[[390090]]

01 數(shù)據(jù)自我決策

曾擔(dān)任谷歌和百度深度學(xué)習(xí)與人工智能部門負(fù)責(zé)人的吳恩達(dá)在2016年的《哈佛商業(yè)評(píng)論》上發(fā)表的一篇文章中寫道：

如果普通人能在不到一秒的時(shí)間內(nèi)完成一項(xiàng)腦力任務(wù)，現(xiàn)在或不久的將來就可以用人工智能將該任務(wù)自動(dòng)化。

有人提出質(zhì)疑，認(rèn)為只要是一分鐘之內(nèi)的思考任務(wù)，人工智能都可以完成。毫無疑問，人工智能正在經(jīng)歷一個(gè)爆炸式增長的階段。依靠適當(dāng)?shù)乃惴ê妥銐虻臄?shù)據(jù)進(jìn)行訓(xùn)練，機(jī)器可以做出非常好的決策，就像有經(jīng)驗(yàn)的人能做到的那樣。

雖然這些都是簡單的小任務(wù)，但是從數(shù)量和準(zhǔn)確性中獲得的好處對(duì)于一個(gè)企業(yè)或整個(gè)行業(yè)來說是非常重要的。有一些眾所周知的例子：人臉識(shí)別、語音識(shí)別、語法糾正和語言翻譯。

異常監(jiān)控是一個(gè)特別有用的領(lǐng)域。長期以來，傳統(tǒng)的數(shù)據(jù)分析方法一直用于檢測欺詐事件，通常需要進(jìn)行復(fù)雜且耗時(shí)的調(diào)查，以處理不同的知識(shí)領(lǐng)域。

事實(shí)證明，人工智能和機(jī)器學(xué)習(xí)在檢測垃圾郵件方面非常有效。從那以后，人工智能和機(jī)器學(xué)習(xí)在異常監(jiān)控中的應(yīng)用已經(jīng)擴(kuò)展到信用卡欺詐監(jiān)控、放射學(xué)診斷和信息安全中的系統(tǒng)入侵檢測。

02 個(gè)性化客戶體驗(yàn)

產(chǎn)品推薦在亞馬遜和Netflix的案例研究中得到了充分肯定。這兩家公司驚人的收入增長很大程度上是建立在產(chǎn)品推薦引擎上的，這些引擎是由人工智能算法和大量在線數(shù)據(jù)驅(qū)動(dòng)的。即使不成為互聯(lián)網(wǎng)巨頭，也可以利用人工智能和機(jī)器學(xué)習(xí)技術(shù)來推薦更好、更相關(guān)的產(chǎn)品和服務(wù)。

我們?cè)诜康禺a(chǎn)行業(yè)的一個(gè)客戶成功地建立了市場中最大的數(shù)字資產(chǎn)之一，但遺憾的是，網(wǎng)站上大量的匿名用戶限制了企業(yè)了解他們并向合作伙伴提供有價(jià)值的洞察力的機(jī)會(huì)。

于是該企業(yè)開展了一項(xiàng)機(jī)器學(xué)習(xí)活動(dòng)，在匿名用戶進(jìn)入網(wǎng)站時(shí)，詢問他們是否首次購房。盡管客戶的響應(yīng)度不高，但企業(yè)依然收集到了足夠的數(shù)據(jù)來訓(xùn)練機(jī)器學(xué)習(xí)算法。該算法檢測點(diǎn)擊流和其他瀏覽行為的模式，從而實(shí)時(shí)且準(zhǔn)確地預(yù)測首次購房者。

這給企業(yè)帶來了新機(jī)會(huì)，可以產(chǎn)生與該目標(biāo)受眾高度相關(guān)的首次購房報(bào)價(jià)和產(chǎn)品。

如果客戶允許我們?cè)L問他們的更多數(shù)據(jù)(例如，位置、聲音、移動(dòng)、溫度等感知數(shù)據(jù)，以及日歷、電子郵件和社交網(wǎng)絡(luò)等個(gè)人數(shù)據(jù))，就可以推斷出更準(zhǔn)確、更具體的用戶上下文(例如，他們的活動(dòng)、環(huán)境、情緒，甚至壓力水平)。考慮到這種豐富的上下文，設(shè)計(jì)師將需要做很多工作。

在機(jī)器學(xué)習(xí)時(shí)代，定義用戶體驗(yàn)的是個(gè)體，而不是目標(biāo)群體。

03 做出更好的決策

人工智能和機(jī)器學(xué)習(xí)非常擅長“大海撈針”，而人類更善于觀察“針”并決定如何使用它。除了簡單的小任務(wù)外，大多數(shù)業(yè)務(wù)決策都需要良好的判斷力、同理心、直覺和創(chuàng)造力。由于認(rèn)知偏見，人類實(shí)際上在模式識(shí)別方面表現(xiàn)很差，因?yàn)槿祟惔竽X非常不善于預(yù)測統(tǒng)計(jì)趨勢。

大腦會(huì)被拋硬幣這樣簡單的事情困?。涸谶B續(xù)5次得到正面后，大多數(shù)人會(huì)想，“下次肯定是反面!”從統(tǒng)計(jì)上看，即使連續(xù)得到100次正面，下一次得到反面的概率仍然是1/2。只要?jiǎng)觿?dòng)腦子，大多數(shù)人都能克服這種認(rèn)知偏見，得出正確的結(jié)論。

還有一個(gè)更具挑戰(zhàn)性的問題。行為經(jīng)濟(jì)學(xué)先驅(qū)阿莫斯·特沃斯基(Amos Tversky)和丹尼爾·卡內(nèi)曼(Daniel Kahneman)進(jìn)行了一項(xiàng)實(shí)驗(yàn)：

一個(gè)城鎮(zhèn)有兩家醫(yī)院。在大醫(yī)院里，每天大約有45個(gè)嬰兒出生;在小醫(yī)院里，每天大約有15個(gè)嬰兒出生。雖然大約50%的嬰兒是男孩，但確切的比例每天都在變化—有時(shí)高于50%，有時(shí)低于50%。

在一年的時(shí)間里，每家醫(yī)院會(huì)記錄超過60%的新生兒是男孩的日期。你認(rèn)為哪家醫(yī)院會(huì)有更多記錄?

大醫(yī)院。小醫(yī)院。相同。

結(jié)果：56%的人選擇了選項(xiàng)3，22%的人選擇了選項(xiàng)1，其余22%的人選擇了選項(xiàng)2。

正確答案應(yīng)該是2，因?yàn)楦嗟氖录?huì)導(dǎo)致更平均的概率趨勢。為了應(yīng)對(duì)這種認(rèn)知偏見，需要花費(fèi)更多的精力。

這不是一個(gè)鉆牛角尖的問題，在日?；顒?dòng)中經(jīng)常發(fā)生。為一個(gè)產(chǎn)品設(shè)定價(jià)格時(shí)，除了需要知道競爭對(duì)手的定價(jià)、歷史定價(jià)、產(chǎn)品的必備性質(zhì)和定制性質(zhì)外，還需要預(yù)測消費(fèi)者對(duì)該產(chǎn)品的未來潛在需求，以及供應(yīng)商和供應(yīng)鏈數(shù)據(jù)對(duì)該產(chǎn)品的未來潛在供應(yīng)。

人工智能和機(jī)器學(xué)習(xí)技術(shù)將在基于數(shù)據(jù)預(yù)測未來趨勢方面變得更好。人類的工作是使用數(shù)據(jù)和算法，應(yīng)用洞察來做出更好、更理性的決策。

對(duì)于重要的業(yè)務(wù)決策，如定價(jià)、庫存管理、供應(yīng)鏈管理、人員和設(shè)備調(diào)度、維護(hù)調(diào)度等，需要進(jìn)行分解，劃分出信息處理、模式識(shí)別和預(yù)測等部分，讓數(shù)據(jù)/人工智能模型/機(jī)器學(xué)習(xí)模型給出答案。而需要同理心、創(chuàng)造力和常識(shí)的部分應(yīng)保留在人類判斷的范圍內(nèi)。

數(shù)據(jù)在幫助建立高響應(yīng)力組織方面非常有效。通過盡早有效地應(yīng)對(duì)來自市場、客戶和組織內(nèi)部的信號(hào)，可以更好地完成以下工作：

• 帶著不完善的信息前進(jìn)。
• 在必須決策的最后時(shí)刻再做決定。
• 提高變革能力。
• 能夠產(chǎn)生新的價(jià)值來源。

一方面，企業(yè)領(lǐng)導(dǎo)者需要了解組織約束和人類的認(rèn)知偏見，并學(xué)習(xí)如何從個(gè)人和制度上消除或減輕它們。另一方面，通過技術(shù)能力來收集干凈的數(shù)據(jù)，將其放到適當(dāng)?shù)奈恢?，?yīng)用正確的算法。

小結(jié)

數(shù)據(jù)洞察可以幫助組織中的人員做出更好的決策，來為客戶提供更好的產(chǎn)品和服務(wù)或創(chuàng)建新的商業(yè)模式。

數(shù)據(jù)的爆炸式增長正在推動(dòng)數(shù)字化生態(tài)系統(tǒng)的發(fā)展，重塑組織架構(gòu)，通過數(shù)據(jù)創(chuàng)建新的產(chǎn)品、增強(qiáng)個(gè)性化和增加客戶服務(wù)價(jià)值。麥肯錫全球研究院(McKinsey Global Institute)指出，與傳統(tǒng)組織相比，數(shù)據(jù)驅(qū)動(dòng)型組織的獲客率高出23倍，留存率高出5倍，獲利率高出18倍。

組織正在以歷史上前所未有的速度發(fā)展，與客戶之間的數(shù)字化交互正在揭示新的商業(yè)意義，以及關(guān)于客戶價(jià)值是什么和如何最好地交付它的洞察。