2019 年 3 月末，AI 大数据分析公司 Stratifyd 在多伦多 Hocky Hall of Fame 举办了商业沙龙，与风险投资机构 Georgian Partners，微软 Microsoft for startups 以及万事达 MasterCard Start Path 项目的高层共同探讨 AI 的行业应用。
讨论议题包括 AI 项目落地的基础，非结构化数据分析、AI 工作流（AI workflow）等。点击文末「阅读原文」申请试用。
#1 AI 项目落地的基础
Stratifyd 创始人兼 CEO，汪晓宇博士（Derek Wang）认为，AI 的商业落地离不开企业对自身数据的积累，尤其是与消费者打交道的企业。
AI 模型的构建需要丰富的数据，从这个角度来讲，满足以下这两点的企业使用 AI 技术将会更加游刃有余：
数据量有保证：对“全渠道（Omni-Channel）”数据都有积累；
数据形式丰富：结构化数据和非结构化数据（Unstructured Data）都能覆盖。
Stratifyd 创始人兼 CEO 汪晓宇博士（右一）
万事达数字支付和实验室（Digital Payments and Labs of MasterCard）的负责人 Jose Gutierrez 表示，数据本身就是巨大的难题。金融行业采集并积累了大量数据，这为 AI 的应用提供了良好的环境；但如何排除无效数据，以及挖掘结构化和非结构化数据都是很大的挑战。
#2 非结构化数据分析
Tyson Baber，Georgian Partners 的合伙人认为，“产品”这个概念终将被“体验”所替代。对企业来说，利用 AI 高效而准确地提炼消费洞察至关重要，这将指导企业更精准地提升消费者体验。
汪博士认为，分析非结构化的消费者反馈数据对企业有很大价值，他分享了一个世界 500 强汽车品牌探索消费者满意度下滑原因的案例：
非结构化分析示意图
该企业使用非结构化数据 AI 分析模块处理大量车主的反馈内容，提炼出很多导致不满的问题，而这些问题是之前没有被意识到的：比如追踪某个被抱怨的产品缺陷时，发现该问题是由生产环节中一个很小的疏忽导致的。
最终该企业根据这些高质量的洞察结果提升了产品体验，挽回了车主的信任。
“解决问题有时很容易，但发现问题而且能找到背后的原因并不简单，只有非结构化数据分析才能做到。”汪博士总结道。
#3 引领变革的 AI 工作流
Microsoft for Startups 的加拿大负责人 Adam Nanjee 表示“我们看到一些像 Stratifyd 这样的创新企业正在构建‘ AI 工作流（AI workflow）’ 解决方案，让更多企业都可以轻松应用最前沿的 AI 技术并嵌合到现有工作流中。”
汪博士介绍道，“很多数据分析师并非数据科学背景出身，认为 AI 模型的训练工作非常棘手，因为涉及复杂的算法和流程。而 Stratifyd 的 Auto-Learn AI 系统可以大幅降低模型训练的门槛，实现应用级商业模型的自动训练，让更多分析团队可以享受 AI 技术的红利。这就是‘ AI 工作流’的体现。”
他随后分享了 Stratifyd 帮助一家财富 50 强金融集团应用 AI 技术的案例：该企业收集了大量调查问卷、全渠道的投诉和咨询等反馈内容，绝大多数都是非结构化的文本数据。
原先数据分析团队要花费大量的时间手动总结消费者的意图和情感，而利用 Stratifyd AI 分析模块，这项工作在极短的时间就可以完成。
Adam 和 Jose 共同表示 Microsoft 和 MasterCard 都愿意扮演桥梁的角色，利用自身拥有的全球资源网络，帮助像 Stratifyd 这样优秀的 AI 创新公司对接有需要的企业。
汪博士表示 Stratifyd 非常感谢合作伙伴们提供的机会，愿意为更多的企业提供 AI 驱动的全渠道消费反馈洞察服务。
——
现向企业发放平台测试账号，点击“阅读原文”即可申请～
167
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
