【.com速译】COVID-19对我们的日常工作产生了很多影响。在数据和技术方面，组织正在讨论的最重要因素之一是数字化转型的加速及其影响。正如《经济学人》所指出的，COVID-19大流行最明显的后果之一是“将基于数据的服务注入到生活的更多方面。”这就引出了如何从海量数据中获取有价值的消费者洞察的问题。每个人都知道了解你的客户是多么重要，但在信息过载的时代你如何做到这一点？什么是数据过载？Informationoverload是强生公司前全球总裁DebraBrass在2013年创造的一个术语，用来描述这种情况：数据过剩使数据分析异常复杂，有时甚至无助于进行有洞察力的分析。它阻止公司做出有效的决策，因为他们在面对如此多的数据时无能为力。这种有问题的情况可能归因于公司收集数据的能力迅速提高，而正确整合和分析这些数据的能力却没有跟上。虽然这个问题可能会影响整个公司，但对于面向客户的团队（如营销、客户服务、销售和消费者洞察）而言，问题尤其严重。多项研究估计，营销或消费者洞察主管将多达80%的时间花在分析消费者数据上。在这些高管中，只有五分之一的人认为他们拥有适合其工作的工具。一个典型的例子是电子商务平台上客户评论数量的急剧增加。消费者不仅写了更多的评论，他们还在网上提出和回答更多的问题，产生了数量惊人的数据用于分析。这既是问题也是机遇：随着更多的消费者评论和对话，公司有机会以非常公正的方式实时访问这些数据并了解消费者，速度比以往任何时候都快。但是，当他们仍在与数据过载作斗争并且无法获得他们寻求的洞察力时，他们如何才能探索新的消费者信息来源呢？他们如何将数据转化为消费者洞察？答案是利用智能系统（智能系统）。该概念由软件行业最重要的投资基金之一GreylockPartners率先提出，被许多人认为是数据分析领域的下一波创新浪潮。智能系统就像连接记录系统的额外层，记录系统是存储数据的平台（例如CRM或ERP平台），参与系统是交互捕获数据的平台（例如作为客户服务或消息传递工具）。智能系统的主要卖点是连接来自不同来源的不同数据（在大多数情况下，这些数据未得到充分利用，因为公司甚至无法访问它），以便可以从这些数据中获得深刻的见解。如果实施这样的智能系统，公司不仅可以减少将自己的数据与电子表格连接的工作量，还可以极其轻松地将新的数据源添加到他们的分析中，从而缩短技术操作周期以提高质量。今天似乎缺乏这样的解决方案。我们都可以访问数据，但大多数时候我们不确定要寻找什么：我们分析了错误的数据，我们只查看了我们收集到的部分内容，但我们看不到它与其他数据之间的关系其余的数据，我们甚至选择了错误的指标来衡量它。不仅如此，我们花在了解过去上的时间还多于规划未来的时间。结果，我们不仅做出错误的决定，而且浪费大量时间专注于与成功无关的行动。根据Gartner的研究，到2023年，60%的数据智能和消费者洞察领导者将削减50%的营销分析部门，仅仅是因为他们无法从捕获的数据中获取价值。营销和消费者洞察主管需要减轻这种负担：花时间在Excel电子表格上，尝试处理和连接多个数据源以获取相关洞察。消费者洞察的未来：决策智能由于“脏数据”每年给美国经济造成3.1万亿美元的损失，每天产生2.5TB的数据，因此认为消费者洞察的未来与智能系统Strange有直接关系并非不合理。这就是决策智能的来源。决策智能是一个框架，有助于将人工智能、机器学习和文本分析实际应用于实际业务决策，确定业务优先级，并为此实际利用技术。据Gartner称，到2023年，超过33%的大型组织将拥有负责决策情报的分析师。决策智能如此强大的原因在于它将业务目标、方面和问题与人工智能和预测分析的优势联系起来，共同处理多个数据源以获得洞察力并预测未来。原标题：如何在数据过载时代有效获取消费者洞察，作者：PatríciaOsorio
