ปัจจุบัน มีข้อมูลเกี่ยวกับผู้บริโภคทั้งในระดับรวมและรายบุคคลมากกว่าที่เคย ที่สำคัญกว่านั้น ความสามารถของการเรียนรู้ของเครื่องจักร (ML) และปัญญาประดิษฐ์ (AI) กำลังมีความซับซ้อนมากขึ้น ทำให้ผู้ทำการตลาดมีความสามารถในการปรับขนาดเพื่อเปิดใช้งานข้อมูลดังกล่าวในรูปแบบใหม่ๆ มากขึ้น
นักการตลาดจำนวนมากทราบดีว่าเทคโนโลยีเหล่านี้จะเปลี่ยนแปลงวิธีการทำงาน แต่ก็ยังไม่ชัดเจนว่าอะไรจะเปลี่ยนไปและจะเปลี่ยนแปลงเร็วเพียงใด เพื่อให้เห็นภาพว่าเส้นทางข้างหน้าจะเป็นอย่างไร เราได้ขอให้นักวิทยาศาสตร์ข้อมูลของเราแบ่งปันว่าพวกเขาคิดว่าแนวโน้มที่ใหญ่ที่สุดในอนาคตอันใกล้นี้จะเป็นอย่างไร
นักวิทยาศาสตร์จะพัฒนาความสามารถในการสอนคอมพิวเตอร์ให้เข้าใจภาษาได้อย่างถูกต้อง
ปีนี้ เราจะเห็นความก้าวหน้าที่สำคัญในวิธีที่เราสร้างแบบจำลองและประมวลผลข้อความ ปัจจุบันมีการถกเถียงกันอย่างดุเดือดในวงการประมวลผลภาษาธรรมชาติ (NLP) เกี่ยวกับลักษณะเปราะบางของแบบจำลองที่ประสบความสำเร็จมากที่สุดในสาขานี้ และการจัดการข้อความที่เรียบง่ายเกินไปสามารถทำให้แบบจำลองเสียหายได้อย่างน่าอาย ปัจจุบัน แบบจำลองที่ดีที่สุดสามารถจดจำรูปแบบที่ซับซ้อนได้เท่านั้น และเรายังห่างไกลจากแบบจำลองที่สามารถทำความเข้าใจข้อความได้อย่างแท้จริง ดังนั้น ฉันจึงคาดว่าจะมีการวิจัยมากมายในด้านนี้ และฉันมองในแง่ดีว่าเราจะเริ่มอ่านเกี่ยวกับวิธีการแนะนำและรวม "สามัญสำนึก" เข้ากับแบบจำลองของเรา
– ไมเคิล มอร์แกน นักวิทยาศาสตร์ข้อมูลชั้นนำ นีลเส็น
ความสำคัญของข้อมูลที่มีคุณภาพและสะอาดจะเพิ่มมากขึ้น
ฉันคิดว่าเราจะเห็นการให้ความสำคัญมากขึ้นในการค้นหาวิธีการสร้างสรรค์ในการเสริมและปรับปรุงข้อมูลการฝึกอบรมสำหรับ "เครือข่ายประสาท" (เช่น ระบบคอมพิวเตอร์ที่จำลองตามสมองของมนุษย์และระบบประสาท) โมเดลประเภทนี้สามารถให้ผลลัพธ์ที่ดีได้เท่ากับข้อมูลที่ใส่เข้าไปเท่านั้น ดังนั้น ฉันเชื่อว่าเราจะเห็นการให้ความสำคัญมากขึ้นในการเพิ่มคุณภาพและปริมาณของชุดข้อมูลเหล่านี้อย่างมีประสิทธิภาพ
– เจสสิก้า บรินสัน นักวิทยาศาสตร์ข้อมูลอาวุโส นีลเส็น
การเรียนรู้ของเครื่องจักรและปัญญาประดิษฐ์จะกลายเป็นปัจจัยสำคัญที่แยกแยะบริษัทต่างๆ ที่ต้องการปลดล็อกการเติบโต
อัลกอริทึมที่ซับซ้อนมากขึ้น บุคลากรด้านวิทยาศาสตร์ข้อมูลที่แข็งแกร่งขึ้น และปริมาณข้อมูลที่เพิ่มขึ้นจะทำให้บริษัทต่างๆ สามารถใช้ ML และ AI ในปี 2019 เป็นตัวแยกแยะที่สำคัญ และปลดล็อกมูลค่ามากกว่าที่เคย
ในอีก 5 ปีข้างหน้า การสนทนาเกี่ยวกับวิทยาศาสตร์ข้อมูลและปัญญาประดิษฐ์จะมุ่งไปสู่การพัฒนาทักษะการแก้ปัญหาที่ซับซ้อนจากการพัฒนาเครื่องมือและอัลกอริทึม นอกจากนี้ อัลกอริทึมและซอฟต์แวร์จะมีความเป็นมิตรต่อผู้ใช้และเข้าถึงกลุ่มคนที่ไม่ได้เรียนวิทยาศาสตร์ข้อมูลได้มากขึ้น
– Avi Jain หัวหน้าฝ่ายลูกค้าวิทยาศาสตร์ข้อมูลระดับภูมิภาค Nielsen
ความสามารถในการรวบรวมข้อมูลออนไลน์จะมีความท้าทายและกระจัดกระจายมากขึ้น
เนื่องจากเบราว์เซอร์อินเทอร์เน็ตจำนวนมากขึ้นเรื่อยๆ เริ่มบล็อกคุกกี้ของบุคคลที่สาม ผู้จำหน่ายแพลตฟอร์มการจัดการข้อมูล (DMP) จึงเริ่มเผชิญกับความท้าทายในการรวบรวมข้อมูลออนไลน์ นักการตลาดจะพบว่า DMP แต่ละรายจะไม่สามารถเสนอข้อมูลในปริมาณเท่ากันด้วยระดับความแม่นยำที่เท่ากันได้เหมือนแต่ก่อน ซึ่งจะส่งผลกระทบอย่างมากต่อความสามารถของนักการตลาดในการกำหนดเป้าหมายและแบ่งกลุ่มผู้ชมได้อย่างแม่นยำ ในระหว่างนี้ ผู้จำหน่าย DMP จะมองหาโซลูชันที่จะช่วยให้สามารถชดเชยการสูญเสียข้อมูลนี้ได้
– เผิงเฟย ยี่ ผู้อำนวยการฝ่ายวิทยาศาสตร์ข้อมูล Nielsen
บริษัทที่ประสบความสำเร็จจะลงทุนอย่างมากในโซลูชันที่ได้รับการสนับสนุนจากวิทยาศาสตร์ข้อมูล
การแปลงเป็นดิจิทัลกำลังเข้ามาเปลี่ยนแปลงแนวทางการตลาดแบบเดิม ส่งผลให้เกิดการเปลี่ยนแปลงและแตกแขนงมากขึ้น ส่งผลให้บริษัทสินค้าอุปโภคบริโภคบรรจุหีบห่อ (CPG) โดยเฉพาะต้องเผชิญกับแรงกดดันที่เพิ่มขึ้นในการทำงานด้วยผลกำไรที่มากขึ้น นักการตลาด CPG ให้ความสำคัญกับโซลูชันแบบเรียลไทม์ ความเกี่ยวข้อง และความรวดเร็วมากกว่าการออกแบบที่มีประสิทธิภาพและเหมาะสม พวกเขายังมองหาวิธีการที่คล่องตัวและสร้างสรรค์เพื่อให้เห็นภาพรวมของตลาด และบริษัทต่างๆ จะหันมาใช้ศาสตร์ข้อมูลมากขึ้นเพื่อจัดการและแก้ไขความท้าทายเหล่านี้
คาดว่าปริมาณข้อมูลดิจิทัลที่ผู้บริโภคสร้างขึ้นจะเพิ่มขึ้นเป็นสองเท่าทุกปีในอนาคต และบริษัทต่างๆ ที่ต้องการรับมือกับกระแสข้อมูลดิจิทัลนี้จะลงทุนในเทคนิคดิจิทัลเพื่อรวบรวมและวัดข้อมูล นอกจากนี้ บริษัทต่างๆ ยังจะออกแบบโซลูชันโดยใช้ AI, ML และเครือข่ายประสาท บริษัทต่างๆ ที่นำอัลกอริทึมด้านวิทยาศาสตร์ข้อมูลมาใช้จะพบว่ามีความสามารถในการปรับขนาดและประสิทธิภาพที่เพิ่มขึ้น และจะสามารถก้าวข้ามการวัดผลแบบเดิมๆ ได้
– Neerja Joshi ผู้อำนวยการฝ่ายวิทยาศาสตร์ข้อมูล Nielsen
