1. 我是CIO首页
  2. 资讯
  3. 企业管理

益博睿(Experian)的数据挖掘思路:先确定业务诉求和目标

数据分析和处理公司 Splunk 对1300名商业领袖进行的调查显示,超过一半的组织数据未被使用。 然而,81% 的受访者认为数据对他们的整体成功是有价值的。与未使用数据(斯普兰克称之为“黑暗数据”)脱节的部分原因是,企业不知道自己存储了什么数据,或者它们知道自己拥有什么,但不知道如何使用它们。

益博睿(Experian)的数据挖掘思路:先确定业务诉求和目标

随着技术进步使得数据存储变得无限,公司在收集、分析和部署数据方面面临着额外的压力。

但是,由于人们的急切心理,许多公司留下了大量未使用、未编目的信息。

数据分析和处理公司 Splunk 对1300名商业领袖进行的调查显示,超过一半的组织数据未被使用。 然而,81% 的受访者认为数据对他们的整体成功是有价值的。与未使用数据(斯普兰克称之为“黑暗数据”)脱节的部分原因是,企业不知道自己存储了什么数据,或者它们知道自己拥有什么,但不知道如何使用它们。

由于缺乏对数据的了解,人们热衷于应用人工智能和机器学习。 在应用的早期阶段,人工智能和机器学习的应用需要结构化的数据。这就要求企业重新考虑他们的方法数据。 益博睿则是反向完成这个需求。

益博睿是全球领先的信息服务公司,向世界各地的客户提供数据和分析工具。

”先从客户和消费者开始。“Shri Santhanam,全球分析和人工智能的执行副总裁和总经理说,“逆向工作可以帮助公司“真正理解机器学习和人工智能的能力,以实现最终的效果。”

“仅仅是收集这些数据不是技术或分析的核心工作,”Santhanam说,“这可能会导致在人员、时间和数据上投入大量资金,却不清楚我们希望得到的结果。”

所以,先了解需要什么样的数据诉求和结果,比如改善普惠金融还是建立新的以客户为导向的服务,然后再有针对性地获取和整理数据。

人工智能系统中的机器学习能力最擅长围绕某个模式进行分类、解释和推断,就像我们训练自己拥有领域知识并成为专家一样,算法也被训练成为专家。训练这些系统的原因是因为公司心里有一个目标,无论是满足客户的需求还是查找癌症诊断。漫无目的地处理算法原始数据是徒劳的。 它可能会得出完全不同的结论或概念。相反,有效的机器学习应用总是从“我们想做什么”开始。

本文为作者 黄凯 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论