Obecnie istnieje więcej punktów danych o konsumentach, zarówno zbiorowo, jak i indywidualnie, niż kiedykolwiek wcześniej. Co ważniejsze, możliwości uczenia maszynowego (ML) i sztucznej inteligencji (AI) stają się coraz bardziej wyrafinowane, zwiększając możliwości marketerów w zakresie skalowania, aby aktywować te dane na nowe sposoby.
Wielu marketerów wie, że technologie te zmienią sposób, w jaki wykonują swoją pracę, ale nadal nie jest jasne, co dokładnie się zmieni i jak szybko. Aby uzyskać wgląd w to, jak wygląda nadchodząca droga, poprosiliśmy kilku naszych naukowców zajmujących się danymi, aby podzielili się tym, co ich zdaniem będzie największymi trendami w najbliższej przyszłości.
Naukowcy poprawią swoją zdolność do uczenia komputerów dokładnego rozumienia języka.
W tym roku będziemy świadkami znaczących postępów w sposobie modelowania i przetwarzania tekstu. W kręgach zajmujących się przetwarzaniem języka naturalnego (NLP) toczy się obecnie gorąca debata na temat kruchości niektórych z najbardziej udanych modeli w tej dziedzinie i tego, jak bardzo proste manipulacje tekstem mogą spowodować ich awarię w żenujący sposób. Obecnie najlepsze modele są zdolne jedynie do zapamiętywania skomplikowanych wzorców, a my nie jesteśmy nawet blisko modelu, który faktycznie byłby w stanie zrozumieć tekst. Dlatego spodziewam się wielu badań w tej dziedzinie i jestem optymistą, że zaczniemy czytać o sposobach, w jakie "zdrowy rozsądek" może zostać wprowadzony i włączony do naszych modeli.
- Michael Morgan, główny analityk danych, Nielsen
Znaczenie wysokiej jakości, czystych danych będzie rosło.
Myślę, że będziemy świadkami zwiększonego nacisku na znalezienie innowacyjnych sposobów uzupełniania i ulepszania danych szkoleniowych dla "sieci neuronowych" (np. systemów komputerowych wzorowanych na ludzkim mózgu i układzie nerwowym). Tego typu modele mogą dostarczać tylko tak dobre wyniki, jak dane, które są do nich wprowadzane. Dlatego też uważam, że będziemy w coraz większym stopniu koncentrować się na skutecznym zwiększaniu jakości i ilości tych zbiorów danych.
- Jessica Brinson, starszy analityk danych, Nielsen
Uczenie maszynowe i sztuczna inteligencja staną się kluczowymi wyróżnikami dla firm, które chcą odblokować wzrost.
Bardziej wyrafinowane algorytmy, silniejszy talent w zakresie nauki o danych i rosnąca ilość danych umożliwią firmom wykorzystanie ML i AI w 2019 r. jako kluczowych czynników różnicujących i odblokowanie większej wartości niż kiedykolwiek wcześniej.
Za pięć lat rozmowy na temat nauki o danych i sztucznej inteligencji będą koncentrować się na tym, jak rozwijać złożone umiejętności rozwiązywania problemów w oparciu o rozwój narzędzi i algorytmów. Dodatkowo, algorytmy i oprogramowanie staną się bardziej przyjazne dla użytkownika i zdemokratyzowane dla osób niezwiązanych z nauką o danych.
- Avi Jain, Regional Data Science Client Lead, Nielsen
Możliwość gromadzenia danych online stanie się trudniejsza i bardziej fragmentaryczna.
Ponieważ coraz więcej przeglądarek internetowych zaczyna blokować pliki cookie stron trzecich, dostawcy platform zarządzania danymi (DMP) zaczną stawać przed wyzwaniami związanymi z gromadzeniem danych online. Marketerzy przekonają się, że poszczególne DMP nie będą w stanie zaoferować takiej samej ilości danych z taką samą dokładnością jak wcześniej. Wpłynie to znacząco na zdolność marketerów do precyzyjnego targetowania i segmentowania odbiorców. W międzyczasie dostawcy DMP będą poszukiwać rozwiązań, które pozwolą im zrekompensować tę utratę danych.
- Pengfei Yi, dyrektor ds. nauki o danych, Nielsen
Firmy odnoszące sukcesy będą znacząco inwestować w rozwiązania oparte na nauce o danych
Cyfryzacja zakłóca tradycyjne podejście marketingowe, tworząc bardziej dynamiczny i rozdrobniony krajobraz. W rezultacie, w szczególności firmy zajmujące się pakowanymi towarami konsumpcyjnymi (CPG) odczuwają dodatkową presję, aby działać z większą rentownością. Marketerzy CPG przywiązują większą wagę do rozwiązań w czasie rzeczywistym, trafności i szybkości niż do solidnego i idealnego projektu. Poszukują również zwinnych i innowacyjnych podejść, aby zapewnić całościowy obraz rynku, a firmy będą coraz częściej zwracać się do nauki o danych, aby sprostać tym wyzwaniom.
Oczekuje się, że ilość danych cyfrowych generowanych przez konsumentów będzie się podwajać każdego roku w przyszłości, a firmy, które chcą poruszać się w tym cyfrowym zalewie, będą inwestować w cyfrowe techniki przechwytywania i pomiaru danych. Będą również projektować rozwiązania wykorzystujące sztuczną inteligencję, uczenie maszynowe i sieci neuronowe. Firmy, które zastosują algorytmy nauki o danych, zwiększą skalowalność, wydajność i będą w stanie wyjść poza konwencjonalny strumień pomiarów.
- Neerja Joshi, dyrektor ds. nauki o danych, Nielsen
