Amnon Mishor es el CTO y fundador de Espacio de plomoun reconocido por la industriaplataforma de datos de compradores impulsada por IA utilizada por empresas B2B como Zoom y Salesforce.
Durante la última década más o menos, la revolución digital nos ha dado un excedente 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 experimentamos una escasez de datos, en gran parte porque la cantidad de transacciones es mucho menor en comparación con B2C. Por lo tanto, para que la IA cumpla su promesa de revolucionar la empresa, también debe ser capaz de 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, dificulta la influencia de la IA en el avance de la empresa.
El truco para aplicar la IA correctamente a los problemas de datos pequeños está en 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, puede describirse simplemente como “predecir lo obvio”. Vemos esto cuando las empresas encuentran un modelo que predice lo que ya funciona para ellas, a veces incluso “por diseño”, y lo aplican a diferentes escenarios.
Por ejemplo, una empresa minorista determina que las personas que completaron 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, deben aplicar modelos que ayuden a optimizar lo que no funciona bien: convertir a compradores primerizos que aún no tienen artículos en su carrito. Al resolver esto último, o predecir lo que no es obvio, es mucho más probable que esta empresa minorista impacte en las ventas y adquiera nuevos clientes en lugar de simplemente mantener los mismos.
Para evitar la trampa de crear profecías autocumplidas, este es el proceso que debe seguir para aplicar IA a problemas de datos pequeños:
Enriquece tus datos: Cuando descubre que no tiene una tonelada de datos existentes para trabajar, el primer paso es enriquecer los datos que ya tiene. Esto se puede hacer aprovechando los datos externos para aplicar un modelo similar. Vemos esto más que nunca gracias al auge de los sistemas de recomendación utilizados por Amazon, Netflix, Spotify y más. Incluso si solo tiene una o dos compras en Amazon, 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 en los grados más detallados (p. ej., título de la canción, artista, género del cantante, construcción de melodías, ritmo, etc.). Cuanto más sepa acerca de sus datos, más ricos se vuelven. Puede pasar de datos de baja dimensión con predicciones triviales a conocimiento de alta dimensión con poderosos modelos de predicción y recomendación.
Source link