Quelle est la clé d'Amazon et de Google succès des revenus ? Tout le monde connaît la réponse : les données.
La raison de l'empire des médias sociaux de Facebook et du bouleversement de Spotify dans le secteur du streaming musical ? Données.
Toutes ces entreprises ont réussi à tirer parti des vastes quantités d'informations qu'elles obtiennent de leur multitude d'utilisateurs - qu'il s'agisse de leurs habitudes de recherche, des publications qu'elles partagent, des produits qu'elles achètent ou de la musique qu'elles écoutent - en d'importantes sources de revenus. Ce n'est pas seulement le fait que ces entreprises ont pu collecter des données sur des millions (ou des milliards, dans le cas de certaines de ces entreprises) ; c'est que ces entreprises ont réussi à utiliser efficacement ces données pour mieux comprendre et commercialiser leurs utilisateurs. Toutes ces entreprises utilisent l'intelligence artificielle (ou, plus précisément, l'apprentissage en profondeur) pour ce faire.
combien vaut brooke shields
Bien sûr, il est important de noter qu'il n'est pas nécessaire d'être une entreprise dominante comme Amazon ou Google pour transformer les données en un avantage concurrentiel. À mesure que l'intelligence artificielle deviendra de plus en plus avancée et plus largement adoptée, nous commencerons à voir de nombreuses entreprises - grandes et petites - se tourner vers l'IA afin de proposer de meilleures stratégies de données et de gagner l'adoption des clients, et de mieux rivaliser avec leurs concurrents. .
La clé pour battre vos concurrents, selon Jeremy Fain, de la technologie de réseau neuronal pionnière cognitivement , c'est d'avoir de meilleures données - pas nécessairement plus, mais les données que vos concurrents n'ont pas. En théorie, chaque marque est capable de développer ses propres actifs de données uniques, car chaque marque doit être légèrement différente pour être compétitive. Cela signifie que les clients d'une marque sont, à tout le moins, légèrement différents de ceux de leurs concurrents, ce qui signifie qu'ils ont un angle unique qu'ils peuvent utiliser. Chaque donnée que vous obtenez sur votre client ou client potentiel est donc une autre information que vous pouvez utiliser pour élaborer une stratégie marketing ou publicitaire efficace.
est-ce que yoon eun hye est marié
Afin d'utiliser efficacement ces informations, vous devez d'abord décider quel est votre objectif. Vous cherchez plus de ventes ? Essayez-vous d'augmenter le trafic piétonnier dans les magasins ? Votre objectif est-il d'accroître la notoriété de votre produit sur le marché ? Une fois que vous avez fait cela, vous pouvez examiner les données pour voir si elles sont dans le bon format pour une utilisation avec l'apprentissage en profondeur. C'est quelque chose qui est difficile à expliquer simplement, mais fondamentalement, les données doivent être désagrégées - c'est-à-dire qu'elles doivent provenir de sources multiples afin que des conclusions plus approfondies puissent en être tirées. Cela signifie que vous n'avez pas vraiment besoin de savoir seulement combien de personnes ont visité un magasin, mais plutôt quand exactement chaque personne a visité. Vous n'avez plus besoin de regarder combien de ventes vous avez réalisées, mais aussi ce qu'était chaque vente et à qui. Pour aller plus loin, vous devez identifier les points de contact que vous aviez avec un client avant qu'il ne transige avec vous, les publicités qui lui ont été diffusées, et quand et où toutes les interactions se sont produites. Vous ne collectez pas encore ce type de données ? C'est ton premier devoir.
Cela signifie que vous aurez beaucoup plus de données à stocker que vous n'en avez l'habitude, mais la bonne nouvelle est que le stockage est bon marché. De plus, sans ces informations, vous ne pourrez pas profiter de la puissance de l'apprentissage en profondeur et rivaliser dans ce nouveau monde.
est-ce que lara spencer est toujours mariée
Une étude de 2016 sur les dirigeants du Fortune 1000 découvert que seulement 48,4% des personnes interrogées ont rapporté des résultats mesurables à la suite de leurs initiatives de données - mais 80,7% ont estimé que les efforts étaient un succès et essentiels. Cela signifie que tout le monde sait qu'il doit faire mieux et ne voit pas d'alternative, mais quelque chose de plus est nécessaire avant que des avantages mesurables ne soient atteints à tous les niveaux.
La plupart des initiatives de données manquent un ingrédient simple : l'apprentissage en profondeur. C'est un sujet souvent mal compris, défini par Fain de Cognitiv comme 'un type plus avancé d'apprentissage automatique capable de générer des informations de type humain'. La capacité du deep learning à obtenir des résultats à partir du big data est désormais essentielle non seulement pour des raisons de concurrence, mais aussi pour rentabiliser les investissements antérieurs dans le big data. Malheureusement, 39,3 % des personnes interrogées ont toujours dit que leurs organisations manquaient d'une stratégie d'entreprise Big Data, ou ignoraient si elle existait - ces entreprises ont une longue colline à gravir. En fait, la plupart des professionnels axés sur les données ont une montée abrupte devant nous. « Une partie du défi réside dans le fait que l'industrie elle-même est immature en matière de données. Nous regarderons ce que nous faisons dans 15 ans en arrière et nous dirons : « N'était-ce pas mignon ? », a déclaré un directeur des médias programmatiques pour une agence média mondiale interviewé pour un récent Étude IAB du groupe Winterberry .
Big data, analyse de données et intelligence artificielle vont de pair. L'intelligence artificielle - et, par extension, l'apprentissage en profondeur - nécessite des données, des rames et des rames de données. L'apprentissage en profondeur ne peut être efficace pour votre organisation que si vous disposez d'un flux constant d'informations pour l'alimenter.' Armés de ces informations, l'apprentissage en profondeur et les réseaux de neurones peuvent créer des algorithmes et des stratégies uniques à votre marque, garantissant ainsi que la marque reste compétitive et innovante. Comme Fain fait remarquer , « La capacité de décrire et de comprendre de manière plus complète le comportement d'un consommateur est plus complète que jamais, et ce type de données rendra les outils de marketing de l'IA encore plus efficaces au cours des prochaines années. »
À ce stade, toutes les marques ont besoin d'une stratégie de données solide. Il suffit de regarder des marques comme Macy's et J.C. Penney's aujourd'hui, qui sont en difficulté en raison des approches centrées sur les données des géants du commerce électronique comme Amazon et eBay. Avoir la bonne stratégie et, tout aussi important, les bons outils pour tirer le meilleur parti de vos données, c'est ce qui aidera votre entreprise à rester compétitive et prospère.
