• 今天数据的准确性是至关重要的,但仍然争取甚至最重要的任务和分析
  • 最大化其有效性,AI要求准确、实时数据
  • 正确的数据结构将使焦点将从今天到未来

此时此刻,世界上最明显的数据是积极COVID-19病例的数量。由于这些数据的重要性,您会希望那些报告的数字将所有可用指最准确的来源。然而,当我回顾了数字从三个著名的美国政府机构,总病例不同的接近10%。

即使整个世界关注这一重要的数据,它仍然遭受同样的问题,大多数B2B公司经验自己的报告。我们都曾经历过在分析公司关键指标变化。这个问题必须解决,如果公司想利用数据、知识和见解来创建一个竞争优势。

大多数组织认识到影响人工智能和机器学习(ML)今天和对未来的增长。然而,AI /毫升模型只是一样有价值的准确性,数据的数量和频率运行。这些模型读取数据,寻找见解,可以用来改善业务结果。准确的数据是可用的,越频繁越快的改进。

例如,假设你想提高关闭率销售在明年使用销售代表活动的分析数据。运行分析每月只提供12个机会来改善和调整模型。运行分析每日提供365年同一时期,改进机会和更多的改进机会的30倍。同一家公司运行相同的人工智能模型与月度数据需要30年以同样的速度来改善公司每天分析数据。准确,高频数据与人工智能竞争时的优势。

这里有三件事你可以做什么来增加你的组织的速度和准确度的数据。

  • 同意真理的一个来源。已经浪费了许多会议讨论数据的准确性只有发现有人使用不同来源的报告相同的数据。消除这个问题,只使用一个来源,提供准确、实时的更新。
  • 自动更新。一份报告,需要人工干预是无效的。许多可能需要调整来提高数据;然而,只有那些可以自动化应该用于确保最大速度和准确性。如果这是不可能的,需要不同的数据结构。
  • 消除发送报告的副本。当使用重要的数据,不要出口和发送。相反,使用链接数据和利用许多可视化工具可用来显示你的数据;许多允许嵌入在电子邮件报告。导出的实时数据已经过时,不再反映现实。如果仍然有效,当发送数据,那么数据没有被更新不够快。

工作时从最准确和及时的数据源,我们会发现更多的价值在未来的预测而不是我们今天的数据。股票价格是数据源的一个例子,这种转变。例如,特斯拉赢得了240亿年的2019美元相比,福特的1560亿美元——但是,它是更有价值的三倍。特斯拉的投资者支付更多,因为其预测未来值。

最后,当我们有这种级别的数据COVID-19等流行病、人工智能模型将使我们能够关注我们将和如何最大化我们的资源减少的影响。