原力大數據江穎博士：今天不是人工智慧的爆炸時代，卻是場景構建的基礎元年

一邊是看似神奇的人工智慧時代的爆炸，一邊是企業對於大數據無用論的抱怨、或是對大數據的全然不知。人工智慧時代真的來臨了嗎？

事實上，今天大數據在企業實際商業應用中存在兩大困難，一是今天的人工智慧還無法做到對場景的常識理解；二是即使大數據技術有一些發現，也尚未在實際商業中發揮直接作用。

作為企業，到底如何少踩坑地跨入大數據時代？

我們用原力大數據一路填過的坑來談企業應該如何應對。

一、 人工智慧爆炸時代尚未來臨

1. 看似神奇的人工智慧時代的爆炸？

最近經常接觸大型企業客戶，他們是真正的大數據應用者，他們總和我說「我們要搞人工智慧「，「我們接下來要做的就是深度學習」，或者問我，「原力大數據的平台有沒有用深度學習演算法」。

以至於讓大家產生一種錯覺，人工智慧技術就是一切，人工智慧的爆炸時代來臨了。

2. 企業對大數據的全然不知，或抱怨大數據無用？

事實上，業內人都知道，大數據在企業的應用面臨著困境——傳統行業和中小企業根本不懂大數據，很多用過大數據的企業也不認可大數據。

絕大多數的實體經濟企業或中小企業（比如：零售連鎖、房地產、藥品、物流等）只聽說過大數據，並不知道大數據有什麼用、不清楚從哪裡可以獲得數據，更不知道自己要如何使用大數據。

而對於真正使用過大數據的一些企業（比如：銀行、通信運營商），我卻常常聽到客戶抱怨大數據沒用，「精準營銷還沒有我拍腦袋靠譜」「某AI語音客服平台很扯」「客戶識別模型根本不準」。

3. 人工智慧時代真的來臨了嗎？

一邊是看似神奇的人工智慧時代的爆炸，一邊是企業對於大數據無用論的抱怨、或是對大數據的全然不知。

我特別贊同美國三院院士、加州大學伯克利分校教授Michael

I. Jordan對於今天人工智慧的描述：「現今的我們，並非處於一個人工智慧的神奇大爆炸時代。我們有可能要花上百年的時間，人工智慧這個高樓大廈才能真正地建立起來。」

對此，我的觀點是：

今天不是人工智慧的爆炸時代，卻是大數據應用場景構建的基礎元年；

人工智慧這座大樓建立的核心，就在於構建大數據應用的基礎場景。

href="">二、 大數據在企業實際商業應用中存在兩大困難

目前，大數據在企業的實際商業應用中存在兩大困難：

困難1：今天的人工智慧還無法做到對場景的常識理解

馬未都先生關於北京話規則的解讀可以清晰地說明這種情況

事實上，在我們日常生活和工作場景中都面臨著很多看似有規則實際沒有規則的常識場景，而這些問題是人工智慧沒有辦法幫我們解決的。正如視頻裡面同樣的句式、語法、邏輯，如果用人工智慧建立語義識別的規則，就會產生錯誤。這就是人工智慧在實際商業應用中產生的第一個困難。

困難2：即使大數據技術有一些發現，也尚未在實際商業中發揮直接作用

我們在大數據應用領域還有一個更大的困難，今天即使大數據的技術和能力能夠幫助我們有一定發現，但是這些發現都沒有真正地在商業中發揮直接作用。

以大數據輿情系統為例，輿情系統可以告訴我們一件事情是正面、負面、影響力有多大、擴展趨勢如何等等。

一個企業如果面臨正在傳播中的負面信息，企業會做的是找媒體公關公司進行澄清、控制負面報道；另一方面會雇水軍傳播正面言論。

當企業發現一個熱點事件，會借勢進行熱點營銷，找營銷策劃公司來做營銷方案，然後找廣告投放公司在合適的媒介進行宣傳。

你會發現在一個真實的商業場景中，輿情平台沒有帶來任何實質性的商業價值，這就是今天大數據產品普遍面臨的尷尬和困境。

今天的大數據和人工智慧大多仍然在關注技術和演算法，這是導致大數據用不起來或者效果不好的根本原因。

今天的大數據和人工智慧更多關注的仍是技術和演算法，這些技術和能力還無法為客戶進行精準營銷、挽迴流失用戶產生實際價值和回報，這是導致大數據用不起來或應用效果不好的根本原因。

人工智慧、深度學習、神經網路、遺傳演算法、決策樹，這些演算法只是技術和能力，並不等於它能夠搞定精準營銷、幫你把要流失的用戶找回來，這就是我們大數據應用的現狀。

三、 構建大數據的應用場景，是實現大數據技術到應用落地的關鍵

從大數據技術到應用落地的中間還缺少非常重要的一環，就是構建大數據應用場景。只有構建有效的大數據應用場景，才能實現大數據技術的應用落地。原力大數據一直聚焦於大數據應用場景的構建，在這裡分享我們在構建大數據應用場景三個方面的認知和實踐：

1. 把場景細化到最小粒度，解決AI無法做到的對場景的常識理解

把場景細化到最小粒度，因為只有細化到最小粒度，才能解決AI無法做到的對場景的常識性理解。

客戶流失對於每一個企業的損失都是特別大的，也是很常見的一個應用場景，每個企業都會做提前的預警和干預來防止高價值用戶的流失。

我們就以最常見的客戶流失預警為例：

大多數企業的做法是把一堆的數據丟進去，然後採用分類預測類的數據建模，生成一份潛在客戶流失清單，然後採取無差異的客戶挽留措施，可效果通常不太好。

導致客戶流失的原因可能有很多，無差異的建模、再進行無差異的客戶挽留措施，效果必定不好。

我們的做法是把場景細分到最小粒度。

以一個遊戲用戶流失的案子為例，資費、產品、競爭等原因都會導致客戶流失，僅資費而言，可能又涉及到產品的資費過高或者手機流量消費過高。把費用過高的原因細化到N個不同的情況，針對每一個具體場景進行分析和演算法模型的構建，再針對一個具體的場景進行營銷執行，比如一個客戶是由於免費到付費狀態導致的流失，為了避免這種情況再發生，我們應該增強對付費用戶權益的宣傳。

大量實踐案例表明，只要把場景細分得合理，我們就能夠讓大數據應用變得有效。我們就一個案例做效果評估，流失挽留率平均提升了158%，最高提升6.6倍，這就是為什麼我們說要把場景細化到最小粒度。

2. 把人的因素納入場景設計，降低大數據應用門檻

很多數據分析應用工具不能大規模推廣的原因在於設置的門檻太高，這是大數據產品目前存在的最大局限。

今天的大數據應用與計算機DOS操作系統時代非常類似，DOS時代使用電腦需要輸入命令行，只有從事計算機工作或者經常用的人才會用，所以很難普及。

我們今天的大數據分析應用產品如同DOS時代，做數據應用的人也需要理解業務、理解數據、懂得簡單的SQL操作，甚至有一定的建模能力。這對於一般崗位的人來說太難了，畢竟不是每一個工作人員都是技術人員。

對應用而言，目前大數據應用的門檻過高，我們需要像Windows升級一樣，把我們的應用場景構建成傻瓜式的簡單操作，並且界面需要十分友好。也就是說當我需要真正進行大數據應用的時候，這個人並不需要懂數據，也不需要懂技術、懂建模。產品使用起來足夠簡單，針對某項崗位的具體工作，不再需要關心數據提取或數據分析建模，這個時候，我們才能降低大數據應用產品的使用門檻。

在這給大家分享一個比較成功的大數據產品——原力大數據智慧營銷平台，它服務於企業的存量運營。我們針對不同的場景設計了4個簡單工具，數據識別（告訴你什麼事重要）、用戶洞察（不用數據操作、不用提數，就可以做客戶畫像）、精準營銷（裡面有一堆的模型和規則，幫你解決每一次營銷的數據和客戶獲取問題）、應用評估（不讓你幹活，自動生成報告告訴你這次營銷效果怎麼樣，是成功還是失敗，事後如何優化）。

原力智慧營銷平台的成功歸功於兩點。第一，底層仍然是大數據的模型和演算法，足夠細分的場景和模型保證了良好的使用效果；第二，上層應用層足夠切合場景，沒有使用難度，不增加客戶工作量，客戶體驗良好。

在這裡分享一個智慧營銷平台在手機實體連鎖企業的應用案例。針對這個手機連鎖企業，我們為它在底層構建了32個細化場景和模型，滿足日常的營銷和運營需求。這些場景中包含客戶數據的真實性和有效性核查；是否在換機周期（3-7個月）內購買過手機（如果購買過，意味著他的購買率很低，日常營銷就不要再向他發宣傳彩信）等。通過這個大數據產品的應用，我們把彩信到店引流的成本降低了一半，到店人流量增長了20%。

事實證明，大數據應用產品只要有效，且操作起來沒有門檻，產品就能夠被客戶接受。

3. 創造新的大數據場景化工具

我們未必非要用人工智慧來預測未來，也可以用大數據技術來提高效率。我們的產品——原力大數據熱點庫，基於爬蟲技術爬取公開媒體渠道及網路內容，該產品的設計來源於服務的需求，告訴你現在最重要的熱點或者行業資訊。

互聯網時代，每個企業都有運營公眾號的需求，對於企業來說原力大數據熱點庫是一個剛需產品，畢竟不是每個企業都有一個「咪蒙」，每一篇文章都能像大V一樣做到10w+、100w+，我們做的是用大數據解決知識問題和效能問題。文案不是最重要的，追熱點更重要。原力大數據熱點庫把熱點營銷文案水平維持在60-70%左右，把2-3人工作減少到1人，用機器和演算法實現，使得企業對熱點的響應速度更快，提升30%左右的拉粉速率。

今天是大數據應用場景構建的元年，還有很多企業沒有應用大數據或沒有用好大數據，大數據應用存在巨大機會。各個行業中都存在大量、豐富的大數據應用場景需求，與行業、與企業深度合作，共同探索和構建有效的大數據應用場景，是實現從技術到應用落地的最關鍵一環。

關於作者

原力大數據CEO江穎博士，大數據應用領域資深專家，中國大數據商業實踐先行者。擁有14年大數據研究及應用實踐，千萬客戶量級大數據運營經驗，主導了大數據項目超過60個。對通信運營商、移動互聯網、廣告、金融、教育科研等多個行業都有深厚的理論與實踐基礎，積累了大量大數據行業經驗和研究成果。

關於原力大數據

原力大數據（廣州帷策智能科技有限公司）聚焦於泛營銷場景的大數據產品，自主研發原力大數據智慧營銷平台、熱點庫等大數據工具集，為通信運營商、移動互聯網、廣告、金融、醫藥健康等行業客戶提供定製化的大數據解決方案、大數據能力規劃、大數據應用場景構建、大數據資產管理與變現、大數據系統建設等服務。

推薦閱讀：