AI、精確的身份識別和改進的分析，正在幫助公司實時了解客戶。

技術領導者們希望利用數(shù)據(jù)的力量來了解客戶的需求和需求方式。這就是為什么整體數(shù)據(jù)和分析（D&A）市場預計將以驚人的速度增長——預計到2030年規(guī)模將增長至2793億美金。不過，盡管多年來對各種解決方案進行了投資，但很多公司仍然需要幫助，使其員工和合作伙伴能夠連接不同的數(shù)據(jù)源并在完全合規(guī)的空間中有效協(xié)作，更不用說還要融入AI了。如果失敗可能是代價極高的。

在最近Gartner發(fā)布的數(shù)據(jù)和分析趨勢報告中，作者Ramke Ramakrishnan指出：“AI的力量和生成式AI日益增長的重要性，正在改變?nèi)藗兊墓ぷ鞣绞?、團隊協(xié)作和流程運作方式。在這場技術革命中，那些未能實現(xiàn)轉型并有效利用D&A（尤其是AI）的組織將不會取得成功?！?/p>

問題不在于組織缺乏大量數(shù)據(jù)或先進的分析工具，他們?nèi)鄙俚氖禽p松解鎖總體端到端價值的能力。畢竟，這些數(shù)據(jù)源可能埋得很深，通常分散在單獨的數(shù)據(jù)存儲和存儲庫中。單個的分析應用可能是最先進的，但往往沒有相互連接，所有這些因素都會阻礙隨時訪問、阻礙協(xié)作、限制客戶形象，最糟糕的是，增加了獲得洞察和產(chǎn)生市場影響的時間。

我們需要的是一個統(tǒng)一的環(huán)境，可以讓多方團隊管理Gartner提出的復雜性——這是取得成功的重大障礙。這對于任何從事風險評估、欺詐預防和檢測或營銷的企業(yè)來說都尤為重要，因為這些企業(yè)的盈利取決于對其客戶和潛在客戶的實時了解。值得慶幸的是，這些挑戰(zhàn)正在得到解決，企業(yè)現(xiàn)在有很多選擇。

設定方向：評估數(shù)據(jù)和分析支持平臺時明確目標很重要

改善金融機構的信貸決策

假設您是一家希望通過貸款利用小企業(yè)巨大增長的銀行。American Bankers Association (ABA) Journal報道稱，Dodd-Frank Act法案現(xiàn)在要求小企業(yè)貸款附帶“目前消費者信貸所要求的報告、數(shù)據(jù)收集和清潔類型”。

無論是在運營費用還是監(jiān)管風險方面，這都是一個巨大的提升。但最先進的數(shù)據(jù)和分析平臺應該能夠：a) 從多種來源獲取風險評估數(shù)據(jù)；b) 允許組織內(nèi)外的分析團隊在不訪問原始數(shù)據(jù)的情況下就匯總見解展開協(xié)作；c) 提供強大的數(shù)據(jù)治理結構以確保合規(guī)性和可審計性。

簡而言之，正確的數(shù)據(jù)和分析支持平臺可以幫助銀行進入新的增長領域。

領先于欺詐者——現(xiàn)在和未來

在考慮應對數(shù)字支付欺詐的挑戰(zhàn)時，我們不再只談論信用卡欺詐。隨著世界走向無現(xiàn)金經(jīng)濟（包括大多數(shù)產(chǎn)品和服務的電子支付），金融機構還必須應對移動錢包、P2P支付服務和一系列新興數(shù)字支付系統(tǒng)帶來的新風險。

“最先進的”數(shù)據(jù)和分析支持平臺可以大大提高身份識別能力，有助于防止欺詐。理想情況下，這種平臺會把結構化的數(shù)據(jù)（如傳統(tǒng)的離線身份）與非結構化的數(shù)據(jù)（包括行為信息、設備屬性和其他因素）聯(lián)系起來，從而更快地且以更高比率識別出欺詐者，同時最大限度地減少誤報。

讓營銷人員能夠在行為層面吸引消費者

為了建立品牌忠誠度并加深信任，消費品企業(yè)必須以動態(tài)且不斷適應的新方式吸引現(xiàn)有和潛在客戶。遺憾的是，基于人工分析和交易數(shù)據(jù)的傳統(tǒng)數(shù)據(jù)和分析方法已經(jīng)不足以完成這項任務了。

那些讓組織為未來做好準備的支持型平臺，必須能夠支持以交互規(guī)模運行的消費者智能解決方案。產(chǎn)品購買等交易提供了簡單的“是什么”，交互則給出了“為什么”。確定營銷團隊成員什么時候向消費者發(fā)送電子郵件、消費者點擊了什么、是從哪些設備、在什么時間和地點點擊的——了解這些交互行為以及這些行為如何觸發(fā)了轉化——可以提供對客戶深刻且前瞻性的了解。

在數(shù)據(jù)和分析支持平臺中尋找什么

無論是出于信貸、營銷、欺詐解決方案還是其他原因選擇合作伙伴，都必須比較他們的底層平臺，是否配備了將業(yè)務帶入未來所需的技術、分析和協(xié)作功能？要找到答案，請先考慮以下問題：

1.數(shù)據(jù)管理

• 該平臺是否允許在單一空間內(nèi)對所有資產(chǎn)和第三方數(shù)據(jù)進行快速的、簡化的、經(jīng)過允許的訪問？
• 是否能夠輕松連接企業(yè)的專有信息、公共數(shù)據(jù)、離線數(shù)據(jù)、在線數(shù)據(jù)、結構化數(shù)據(jù)和非結構化數(shù)據(jù)？
• 是否能夠提供以任何所需或期望的方式處理各種數(shù)據(jù)所需的靈活性？
• 數(shù)據(jù)治理框架和訪問控制是否足夠先進且有足夠強的適應性，以確保法律和法規(guī)合規(guī)性和可審計性？

2.可操作分析

• 該平臺是否將人類智能與人工智能和機器學習相結合？
• 是否提供了對消費者的實時的、多層次的、完全情境化的理解？
• 多方團隊是否可以在配備隱私保護創(chuàng)新技術的潔凈室中進行協(xié)作，這些創(chuàng)新允許共享匯總洞察而不會過快地提供訪問權限，并且精確匹配在線的、離線的、個人的和數(shù)字的身份片段與個人或實體的原始數(shù)據(jù)？
• 支持平臺解決方案提供商是否有分析和數(shù)據(jù)科學咨詢服務來提供支持？

3.可靠的身份

• 平臺能否快速準確地將線上、線下、個人和數(shù)字身份片段與個人或實體匹配？
• 人工智能和機器學習創(chuàng)新能否快速適應系統(tǒng)——因此每個用例都可以決定最終決策？
• 平臺能否處理嘈雜的數(shù)字數(shù)據(jù)、離線指標和連接元素，同時提供極其細致入微且高度自信的決策？

4.強大的合規(guī)性

• 該平臺是否利用標準數(shù)據(jù)治理流程和基于權限的控制來確保法律和法規(guī)合規(guī)性？
• 是否完全易于審計的？
• 能否輕松適應不斷變化的法規(guī)？
• 是否允許你根據(jù)需要快速重新訪問模型？

5.自助服務

• 平臺和數(shù)據(jù)是否可以在本地使用并提供了自助服務方式，從而避免供應商管理的服務和成本？
• 能否實現(xiàn)真正的端到端DIY數(shù)據(jù)和分析解決方案？
• 是否提供對新數(shù)據(jù)的訪問以挖掘相關性更高的洞察？
• 是否降低了采購成本？

6.知識深度

• 平臺是否在交互層面而非傳統(tǒng)交易層面創(chuàng)建了客戶智能解決方案？
• 能否收集全方位的消費者交互，將其編入自動分類法，并識別出導致所需交易的交互？
• 是否能夠提供聚合的、情境化的實時洞察來創(chuàng)建行為知識圖譜？
• 能否快速部署多樣化和復雜的AI模型？

這些都是在數(shù)據(jù)和分析支持平臺上進行盡職調(diào)查時需要考慮的一些事項。希望這些最佳實踐可以幫助確保你的公司有效管理、治理、分析和提供當前和未來成功所需的數(shù)據(jù)洞察。