（文章來源：教育新聞網）

數據是潤滑諸如Amazon.com之類的大型在線零售商的銷售機器的油，并且正在探索Google和Facebook等技術巨頭的用戶行為。根據Amazon Web Services(AWS)的說法，僅其支付數據工程團隊就負責數據攝取，轉換和存儲不斷增長的750 TB以上的數據集。如此龐大的數量將使大多數其他組織相形見,，但這并不意味著其數據的價值不再那么低，也就沒有競爭的余地。

零售商可以從高質量數據中獲得的見解并不取決于它的數量，而是取決于如何收集，分析和使用它們來滿足客戶的需求。下周末哪里需求特別高?天氣將對在線銷售產生多大影響?在什么情況下欺詐或退貨的可能性特別高?為什么客戶的行為會如此而又沒有不同?所有這些問題的答案都在數據中。

隨著數據量的不斷增長，下一個考慮因素是如何最好地對其進行管理。我們是否仍可以依靠良好的老式統計數據，還是應該利用人工智能(AI)和大數據?大數據和統計數據的結合可以回答許多問題，特別是在非常熟悉其數據及其提供的見解的公司中。如果內部沒有統計學家的能力或沒有合適的大數據工具，那么挑戰(zhàn)就開始了。

在這一點上，需要考慮使用AI，因為它是幫助零售商評估其數據和關系以更好地了解買方偏好并預測未來行為的最佳方法。在當今快速發(fā)展的商務環(huán)境中不這樣做的危險是無法滿足客戶的期望，競爭對手很快就會進入可用空間。

零售商不必擔心他們擁有的數據量。在AI方面，尺寸不是問題。正確的問題以及正確的數據意味著，無論是在線還是線下零售商，中型零售商都可以取得與市場上最大的零售商一樣的成功業(yè)績。從哪兒開始?如今的AI恰恰是IT時代回到1960年代的時候-仍處于起步階段。實際上，只有少數幾家公司擁有內部專家，數據能力和技術人員來管理其實施。因此，許多零售商都將其數據管理外包給服務提供商。

這樣做的好處是，已經建立了專門知識，尤其是在AI方面的專業(yè)知識，這意味著數據掌握在手中。公司通常已經向零售商提供了服務，因此提供商很熟悉數據。這樣可以更快，更準確地得出見解，從而可以更快地實現結果。
（責任編輯：fqj）