Компании вкладывают значительные средства в науку о данных. Почти всю науку о данных сегодня можно разделить на исследовательскую аналитику и прогнозную аналитику. Исследовательская аналитика позволяет бизнес-аналитику просматривать данные по-новому, помогая им генерировать новые идеи. Предиктивная аналитика, машинное обучение или глубокое обучение используют прошлые данные о переменной для оценки ее значения в новом контексте.

Например, допустим, Nike хочет представить новую пару обуви. Он хочет решить, как продавать новую обувь. Какой процент расходов должен быть онлайн? На какие государства следует ориентироваться? Какова демография потенциальных клиентов? Это те вопросы, на которых фокусируется наука о данных.

Как правило, команда специалистов по данным берется за эту задачу, создавая модели, которые предсказывают, какая возрастная группа с наибольшей вероятностью купит продукт, в каких штатах будет больше всего клиентов, а затем маркетинговая команда будет распределять бюджет на основе этого.

Здорово! Наука о данных кажется полезной. Однако есть несколько вещей, которые могут пойти не так:

  1. Данные не могут отличить хорошие инновации от плохих:Planet Fitness зарабатывает деньги, потому что они ожидают, что люди не будут приходить в спортзал, и они используют всевозможные уловки, основанные на данных, которые усложняют это. чтобы участники ушли. Это инновация, основанная на надежных данных, за исключением того, что она наихудшего вида. Точно так же Facebook использует данные, чтобы сделать свое приложение более захватывающим. Делает ли это Facebook инновационным? Большинство людей сказали бы нет.
  2. Бюджеты команд, занимающихся реальными инновациями, сокращаются: у компаний ограниченный бюджет. Любое увеличение ассигнований команде специалистов по обработке и анализу данных, по сути, приведет к сокращению бюджета всех остальных команд. В случае с Nike, вероятно, команда, которая разрабатывает новую обувь, будет сжата. Это будет включать в себя общение с клиентами, понимание их потребностей, инновации в дизайне продукта, выработку оригинальных идей.
  3. Принятие решений на основе данных позволяет компаниям избегать рисков. Имея выбор между новой версией существующего продукта и совершенно новым и инновационным продуктом, компания всегда выбирает новую версию существующего продукта. Например, у вице-президента HBO может быть два варианта: снять «Парк Юрского периода-13» или полностью оригинальный фильм. Вице-президент, скорее всего, выберет «Парк Юрского периода», потому что команда специалистов по анализу данных сообщит примерный доход от фильма благодаря данным из предыдущих 12 фильмов.

Я уверен, что есть случаи, когда разумное использование науки о данных приводит к интересным инновациям. Но даже в этом случае инновации ограничиваются повышением эффективности существующего процесса или продукта. Инновации обусловлены несколькими факторами: сочувствием к конечному пользователю, этичностью, великолепной эстетикой дизайна, оригинальностью, логическими рассуждениями и данными. Ставлю на то, что только компания, которая осознает ограничения принятия решений на основе данных и фокусируется на инновациях в самом широком смысле, в долгосрочной перспективе сможет стать действительно великой компанией.

Плавник.