শিল্প অন্তর্দৃষ্টি: অ এবং ই-কমার্সের ভবিষ্যত

কৃত্রিম বুদ্ধিমত্তা (এআই) আর্মাগডন-আবেশযুক্ত সুপার কম্পিউটারগুলি থেকে শুরু করে বিদ্যুতের ভ্রান্ত বোল্ট দ্বারা বুদ্ধিমানের তৈরি বুদ্ধিমান কারখানার রোবটগুলিকে যে কোনও কিছুকে পাওয়ার জন্য বিজ্ঞানের কথাসাহিত্যে প্রায় একচেটিয়াভাবে ব্যবহৃত বাক্য হিসাবে ব্যবহৃত হত। কিন্তু আজ, এআই কার্যত ব্যবসায়ের প্রতিটি দিকের কাছাকাছি ভবিষ্যতের বর্ণনা দিতে ব্যবহার করা হয় যা কোনও সংস্থার ডেটা লাভ করে। সমস্যাটি ক্লাউড কম্পিউটিংয়ের প্রথম দিনগুলির মতো, এআই প্রযুক্তির বিকাশকারীরা একে একে আলাদাভাবে সংজ্ঞায়িত করতে থাকে। এটি এআই, মেশিন লার্নিং (এমএল), ভবিষ্যদ্বাণীমূলক বিশ্লেষণ এবং এমনকি ভার্চুয়াল সহকারীদের থেকে বিভ্রান্তিকর বিপণনের মনোভাব তৈরি করেছে।

অতিরিক্তভাবে, ঠিক কীভাবে এই প্রযুক্তিগুলি ব্যবসায়ের বিভিন্ন দিককে প্রভাবিত করবে নেভিগেট করা একটি কঠিন আড়াআড়ি হয়ে দাঁড়িয়েছে। ই-কমার্স একটি মূল ক্ষেত্র যেখানে এআই এবং এর সাথে সম্পর্কিত প্রযুক্তিগুলি দীর্ঘদিন ধরে পর্দার আড়ালে প্রভাব ফেলেছে। ই-কমার্সে, স্মার্ট বিশ্লেষণগুলি ব্যক্তিগতকৃত শপিং অভিজ্ঞতা থেকে ভবিষ্যদ্বাণীমূলক গ্রাহক আচরণ বিশ্লেষণ থেকে শুরু করে নতুন ক্ষমতা সরবরাহ করে। আইআইএমের ওয়াটসন কাস্টমার এনগেজমেন্টের ইনচার্জ বিজনেস ইউনিট এক্সিকিউটিভ ক্রিস হ্যাম্রিকের সাথে কথা বলেছি, এআই এবং ই-বাণিজ্যকে ঘিরে কিছু বিভ্রান্তি দূর করতে। আমরা আরও আলোচনা করেছি যে কীভাবে বিগ ব্লু ই-কমার্স স্পেসে আইবিএম ওয়াটসনকে উত্তোলন করবে।

পিসিমেগ: আমাদের সাথে কথা বলার জন্য সময় দেওয়ার জন্য ধন্যবাদ। শুরু করার জন্য, "জ্ঞানীয় বাণিজ্য" দিয়ে ব্যক্তিগতকৃত বিজ্ঞাপনকে বিভ্রান্ত করা সহজ, যেহেতু উভয়ই গ্রাহকের পছন্দ এবং অভ্যাসের সাথে অফারের সাথে ডেটা এবং বিশ্লেষণ ব্যবহার করে জড়িত। অ্যামাজনের অ্যালেক্সা এবং গুগল সহকারী এর মতো জ্ঞানীয় বাণিজ্য এবং ভার্চুয়ালাইজড সহকারীদের বিভ্রান্ত করাও সাধারণ। আইবিএম এই এআই-চালিত ধারণাগুলির মধ্যে পার্থক্য কীভাবে দেখবে?

ক্রিস হ্যাম্রিক (কেএইচ): আপনি ঠিক বলেছেন: মার্কেটপ্লেসে এআইয়ের চারপাশে প্রচুর শব্দ হচ্ছে। প্রযুক্তি সরবরাহকারীদের কী বলার অতীতটি দেখুন, বি 2 সি এবং বি 2 বি ব্যবসায় উভয়কেই প্রতিযোগিতামূলক চাপের উপর দ্রুত প্রতিক্রিয়া জানাতে হবে। অনেক ক্ষেত্রে প্রতিযোগিতা আসলে শিল্পের বাইরের থেকে আসছে। এটি ব্যবসায়ের তাদের বর্তমান প্রক্রিয়াটি কীভাবে বাড়িয়ে তুলতে বা পুনর্বিবেচনা করতে বাধ্য করতে বাধ্য করছে।

আইবিএম কীভাবে জ্ঞানীয় কম্পিউটিং থেকে এআইকে আলাদা করে তা ব্যাখ্যা করি। এআই হ'ল কম্পিউটারের মতো মানুষের মতো বোঝার এবং যুক্তি অর্জনের ক্ষমতা। জ্ঞানীয় কম্পিউটিংয়ের মধ্যে মানুষ এবং মেশিনকে একত্রিত করার, বোঝার, কারণ জানার, শেখার এবং কথোপকথনের দক্ষতার সাথে জড়িত যাতে তারা একে অপরের কাছ থেকে শিখতে পারে এবং একত্রিত হওয়ার সময় আরও শক্তিশালী এমন উপায়ে ইন্টারঅ্যাক্ট করে।

ডেটা এআইয়ের পথ সুগম করে। ব্যবসায়িক ইউনিট, বহিরাগত উত্স, অন্ধকার ডেটা এবং আরও অনেক কিছুতে এক আবেদনের বাইরে থাকা সমস্ত ডেটা সম্পর্কে কী বলা যায়? আমরা পৃথক ব্যবস্থার এমন একটি পৃথিবীতে বাস করি যা সংযুক্ত হয়ে যখন ডেটা জুড়ে সংযোগ করা হয় বা নতুন নিদর্শন চিহ্নিত করা হয়, তখন 1 + 1 = 3 এর মান সরবরাহ করতে পারে। ওয়াটসনকে যা অনন্য করে তোলে তা হ'ল এই সমস্ত বিভিন্ন ডেটা উত্সগুলিতে অ্যাক্সেস করা, যা মানুষের সাথে আলাপচারিতা, ব্যবসায়ের প্রশ্নগুলি বোঝার জন্য, ক্রিয়াটির পিছনে কারণটি আবিষ্কার করার জন্য এবং শেষ পর্যন্ত সেই ইন্টারঅ্যাকশন থেকে শিখতে এবং ভবিষ্যতের অনুসন্ধানগুলিতে সেই শিক্ষাকে ব্যবহার করার জ্ঞানীয় দক্ষতার সাথে মিলিত হয়।

ব্যক্তিগতকরণ বনাম জ্ঞানীয় বাণিজ্য সম্পর্কে, ওয়াটসন গ্রাহক সম্পর্ক পরিচালনা-ভিত্তিক বিশ্লেষণগুলি আরও গভীরতর অন্তর্দৃষ্টি পেতে এবং আরও তথ্যের উপর যেমন পদক্ষেপ গ্রহণ করতে সক্ষম করে যেমন সোশ্যাল মিডিয়া, চ্যাট রুম, গ্রাহক পরিষেবা ট্রান্সক্রিপ্ট এবং অন্যান্য হিসাবে ডায়াল ডেটা আধুনিক সিআরএম-এ যুক্ত হতে পারে এমন ডেটা। ওয়াটসন ব্যবহার করে, প্রচারাভিযানগুলি আরও দানাদার তথ্য এবং অন্তর্দৃষ্টি থেকে কাজ করতে পারে, মূল্য নির্ধারণ, পরিপূরণ, শিপিং এক্সিকিউশন এর মতো জিনিসগুলি অনুকূল করতে পারে; চ্যালেঞ্জগুলি হওয়ার আগে তাদের আগেই ধারণা করুন এবং শেষ পর্যন্ত কেপিআই উন্নত করুন। এটি তাত্পর্যপূর্ণভাবে ব্যবহারকারীদের কার্যকরী ক্ষেত্রগুলি জুড়ে একসাথে কাজ করার সক্ষমতা উন্নত করে এবং কম চেষ্টা করে ব্যবসায়ের উপর আরও ভাল প্রভাব ফেলতে পারে।

ব্যবসায়ীরা তাদের যে সম্পদ রয়েছে তা দিয়ে আজ এটি করার চেষ্টা করছে। তাদের কাছে সমস্ত তথ্য এবং তাদের স্বীকৃতি সম্পর্কে রিপোর্ট, প্রচুর স্প্রেডশিট এবং প্রচুর সভা রয়েছে। তবে, শেষ পর্যন্ত অনেকগুলি ক্ষেত্রে তারা জ্ঞানীয় পক্ষপাতদুষ্টের উপর ভিত্তি করে নির্বাহ করে things যার অর্থ তারা সমস্ত ডেটা এবং শোরগোলের মাধ্যমে ফিল্টার করে যেগুলি আগে যেভাবে জিনিসগুলি করা হয়েছিল তার সাথে ফিট করে find কার্যকরভাবে, এটি সিদ্ধান্তকে রূপ দেয়, ডেটা নয়।

সংক্ষিপ্তসার হিসাবে ওয়াটসন গ্রাহকবৃত্তির মধ্যে, আমরা ব্যবসায়িক কর্মক্ষমতা সর্বাধিকীকরণ, মার্চেন্ডাইজিং / মূল্য নির্ধারণের উন্নতি করতে এবং পুরো সরবরাহ চেইনটিকে অনুকূলিতকরণের জন্য প্রক্রিয়াগুলিতে জ্ঞানীয় ক্ষমতা এম্বেড করছি। ক্লায়েন্টগুলি জ্ঞানীয় ক্ষমতা সহ তাদের নিজস্ব উত্তরাধিকার অ্যাপ্লিকেশন এবং প্রক্রিয়াগুলি সক্ষম করতে সরাসরি একই ওয়াটসন অ্যাপ্লিকেশন প্রোগ্রামিং ইন্টারফেসগুলি অ্যাক্সেস করতে সক্ষম হয়। সর্বাধিক গুরুত্বপূর্ণ, ওয়াটসন অসঙ্গতিগুলি তলিয়ে যায়, পদক্ষেপের প্রস্তাব দেয় এবং কেন তা ব্যাখ্যা করে।

পিসিমেগ: বি 2 বি বাণিজ্য স্বয়ংক্রিয়করণ, এবং স্কেলিং বিড এবং মূল্য নির্ধারণ, শর্তাদি এবং লেনদেনের ক্ষেত্রে বি 2 সি এর চেয়ে তর্কযুক্ত। উদাহরণস্বরূপ, গ্রাহকরা দামের জন্য কেনাকাটা করার সময়, ব্যবসায়গুলি কঠোর মূল্যের আলোচনার যোগ করে এবং দাম শপিংয়ের শীর্ষেও ডিল-সুইটেনারদের আশা করে। জ্ঞানীয় বাণিজ্য বা জ্ঞানীয় কম্পিউটারিং কীভাবে বি 2 বি ডিল হয় তা পরিবর্তনের জন্য প্রস্তুত? এবং এতে কীভাবে ক্রেতাদের জন্য ব্যয় থাকবে এবং বিক্রেতাদের জন্য লাভের উন্নতি হবে?

কেএইচ: বি 2 বি বাণিজ্যটি কীভাবে বি 2 সি বিশ্বে ঘটে যাওয়া কিছু বিস্ময়কর বিপ্লবকে লাভ বাড়িয়ে তুলতে এবং আরও ভাল গ্রাহক এবং অংশীদার ব্যবসায়ের অভিজ্ঞতা প্রদান করতে শিখছে তার একটি দুর্দান্ত উদাহরণ। মাঝারি আকারে ছোট ব্যবসায়ের ব্যবসায়ের কাছে তাদের খুচরা প্রতিপক্ষগুলির একই ধরণের কয়েকটি চ্যালেঞ্জ রয়েছে যার মধ্যে রয়েছে মার্জিন ক্ষয়, চ্যানেল বিরোধ, গ্রাহক সন্তুষ্টি, "অ্যামাজন এফেক্ট" (অ্যামাজন বিজনেসের মাধ্যমে) গ্রাহকরা তাদের কাঙ্ক্ষিত ক্রয়ের পথ বেছে নেওয়ার অনুমতি প্রদান করে বিক্রয় লোকেরা একটি লেনদেনের চ্যানেল সরবরাহ করে সঠিক সুযোগগুলিতে মনোনিবেশ করে to

প্রথম পদক্ষেপটি আপনার অংশীদারদের এবং গ্রাহকদেরকে আপনার প্রতিযোগিতার চেয়ে উচ্চতর স্তরের গ্রাহক পরিষেবাদি যা এই দিন এবং যুগে প্রত্যাশা করে তার চেয়ে ভাল সামগ্রিক অভিজ্ঞতা সরবরাহ করে। আমি যদি আপনার গ্রাহক হয়ে থাকি তবে এর অর্থ আপনাকে আমার আলোচ্য দামের শর্তাদি, আমার ক্রয়ের ইতিহাস, আমার ব্যবসায়ের সাথে প্রাসঙ্গিক পণ্য বা অফারগুলি দেখাতে হবে এবং গ্রাহক হিসাবে এই পণ্যগুলি এবং পরিষেবাগুলি গ্রাহ্য করার অনুমতি দিতে হবে - বন্ধুত্বপূর্ণ সমাধান। জ্ঞানীয় ক্ষমতাগুলি এই লক্ষ্যগুলি পূরণের জন্য পুরো মান শৃঙ্খলে জুড়ে দেওয়া উচিত এবং হওয়া উচিত।

আজ, আমরা অনেক শিল্প জুড়ে এটি ঘটতে দেখছি। এটিকে আরও একধাপ এগিয়ে নিয়ে যাওয়ার জন্য, প্রশ্নটিকে একটি "লেনদেন" এর বাইরে নিয়ে যান এবং বি 2 বি বিভিন্ন শিল্পে কী বোঝায় এবং তারা তাদের গ্রাহকদের কীভাবে সেবা দেয় তা বিবেচনা শুরু করুন।

উদাহরণস্বরূপ, শীর্ষস্থানীয় নির্মাতারা কোনও পণ্য প্রবর্তনের সময় সরবরাহ চেইনের ব্যাহততা এবং জায়গুলির সংকট এড়াতে আবহাওয়ার নিদর্শনগুলির পূর্বাভাস দিতে পারে। আমাদের ক্লায়েন্টদের একজন, কোনে লিফট থেকে আইওটি ডেটা ব্যবহার করা এবং পরিশ্রমের পূর্বে রক্ষণাবেক্ষণকে অগ্রাধিকার দেওয়া elev চিকিত্সা ক্ষেত্রে কোয়েস্ট ডায়াগনস্টিকস ওয়াটসনকে একজন ব্যক্তির টিউমারের বায়োপসি বিশ্লেষণ করতে এবং লক্ষ লক্ষ পৃষ্ঠাগুলির মেডিকেল জার্নাল, গবেষণা কাগজপত্র এবং ক্লিনিকাল ট্রায়ালের সাথে তুলনামূলকভাবে সেই নির্দিষ্ট রোগীর জন্য সেরা চিকিত্সার সুপারিশ প্রদানের জন্য তুলনা করছেন provide ।

এই উদাহরণগুলি স্পষ্টতই বহুলভাবে পৃথক তবে এটি কেবলমাত্র জোর দেয় যে সম্ভাবনাগুলি অন্তহীন। আমরা কেবল জ্ঞানীয় যাত্রার শুরুতে আছি। আমরা এই প্রযুক্তিটি ব্যবসায় এবং তাদের গ্রাহকদের মধ্যে সম্পর্ক উন্নত করতে পারে এমন অনেকগুলি উপায় আবিষ্কার করতে শুরু করেছি।

পিসিমেগ: ডিজিটাল ট্রান্সফর্মেশনটি সর্বত্রই এক তীব্র গতিতে ঘটছে এবং আমরা এর চেয়ে বেশি পরিমাণে ডেটা তৈরি করছি। তবে ডেটা বিজ্ঞানীরা বিশ্বাস করেন- এবং আইবিএম একমত বলে মনে হচ্ছে data যে ডেটা বিচ্ছিন্নভাবে থাকা উচিত নয় যেহেতু এর মান মূলত জটিল অনুসন্ধানগুলিতে অর্থবহ গভীরতা এবং প্রসঙ্গ যুক্ত করার মধ্যে রয়েছে। ওয়াটসন কেন পৃথকভাবে ডেটা এবং জটিল প্রশ্নের সাথে কাজ করার জন্য অনন্যভাবে উপযুক্ত?

কেএইচ: যেমনটি আমরা আগে আলোচনা করেছি, সমস্ত তথ্যের ৮৮ শতাংশ কার্যকরভাবে অন্ধকার। অর্থ, যে ডেটা যা আমরা অন্তর্দৃষ্টিগুলি সহ খুঁজতে চেষ্টা করি তা হ'ল হজম বা ফিল্টার করা সহজ ডেটা উত্সগুলিতে নেই। তদ্ব্যতীত, তথ্য বিজ্ঞানীরা ব্যয়বহুল সংস্থান এবং সহজেই একটি সম্পূর্ণ ব্যবসায় জুড়ে বা ছোট সংস্থাগুলিতে তাদের শেখার স্কেল করে না।

ওয়াটসনের সাথে, লক্ষ্যটি হল এই অন্ধকার ডেটা নেওয়া এবং যার প্রয়োজন তার পক্ষে এটি কার্যক্ষম করে তোলা। সম্ভাবনার শেষ নেই. ওয়াটসনের বিভিন্ন ভাষায় বিপুল পরিমাণে কাঠামোগত এবং কাঠামোগত ডেটা গ্রাহ্য করার জন্য, প্রচুর পরিমাণে জ্ঞানীয় পরিষেবাদির সাথে ডেটা নিয়ে কাজ করার, ব্যবসায় ব্যবহারকারীদের থেকে গ্রাহকগণের কাছে কোনও শ্রোতার জন্য অভিজ্ঞতার অনুকূলকরণ এবং অন্যান্য সংস্থাগুলি এম্বেড করার জন্য এই একই পরিষেবা সরবরাহ করার জন্য অনন্য ক্ষমতা রয়েছে ats তাদের অ্যাপ্লিকেশন মধ্যে।

এখানে অনেক উদাহরণ আছে। একটির জন্য, "ওয়াটসন টোন অ্যানালাইজার" একটি ভাষাগত বিষয়বস্তু বিশ্লেষণ সক্ষম করে যা যথাযথভাবে প্রতিক্রিয়া জানাতে কথোপকথন এবং যোগাযোগের সুরগুলি সনাক্ত করতে এবং বুঝতে পারে। "ওয়াটসন পার্সোনালিটি ইনসাইটস" কোনও ব্যক্তি কীভাবে লেখেন তার উপর ভিত্তি করে ব্যক্তিত্বের বৈশিষ্ট্যগুলি বের করে। "ওয়াটসন কথোপকথন" আপনাকে ডিভাইস জুড়ে বট বা ভার্চুয়াল এজেন্ট স্থাপন, ম্যাসেজিং প্ল্যাটফর্ম স্ল্যাকের মতো এমনকি রোবোটেও স্থাপন করতে দেয়।

এবং "ওয়াটসন ভিজ্যুয়াল স্বীকৃতি" চিত্রগুলির বিষয়বস্তু বোঝে। এটি আমার পছন্দের একটি কারণ এটি এতটা বহুমুখী। আপনি খুচরা স্টোরের নির্দিষ্ট ধরণের পোশাক সনাক্ত করতে, মুদি দোকানের ইনভেন্টরিতে নষ্ট হওয়া ফল সনাক্ত করতে, আপনার বীমার গ্রাহকদের একের ছাদে শিলাবৃষ্টির যে ক্ষতি হয়েছে তার বিশ্লেষণ এবং আরও অনেক কিছুর জন্য আপনি ভিজ্যুয়াল রিকগনিশন ব্যবহার করতে পারেন।

পিসিমেগ: বর্তমানে বেশিরভাগ সংস্থায় data বা কমপক্ষে পরিকল্পিত data ডেটা গণতন্ত্রকরণ চলছে। কিন্তু গ্রাহকরা প্রতিদিন আরও বেশি ডেটা-চালিত সিদ্ধান্ত নিচ্ছেন বলে ফ্লিপসাইড data ডেটা প্রয়োগের বিষয়টিও upর্ধ্বমুখী হয়ে উঠছে। ওয়াটসন এবং জ্ঞানীয় বাণিজ্য এই ডেটা গ্রাহক হওয়ার প্রবণতায় কোন ভূমিকা পালন করতে পারে?

কেএইচ: এটি একটি দুর্দান্ত বিষয়: ডেটা কেবলমাত্র আরও বেশি ব্যবসায়িক সিদ্ধান্ত নেওয়ার জন্য ব্যবহৃত হচ্ছে না, এটি আরও ভোক্তাদের সিদ্ধান্তও চালাচ্ছে। ব্যবসায়ের মতো, গ্রাহকরা আরও তথ্যের জন্য পছন্দসই পছন্দগুলি করতে আরও ডেটা চান, তবে তারা আরও ডেটা দিয়ে প্রচুর সময় এবং শক্তি সঞ্চয় করতে ব্যয় করতে চান না। তারা একটি দ্রুত ফলাফল চায় এবং তারা জানতে পারে যে সেই নির্দিষ্ট মুহুর্তে তাদের যা প্রয়োজন তার ভিত্তিতে এটি সর্বোত্তম সিদ্ধান্ত। অবশেষে, তারা কী সিদ্ধান্তে এই সিদ্ধান্তের তথ্য জানিয়েছে তার মধ্যে দৃশ্যমানতা চায়।

কয়েকটি উদাহরণ: প্রথম, 1-800-ফুল সম্প্রতি উপহার প্রাপ্তির অনুভূতি এবং ব্যক্তিগত পছন্দগুলির উপর ভিত্তি করে সেরা পণ্য সন্ধানে ক্রেতাদের সহায়তা করার জন্য "গুইন" কে একটি ব্যক্তিগত দ্বারস্থ বট হিসাবে পরিচয় করিয়ে দেয়। ওয়াটসন ব্যবহার করে গুইন প্রাকৃতিক ভাষা ব্যবহার করে অনলাইন গ্রাহকদের সাথে যোগাযোগ করতে পারেন। উদাহরণস্বরূপ, কোনও গ্রাহক টাইপ করতে পারেন, "আমি আমার মায়ের জন্য উপহারের সন্ধান করছি" এবং গ্যুইন এই প্রশ্নের ব্যাখ্যা করতে সক্ষম হবেন এবং তারপরে উপযুক্ত সুযোগটি সরবরাহ করার লক্ষ্যে অনুষ্ঠান এবং অনুভূতি সম্পর্কে বেশ কয়েকটি যোগ্য প্রশ্ন জিজ্ঞাসা করতে পারবেন এবং প্রতিটি গ্রাহকের জন্য উপযুক্ত উপহারের পরামর্শ sugges এটি ক্যাটালগটিকে ব্যক্তিগতকৃত করে, ক্রেতার কাছে কম ডেটা দেখায় এবং সেই মুহুর্তে ক্রেতা কী অর্জন করতে চায় তার উপর বিশেষভাবে ইন্টারঅ্যাকশনকে কেন্দ্র করে।

একইভাবে, উত্তর মুখটি তার ক্রেতাদের সহায়তা করার জন্য একটি ইন্টারেক্টিভ, কথোপকথন-ভিত্তিক পদ্ধতির সরবরাহ করে। আপনি সম্ভবত জ্যাকেটগুলি একটি জটিল পণ্য হিসাবে ভাবেন না তবে সেগুলি। আবহাওয়ার পরিসীমা, ক্রিয়াকলাপের স্তর এবং গতিশীলতার মতো অনেকগুলি কারণ রয়েছে যা কোনও ক্রেতা প্রথমে বিবেচনা করতে পারেন না। যৌক্তিক যুক্তি প্রয়োগের জন্য ওয়াটসনের দক্ষতা ব্যবহার করে এবং তার দক্ষতা প্রাকৃতিক ভাষাটি বোঝার, শ্রেণিবদ্ধকরণ এবং মূল্যায়ন করার জন্য, উত্তর ফেস সিস্টেমটি শপিংয়ের কথায় কথায় আকাঙ্ক্ষা ও পছন্দগুলির সাথে মিলে যায় এমন উপযুক্ত পণ্য এবং সামগ্রী প্রস্তাবনা সরবরাহ করতে সংশোধন প্রশ্নগুলির একটি সংক্ষিপ্ত সিরিজ জিজ্ঞাসা করে। এটি পণ্যের বৈশিষ্ট্যগুলি সেই নির্দিষ্ট প্রয়োজনীয়তার সাথে মিলে যাওয়ার কারণও উল্লেখ করে। এটি আপনাকে সুপারিশটি বৈধ করার জন্য প্রয়োজনীয় ডেটা প্রকাশ করে।

আমাদের দৃ belief় বিশ্বাস যে গ্রাহকরা সমস্ত চ্যানেল জুড়ে কাস্টমাইজড, ব্যক্তিগতকৃত পরিষেবার এই স্তরের প্রত্যাশা করছেন। তারা অভিজ্ঞতাটি কথোপকথন, একটি অভিজ্ঞতা হতে চায় যেখানে তাদের জিজ্ঞাসা করা হয় "আজ আমি আপনাকে কীভাবে সাহায্য করতে পারি?" এটি দুর্দান্ত পরিষেবা গ্রাহক পরিষেবার জন্য পরিচিত কোনও খুচরা দোকানে প্রবেশ করার পরে আপনি যে পরিষেবাটি পান তা হ'ল এটি। যে সংস্থাগুলি সেরা ব্র্যান্ডের অভিজ্ঞতা সরবরাহ করতে সক্ষম হবেন তারা শেষ পর্যন্ত সবচেয়ে বেশি শেয়ারের অংশীদার হবেন।

পিসিমেগ: দেখা যাচ্ছে যে আমরা ইতিমধ্যে দ্রুত এমন একদিনের দিকে এগিয়ে যাচ্ছি যখন কিছু ব্যবহারের ক্ষেত্রে রিয়েল-টাইম ডেটা বিশ্লেষণও খুব কম, খুব দেরী। আমরা শীঘ্রই প্র্যাকটিভ অ্যাসিস্ট্যান্টগুলি বা ভার্চুয়াল সহায়কগুলি - যা কেবল ভবিষ্যদ্বাণী করে না, তার প্রয়োজন এবং প্রত্যাশা করব, তবে বাস্তবে আমাদের কী প্রয়োজন বা কী চাইবে তা আমরা জিজ্ঞাসা করার আগেই প্রত্যাশা করি। গুগলের সম্প্রতি ঘোষিত "প্র্যাকটিভ অ্যাসিস্ট্যান্ট" এ আমরা এর প্রাথমিক ঝলক দেখতে পাই see প্র্যাকটিভ অ্যানালিটিকসের ক্ষেত্রে আইবিএম কী করছে?

কেএইচ: এটি এমন একটি অঞ্চল যেখানে আইবিএম প্রচুর শক্তি উত্সর্গ করেছে। আমরা এমন জ্ঞানীয় ক্ষমতা প্রদানের দিকে মনোনিবেশ করেছি যা ব্যবসায়দের বি 2 সি এবং বি 2 বি উভয় পরিস্থিতিতেই অর্থপূর্ণ গ্রাহকবৃত্তির অভিজ্ঞতা সরবরাহ করতে সহায়তা করে। আমরা ইতিমধ্যে বেশ কয়েকটি উদাহরণ নিয়ে আলোচনা করেছি।

আমি বিশ্বাস করি যে ব্যবসায়ীরা historতিহাসিকভাবে যথাসম্ভব প্রাসঙ্গিক ডেটাতে অ্যাক্সেস পেতে চেয়েছিল। গত বেশ কয়েক বছর ধরে যে ডেটা বিস্ফোরণ ঘটেছিল তা দিয়ে এখন আমাদের কাছে প্রচুর ডেটা রয়েছে। এখন সমস্যা হ'ল কীভাবে এই সমস্ত ডেটা বায়াস ছাড়াই ব্যবহারের উপযোগী করা যায়। তদ্ব্যতীত, আমাদের থাকা historicalতিহাসিক ডেটাগুলিকে ভারসাম্য বজায় রাখতে হবে, যাক, বলা যাক, সম্ভাব্য ক্রেতার এখন কী প্রয়োজন তার বাস্তবতার সাথে একটি সিআরএম সিস্টেম। সিআরএম সিস্টেম তার আগে কেনা হয়েছে বলে আমাদের সম্পূর্ণ অন্ধ করা যায় না।

জ্ঞানীয় একটি নতুন সিআরএম সক্ষম করতে পারে বা সামগ্রিক সিদ্ধান্তে কমপক্ষে কার্যকর একটি পরিবর্তনশীল হতে পারে। সংস্থাগুলিতে যে কোনও একক বি 2 বি বা এমনকি বি 2 সি গ্রাহকের হাজার হাজার ডেটা পয়েন্ট থাকতে পারে। তবে এই historicalতিহাসিক দৃষ্টিভঙ্গির খুব কম কিছু ডেটা পয়েন্ট বিবেচনায় নেওয়া দরকার যা গ্রাহক কোনও ক্রয়ের বিষয়টি বিবেচনা করার মুহুর্তে সবচেয়ে গুরুত্বপূর্ণ হতে পারে। এটিতে অভিপ্রায়, আবেগ, প্রবণতা এবং অন্যান্য বাহ্যিক কারণের মতো ভেরিয়েবল অন্তর্ভুক্ত থাকতে পারে।

পরবর্তী সেরা কর্মের পূর্বাভাস দেওয়ার জন্য, প্রতিটি ব্যবসায়কে তাদের গ্রাহকদের ক্রয়ের ধরণগুলি মূল্যায়ন করতে হবে এবং নির্ধারণ করতে হবে যে তাদের পরিবেশের বর্তমান বা অনুমানযোগ্য বাস্তবতা কখন historicalতিহাসিক সিআরএম ডেটা ট্রাম্প করে। এটিই প্র্যাকটিভ অ্যানালিটিক্স দৃষ্টি যা আইবিএম কাজ করছে।