大数据新时代,不断进化的利用方法

纷繁变化的时代,不能做出现场处理的组织无法有效利用大数据

财经

随着人工智能(AI)和物联网(IoT)技术的发展,实时分析有关顾客行为的海量数据,不断开拓新业务的“数据驱动营销”受到人们的关注。走在该领域前列的企业是如何运用大数据的呢?我们采访了计算机科学专家、国立情报学研究所副所长佐藤一郎教授。

实时分析、应对消费者的“行为”

——“数据驱动”在市场营销等领域正受到广泛瞩目……

如今,消费者购买商品往往是参考社交网络(SNS)和信息网站上的口碑评论,而不是企业的广告。因此,分析每一位消费者的行为,已成为市场营销之必须,数据分析量骤然增加了。而受益于人工智能(AI,Artificial Intelligence)处理能力的提升,我们已经可以做到对大数据的实时分析。

在电商网站“亚马逊”上购物时,网页上会显示“已购买此商品的人也购买了某某商品”的提示。关于这种商品推荐功能,亚马逊已经实现了各个用户的数值化分析管理,把握了他们对所有商品的关心程度,比如,看过某种商品的页面标记为“1”,已实际购买标记为“5”,没有任何操作标记为“0”。这样一来,即使某位用户本人的购买数量和页面浏览量较少,但只要存在数值类型相似的其他用户,系统就会将之作为与该用户兴趣相似者,来向他推荐其他用户购买的物品。

亚马逊的这种商品推荐功能非常巧妙,从不会向用户推荐让他们觉得“不对路”的商品。亚马逊在市场营销方面,利用人工智能技术对“消费者购买行为”这种大数据进行了巧妙的处理和运用。

不过,由于可比较用户数较少,或者使用了不一定能反映用户意图的周边信息,日本国内其他电商向用户推荐商品的选择精度还不高。如果给消费者推荐了他们不喜欢的商品,可能他们就不会再次使用这个电商网站了。同时,如果推荐方式让消费者感觉受到了过度监视,那么他们就会产生厌恶情绪。在推荐商品时,也不能一味推荐热门商品。包括比较冷门和库存较多的商品在内,选择推荐什么商品,是一件极其重要的事情。亚马逊综合考虑了这些因素,做得非常到位。

“使用时点信息”,大大改变商业模式

——除了商品推荐外,还有哪些事例呢?

如今,POS(Point Of Sales销售时点信息管理)系统已经得到了广泛运用,这套系统通过条码读取器从商品条码中读取商品信息,传输给计算机,由此对销售额和库存等数据进行管理。

过去,用尽浑身解数,也只能处理商品销售时点的数据;而有了人工智能技术的现在,大数据的信息处理能力得到提升,可以收集人们使用商品时的数据,也就是POU(Point OF Use,使用时点信息)了。想必今后这种思路将会进一步普及。

比如,在国内销售的日产电动汽车“聆风”,每隔一分钟就向充电站发送车载锂离子电池使用量信息,并汇总到数据中心。通过监控电池用量,必要时可以向用户提示充电站的位置。除了电动汽车外,如果能够掌握商品的POU,那么商品就不是卖完了事,还可以拓展服务,令企业的商业模式也发生巨大变化。

国立信息学研究所副所长佐藤一郎

减少顾客损失的物联网实例

——这也属于物联网(IoT)的一例吧。

物联网与大数据是密不可分的。物联网着眼于收集数据,大数据则着眼于分析利用数据。进而言之,人工智能的机器学习、深度学习等技术都是建立在大数据技术基础之上的。在出现大数据这个说法的大约五年前,人们只能对网上的数据加以分析,而借助物联网,就可以收集现实世界的数据了。

有些办公设备制造商,将顾客的复印、打印机纳入网络,追踪用户的利用情况。也就是说,这些厂商时刻在关注用户卡纸、零部件损耗、墨粉、纸张使用情况等,以便能在顾客打来电话要求解决问题之前,主动与顾客联系,或者派遣销售人员前去处理。

比如,如果发现墨粉余量较低,负责监控的“远程管理中心”就会向仓库发出提前配送指令。仓库将墨盒配送到顾客附近的销售点,在墨粉完全耗尽之前送达顾客手中。如此一来,顾客就可以不间断地使用办公设备,而不会发生易耗品断档的情况。同时,通过监控还可以发现在夜间和假日也经常使用设备的顾客,于是通过为他们的办公场所配置经久耐用的设备,来尽可能地避免突发故障对顾客造成的业务影响。

这就是将物联网和大数据结合起来加以巧妙利用的事例。社会上关于大数据分析的事例似乎大多都关注如何通过运用大数据来提升自家公司的销售额和利润,而这些办公设备制造商所重视的,是如何减少顾客损失。

有效减少损失的大数据

——通过大数据提升销售额是一件难事吗?

非常困难。因此,现实生活中,应用大数据做得比较成功的,大多是在减少损失方面。这些企业会收集业务失败案例,存储相关信息加以分析。

比如,某家网络游戏公司对退会用户的行为模式进行了分析。当时,用户玩游戏要签订包月合约,公司最担心的是用户退会。那些退会用户都具有某种程度的相似行为模式。比如退会前,或点击量减少,或与其他用户的联系减少等。一旦出现这类模式特点,提前发现“疑似有退会之意的用户”,公司就会给他们优惠,或者提供新的游戏,想方设法留住他们。

有助于获得利润的数据特性是“未知的”,与之形成对照的,是我们从前述事例中可以看到的那种导致损失的数据特性,它们是“可知的”。因此,从短期来看,相较于提升销售额,大数据应用在减少损失的方面更具有切实效果。

信用卡公司为了及时发现盗用,会依据每个用户的购物记录一一制作购物行为模式,一旦出现偏离模式的购物方式,就会被怀疑为盗用。这也是旨在减少用户损失的大数据应用实例。

能够有效利用数据的是“一线”人员

——怎样才能找出被忽视的已知数据特性?

关于有助于业务发展的有趣数据特性,其实就是一线人员平时隐约觉察到的东西。但实际上,数据科学家作为数据分析者,往往在工作中不会听取一线的意见。其实只要分析人员能够用数据印证一线人员的发现就可以了。

大数据分析的做法,是提出“或许具有这种数据特性”的假设,然后收集旨在验证该假设的数据并展开进行调查,如此循环往复。在这个领域,100个假设中只要有一个得到证实就足够了。如果不了解一线的情况,就无法提出假设。因此,需要切实妥当地收集一线人员的发现,加快分析调查的循环节奏。

同时,大数据的分析结果大多是一些细节信息,比如各家店铺的商品陈列方式引起的销售额变化等。总体来说,数据分析是面向一线人员而非经营决策者的。那么,由于利用数据分析结果的也是一线人员,所以不能做出现场处理的组织就无法有效利用大数据。

在保护隐私的同时促进数据的利用

——在生活中的很多地方,我们的个人信息都被收集去了……

这样一来就可能出现泄漏个人信息和侵犯隐私的问题。技术越是先进,副作用越是难以避免。开发方和使用方都有必要提前了解存在哪些副作用。

大数据方面,正如刚才说过的亚马逊那样,有时会借助其他用户的数据进行推测,对特定个人做出分析。做得好,确实能带来方便,但如果做错了就会出现问题。即使是正确的推论,也可能导致隐私泄露。要做到妥善利用信息,必须用技术和法律来保护个人信息和隐私。

在法律层面,考虑到大数据的发展,日本修订了个人信息保护法,并于2017年5月正式施行。如果法律宽松,那么企业可能会更多地利用数据,但个人就不愿提供数据了。因此,修订法律的目标,应该是充分考虑到保护个人信息和隐私,促进个人数据的利用和流通。

日本在数据收集方面已经落伍

——日本的大数据发展现状如何?

亚马逊、谷歌和脸书等公司都各自建立了EC(电商)网络、搜索引擎、SNS等平台,巧妙地收集用户数据,在内部范围利用这些信息拓展业务,进而收集更多数据。

而日本在数据收集平台的构建和推广方面,处于落后于世界其他国家的状态。政府宣称“应该将数据作为公共产品实现共享”,这可能也是一种思路。但在数据收集方面领先一步的谷歌和脸书等公司是否分享了他们收集到的数据呢?答案是NO。如果不在一定程度上允许独占通过自家服务收集到的数据,也就是允许垄断利用独家数据,那么企业就会失去收集数据的积极性,这也是一个现实情况。

日本的企业拥有优秀的一线人才,但这或许反倒带来了弊端,业务一线和经营决策层都容易依赖过去的经验和直觉。如果世界处于不变之中,那么完全可以参照过去的经验,但在如今这样一个纷繁变化的时代,如果不能通过反映现实的数据找到微观变化并加以细致应对,那么只会被世界淘汰。

采访、撰文:桑原利佳(POWER NEWS)

标题插图:(chesky/PIXTA)

互联网 经营 大数据