Itthon Hang Legfontosabb tippek az adatok pénzszerzéséhez gépi tanulás révén

Legfontosabb tippek az adatok pénzszerzéséhez gépi tanulás révén

Tartalomjegyzék:

Anonim

A nagy adatmennyiséget mindig olyan hatalmas értékű erőforrásként írják le, amely bármilyen virágzó vállalkozást fel tud táplálni, és a szervezetek számára gyakorlati betekintést, üzleti lehetőségeket és kiemelkedő haszonképességet nyújt. Csakúgy, mint a nyersolajat, finomítani kell, mielőtt értékes és hasznos erőforrássá alakítanák, az adatokat azonban mesterséges intelligenciával (AI) és gépi tanulással (ML) kell emésztni, mielőtt valami megéri. Az üzleti adatok felhasználásának elősegítése a szervezet működésének hatékonyságának javítása és az új bevételi források létrehozásának elősegítése érdekében az üzleti adatok sokféle módon pénzszerezhetők.

Ahogyan Tim Sloane, a Mercator Tanácsadó Csoport fizetési innovációért felelős alelnöke kifejtette, „az adatok pénzszerzésének lényege az, hogy új csatornákon keresztül kiaknázza a meglévő adatait.” Nézzünk meg néhány konkrét példát, időveszteség nélkül. Mivel az idő pénz, barátom!

Anonimált ügyféladatok eladása harmadik felek számára

Az anonimizált (azaz bármilyen érzékeny információtól megfosztott) vagy szintetizált (azaz kissé módosított, tehát továbbra is 100% -ig statisztikailag releváns, de az eredeti vevőig visszakereshetetlen) vevői adatok eladhatók más cégeknek, amelyeknek szükségük van a analitikai termékek formája. Az összesített, előre beállított adatok bevételszerzésre kerülhetnek, mivel azok olyan értéke lehet, amely meghaladja az eredeti használatát, és új bevételi forrást hozhat létre. Például egy bevásárlóközpont azt szeretné tudni, hogy a videojáték-rajongók melyik ételt részesítik előnyben a vásárlás után, hogy egy speciális gyorsétterem-standot el lehessen helyezni a játékboltokkal azonos területre. Vagy egy telekommunikációs cég értékesítheti az ügyfelek földrajzi helyzetének adatait, amelyek felhasználhatók hatékonyabb „intelligens város” technológiai megoldások tervezésére.

Legfontosabb tippek az adatok pénzszerzéséhez gépi tanulás révén