[[390090]]

01 數據自我決策

曾擔任谷歌和百度深度學習與人工智能部門負責人的吳恩達在2016年的《哈佛商業評論》上發表的一篇文章中寫道：

如果普通人能在不到一秒的時間內完成一項腦力任務，現在或不久的將來就可以用人工智能將該任務自動化。

有人提出質疑，認為只要是一分鐘之內的思考任務，人工智能都可以完成。毫無疑問，人工智能正在經歷一個爆炸式增長的階段。依靠適當的算法和足夠的數據進行訓練，機器可以做出非常好的決策，就像有經驗的人能做到的那樣。

雖然這些都是簡單的小任務，但是從數量和準確性中獲得的好處對于一個企業或整個行業來說是非常重要的。有一些眾所周知的例子：人臉識別、語音識別、語法糾正和語言翻譯。

異常監控是一個特別有用的領域。長期以來，傳統的數據分析方法一直用于檢測欺詐事件，通常需要進行復雜且耗時的調查，以處理不同的知識領域。

事實證明，人工智能和機器學習在檢測垃圾郵件方面非常有效。從那以后，人工智能和機器學習在異常監控中的應用已經擴展到信用卡欺詐監控、放射學診斷和信息安全中的系統入侵檢測。

02 個性化客戶體驗

產品推薦在亞馬遜和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據驅動的。即使不成為互聯網巨頭，也可以利用人工智能和機器學習技術來推薦更好、更相關的產品和服務。

我們在房地產行業的一個客戶成功地建立了市場中最大的數字資產之一，但遺憾的是，網站上大量的匿名用戶限制了企業了解他們并向合作伙伴提供有價值的洞察力的機會。

于是該企業開展了一項機器學習活動，在匿名用戶進入網站時，詢問他們是否首次購房。盡管客戶的響應度不高，但企業依然收集到了足夠的數據來訓練機器學習算法。該算法檢測點擊流和其他瀏覽行為的模式，從而實時且準確地預測首次購房者。

這給企業帶來了新機會，可以產生與該目標受眾高度相關的首次購房報價和產品。

如果客戶允許我們訪問他們的更多數據(例如，位置、聲音、移動、溫度等感知數據，以及日歷、電子郵件和社交網絡等個人數據)，就可以推斷出更準確、更具體的用戶上下文(例如，他們的活動、環境、情緒，甚至壓力水平)。考慮到這種豐富的上下文，設計師將需要做很多工作。

在機器學習時代，定義用戶體驗的是個體，而不是目標群體。

03 做出更好的決策

人工智能和機器學習非常擅長“大海撈針”，而人類更善于觀察“針”并決定如何使用它。除了簡單的小任務外，大多數業務決策都需要良好的判斷力、同理心、直覺和創造力。由于認知偏見，人類實際上在模式識別方面表現很差，因為人類大腦非常不善于預測統計趨勢。

大腦會被拋硬幣這樣簡單的事情困住：在連續5次得到正面后，大多數人會想，“下次肯定是反面!”從統計上看，即使連續得到100次正面，下一次得到反面的概率仍然是1/2。只要動動腦子，大多數人都能克服這種認知偏見，得出正確的結論。

還有一個更具挑戰性的問題。行為經濟學先驅阿莫斯·特沃斯基(Amos Tversky)和丹尼爾·卡內曼(Daniel Kahneman)進行了一項實驗：

一個城鎮有兩家醫院。在大醫院里，每天大約有45個嬰兒出生;在小醫院里，每天大約有15個嬰兒出生。雖然大約50%的嬰兒是男孩，但確切的比例每天都在變化—有時高于50%，有時低于50%。

在一年的時間里，每家醫院會記錄超過60%的新生兒是男孩的日期。你認為哪家醫院會有更多記錄?

大醫院。小醫院。相同。

結果：56%的人選擇了選項3，22%的人選擇了選項1，其余22%的人選擇了選項2。

正確答案應該是2，因為更多的事件會導致更平均的概率趨勢。為了應對這種認知偏見，需要花費更多的精力。

這不是一個鉆牛角尖的問題，在日?；顒又薪洺０l生。為一個產品設定價格時，除了需要知道競爭對手的定價、歷史定價、產品的必備性質和定制性質外，還需要預測消費者對該產品的未來潛在需求，以及供應商和供應鏈數據對該產品的未來潛在供應。

人工智能和機器學習技術將在基于數據預測未來趨勢方面變得更好。人類的工作是使用數據和算法，應用洞察來做出更好、更理性的決策。

對于重要的業務決策，如定價、庫存管理、供應鏈管理、人員和設備調度、維護調度等，需要進行分解，劃分出信息處理、模式識別和預測等部分，讓數據/人工智能模型/機器學習模型給出答案。而需要同理心、創造力和常識的部分應保留在人類判斷的范圍內。

數據在幫助建立高響應力組織方面非常有效。通過盡早有效地應對來自市場、客戶和組織內部的信號，可以更好地完成以下工作：

• 帶著不完善的信息前進。
• 在必須決策的最后時刻再做決定。
• 提高變革能力。
• 能夠產生新的價值來源。

一方面，企業領導者需要了解組織約束和人類的認知偏見，并學習如何從個人和制度上消除或減輕它們。另一方面，通過技術能力來收集干凈的數據，將其放到適當的位置，應用正確的算法。

小結

數據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品和服務或創建新的商業模式。

數據的爆炸式增長正在推動數字化生態系統的發展，重塑組織架構，通過數據創建新的產品、增強個性化和增加客戶服務價值。麥肯錫全球研究院(McKinsey Global Institute)指出，與傳統組織相比，數據驅動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展，與客戶之間的數字化交互正在揭示新的商業意義，以及關于客戶價值是什么和如何最好地交付它的洞察。