您已經使用人工智能進行了一個小型測試案例。太好了!現在您需要展示第一個測試用例的成功。長期的投入依賴於已經完成的項目的成功，所以在任何項目啟動之前，衡量和分析都是必不可少的。
在他的MAICON會議上，Christopher Penn解釋了人工智能成功的保證很少，但有一件事肯定會失敗:跳過探索性數據分析。
佩恩,TrustInsights。ai的首席數據科學家向MAICON 2022的與會者展示了如何提高任何人工智能項目的成功幾率，無論是與供應商還是內部合作。
他解釋說:
- 探索性數據分析是什麼，不是什麼。
- 為什麼人工智能需要適當的探索性數據分析，為什麼那麼多公司跳過了這一關鍵步驟。
- 如何進行適當的探索性數據分析，從數據完整性到特征選擇再到主成分分析。
- 什麼時候因為你的數據還沒有準備好而停止一個人工智能項目。
好消息是什麼?Chris能夠向任何級別的從業者解釋探索性數據分析。你不需要是一個數據科學家來閱讀或觀看這個短片。
觀看克裏斯托弗·佩恩的2022年MAICON會議
觀看完整的會議加上所有MAICON主舞台的主題演講、會議和專題討論MAICON 2022按需捆綁．
探索性數據分析是成功實施人工智能的關鍵組成部分。這是許多營銷人員忽視的一個缺失步驟，或者在這個過程中考慮得太晚。
想象一下這個場景:你正在寫一篇博客文章或編輯日曆，問自己:“我怎樣才能寫出一篇出色的文章?”這是一個清晰的用戶故事，有著良好的意圖。我們想要創造偉大的、有意義的、有用的內容。從這個問題中，我們可以開始考慮如何創造令人驚歎的內容，但我們也需要仔細考慮以下問題:
- 我們關心偏見嗎?
- 我們關心公平嗎?
- 我們關心一個可能被誤解的結果嗎?
- 怎麼會出問題呢?
現在是回答這些問題的時候了，因為根據你的AI項目，很多事情都可能出錯。
在上麵分享的視頻剪輯中，克裏斯說，數據之於人工智能，就像食材之於烹飪。意思是，“如果你的食材不好……我不管攪拌機有多貴，也不管你的廚師有多好，如果食材變質了，你做出來的食物就不能吃了。”
同樣，輸入錯誤的數據=輸出錯誤的模型。人工智能不是一個神奇的盒子，不幸的是，數量驚人的公司跳過了需要好數據來顯示好信息和輸出的過程。
作為營銷人員，責任在我們身上，但其中一些責任又回到了技術解決方案和合作夥伴身上。如果你雇傭某人來實現你的機器學習，這個過程，探索性數據分析(EDA)，在各個方麵都是至關重要的。
IBM說，“探索性數據分析是數據科學家用來分析和調查數據集並總結其主要特征的方法，通常采用數據可視化方法。”
佩恩指出最重要的部分探索性數據分析的主要目的是在做出任何假設之前查看數據。
他繼續說道:“當你與供應商交談時，你會說，‘嘿，我想要更好的歸因分析’，或者‘我想要更好的主題行’，或者‘我想要更好的內容’。“你在做假設。在查看數據之前，您已經對問題做出了假設。所以你看著你的博客說，哦，天哪，我們的博客，我們沒有從穀歌獲得足夠的流量。我們需要人工智能生成的內容。你怎麼知道?你還沒看數據呢。”
探索性數據分析過程有八個你需要問的問題，或者你需要采取的步驟:
- 你想做什麼?
- 你是怎麼得到這些數據的?
- 數據的特征是什麼?
- 檢查數據。
- 確保數據符合問題。
- 準備數據
- 設計數據。
- 部署數據。
繼續用食物做類比，克裏斯說:“嗯，很多情況下，你可以帶一個私人廚師到家裏，但你仍然需要查看冰箱，以確保你有食材。”
在你開始與你的營銷和人工智能合作夥伴的旅程之前，後退一步，以正確的方式開始。信任的見解如果你已經準備好開始，但不知道從哪裏開始，其他的合作夥伴可以幫助你。克裏斯還寫了一個係列AI項目失敗的5大原因我們在博客上重新發表了這篇文章。
通過查看營銷人工智能研究所的資源，成為下一代營銷人員。BETVlCTOR1946伟德伟德bv885閱讀我們的博客文章，拿我們的營銷人員的人工智能介紹類,參加在線研討會，加入我們的社區,下載報告、指南和模板(都是免費的)，請閱讀營銷人工智能，調查AI學院的營銷人員和試點AI捆綁，以及我們的年度麥孔-營銷AI會議。
訪問所有MAICON主舞台主題演講、會議和麵板MAICON 2022按需捆綁．