرو پوشاک در آمریکای شمالی دارای سابقه ۱۵۰ ساله افتخارآمیز است و در طول سالها ظرفیت تولید خود را افزایش داده، شبکه فروش خود را گسترش داده و در بازاریابی سرمایه گذاری کرده است. اما شاید مهمترین ابتکار امروز آن تحلیل علم داده آن باشد. بخش علوم داده مستقیماً به مدیر عامل گزارش میدهد و با اقیانوسی از دادهها در پلتفرم Google کار میکند تا مشتریان را به طور مؤثرتری درگیر کند.
در طول همهگیری کووید، از آنجایی که خریداران لباس بیشتری به صورت آنلاین تحت فشار قرار گرفتند، بخش علم داده شرکت رونق گرفت و ردپای دیجیتالی شرکت را برای جمعآوری هرچه بیشتر دادههای مصرفکننده بهبود بخشید – چه کسی آنلاین خرید میکند در مقابل چه کسی از فروشگاه خرید میکند، چه کسی. آنها به صورت آنلاین بررسی می کنند، چقدر هزینه می کنند، چگونه برای خرید خود پرداخت می کنند، در نهایت چه چیزی می خرند – و از همه این اطلاعات برای ایجاد نمایه ها و ردیابی الگوها استفاده می کنند.
سپس از دادهها توسط کمپینهای بازاریابی که مستقیماً مشتریانی را که در آن نمایهها قرار میگیرند هدف قرار میدهند، درآمد کسب میکنند.
استخراج اطلاعات کاربر
با پیشرفت علم داده، تعاملات با مشتری بسیار شخصیتر میشود. به جای ایجاد نمایه های گسترده در مورد گروه ها، بازارهای خاص یا مناطق، تمرکز به طور فزاینده ای فردی می شود.
سرویسهای پخش جریانی از دادهها برای بهبود تجربه کاربر استفاده میکنند. آنها عناوین پیشنهادی را به بینندگان پیشنهاد می کنند که الگوریتم آنها مشخص کرده است که فرد ممکن است از آنها لذت ببرد. فرض آسان این است که این به سادگی بر اساس چیزی است که بیننده ممکن است قبلاً تماشا کرده باشد. برای مثال، چون از این فیلم اکشن با بازی تام کروز لذت بردید، شاید از این فیلم اکشن دیگر با بازی تام کروز لذت ببرید.
با این حال، بسیار پیچیده تر از این است. استریمر با نمایههای کهن الگوی ساخته شده با تجزیه و تحلیل کوههایی از دادههای کاربران از سراسر جهان شروع میکند. سپس الگوهای تماشای افراد (عناوین، ژانرها، بازیگران، فصلی بودن)، آنها را با سایرین در آن نمایه از سراسر جهان و آنچه که تماشا میکنند، ببافید تا به توصیههای آن برسد.
داده های سفر استخراج
بخش مسافرت و مهماننوازی برای کمک به بهبودی از همهگیری به علم داده تکیه میکند.
تعداد کمی از مشاغل از تأثیرات منفی این همه گیری در امان ماندند، اما بخش مسافرت از بین رفت. قبل از همهگیری، ارزش بازار جهانی عملیات فرودگاهی حدود ۲۲۱ میلیارد دلار بود. پس از اینکه همهگیری باعث بسته شدن مرزها و تعطیلی همه سفرهای هوایی تفریحی شد، این رقم به ۹۴.۶ میلیارد دلار کاهش یافت. بهبود جزئی در سال ۲۰۲۱ به ۱۳۰.۲ میلیارد دلار رسید، اما هنوز تا جایی که میخواهند فاصله دارد.
چالش توسعه و پیادهسازی راهحلهای مبتنی بر داده است که جریانهای درآمدی را تجدید میکند، سلامت عمومی را اولویتبندی میکند، تجربه مشتری را افزایش میدهد و از طرحهای پایداری حمایت میکند.
تمرکز بر تجربه مشتری و در عین حال بهبود بهره وری عملیاتی بسیار مهمتر از همیشه است و انتظار می رود این کار در چارچوب پارامترهای اهداف مالی انجام شود که تغییر نکرده اند.
یکی از بزرگترین خطوط هوایی جهان از علم داده برای پیشبینی هزینههای مربوط به شکایات و ادعاهای تاخیر و لغو استفاده میکند. این به شرکت هواپیمایی کمک کرده است تا اختلالات عملیاتی را حل کند و رضایت مشتری را بهبود بخشد. همچنین توانست راهحلهای جدیدی را برای بهبود روشهای پرداخت آنلاین، راهاندازی یک سیستم هشدار عملکرد، و بهینهسازی استفاده از سرمایه تعمیر و نگهداری ایجاد و عرضه کند.
از خدمات مشتری گرفته تا حمل و نقل محموله، شرکت هواپیمایی اکنون فرآیندهایی برای جمعآوری و تجزیه و تحلیل اطلاعات و توسعه ایدههای جدید با درک بیشتر از تجزیه و تحلیل دادههای داخلی دارد.
فقط ابتدا
ما فقط روی نوک کوه یخ علم داده ایستاده ایم. علم داده در حال حاضر یک عنصر حیاتی یک تجارت موفق است و استفاده از آن صد برابر خواهد شد. دیری نمیگذرد که همه سیستمهای تراکنش – خرید، رزرو، بانکداری – هوش مصنوعی را در جریان کار قرار دهند. تجزیه و تحلیل داده ها در تمام برنامه های هر کسب و کار مستقر خواهد شد. بدون آن، هیچ سازمانی در برابر رقابتی که سرمایه گذاری زیادی روی تجزیه و تحلیل داده ها انجام می شود، زنده نخواهد ماند.
Vipul Baijal مدیر عامل قاره آمریکا برای Xebia است. رام نراسیمهان، رئیس جهانی هوش مصنوعی و خدمات شناختی Xebia است. Xebia مستقر در آتلانتا، یک رهبر جهانی در مشاوره فناوری اطلاعات و فناوری دیجیتال است.
—
New Tech Forum مکانی برای کاوش و بحث در مورد فناوری سازمانی نوظهور در عمق و وسعت بی سابقه ای فراهم می کند. انتخاب ذهنی است، بر اساس انتخاب ما از فناوری هایی که معتقدیم مهم هستند و برای خوانندگان InfoWorld بیشترین علاقه را دارند. InfoWorld وثیقه بازاریابی را برای انتشار نمی پذیرد و حق ویرایش تمام محتوای ارائه شده را برای خود محفوظ می دارد. همه سوالات را به newtechforum@infoworld.com ارسال کنید.
پست های مرتبط
نوک کوه یخ علم داده
نوک کوه یخ علم داده
نوک کوه یخ علم داده