关键词： 精准营销,学习算法,分类预测,人工智能技术,输入命令
一边是看似神奇的人工智能时代的爆炸，一边是企业对于大数据无用论的抱怨、或是对大数据的全然不知。人工智能时代真的来临了吗?
事实上，今天大数据在企业实际商业应用中存在两大困难，一是今天的人工智能还无法做到对场景的常识理解;二是即使大数据技术有一些发现，也尚未在实际商业中发挥直接作用。
作为企业，到底如何少踩坑地跨入大数据时代?
我们用原力大数据一路填过的坑来谈企业应该如何应对。
一、人工智能爆炸时代尚未来临
1. 看似神奇的人工智能时代的爆炸？
最近经常接触大型企业客户，他们是真正的大数据应用者，他们总和我说“我们要搞人工智能“，“我们接下来要做的就是深度学习”，或者问我，“原力大数据的平台有没有用深度学习算法”。
以至于让大家产生一种错觉，人工智能技术就是一切，人工智能的爆炸时代来临了。
2. 企业对大数据的全然不知，或抱怨大数据无用？
事实上，业内人都知道，大数据在企业的应用面临着困境——传统行业和中小企业根本不懂大数据，很多用过大数据的企业也不认可大数据。
绝大多数的实体经济企业或中小企业(比如：零售连锁、房地产、物流等)只听说过大数据，并不知道大数据有什么用、不清楚从哪里可以获得数据，更不知道自己要如何使用大数据。
而对于真正使用过大数据的一些企业(比如：银行、通信运营商)，我却常常听到客户抱怨大数据没用，“精准营销还没有我拍脑袋靠谱”“某AI语音客服平台很扯”“客户识别模型根本不准”。
3. 人工智能时代真的来临了吗？
一边是看似神奇的人工智能时代的爆炸，一边是企业对于大数据无用论的抱怨、或是对大数据的全然不知。
我特别赞同美国三院院士、加州大学伯克利分校教授Michael I. Jordan对于今天人工智能的描述：“现今的我们，并非处于一个人工智能的神奇大爆炸时代。我们有可能要花上百年的时间，人工智能这个高楼大厦才能真正地建立起来。”
对此，我的观点是：
今天不是人工智能的爆炸时代，却是大数据应用场景构建的基础元年；
人工智能这座大楼建立的核心，就在于构建大数据应用的基础场景。
二、大数据在企业实际商业应用中存在两大困难
目前，大数据在企业的实际商业应用中存在两大困难：
困难1：今天的人工智能还无法做到对场景的常识理解
困难2：即使大数据技术有一些发现，也尚未在实际商业中发挥直接作用
我们在大数据应用领域还有一个更大的困难，今天即使大数据的技术和能力能够帮助我们有一定发现，但是这些发现都没有真正地在商业中发挥直接作用。
以大数据舆情系统为例，舆情系统可以告诉我们一件事情是正面、负面、影响力有多大、扩展趋势如何等等。
一个企业如果面临正在传播中的负面信息，企业会做的是找媒体公关公司进行澄清、控制负面报道;另一方面会雇水军传播正面言论。
当企业发现一个热点事件，会借势进行热点营销，找营销策划公司来做营销方案，然后找广告投放公司在合适的媒介进行宣传。
你会发现在一个真实的商业场景中，舆情平台没有带来任何实质性的商业价值，这就是今天大数据产品普遍面临的尴尬和困境。
今天的大数据和人工智能大多仍然在关注技术和算法，这是导致大数据用不起来或者效果不好的根本原因。
今天的大数据和人工智能更多关注的仍是技术和算法，这些技术和能力还无法为客户进行精准营销、挽回流失用户产生实际价值和回报，这是导致大数据用不起来或应用效果不好的根本原因。
人工智能、深度学习、神经网络、遗传算法、决策树，这些算法只是技术和能力，并不等于它能够搞定精准营销、帮你把要流失的用户找回来，这就是我们大数据应用的现状。
三、构建大数据的应用场景，是实现大数据技术到应用落地的关键
从大数据技术到应用落地的中间还缺少非常重要的一环，就是构建大数据应用场景。只有构建有效的大数据应用场景，才能实现大数据技术的应用落地。原力大数据一直聚焦于大数据应用场景的构建，在这里分享我们在构建大数据应用场景三个方面的认知和实践：
1. 把场景细化到最小粒度，解决AI无法做到的对场景的常识理解
把场景细化到最小粒度，因为只有细化到最小粒度，才能解决AI无法做到的对场景的常识性理解。
客户流失对于每一个企业的损失都是特别大的，也是很常见的一个应用场景，每个企业都会做提前的预警和干预来防止高价值用户的流失。
我们就以最常见的客户流失预警为例：
大多数企业的做法是把一堆的数据丢进去，然后采用分类预测类的数据建模，生成一份潜在客户流失清单，然后采取无差异的客户挽留措施，可效果通常不太好。
导致客户流失的原因可能有很多，无差异的建模、再进行无差异的客户挽留措施，效果必定不好。
我们的做法是把场景细分到最小粒度。
以一个游戏用户流失的案子为例，资费、产品、竞争等原因都会导致客户流失，仅资费而言，可能又涉及到产品的资费过高或者手机流量消费过高。把费用过高的原因细化到N个不同的情况，针对每一个具体场景进行分析和算法模型的构建，再针对一个具体的场景进行营销执行，比如一个客户是由于免费到付费状态导致的流失，为了避免这种情况再发生，我们应该增强对付费用户权益的宣传。
大量实践案例表明，只要把场景细分得合理，我们就能够让大数据应用变得有效。我们就一个案例做效果评估，流失挽留率平均提升了158%，最高提升6.6倍，这就是为什么我们说要把场景细化到最小粒度。
2. 把人的因素纳入场景设计，降低大数据应用门槛
很多数据分析应用工具不能大规模推广的原因在于设置的门槛太高，这是大数据产品目前存在的最大局限。
今天的大数据应用与计算机DOS操作系统时代非常类似，DOS时代使用电脑需要输入命令行，只有从事计算机工作或者经常用的人才会用，所以很难普及。
我们今天的大数据分析应用产品如同DOS时代，做数据应用的人也需要理解业务、理解数据、懂得简单的SQL操作，甚至有一定的建模能力。这对于一般岗位的人来说太难了，毕竟不是每一个工作人员都是技术人员。
对应用而言，目前大数据应用的门槛过高，我们需要像Windows升级一样，把我们的应用场景构建成傻瓜式的简单操作，并且界面需要十分友好。也就是说当我需要真正进行大数据应用的时候，这个人并不需要懂数据，也不需要懂技术、懂建模。产品使用起来足够简单，针对某项岗位的具体工作，不再需要关心数据提取或数据分析建模，这个时候，我们才能降低大数据应用产品的使用门槛。
在这给大家分享一个比较成功的大数据产品——原力大数据智慧营销平台，它服务于企业的存量运营。我们针对不同的场景设计了4个简单工具，数据识别(告诉你什么事重要)、用户洞察(不用数据操作、不用提数，就可以做客户画像)、精准营销(里面有一堆的模型和规则，帮你解决每一次营销的数据和客户获取问题)、应用评估(不让你干活，自动生成报告告诉你这次营销效果怎么样，是成功还是失败，事后如何优化)。
原力智慧营销平台的成功归功于两点。第一，底层仍然是大数据的模型和算法，足够细分的场景和模型保证了良好的使用效果;第二，上层应用层足够切合场景，没有使用难度，不增加客户工作量，客户体验良好。
在这里分享一个智慧营销平台在手机实体连锁企业的应用案例。针对这个手机连锁企业，我们为它在底层构建了32个细化场景和模型，满足日常的营销和运营需求。这些场景中包含客户数据的真实性和有效性核查;是否在换机周期(3-7个月)内购买过手机(如果购买过，意味着他的购买率很低，日常营销就不要再向他发宣传彩信)等。通过这个大数据产品的应用，我们把彩信到店引流的成本降低了一半，到店人流量增长了20%。
事实证明，大数据应用产品只要有效，且操作起来没有门槛，产品就能够被客户接受。
3. 创造新的大数据场景化工具
我们未必非要用人工智能来预测未来，也可以用大数据技术来提高效率。我们的产品——原力大数据热点库，基于爬虫技术爬取公开媒体渠道及网络内容，该产品的设计来源于服务的需求，告诉你现在最重要的热点或者行业资讯。
互联网时代，每个企业都有运营公众号的需求，对于企业来说原力大数据热点库是一个刚需产品，毕竟不是每个企业都有一个“咪蒙”，每一篇文章都能像大V一样做到10w+、100w+，我们做的是用大数据解决知识问题和效能问题。文案不是最重要的，追热点更重要。原力大数据热点库把热点营销文案水平维持在60-70%左右，把2-3人工作减少到1人，用机器和算法实现，使得企业对热点的响应速度更快，提升30%左右的拉粉速率。
今天是大数据应用场景构建的元年，还有很多企业没有应用大数据或没有用好大数据，大数据应用存在巨大机会。各个行业中都存在大量、丰富的大数据应用场景需求，与行业、与企业深度合作，共同探索和构建有效的大数据应用场景，是实现从技术到应用落地的最关键一环。
关于作者
原力大数据CEO江颖博士，拥有14年大数据研究及应用实践，千万客户量级大数据运营经验，主导了大数据项目超过60个。在通信运营商、移动互联网、广告、金融、教育科研等多个行业积累了大量大数据实践经验和研究成果。
关于原力大数据
原力大数据(广州帷策智能科技有限公司)聚焦于泛营销场景的大数据产品，自主研发原力大数据智慧营销平台、热点库等大数据工具集，为通信运营商、移动互联网、广告、金融、医药健康等行业客户提供定制化的大数据解决方案、大数据能力规划、大数据应用场景构建、大数据资产管理与变现、大数据系统建设等服务。