Лучшее, что я недавно прочитал о больших данных, аналитике и машинном обучении
Это было напряженное время для достойных внимания, горячих тем, таких как большие данные, машинное обучение и аналитика в реальном времени. Вот краткий обзор нескольких моих любимых недавних постов со всего Интернета, посвященных тому, что мы в GigaSpaces любим — чтобы начать свой день правильно.
1. Реализация потенциала больших данных и аналитики / @danielnewmanUV
Дэниел Ньюман, генеральный директор Broadsuite Media Group и главный аналитик Futurum, справедливо задается вопросом, сбылись ли уже большие обещания о том, что большие данные станут мейнстримом, и если да, то не отстает ли ваш бизнес? В недавней статье Forbes Ньюман отмечает, что, согласно Harvard Business Review, большинство современных предприятий далек от понимания ценности, которую может принести аналитика. Хотите знать, что вы можете с этим сделать? Ознакомьтесь с его главными советами, которые помогут вам разработать стратегический бизнес-план с помощью аналитики.
2. Что на самом деле происходит с вашими (большими) данными после вашей смерти? / @БернардМарр
Мы все накопили такие огромные цифровые следы с взаимодействиями, социальными взаимодействиями и так далее, что действительно возникает вопрос — где все это будет через 100 лет? Что это означает для наших цифровых активов и данных, которые с течением времени продолжают экспоненциально расти? Бернард Марр, автор и основной докладчик по бизнесу, технологиям и эффективному использованию данных, уходит на шесть футов ниже, чтобы исследовать эту несколько запутанную ситуацию, обсуждая наши цифровые коллекции, медицинские данные, цифровые завещания и бенефициаров, а также то, к чему все это движется — и это увлекательно.
3. Как машинное обучение влияет на потребность в качественном контенте / @stonetemple
Фантастический пост о том, как машинное обучение, вероятно, станет движущей силой эволюции качественного контента. Поскольку Google пытается улучшить свое понимание языка, лучше понимать намерения пользователей, лучше оценивать качество контента и использовать данные об удовлетворенности/вовлеченности пользователей, у маркетологов растет потребность в постоянном улучшении качества контента. Эрик Энге, генеральный директор Stone Temple Consulting, исследует эту идею с некоторыми выводами не только для маркетологов, но и для любого бизнеса, который не хочет остаться позади.
4. 3 способа, которыми машинное обучение влияет на качество обслуживания клиентов / @BlakeMichelleM
Еще одна интересная статья Forbes, дополняющая наш список, на этот раз от консультанта по работе с клиентами Блейка Моргана. Если вы когда-либо были на каком-либо клиентском сайте, вам, вероятно, рекомендовали покупать предлагаемые товары, которые вы никогда бы не купили. Вот где машинное обучение приходит на помощь. Как объясняет Морган, машинное обучение сосредоточено исключительно на написании программного обеспечения, которое учится на прошлом опыте и создает более персонализированный и актуальный опыт для клиентов. Это невероятно эффективно для обслуживания клиентов, поскольку позволяет брендам воспользоваться ограниченным временем, которое у них есть, чтобы завоевать доверие клиентов в сегодняшней культуре «пролистывания вправо. Читайте дальше, чтобы узнать все о том, как машинное обучение поможет повысить качество обслуживания клиентов по трем основным направлениям.
***
Надеюсь, вам понравился этот краткий обзор! Подпишитесь на меня, чтобы получать больше новостей обо всем, что связано с Интернетом вещей, маркетингом и контентом.
