データを見せてください：組織が最も貴重な資産を最大限に活用する方法

データを資産に変えることはビジネスの優先事項である必要があります。

データを見せてください！

一般に、組織は膨大な量のデータにアクセスできます。そして、「新しい石油」を手に入れることは必ずしも問題ではありません。難しいのは、そのデータを利用することです。それが直接の顧客データであるかIoTデバイスデータであるか。 この貴重な資産を最大限に活用して機能させるにはどうすればよいですか？

組織が実行できる最も重要なことは、効果的で全体的なデータ管理戦略を考え出すことです。それを優先します！

まず、自分が持っているデータを理解する必要があります。次に、そのデータを分析できる必要があります。第3に、「他の種類のエクスペリエンス、計算、ワークフローを推進するために」データにインテリジェンスを適用できる必要があります」と、Ushurの共同創設者兼CEOであるSimhaSadasiva氏は述べています。

この包括的なデータ管理戦略を実現するには、パートナーが必要です。この同盟国は、企業が自分の持っているデータを見るだけでなく、人工知能と機械学習技術を通じて自動化を推進し、不足しているデータを分析して完成させることを可能にするはずです。 「さまざまな関係者とやり取りするか、バックオフィスに現在あるデータに基づいて顧客がどれだけ近くにいるかについての洞察を示すことによって」とSadasiva氏は続けます。

データのソース

従来のデータソースは、企業に存在するものであり、しばらくの間そうしてきました。これには、構造化*または非構造化**のドキュメントデータベース（「Mongoなど」など）のデータ管理やSQLデータベースが含まれる可能性があります、とSadasiva氏は説明します。これは、企業の背後に存在するデータです。

しかし、今日の接続された環境では、企業とやり取りする関係者からのデータソースがあります。

「エンドユーザーについて考え、エージェントについて考え、ビジネスパートナーについて考え、ある程度は従業員についても考えてください。写真、画像、動画などの形でデータソースに貢献しています」とSadasiva氏は言います。

顧客/従業員の領収書など、これらの新しいデータソースには、人工知能技術を理解する必要があります。たとえば、光学式文字認識を使用してレシートを確認することで、組織は情報を自動的に抽出し、企業のバックエンドにあるデータウェアハウスに戻すことができます。 「これには、膨大な量の機能と、その情報をバックオフィスに安全に転送する機能が必要です」とSadasiva氏は言います。

適切な種類のデータ

自動化とマシンインテリジェンスの観点から、使用されるディープラーニング技術は、企業が現在所有しているこれらすべてのタイプのデータ（人的情報源または歴史的データ）を分析できます。組織は、この基礎となるデータセットを教師あり学習および教師なし学習と組み合わせる必要があります。

たとえば、Ushurは、コア企業に存在するデータを活用し、企業がすでに持っているデータセットを活用することで、教師あり学習と教師なし学習に基づいて行動するツールを作成しました。

さらに多くのソースから、分析できるさまざまなタイプのデータがあります。ただし、企業のバックエンドにはそれほど関係がないかもしれませんが、発生する問題があります。

間違ったタイプのデータをフィードしたり、偏ったデータをシステムにフィードしたりすると、ビジネスや機関に害を及ぼす悪影響が生じる可能性があります。テクノロジーの巨人が昨年捨てたAmazonの性差別的なAI採用ツール以上に目を向ける必要はありません。または、2016年に、米国のリスク評価アルゴリズム（裁判中の人々の運命と自由を決定するために全国の法廷で使用されている）が人種差別的であり、犯罪の種類に違いがないにもかかわらず、アフリカ系アメリカ人よりも寛大に白人を判決することがよくあることが明らかになりました。コミットしました。

AIの研究者であるジョアンナブライソン教授は当時、次のように述べています。「基礎となるデータがステレオタイプを反映している場合、または人間の文化からAIをトレーニングしている場合は、偏見があります。」

これを回避する方法は、ステレオタイプと偏見を消し去り、データがこれを反映していることを確認することです。

非構造化**と構造化*データ

通常、SQLなどのデータベースを参照する構造化データ。この構造化された情報は、顧客情報または特定のビジネス上の問題に関する特定の種類の情報に基づいて整理できます。

対照的に、非構造化データはテキスト情報の「大きな塊」になる可能性があります。 「たとえば、メールやPDFドキュメントを通じて、顧客が説明した問題の説明である可能性があります」とSadasiva氏は言います。 「その中には、顧客名、電話番号、請求番号、ポリシー番号、クレジットカード番号などの構造化された情報の塊が含まれている可能性があります。」

このタイプの情報は半構造化データと呼ばれ、非構造化情報に埋め込まれる可能性があります。非構造化データからこの半構造化情報を抽出する機能を使用するには、かなり最先端の「人工知能」技術が必要です。

データのビジネスケース

優れたデータ管理のビジネスケースを示す最良の方法は、例を使用することです：電子メールの過負荷。

大企業は、顧客から何万通もの電子メールを受信します。 「顧客に戻る前に、その電子メールを適切な部門と適切な担当者に分離、トリアージ、および送信するためにそれらを手動で実行することはばかげています」とSadasiva氏は言います。 「これは、かなりの量の手作業を必要とする第1レベルの問題です。

この問題を解決するには、電子メールの非構造化情報に存在する半構造化データを抽出して分離する機能が必要です。 「幅広いデータツールを使用してこの顧客情報を抽出でき、自動的にそれを適切な人物に優先順位付けして、そのテキストに対してアクションを実行できます。これは、企業がすでに持っているデータに自動化を適用する方法の簡単な例です」と、Sadasiva氏は続けます。

「ほとんどの企業は、電子メール、問題の説明、記事、または情報源の形で、数百万バイトの非構造化情報を利用できます。

「これは彼らがすでに持っているレガシー情報です。また、データサイエンスを適用することで、企業はコンピュータモデルのトレーニングに役立ち、将来の手作業の量を実際に減らすことができます。」

顧客データの活用：新しい考え方

Sadasivaによると、それはすべてマイクロエンゲージメントに関するものです。Sadasivaは、消費者と企業の間を行き来する相互作用の短い断片です。企業が消費者または顧客とのすべてのやり取りをマイクロエンゲージメントと見なし始めると、顧客の旅全体を再考し、見込み客、顧客のオンボーディング、顧客のサポート、アップセル、クロスに分割することになります。 -エンドユーザーとの関係を販売および維持します。

カスタマージャーニー中に行うことができるエンゲージメントのさまざまな相互作用があります。データサイエンスを適用して顧客とやり取りし、その情報を収集することで、真の洞察を得ることができます。

「これはやや新しい時代であり、特定のブランドが顧客にどれだけ近いか、そして顧客がそのブランドにどれだけ近いかを評価する新しい方法です」とSadasiva氏は言います。

このマイクロエンゲージメントレベルで人工知能、データ分析、機械学習（etcetera）の組み合わせを消費者データに適用すると、カスタマーエンゲージメントを変えることができます。