大數據新時代,利用方法不斷進化

紛繁變化的時代,不能做出現場處理的組織無法有效利用大數據

財經

隨著AI(人工智慧)和IoT(物聯網)技術的發展,即時分析有關顧客行為的大量資料,不斷開拓新業務的「data driven(資料驅動)行銷」受到人們的關注。走在該領域前列的企業是如何運用大數據的呢?我們採訪了電腦科學專家、國立情報學研究所副所長佐藤一郎教授。

即時分析、應對消費者的「行為」

——「data driven(資料驅動)」在市場行銷等領域正受到廣泛矚目…

如今,消費者購買商品往往是參考SNS和資訊網站上的口碑評論,而不是企業的廣告。因此,分析每一位消費者的行為,已成為市場行銷之必須,資料分析量驟然增加了。而受益於AI(Artificial Intelligence,人工智慧)處理能力的提升,我們已經可以做到對大數據的即時分析。

在電商網站「Amazon(亞馬遜)」上購物時,網頁上會顯示「已購買此商品的人也購買了某某商品」的提示。關於這種商品推薦功能,Amazon已經實現了各個用戶的數值化分析管理,把握了他們對所有商品的關心程度,比如,看過某種商品的頁面標記為「1」,已實際購買標記為「5」,沒有任何操作標記為「0」。這樣一來,即使某位用戶本人的購買數量和頁面流覽量較少,但只要存在數值類型相似的其他使用者,系統就會將之作為與該用戶興趣相似者,來向他推薦其他用戶購買的物品。

Amazon的這種商品推薦功能非常巧妙,從不會向用戶推薦讓他們覺得「不是這個」的商品。Amazon在市場行銷方面,利用AI技術對「消費者購買行為」這種大數據進行了巧妙的處理和運用。

不過,由於可比較用戶數較少,或者使用了不一定能反映使用者意圖的周邊資訊,日本國內其他電商向用戶推薦商品的選擇精度還不高。如果給消費者推薦了他們不喜歡的商品,可能他們就不會再次使用這個電商網站了。同時,如果推薦方式讓消費者感覺受到了過度監視,那麼他們就會產生厭惡情緒。在推薦商品時,也不能一味推薦熱門商品。包括比較冷門和庫存較多的商品在內,選擇推薦什麼商品,是一件極其重要的事情。Amazon綜合考慮了這些因素,做得非常貼切。

「使用時點資訊」,大大改變商業模式

——除了商品推薦外,還有哪些事例呢?

如今,POS(Point Of Sales銷售時點資訊管理)系統已經得到了廣泛運用,這套系統通過條碼讀取機從商品條碼中讀取商品資訊,傳輸給電腦,由此對銷售額和庫存等資料進行管理。

過去,用盡渾身解數,也只能處理商品銷售時點的資料;而有了AI技術的現在,大數據的資訊處理能力得到提升,可以收集人們使用商品時的資料,也就是POU(Point OF Use,使用時點資訊)了。想必今後這種思路將會進一步普及。

比如,在國內銷售的日產EV(電動汽車)「LEAF」,每隔1分鐘就向充電站發送車載鋰離子電池使用量資訊,並匯總到資料中心。通過監控電池用量,必要時可以向用戶提示充電站的位置。除了EV外,如果能夠掌握商品的POU,那麼商品就不是賣完了事,還可以拓展服務,令企業的商業模式也發生巨大變化。

國立資訊學研究所副所長佐藤一郎

減少顧客損失的物聯網實例

——這也屬於IoT(物聯網)的一例吧。

IoT與大數據是密不可分的。IoT著眼於收集資料,大數據則著眼於分析利用資料。進而言之,AI的機器學習、deep learning(深度學習)等技術都是建立在大數據技術基礎之上的。在出現大數據這個說法的大約5年前,人們只能對網上的資料加以分析,而借助IoT,就可以收集現實世界的資料了。

有些辦公設備製造商,將顧客的複印、印表機連接網路,追蹤使用者的利用情況。也就是說,這些廠商時刻在關注用戶卡紙、零件損耗、墨粉、紙張使用情況等,以便能在顧客打來電話要求解決問題之前,主動與顧客聯絡,或者派遣銷售人員前去處理。

比如,如果發現墨粉餘量較低,負責監控的「遠端系統管理中心」就會向倉庫發出提前配送指令。倉庫將墨粉配送到顧客附近的銷售點,在墨粉完全耗盡之前送達顧客手中。如此一來,顧客就可以不間斷地使用辦公設備,而不會發生消耗品斷貨的情況。同時,通過監控還可以發現在夜間和假日也經常使用設備的顧客,於是通過為他們的辦公場所配置經久耐用的設備,來盡可能地避免突發故障對顧客造成的業務影響。

這就是將IoT和大數據結合起來加以巧妙利用的事例。社會上關於大數據分析的事例似乎大多都關注如何通過運用大數據來提升自家公司的銷售額和利潤,而這些辦公設備製造商所重視的,是如何減少顧客損失。

有效減少損失的大數據

——通過大數據提升銷售額是一件難事嗎?

非常困難。因此,現實生活中,應用大數據做得比較成功的,大多是在減少損失方面。這些企業會收集業務失敗案例,存儲相關資訊加以分析。

比如,某家網路遊戲公司對退會使用者的行為模式進行了分析。當時,用戶玩遊戲要簽訂包月契約,公司最擔心的是用戶退會。那些退會用戶都具有某種程度的相似行為模式。比如退會前,或點閱量減少,或與其他用戶的聯絡減少等。一旦出現這類模式特點,提前發現「疑似有退會之意的用戶」,公司就會給他們優惠,或者提供新的遊戲,想方設法留住他們。

有助於獲得利潤的資料特性是「未知的」,與之形成對照的,是我們從前述事例中可以看到的那種導致損失的資料特性,它們是「可知的」。因此,從短期來看,相較於提升銷售額,大數據應用在減少損失的方面更具有切實效果。

信用卡公司為了及時發現盜用,會依據每個使用者的購物記錄一一製作購物行為模式,一旦出現偏離模式的購物方式,就會被懷疑為盜用。這也是旨在減少使用者損失的大數據應用實例。

能夠有效利用資料的是「前線」人員

——怎樣才能找出被忽視的已知數據特性?

關於有助於業務發展的有趣資料特性,其實就是前線人員平時隱約覺察到的東西。但實際上,資料科學家作為資料分析者,往往在工作中不會聽取前線的意見。其實只要分析人員能夠用資料印證前線人員的發現就可以了。

大數據分析的做法,是提出「或許具有這種資料特性」的假設,然後收集旨在驗證該假設的資料並展開進行調查,如此循環往復。在這個領域,100個假設中只要有1個得到證實就足夠了。如果不了解前線的情況,就無法提出假設。因此,需要確實妥當地收集前線人員的發現,加快分析調查的迴圈節奏。

同時,大數據的分析結果大多是一些細節資訊,比如各家店鋪的商品陳列方式引起的銷售額變化等。總體來說,資料分析是面向前線人員而非經營決策者的。那麼,由於利用資料分析結果的也是一線人員,所以不能做出現場處理的組織就無法有效利用大數據。

在保護隱私的同時促進資料的利用

——在生活中的很多地方,我們的個人資訊都被收集去了……

這樣一來就可能出現洩漏個人資訊和侵犯隱私的問題。技術越是先進,副作用越是難以避免。開發方和使用方都有必要提前了解存在哪些副作用。

大數據方面,正如剛才說過的Amazon那樣,有時會借助其他使用者的資料進行推測,對特定個人做出分析。做得好,確實能帶來方便,但如果做錯了就會出現問題。即使是正確的推論,也可能導致隱私洩露。要做到妥善利用資訊,必須用技術和法律來保護個人資訊和隱私。

在法律層面,考慮到大數據的發展,日本修訂了個人資訊保護法,並於2017年5月正式施行。如果法律寬鬆,那麼企業可能會更多地利用資料,但個人就不願提供資料了。因此,修訂法律的目標,應該是充分考慮到保護個人資訊和隱私,促進個人資料的利用和流通。

日本在資料收集方面已經落伍

——日本的大數據發展現狀如何?

Amazon、Google和Facebook等公司都各自建立了EC網路、搜尋引擎、SNS等平臺,巧妙地收集使用者資料,在內部範圍利用這些資訊拓展業務,進而收集更多資料。

而日本在資料收集平臺的構建和推廣方面,處於落後於世界其他國家的狀態。政府宣稱「應該將資料作為公共產品實現共用」,這可能也是一種思路。但在資料收集方面領先一步的Google和Facebook等公司是否分享了他們收集到的資料呢?答案是NO。如果不在一定程度上允許獨佔通過自家服務收集到的資料,也就是允許壟斷利用獨家資料,那麼企業就會失去收集資料的積極性,這也是一個現實情況。

日本的企業擁有優秀的前線人才,但這或許反倒帶來了弊端,業務前線和經營決策層都容易依賴過去的經驗和直覺。如果世界處於不變之中,那麼完全可以參照過去的經驗,但在如今這樣一個紛繁變化的時代,如果不能通過反映現實的資料找到微觀變化並加以細緻應對,那麼只會被世界淘汰。

採訪、撰文:桑原利佳(POWER NEWS)

標題插圖:(chesky/PIXTA)

大數據 人工智慧 IoT AI