Durante la última década, la revolución digital nos ha dado una superávit de datos. Esto es emocionante por varias razones, pero principalmente en términos de cómo la IA podrá revolucionar aún más la empresa.
Sin embargo, en el mundo de B2B, la industria en la que estoy profundamente involucrado, todavía estamos experimentando una escasez de datos, en gran parte porque la cantidad de transacciones es mucho menor en comparación con B2C. Entonces, para AI para cumplir su promesa de revolucionar la empresa, también debe poder resolver estos pequeños problemas de datos. Afortunadamente, puede.
El problema es que muchos científicos de datos recurren a malas prácticas, creando profecías autocumplidas, lo que reduce la efectividad de la IA en escenarios de datos pequeños y, en última instancia, obstaculiza la influencia de la IA en el avance de la empresa.
El truco para aplicar la IA correctamente a pequeños problemas de datos es seguir las prácticas correctas de ciencia de datos y evitar las malas.
El término "profecía autocumplida" se usa en psicología, inversiones y en otros lugares, pero en el mundo de la ciencia de datos, se puede describir simplemente como "predecir lo obvio". Vemos esto cuando las empresas encuentran un modelo que predice lo que ya les funciona, a veces incluso "por diseño", y lo aplican a diferentes escenarios.
Por ejemplo, una empresa minorista determina que las personas que llenaron su carrito en línea tienen más probabilidades de comprar que las personas que no lo hicieron, por lo que comercializan fuertemente a ese grupo. ¡Están prediciendo lo obvio!
En su lugar, deberían aplicar modelos que ayuden a optimizar lo que no funcionan bien: convierten a los compradores por primera vez que aún no tienen artículos en su carrito. Al resolver esto último, o al predecir lo que no es obvio, será mucho más probable que esta empresa minorista tenga un impacto en las ventas y adquiera nuevos clientes en lugar de simplemente quedarse con los mismos.
Para evitar la trampa de crear profecías autocumplidas, este es el proceso que debe seguir para aplicar IA a pequeños problemas de datos:
- Enriquece tus datos: Cuando descubra que no tiene una tonelada de datos existentes para trabajar, el primer paso es enriquecer los datos que ya tiene. Esto se puede hacer tocando datos externos para aplicar modelos similares. Vemos esto más que nunca gracias al aumento de los sistemas de recomendación utilizados por Amazon, Netflix, Spotify y más. Incluso si solo tiene una o dos compras en Amazon, ellos tienen tanta información sobre los productos en el mundo y las personas que los compran, que pueden hacer predicciones bastante precisas sobre su próxima compra. Si es una empresa B2B que utiliza una "dimensión única" para categorizar sus ofertas (p. Ej., "Grandes empresas"), siga el ejemplo de Pandora y analice a cada cliente según los grados más detallados (p. Ej., Título de la canción, artista, género del cantante, construcción de melodía, ritmo, etc.). Cuanto más sepa sobre sus datos, más ricos se volverán. Puede pasar de datos de baja dimensión con predicciones triviales a conocimientos de alta dimensión con potentes modelos de predicción y recomendación.
PlatoAi. Web3 reinventado. Inteligencia de datos ampliada.
Haga clic aquí para acceder.
