为什么大数据的出口是AI

编辑导语:大数据时代,数据与技术要结合起来一起用,才能使得产品发挥最大效益。作为一名数据产品经理,除了要关注当下数据在决策与运营中的作用,还需要密切关注如何让数据价值发挥最大化。本文就大数据与AI的关系与应用作一个探讨。

为什么大数据的出口是AI

当今大数据时代,三分技术,七分数据,得数据者得天下,数据是新的原油。而即使获得相同的原油,但是不同的企业由于技术的差异,能够从原油中萃取出来的价值也是不一样的。

一般对大数据的价值来说,大家耳熟能详的主要是数据化管理、数据驱动精细化运营等,这些主要还是以分析应用的场景为主,除此之外,大数据还可以借助AI的能力,把价值更加极致地发挥出来。

一、大数据与AI的关系
我们知道AI最主要的实现方式是机器学习,而机器学习的本质是通过大量的数据分析挖掘、模型训练后,让机器具备人的学习能力或思辨能力,也可以理解为数据是原材料,AI是生产工具,AI与数据结合,创造新的生产力。

当然这个过程也离不开云计算提供强大的算力资源支持,很多人也把这种结构关系称之为ABCI,即:AI、BigData、Cloud、IOT。

为什么大数据的出口是AI

二、AI助力数据分析
对于一直做数据可视化产品数据产品经理同学,是否遇到过这样的困惑“自己所做的事情抽象一下,其实就是指标+维度+可视化图表,做来做去只是业务场景的变化”,如果想要有创新的突破该何去何从呢?

同样,做自助BI产品,是不是就是数据建模、拖拽式分析、配置化的可视化Dashboard或大屏的构建,随着产品基础功能的逐步完善,新增的基本上都是些小众的或边边角角的需求,此次,产品的下一步该如何规划?

在“数据可视化怎样才有灵魂”一文中,详细地分享过,数据可视化从数据是什么、为什么、怎么做的三个层次,对于数据是什么是基础的大数据处理、计算、查询、展示,而对于为什么、怎么做,则需要将更多人的分析思路和流程融入到产品中。

比如对于指标波动除了业务可以明确确定的规则外,当业务波动受时间周期、天气等多种因素影响时,如何确定合理的监控阈值,判定了指标异常后,又要如何进行自动化的归因分析,找出关键影响维度或指标? 此时,就需要更多的借助AI的能力了。

在2018年的时候,结合WolframAlpha(国外的一款基于知识图谱的搜索引擎)的思想,尝试过将业务经营指标、维度构建数据知识图谱,通过NLP技术对用户输入内容进行解析,如用户输入“华东大区昨日毛利”,可以直接返回指标数值、同环比、下一级维度拆分等等。

后来阿里QuickBI推出智能小Q,百度Sugar推出AI数据问答,其他BI厂商比如亿信华辰,也有智问功能。后期可以扩展结合语音识别的能力,想象一下,老板在开车的时候,想知道今天的业务经营情况,打开移动端的智能分析平台,语音输入“今天经营状况如何”,想知道的相关数据,从主要到次要,都可以直接语音播报了。

现阶段来说,智能问答属于最高层次的需求,但可以借助AI的能力,把智能分析的过程做的更深入一些,未来在资源允许、场景明确,则可以尝试更多数据机器人的能力。

为什么大数据的出口是AI

图片来源:亿信华辰公开图片

三、AI提升业务人效
以精准营销场景为例,用户画像标签可以分为统计类标签:如用户订单数、交易金额等;规则类标签:如年龄段分布,80后,90后,流失用户(近180天不访问);以及预测类标签,如下单概率,或基于算法模型预测用户性别(很多互联网应用无法获取用户真实身份数据,尤其是现在个人信息安全保护法施行之后会更加困难)。

一般基于数据的运营是,产品/运营人员按照业务经验或规则进行人群筛选,例如在暑期来临时,做迪士尼景区的促销活动,人群的圈选条件可能是:有酒店或火车票订单,过去有预定过儿童票等,这种方式相比较过去缺少用户画像数据时的营销已经算是精准了,但是这个过程潜在的问题是:

用户的圈选需要人工介入,占用人力资源
人工经验可能并不正确
营销后人群标签的正负向影响需要耗费较多分析时间,再作为经验积累,优化后期营销动作
借助AI的能力呢,则可以针对迪士尼的消费或浏览用户进行更多维度的特征分析(几十个甚至上百个特征标签),利用机器学习算法模型,找出更高意向的用户,进行触达,不仅可以带来更高的转化,还可以节省运营人力,而且模型可以不断学习优化。

在这个过程初期,需要进行AB实验,以确保算法的效果较人工有更好的转化。

四、AI促进产品智能
产品智能常见的包括三个典型的场景:一是个性化推荐,二是合规性审核,三是产品自动化优化。

个性化推荐,大家应该都非常熟悉,比如我们打开淘宝或京东时,首页推荐的商品大概率是我们有过一定关系的,比如自己浏览过、购买过等,或者系统判断我们可能会喜欢的商品。

合规性审核,对于UGC的平台,内容的合规性关于一个产品甚至是企业的生死存亡,用户发布涉黄、涉政、涉赌、毒等,都需要进行安全审查,而对于像抖音这种日活七八亿的国民级App,每时每刻都有大量视频内容发布,纯靠人工审核需要多少人力资源呢。

这个过程其实就是借助了AI的能力,系统无法识别的才会提交至人工审核。同时也会作为Badcase用来优化算法模型。

产品智能优化,当我们浏览旅游产品时,如果产品首页头图的非常美观,用户点击的意愿会相应提升,相反对于首图美感度差的产品,用户不会去点甚至反感。

借助图像识别的算法模型,对海量的图片数据进行挖掘分析,针对每个商品的图片进行美观度打分,从而实现产品头图的智能选择。除此之外,对于用户评价的文本进行NLP标签提取,给到新进浏览者更简单、快捷的评价标签。

为什么大数据的出口是AI

五、总结
数据产品经理,除了关注当下数据在分析决策、数据化运营等方面的应用外,也要着眼于让数据价值发挥的更加淋漓尽致的方向,比如大数据和AI能力的结合。

虽然现在阶段是数据产品经理向左,AI产品经理向右,但终究还是只有把两者更好地结合起来,才能把数据原油的价值榨取得更加充分。

专栏作家

数据干饭人,微信号公众号:数据干饭人,人人都是产品经理专栏作家。专注数据中台产品领域,覆盖开发套件,数据资产与数据治理,BI与数据可视化,精准营销平台等数据产品。擅长大数据解决方案规划与产品方案设计。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至22018681@qq.com 举报,一经查实,本站将立刻删除。

Like (0)
Donate 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
森林服务号的头像森林服务号
Previous 2021年8月25日
Next 2021年8月26日

相关推荐

发表回复

Please Login to Comment