见解

质量数据等于真相集,无与伦比
文章

质量数据等于真相集,无与伦比

当今的消费者包装商品(CPG)格局与1990年几乎没有相似之处。目前,美国杂货店的商品比以前多了9,000种,但平均零售商店的面积却缩小了近7,500平方英尺。有机,无麸质,有益心脏健康和可持续发展的产品如今在商店中随处可见,因为消费者需要它们。随着大约每两分钟就会有一种新产品上架,清单在不断增加。

人工智能使公司能够更好地了解消费者的购物方式,购物理由,最重要的是,可以预测消费者未来的购物方式。这从根本上改变了公司探索产品开发周期,定价模型以及对如何改变善变消费者观念的理解的方式。

但是,人工智能并不是孤立地运作的;离得很远。相反,它需要干净的输入才能实现干净的输出。为了在正确的时间向消费者提供正确的产品,企业需要管理数百万个数据点。可能被认为“足够好”的数据需要人工干预才能进行更正,从而带来更多问题和效率低下的机会。

很少有企业意识到忽略“足够的”数据或采取积极措施通过改善数据质量来解决问题的高昂成本。更糟糕的是,创建数据后纠正数据的成本可能比在数据输入点实施上游控制的成本高10倍。未能在前端上正确地投资数据不可避免地会导致后端出现意外成本。

一个关键的起点是确定基本数据需要哪些输出以及将对这些输出做出什么决定。例如,您是针对特定人群进行产品营销,还是针对特定人群进行产品发布?接下来,您需要确定哪些数据符合干净数据的具体指标,例如数据的准确性,完整性和汇总性。并且,如果数据存在问题,则需要更正的最重要属性是什么?固有的后果和风险是什么?这些都是技术团队必须能够回答的问题,尤其是如果他们在AI环境中部署数据时。理想情况下,他们从干净的数据开始,并对数据的表达方式拥有100%的信心。

营销人员越来越多地转向以人工智能为先的战略,因为它不仅可以实现数据管理,而且可以与战略联系在一起。这些策略通常是通过将不断增长的大数据转换为可以轻松激活的较小的,本地的,可管理的个人数据集来驱动的。这对于使企业能够完全中断其自身的产品创新渠道,并从对营销成果的情景评估向强制持续改进的敏捷评估转变至关重要。这些功能使技术领先的CPG公司能够从追逐市场份额转向占领目标消费者的更大份额。

随着消费者与技术互动,越来越多的数据是被动创建的。而且,虽然真正的大型被动生成数据有很多陷阱,例如选择偏见,归因失误,合规性和数据丢失。在许多情况下,管理数据质量的负担已经从数据生成器转移到了最终用户。 AI释放了大数据的价值,但需要数据专业知识来了解要解决的陷阱以及训练和基准测试所依据的真相。如果没有数据专业知识和事实真相,则存在应用低效算法的巨大风险,该算法最终会产生误导性的见解和错误的预测。在当今瞬息万变的消费者喜好和零售动态的世界中,没有一家CPG公司可以在产品创新,分销,定价策略或促销方面毫不妥协。

我们需要将数据视为一个真值集,并使用技术和实际人员来校准这些真值集。市场将越来越寻求对数据的信任,以及在如何收集,清理,整理,汇总,许可和最终使用数据方面保持透明度。

优质葡萄酒随着年龄的增长而变得更好,数据却没有。数据收集和开发中的数据质量和透明度永远都不是可选的,这使部署数据科学家成为必要。找出问题并采取积极措施,以便在更大的数据策略中更好地管理数据,或者花费大量时间和金钱纠正错误。

该文章最初发表于 martechseries.com.

点击“订阅”即表示我同意 隐私政策使用条款.