لماذا "البيانات" و "الذكاء الاصطناعي" دائما معا

البيانات والذكاء الاصطناعي والبيانات.

تسمع المصطلحين دائمًا في نفس الوقت. لماذا هذا؟

إذا كنت مؤسسًا تحاول معرفة المزيد حول هذه الموضوعات ، سواء كان ذلك لتحسين سير العمل أو منتجاتك أو بعض جوانب عملياتك ، فإليك مقدمة لصاحب العمل حول ما يعنيه الأشخاص عندما يصرون على قول الاثنين معًا.

يحتاج الذكاء الاصطناعي إلى بيانات للقيام بأي شيء.

في جوهرها ، الذكاء الاصطناعي عبارة عن خوارزمية ، وهي في لغة بسيطة عملية تأخذ المدخلات وتنتج المخرجات. تمامًا مثل سيارتك ، التي هي مجرد قطعة معدنية توضع في المرآب حتى يتوفر الوقود لتشغيلها ، لا يمكن لخوارزمية بمفردها لا تحتوي على بيانات للمعالجة أن تفعل أي شيء مفيد. في الواقع ، لا يمكنه فعل أي شيء على الإطلاق.

هذا يعني أنه إذا كنت تريد أن يستفيد عملك من الذكاء الاصطناعي ، فإن المهمة الأولى هي جمع بياناتك وتشكيلها. قد يكون هذا حجر عثرة حقيقيًا ، وفقًا لفونج نجوين ، مؤسس شركة Partners in Company للاستشارات في مجال علوم البيانات. "وفقًا للعملاء الذين عملنا معهم وتحدثنا معهم ، فإن العوائق التي تحول دون توجيه البيانات بشكل أكبر هي عادةً أساسيات الحصول على بيانات نظيفة ومتسقة وجعلها مركزية وآمنة" ، كما يقول.

هذا يعني عادةً إما سحب بياناتك من جداول البيانات أو جمع بياناتك معًا من أنظمة أساسية متعددة ، مثل نظام أساسي لإدارة علاقات العملاء (CRM) ونموذج تسويق ، في مستودع مركزي ، حيث يمكن للبيانات تبدأ في الجمع والمقارنة للتحليل. عادةً ، ستظل بحاجة إلى التنظيف والتطبيع بطرق مختلفة للتأكد من اتساقها وبالشكل الصحيح قبل أن تتمكن فرق البيانات من استخلاص الاستنتاجات الصحيحة ثم البناء على البيانات باستخدام الذكاء الاصطناعي.

أيضًا ، يحتاج معظم الذكاء الاصطناعي إلى كميات كبيرة من البيانات للحصول على نتائج موثوقة ، وللسبب نفسه تحتاج إلى عينة كبيرة من أي شيء لإصدار حكم في حدود المعقول. نحن جميعًا على دراية باستطلاعات الرأي السياسية ، حيث يدعي المحترفون عادةً دقة أكثر من 95٪ حول كيفية تخطيط السكان ككل للتصويت في الانتخابات عن طريق أخذ عينات من حوالي 300 شخص.

هذا لاختيار بسيط بين خيارين. إذا كنت تحاول إنشاء تنبؤات أكثر تعقيدًا ، مثل التمييز بين أنواع سلوك العملاء في بيانات التسويق الخاصة بك ، فستحتاج إلى البدء بعدة آلاف من العينات. غالبًا ما تستخدم الكثير لتتمتع بثقة كبيرة في نتائجك.

ما مقدار البيانات التي نتحدث عنها؟ يمكن أن يمنحك التحليل الإحصائي الصحيح رقمًا دقيقًا لما تحاول القيام به ، ولكن كقاعدة عامة ، عادةً ما تكون مئات الآلاف من الصفوف أدنى من التحليلات القائمة على التعلم الآلي. تقول Chantel Perry ، عالمة البيانات المخضرمة في الشركات الكبيرة ومؤلفة الكتاب Data Newbie to Guru : "أنا لست معتادًا على العمل مع أي شيء أقل من مليون صف".

ولشيء مثل تحليلات التسويق ، حيث قد تختلف اتجاهات العملاء التي تحاول فهمها من يوم لآخر ومن شهر لآخر ، فأنت تريد أيضًا أن يكون بعضها كافيًا لجمع البيانات على مدى فترة طويلة بما يكفي قم بعمل تنبؤات مفيدة: "تريد أن تكون في مجال الأعمال التجارية لمدة ستة أشهر على الأقل وأن تجمع البيانات عن عملائك لمدة ستة أشهر على الأقل" ، حسب قول بيري.

أنت تفهم الآن سبب احتياج الذكاء الاصطناعي إلى البيانات. يذهب هذا الاعتماد أيضًا في الاتجاه الآخر. الحقيقة هي أنه لا يمكنك الحصول على أحدهما دون الآخر.

تأتي الكثير من البيانات من A.I.

تمامًا مثلما تحتاج خوارزميات الذكاء الاصطناعي إلى البيانات كمدخلات ، غالبًا ما يكون مخرجاتها شكلاً من أشكال البيانات.

افترض أنه تم تحليل بياناتك التسويقية بطريقة تجد أن لديك ثماني مجموعات عملاء رئيسية. قد تجد أيضًا أن مجموعات العملاء المختلفة يجب أن تتلقى أنواعًا مختلفة من العروض أو الإعلانات. أولئك ...