提升数据化运营价值度的5种途径
- 数据源: 不只有结构化的数据，还有文本、图片、视频、语音
-
自动化: 建立自动任务，解除重复劳动
常用的可以自动化的工作内容包括: 数据抽取，数据清洗、汇总和统计、分析模型，数据结果推送，多系统的数据交互
-
未卜先知: 建立智能预警模型，不要让运营先找你
预警机制作用:
- 提前提防可能出现的问题，避免问题严重化和扩大化
- 在问题的发展过程中就提出问题，并建立预防性解决方案，防止事出突然而导致的手足无措
- 建立正确的数据认知
-
智能化: 向BI-AI的方向走
BI商业智能和AI人工智能是在数据工作领域的两个常见智能化方向。
BI的侧重点在于基于结构化的数据再加上商业理解而产生对过去发生了什么、正在发生什么、为什么发生、以后会发生什么的解释。出发点是从企业经营思考如何利用数据智能提高数据的驱动能力。
AI的侧重点更多在于基于全量数据(包括结构化和非结构化数据)像人类一样思考问题，这里面会涵盖BI的工作内容，但是在数据覆盖面上、工作方式上、计算方法上、实现能力上会有更大突破，主要表现在:
- AI具有更接近于人脑的解决问题的方式，例如神经网络、深度学习等，这些方法是以往BI所不具备的
- AI能够直接面对视频、图片、语音等非结构化数据并从中提取有效信息，传统BI则不具备这种能力。
- AI对于大数据的支持性要远远高于BI，尤其是海量、非结构化特征的数据
- AI能应用到各个领域，尤其是海量、非结构化特征的数据
AI、BI、CI、DI
- 场景化: 将数据嵌入运营环节之中
