作者
观看 // 谷歌在 Vivatechnology 举办的系列讲座 (在工具栏中激活英文字幕）
Artefact 联席首席执行官 Vincent Luciani 与 Dounia Zouine（Unify 首席运营官）就 ”Data 智能：将 data 转化为价值 “展开讨论。访谈由法国谷歌营销平台经理 Pierre-Louis Corteel 主持。
通过产品、服务或流程创新将 data 转化为价值的潜力是巨大的，成功做到这一点的公司会超越竞争对手。然而，只有 30% 的 data-driven 转型项目实现了目标，而且往往在扩大规模时磕磕绊绊。.
在VivaTech 2021大会上，我采访了Data和Unify（TF1集团旗下的100%数字子公司，包括aufeminin、Marmiton、Les Numériques等）数字总监Dounia Zouine，以及Artefact（data咨询公司和data marketing机构）联合创始人兼联合首席执行官Vincent Luciani，他们谈到了data的潜力、扩大规模的条件和潜在问题。.
Vincent，Artefact的口号是 “Value by Data”。您认为品牌如何通过 data 成功创造价值？
文森特根据我们的经验，我们可以确定投资回报显著的三个主要领域，但这并不是一份详尽的清单。.
营销是第一位的，尤其是数字营销，通过更好的预算分配、营销活动优化和 targeting 来实现。改善这些因素可以使销售额翻番。.
其次是供应链，它正变得越来越 data-driven。如今，通过分析有助于提高概率的信号，如营销投资、分销网络限制或天气，可以更准确地预测最终需求。我们估计，预测每提高 10 个百分点，营业额就会增加 1%。我们在一家 CAC 40 食品行业客户身上看到的就是这种比率，根据业务部门的不同，我们将预测提高了 2 到 10%。.
最后是客户关系。一个很好的例子就是我们所说的 “增强建议”。通过语言识别系统（自然语言处理），呼叫中心接线员可以在实时对话中获得相关信息。.
如今，领先集团正在利用 data 和人工智能为转型计划制定宏伟目标，而 Covid 危机只会加速这种动态发展。
您在 Unify 的战略 data 是什么，它是如何影响您的产品和服务的？
杜尼亚在 Unify，我们开发了一整套媒体、内容和电子商务网站，所有这些网站在数量和多样性（兴趣、意图、语义、社会学特征）方面都是 data 来源。这 data 提高了我们的 audience 知识，使内部和外部使用成为可能：
除了收集 data 之外，所有这些工作背后的真正挑战是如何在扩大规模的同时，以可控、负责任的方式有效利用这些资源。对于 Unify 来说，这意味着要根据我们的雄心和 data 资产建立正确的组织和投资。.
扩大规模往往是这些项目的障碍，原因有很多，因为我们谈论的是难以实施的真正转型。.
文森特能充分发挥潜力的 data 项目确实太少。然而，在过去的五年里，我们利用两个关键概念，为实现 data 的专业化做出了重大努力：“data 作为资产 ”和 “data 作为产品”。.
将 Data 作为一种资产，意味着将 data 作为一种实际资产来管理。但要做到这一点，我们首先需要减少围绕 data 积累起来的 “债务”：随着时间的推移叠加起来的多种复杂的 IT 系统，其 data 来源往往记录不全、难以获取，有时甚至相互矛盾。.
为了消除这种 “债务“，我们需要确定最重要的 data 领域，并创建有组织的层级，以提高 data 的质量、标准化和可访问性。新的 “data 领域管理者 ”或 “data 管理员 ”正在出现，他们负责维护和连接 data 资源，以确保其使用安全。.
Data 作为一种产品，意味着要创建真正的软件，使企业能够独立地可视化、使用和操作 data。这些软件必须集成到信息系统中并长期维护。.
这比听起来要困难得多，因为它涉及从根本上重新思考 data 科学家的工作方式，需要专门的方法（如 MLOps）、产品负责人以及用于指导、协调和维护算法的工具（如谷歌新推出的协调工具 Vertex）。.
让 data 成为可用的资产，将其转化为可供各业务线使用的 “产品”，然后长期维护这些产品......这样的项目需要新的技能。您的组织是如何适应的？
杜尼亚坦率地说，组织工作，尤其是 data governance 项目，是我们面临的最大挑战之一。这就更加困难了，因为在 data 项目中，我们往往先看到成本，然后才看到利润。.
这就是为什么我们从最有可能提高 Unify 收入的用例入手，逐步转变思想并建立信任。没有信任，就没有变革。.
最终，对我们帮助最大的是内部的 data 专业技术，以及一个积极主动的组织。我们集中了工具、技能和技术基础。.
现在我们已经发展成熟，可以清楚地看到价值，我们意识到要继续扩大规模，我们需要 data 质量、安全和管理方面的技能。.
扩大规模意味着组织 data 的收集、安全、提供和使用要达到一定的成熟度。这也提出了新的伦理问题。.
文森特是的，对于 artificial intelligence 的传播，我们必须特别小心，因为在使用本身就有偏差的历史 data 时，可能会产生意想不到的偏差。.
例如，如果信贷机构的 data 数据库中的男性多于 women，算法就会将性别解释为一种资格标准，这是任何人都不希望看到的。.
这就是为什么算法做出的决定必须记录在案并受到监督（可解释性），以确保它们符合机构的道德规范和最广义的道德规范。.
没有道德，就没有信任。没有信任，就没有变革。.
