什麼是數據發現？
數據發現涉及收集和評估來自各種來源的數據，通常用於了解數據中的趨勢和模式。它需要一系列步驟，機構可以將其用作理解其數據的框架。數據發現通常與商業智能( BI ) 相關聯，通過將不同的、孤立的數據源組合在一起進行分析，有助於為業務決策提供信息。除非你找到一種方法來從中提取洞见，否則擁有大量數據是沒有用的。數據發現過程包括連接多個數據源、清理和準備數據、在整個機構內共享數據以及執行分析以深入了解業務流程。
如今，幾乎所有企業都會收集有關其客戶、市場、供應商、生產流程等的大量數據。數據從在線和傳統交易系統、傳感器、社交媒體、移動設備和其他不同來源流入。結果，決策者淹沒在數據中，卻無法獲得洞見。洞見隱藏在這些數據中。
數據探索和可視化分析是業務數據分析師用來發現和調查數據中隱藏但可能有用的見解的一種方法。它是一種挖掘數據以尋找需要進一步探索的有趣關係、趨勢、模式和異常的方法。探索和可視化分析支持使用技術輔助分析和模式識別軟件進行可視化和深入分析，將數據轉化為知識和理解。
數據發現為企業提供了一種使其數據乾淨、易於理解和用戶友好的方法。一個全面的解決方案應該能夠被企業的所有成員使用。數據發現的主要好處是數據中發現的可操作的見解。這些見解可幫助用戶先於競爭對手發現寶貴的機會，而無需諮詢 IT 組織。可視化數據發現可以增強此價值，使業務線工作人員能夠更快地找到他們所需的答案。
如今，公司發現人工智能 (AI) 的使用極大地增強了數據發現過程。此過程也稱為智能數據發現。在智能數據發現中，人工智能可以自動發現數據關係並通過人工智能驅動的建議加速公司的分析。底層 AI 建議引擎使用複雜的 AI 算法，該算法針對任何類型的數據運行，而用戶不會意識到正在後台進行處理。 AI 引擎通過使用訓練有素的學習算法來識別潛在的關係，例如相關性。利用人工智能的領先分析平台提供相關變量（用戶可以選擇進一步探索的相關變量）的推薦可視化。
在人工智能分析領域有幾個令人興奮的創新方向，包括：
- AI 技術可用於建議數據準備步驟，例如規範化、缺失數據處理、字符串模式識別等。
- 算法可用於識別和讓人關注相關變量組數據中特定模式或異常值。
- 對模式識別、異常檢測和序列關係發現進行時間序列分析時，有不同的需求和技術。
- 可以收集、分析專家用戶的行為數據並用於影響推薦的分析操作。
AI 建議引擎和推薦越來越多地用於增強對不斷擴大的問題空間的分析。這種人類理解與機器不知疲倦的結合使業務專業人員能夠迅速發現海量數據之間的重要關係，及時採取行動。
通過數據發現解決業務問題
分析師的任務是在企業收集的大量數據中洞察有用結論。由於它從眾多不同來源引入數據，數據發現使企業能夠以創新的方式使用數據。它幫助用戶以新的和不同的方式探索數據，並找到在數據發現之前並不明顯的見解。而且，一旦形成新的趨勢或模式，數據發現使用戶可以輕鬆地深入了解變量並提出新的問題和見解。
這些見解可以包括識別客戶問題，例如：
- 意外的客戶流失
- 客戶關係和管理問題
- 細微的產品問題，例如退貨和交易失敗
- 過度折扣導致價格洩漏
- 促銷失敗
- 由於激進的定價或新產品等競爭行為而失去市場份額
數據發現使公司能夠通過編譯和評估客戶用於與公司互動的多種渠道中的客戶行為、交易和情緒數據來獲取客戶的 360 度視圖。
數據發現對於幫助決策者檢測有關客戶不滿意的早期預警信號非常寶貴。數據發現可幫助企業領導者更全面地了解客戶對公司的看法。
文本、情緒、社交和語音分析可用於識別客戶在各種互動中對您公司的評價，包括社交媒體評論和聯絡中心互動。針對客戶情緒的關鍵詞搜索可以幫助企業領導者確定潛在的產品問題或服務問題在多個客戶中可能出現的位置。
數據發現工具還為銀行提供了無數機會來了解有關客戶的更多信息並根據這些見解採取行動。例如，數據發現工具可以幫助銀行家確定特定客戶正在使用哪些產品（例如，支票、儲蓄），然後根據該客戶的收入、生命週期狀態和其他因素確定她是否可能是交叉交易或追加銷售的合適人選（例如，存款證明）。
由於金融服務的客戶流失率非常高，銀行家還可以使用數據分析和數據發現工具來確定某些客戶群體中客戶流失的主要原因，並在客戶即將離開時發現警告信號。這些問題如果未被發現和解決，可能會嚴重破壞任何一項業務。因此，迫切需要在數據中洞察有用結論並採取行動。有了正確的行動方針，公司可以集中精力想辦法留住和取悅客戶，而不是簡單地直接用上一些可能吸引客戶的策略，然後看看它們是否有效。數據發現將大數據的力量交到日常業務用戶的手中，為他們提供做出數據驅動的業務決策所需的信息。
