Amazon और Google की कुंजी क्या है राजस्व सफलता ? इसका उत्तर हर कोई जानता है: डेटा।
फेसबुक के सोशल मीडिया साम्राज्य और Spotify के संगीत स्ट्रीमिंग व्यवसाय के बढ़ने का कारण? डेटा।
इन सभी कंपनियों ने बड़ी मात्रा में अपने उपयोगकर्ताओं से प्राप्त जानकारी का लाभ उठाने में कामयाबी हासिल की है - चाहे वह उनकी खोज की आदतें हों, उनके द्वारा साझा की जाने वाली पोस्ट, उनके द्वारा खरीदे जाने वाले उत्पाद, या उनके द्वारा सुने जाने वाला संगीत - प्रमुख राजस्व धाराओं में। यह केवल तथ्य नहीं है कि ये कंपनियां लाखों (या अरबों, इनमें से कुछ कंपनियों के मामले में) पर डेटा एकत्र करने में सक्षम हैं; यह है कि वे कंपनियां अपने उपयोगकर्ताओं को बेहतर ढंग से समझने और बाजार में लाने के लिए उस डेटा का प्रभावी ढंग से उपयोग करने में कामयाब रही हैं। ये सभी कंपनियां ऐसा करने के लिए कृत्रिम बुद्धिमत्ता (या, अधिक सटीक, गहरी शिक्षा) का उपयोग कर रही हैं।
लेस्ली मान नेट वर्थ 2017
बेशक, यह ध्यान रखना महत्वपूर्ण है कि डेटा को प्रतिस्पर्धात्मक लाभ में बदलने के लिए आपको अमेज़ॅन या Google जैसे प्रमुख उद्यम होने की आवश्यकता नहीं है। जैसे-जैसे आर्टिफिशियल इंटेलिजेंस तेजी से उन्नत होता जाता है और अधिक व्यापक रूप से अपनाया जाता है, हम बहुत सी कंपनियों को देखना शुरू कर देंगे - बड़ी और छोटी - बेहतर डेटा रणनीतियों के साथ आने और ग्राहकों को अपनाने और उनकी प्रतिस्पर्धा के खिलाफ बेहतर प्रतिस्पर्धा करने के लिए एआई की ओर रुख करना शुरू कर देंगे। .
अग्रणी तंत्रिका नेटवर्क प्रौद्योगिकी के जेरेमी फेन के अनुसार, आपकी प्रतिस्पर्धा को मात देने की कुंजी ज्ञान के लिहाज से , के पास बेहतर डेटा है - जरूरी नहीं कि इससे अधिक हो, लेकिन वह डेटा जो आपके प्रतिस्पर्धियों के पास नहीं है। सिद्धांत रूप में, प्रत्येक ब्रांड अपनी अनूठी डेटा संपत्ति विकसित करने में सक्षम है, क्योंकि प्रतिस्पर्धा करने के लिए प्रत्येक ब्रांड को थोड़ा अलग होना पड़ता है। इसका मतलब यह है कि एक ब्रांड के ग्राहक, कम से कम, उनकी प्रतिस्पर्धा से थोड़े अलग होते हैं, जिसका अर्थ है कि उनके पास एक अनूठा कोण है जिसका वे उपयोग कर सकते हैं। इसलिए आपको अपने ग्राहक या संभावित ग्राहक पर मिलने वाला हर डेटा एक अन्य जानकारी है जिसका उपयोग आप एक प्रभावी मार्केटिंग या विज्ञापन रणनीति तैयार करने के लिए कर सकते हैं।
डग्रे स्कॉट कितना लंबा है
इस जानकारी का प्रभावी ढंग से उपयोग करने के लिए, आपको पहले यह तय करना होगा कि आपका लक्ष्य क्या है। क्या आप अधिक बिक्री की तलाश में हैं? क्या आप दुकानों में उच्च पैदल यातायात प्राप्त करने का प्रयास कर रहे हैं? क्या आपका लक्ष्य अपने उत्पाद के बारे में उच्च बाजार जागरूकता रखना है? एक बार ऐसा करने के बाद, आप यह देखने के लिए डेटा देख सकते हैं कि क्या यह गहन शिक्षण के साथ उपयोग के लिए सही प्रारूप में है। यह कुछ ऐसा है जिसे सरलता से समझाना कठिन है, लेकिन मूल रूप से, डेटा को अलग-अलग स्थिति में होना चाहिए - यानी, इसे कई स्रोतों से आना होगा ताकि इससे अधिक गहराई से निष्कर्ष निकाला जा सके। इसका मतलब है कि आपको वास्तव में केवल यह जानने की जरूरत नहीं है कि कितने लोग किसी स्टोर पर गए, बल्कि इसके बजाय कि वास्तव में प्रत्येक व्यक्ति कब आया। अब आपको यह देखने की ज़रूरत नहीं है कि आपने कितनी बिक्री की, बल्कि यह भी देखें कि प्रत्येक बिक्री क्या थी और किसके लिए। एक कदम और आगे बढ़ने के लिए, आपको यह पहचानना होगा कि किसी ग्राहक के आपके साथ लेन-देन करने से पहले आपके पास कौन से टचपॉइंट थे, उन्हें कौन से विज्ञापन दिखाए गए थे, और सभी इंटरैक्शन कब और कहां हुए थे। इस प्रकार का डेटा अभी तक एकत्रित नहीं किया है? खैर, यह आपका पहला होमवर्क असाइनमेंट है।
इसका मतलब है कि आपके पास पहले की तुलना में स्टोर करने के लिए बहुत अधिक डेटा होगा, लेकिन अच्छी खबर यह है कि भंडारण सस्ता है। साथ ही, उस जानकारी के बिना, आप गहन सीखने की शक्ति का लाभ नहीं उठा पाएंगे और इस नई दुनिया में प्रतिस्पर्धा नहीं कर पाएंगे।
गैरेट क्लेटन कितना लंबा है
फॉर्च्यून 1000 के अधिकारियों का 2016 का एक अध्ययन खुला है कि सर्वेक्षण में शामिल लोगों में से केवल 48.4% ने अपनी डेटा पहल के परिणामस्वरूप मापन योग्य परिणामों की सूचना दी - लेकिन 80.7% ने महसूस किया कि प्रयास सफल और आवश्यक थे। इसका मतलब है कि हर कोई जानता है कि उन्हें बेहतर करना है और कोई विकल्प नहीं देखना है, लेकिन पूरे बोर्ड में मापन योग्य लाभ प्राप्त करने से पहले कुछ और चाहिए।
अधिकांश डेटा पहलों में एक साधारण घटक छूट जाता है: गहन शिक्षण। यह एक गलत समझा जाने वाला विषय है, जिसे कॉग्निटिव्स फेन द्वारा परिभाषित किया गया है, 'एक अधिक उन्नत प्रकार की मशीन लर्निंग जो मानव जैसी अंतर्दृष्टि पैदा करने में सक्षम है।' बड़े डेटा से परिणाम प्राप्त करने के लिए डीप लर्निंग की क्षमता अब न केवल प्रतिस्पर्धी कारणों से, बल्कि बड़े डेटा में पिछले निवेश को भुगतान करने के लिए भी आवश्यक है। अफसोस की बात है, सर्वेक्षण में शामिल लोगों में से 39.3% अभी भी कहा गया है कि उनके संगठनों में एक उद्यम बिग डेटा रणनीति की कमी थी, या अन्यथा अनजान थे यदि कोई अस्तित्व में था - इन कंपनियों के पास चढ़ाई करने के लिए एक लंबी पहाड़ी है। वास्तव में, अधिकांश डेटा-संचालित पेशेवरों के पास हमारे आगे एक कठिन चढ़ाई है। 'चुनौती का एक हिस्सा यह है कि उद्योग ही डेटा के आसपास अपरिपक्व है। हम अब से 15 साल पीछे देखेंगे कि हम क्या कर रहे हैं और कहते हैं, 'क्या वह प्यारा नहीं था?', एक वैश्विक मीडिया एजेंसी के प्रोग्रामेटिक मीडिया के एक निदेशक ने हाल ही में एक साक्षात्कार के लिए कहा। विंटरबेरी ग्रुप IAB स्टडी .
बिग डेटा, डेटा एनालिटिक्स और आर्टिफिशियल इंटेलिजेंस एक साथ चलते हैं। आर्टिफिशियल इंटेलिजेंस - और, विस्तार से, डीप लर्निंग - इसके लिए डेटा, रीम्स और रीम्स की आवश्यकता होती है। आपके संगठन के लिए गहन शिक्षण प्रभावी हो सकता है, इसका एकमात्र तरीका यह है कि यदि आपके पास इसे खिलाने के लिए सूचना की एक स्थिर धारा है।' इस जानकारी से लैस, गहन शिक्षण और तंत्रिका नेटवर्क आपके ब्रांड के लिए अद्वितीय एल्गोरिदम और रणनीतियां बना सकते हैं - इस प्रकार यह सुनिश्चित करते हैं कि ब्रांड प्रतिस्पर्धी और नवीन बना रहे। फेन के रूप में बताता है , 'उपभोक्ता के व्यवहार का अधिक पूरी तरह से वर्णन करने और समझने की क्षमता पहले से कहीं अधिक पूर्ण है, और उस तरह का डेटा अगले कुछ वर्षों में एआई मार्केटिंग टूल को और भी अधिक प्रभावी बना देगा।'
इस बिंदु पर, सभी ब्रांडों को एक मजबूत डेटा रणनीति की आवश्यकता होती है। आज मेसीज और जेसी पेनी जैसे ब्रांडों को देखें, जो अमेज़ॅन और ईबे जैसे ई-कॉमर्स दिग्गजों के डेटा-केंद्रित दृष्टिकोण के परिणामस्वरूप संघर्ष कर रहे हैं। सही रणनीति और, उतनी ही महत्वपूर्ण बात, आपके डेटा का अधिकतम लाभ उठाने के लिए सही उपकरण, वही है जो आपकी कंपनी को प्रतिस्पर्धी और सफल बनाए रखने में मदद करेगा।
