認知時代下,如何跟上數據商業應用趨勢?

從數據應用角度看,當今我們正在見證三個巨大的轉變,發生于技術和商業領域的交會點。

1. 充斥世界的“非結構化”數據增長速度飛快

眾所周知,移動設備、社交網絡及所有的數字化和聯網產品、機器和基礎架構,都會生成數據。

80%數據無法被計算機識別,從而限制了我們對數據的使用。這些數據中既包括使用人類語言編寫的書面材料—從教科書和公式、到文學作品和對話,又包括系統從聽、說和肢體動作中,捕獲到的各類數據。

醫療數據將增長99%,其中88%的醫療數據都將是非結構化數據。這些數據的來源包括電子病歷(EMR)、化驗結果、醫學影像、視頻以及病患傳感器等,如可穿戴醫療設備、床邊設備及植入的醫療設備等。僅醫學影像一項年增長率便高達20–40%。

政府和教育數據將增長94%,其中84%是非結構化數據。這些數據的來源包括各類傳感器,建筑物、道路、車隊及公共資產產生的音頻/視頻數據,以及學生測評、考試、人事檔案及學生/教師記錄所提供的數據。

公共事業部門數據將增長93%,其中84%是非結構化數據。這些數據的來源包括安裝在設備上的智能儀表和傳感器、圖像、視頻及人員記錄等。預計到2017年,全球將會安裝超過6.8億個智能儀表,每年生成280PB的數據量。

傳媒業的數據將增長97%,其中82%是非結構化數據。這些數據的來源包括書籍、期刊、報紙和其他出版物,以及視頻、電影、錄音及在線游戲等。互聯網上每個月都會生成27.5PB的視頻數據。

2.這個世界通過代碼被改造

軟件代碼正在“改寫”這個世界,云成為新一代數字專家利用數據的首選平臺。他們正在重新想象這個世界:從銀行、零售和醫療照護,到交通運輸、供應鏈和下水道。更確切的說,他們是在創作—編寫代碼,連接一切數據管道,并且集成應用編程界面(APIs)。

有人預測在未來十年內,整個世界將擁有100萬個APIs,包括認知APIs。

兩年前,開發者在典型的軟件項目上平均使用15.4個APIs。這個數字到2017年將增長到19.1個。

在全球1,820萬名軟件開發者中,有120萬人正在發表可供外界使用的APIs,有470萬人向合作伙伴或完成注冊的機構發布APIs。

67萬名開發者在使用Apple和Google平臺開發—占到目前可用應用數量的五分之四。他們每天提交超過2,000個應用。

到2020年,預計將有260億個設備使用超過1萬億個應用。

3. 認知計算出現讓認知系統接收各種形式的非結構化數據

各行各業的領導都已清楚地意識到,他們必須正視這個現象。在熟悉認知計算的首席高管中:

89%電信業首席高管認為認知計算將對公司未來業務產生重大影響。

84%醫療行業首席高管認為,認知計算將會顛覆整個行業—60%認為他們缺乏精深的技能和專業來運用認知技術。

94%零售業首席高管以及認為96%保險業首席高管愿意投資培養認知能力。



這些不斷增加的大量數據對我們而言乃是無價資源,但因為系統不能支援而未曾被使用,直到如今。

面對挑戰,IBM創建了全球首個認知系統,這就是Watson(沃森)。

可通過感知與互動,理解量大和多樣化的非結構化數據;

通過生成假設、評估、辯證、和建議來推理;

從專家培訓、每一次互動、及持續取得數據中學習。實際上,它們從不停止學習。

試想,如果全世界的數據都能被可以理解、推斷和學習它們的認知系統所使用,將會怎樣?

1. 更加深入的與人互動

認知商業可基于每名客戶對模式、形態和質量的喜好,與其開展更加全面深入的互動。他們使用現有技術來創建細致的個性化客戶視圖,包括:

地理位置數據、網頁互動、交易歷史、參加常客計劃的規律、EMR、可穿戴設備提供的數據。

以前難以或者不可能識別的信息,如語氣、情感及情緒狀態、環境狀況、人際關系之間的強度和特性等。

通過分析與推理所有結構化和非結構化數據,來找出什么是與人互動的關鍵因素。

通過持續的學習,這樣的人機互動將能給企業創造越來越高的價值,成為更加自然、能夠達到預期效果的、令客戶感到滿意的互動體驗:

通過將數據驅動的個性化視為工作重點,營銷人員可將ROI提高15–20%。

Pandora使用超過450個屬性來提供個性化服務。

2019年銷售的可穿戴設備(如健身跟蹤器及智能手表等)平均嵌入4.1個傳感器,遠高于2013年的1.4個。

在西歐國家有54%的醫療行業高管,通過投資RFID來提高病患身份識別、物流及資產管理效率。

2.高專業能力

每個行業和專業都有永遠學習不完的新知識,沒有任何專家可以趕得上知識增加的速度:學術期刊、新協議、新法律、新做法、甚至是全新的領域。

3.知產品和服務

認知技術使得新型產品和服務可以感知、推理并且學習用戶及周圍的世界。它們不斷地改進與調整,增加能力,使產品與服務提升到以前想象不到的水平。

4.認知流程與運營

認知技術還能改變企業運營的方式及功能。業務流程若融入認知能力,將能夠利用大量的內外部數據,借此提高它們對工作流、上下文及環境的感知能力,從而不斷學習新知識、提高預測能力和經營成效,同時在最快的速度下做出明智決策。

與智慧的地球一樣,認知商業絕對不止是一個營銷議題,它代表IBM的戰略和目標。它是以商界和社會中的真實科學及廣泛應用為根基、強大且緊迫的新思想。IBM對認知技術的未來持樂觀態度,將與客戶、合作伙伴、同行、及社會大眾攜手,努力構建認知商業。

要想轉型為認知銀行、認知零售商、認知醫院、構建認知供應鏈,領導者必須善用已經為了部署云、分析、移動、社交和安全技術所投注的心力。建議他們通過使用IBM公司廣泛且深入的資源,扎扎實實地做好信息集成和治理這個重點環節,讓數據和信息變得更可信賴。擁有了真實的數據,興奮的你領悟和抓到更多的商機,這種玩法,將讓所付出的投資取得更大的回報。



來源:IBM大數據與分析

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,936評論 6 535
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,744評論 3 421
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,879評論 0 381
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,181評論 1 315
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,935評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,325評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,384評論 3 443
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,534評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,084評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,892評論 3 356
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,067評論 1 371
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,623評論 5 362
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,322評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,735評論 0 27
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,990評論 1 289
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,800評論 3 395
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,084評論 2 375

推薦閱讀更多精彩內容