GMTIC | Eric Thain—为什么企业管理者仍在怀疑数据的重要性？

 本文作者Eric THAIN作为香港快运航空公司品牌总经理，拥有多年的数据分析及人工智能投入品牌营销的管理经验，帮助企业完成数据驱动及转型。

·

数据对于企业的重要性是毋庸置疑的，研究显示，数据分析在当今CEO五大必备“技能”中名列第一，不过这并没有提升企业管理者对数据驱动决策的信任。有近七成的首席执行官表示，决策只是在某种程度上或极少数情况下由数据驱动的。

在数据浪潮席卷之前，一个优秀的企业管理者的成功绝大多数情况下是依靠经验和人脉。他们会满足于当下的决策，且不会以数据分析等方式来处理眼前的问题。但现在情况不同了，没有数据的支持，想要跟紧市场的变化将会越发艰难。

一家公司可能拥有大量长期存在于筒仓的遗留数据，IT人员每天都在努力处理动态基础设施和应用程序中生成的大量数据并从中获得有价值的信息。这些筒仓数据的准确性较低，重复率高，这使得工作变得更加困难。但我们依然有很多机会从用户身上提取我们需要的数据，这些数据主要来自非结构化的来源，例如社交媒体平台上的信息。

尽管在数据的投入方面比较犹豫，但技术变革的快速步伐和竞争格局的变化意味着企业必须迅速扩大产能，整合数据，以利用其所能提供的各种可能性。

大数据在不断改变商业方式，因此，管理者需要帮助企业成为一个由数据驱动的组织。企业管理人员需要具备优秀的分析洞察力，并充分利用数据驱动的战略利益。

包括预测模块在内的先进分析能力能够帮助我们将数据集合并联系起来，因此，企业需要认真钻研数据的用途及方法。在检查、清理、转换和建模数据的过程中，有成千上万的大数据可用于数据分析，目的是发现有用的信息、提出结论和支持决策。

特定的案例解决方案为用户提供了一个更清晰的界面，这可以隐藏复杂的结构从而优化用户体验。当业务需求变得更加复杂时，特定案例解决方案变得更加局限，此时，需要进一步开发，赋予它高度的组织性，这是伴随着高级分析能力的成熟而发生的“进化”过程。更进一步来讲，这就需要人工智能亦或是机器学习发挥作用。

机器学习在大数据领域有着很快的发展，许多人工智能企业都在提供解决方案，这些方案直接影响着品牌的收益。它可以通过处理内外部、多点和非结构化的数据来帮助企业挖掘数据的潜力，包括销售、运营、营销、社交媒体、电子商务等。

机器学习的真正价值在于它能够创建预测模型，可以帮助企业构建适合自己的运营管理方式。虽然人工智能与机器学习是在近几年才逐渐得到普及，但它本身并不是一项新的技术，它更多的出现在依托数据建立核心内容的企业或品牌。 

企业也在变得愈发复杂，每一个决策都必须保证足够的时效性，这需要数据驱动，而不只是依靠预测。规定性分析可以看做是大数据的未来，它建议企业管理人员更多的使用流程自动化来达到预期的结果，提高操作的准确性、效率和推动组织战略调整。

在存在变量、选项、规定和大量数据集中的场景中，规定性分析会发挥它最大的作用，这在航空业较为普遍。航空公司根据其在线客户的供求情况自动调整价格和促销，无需人为干预。除此之外，在包括医疗等其他行业，规定性分析的效果同样令人满意。

规定性分析帮助公司寻找未来的机会规避更多风险，随着数据的更新，预测或者规划也在同步。规定性分析通过不断吸收和处理新的数据，提高了预测的准确性，并提供了更好的决策建议。这为企业管理人员提供了利用概率分布降低决策风险的能力。

显然，数据在商业未来的发展中扮演了至关重要的角色，然而正如我们之前说到的，在更广泛的落地普及之前，还有很长的路需要走。随着企业创建的数据集逐渐增多，企业管理人员有更多的机会提出好的建议，利用其业务和用户分析的能力，确保先进的分析措施与整体业务战略紧密结合，稳固竞争差异化。

2018届GMTIC全球营销技术创新峰会聚焦新时代营销发展下的MarTech发展 、人工智能、大数据，企业数字化转型及新零售的发展与落地等行业热点话题，邀请来自国内外顶级的演讲嘉宾分享来自不同行业和领域的数字营销新见解。Eric THAIN作为本届GMTIC的演讲嘉宾，将为我们带来主题为“AI助力品牌智能化营销”的主旨演讲，帮助各企业、品牌了解学习AI技术驱动下新的营销模式该如何建立，并形成企业独有的智慧营销模式。