特稿 >

前沿热点 >

2017年全球大数据产业报告之海外篇(第五集)

2017年全球大数据产业报告之海外篇(第五集)

Xtecher原创 丨 前沿热点

11297
1618

2017-07-28

星河融快

Xtecher特稿作者

关注

吴极长图.gif


在过去的七年中,每年阿里巴巴双十一的成交额都屡创新高,去年甚至超过了1200亿人民币。然而每年的双十一,阿里巴巴需要人工解决的问题却越来越少,甚至压力最大的客服部门,在去年竟然破天荒的第一次没有加班。


原因是什么呢?因为在这一整天里我们该看到什么,我们挑选了什么,我们的收藏夹里选了什么,下次我们再登录淘宝该给我们推荐什么商品,整个过程完全都是通过大数据记录、分析和处理完成的。尤其是大数据技术使得去年双十一中80%的客户服务工作都能通过机器人完成,而不再依赖人工服务,智能客服机器人还可以根据客户的情绪分析,提供有针对性的服务来满足用户需求。


不仅仅是客服,比如销售部门已经成熟使用的CRM系统沉淀下来的丰富数据成为了大数据技术优化销售线索、提高转化率等行为最佳的“燃料”。人力资源行业中,大数据分析能够有效提升应聘者与职位的契合度,加速了资源匹配的效率,还能够降低人员流失造成的额外成本;法务大数据不仅能够降低律师工作强度,还能提高胜诉概率;财务大数据则将数量众多与规则繁杂的事项自动化、可视化,连“四大”也都纷纷研制自家的财务机器人。


因此今天作为大数据系列的第五集,我们与星河研究院将围绕对于每个企业都非常重要的销售、人力、法务、财务、客服部门与你分享大数据在这五个垂直领域的实际案例,希望能对你有所帮助。


以下,供你参考。


首先我们将销售、人力、法务、财务、客服这五个领域的典型大数据企业列举如下,接下来我们将分版块为你进行详细介绍。


0.jpg


第一 销售大数据


在企业内部进行信息化改造的时代,CRM等产品就成为了销售部门不可或缺的好帮手,因此信息化基础良好的销售领域对大数据的接受程度高并且技术与资源门槛低,已经获得了较好的发展。 


目前销售行业的大数据应用主要集中在衔接CRM系统的客户大数据分析和销售预测方面,典型公司例如InsideSales,其数据分析平台基于Neuralytics预测分析引擎,通过大量的数据积累,可以预测联系潜在客户的最佳时间,极大地提高了销售团队的联系成功率。Neuralytics不仅收集和分析CRM中的数据,还使用机器学习功能对数据库里的900亿销售数据和四个类别(人口统计、公司统计、地理和组织)的外部数据进行学习,以增强预测的准确性。 


而更加专注于销售线索预测的6Sense ,通过分析人群的高时效性的行为数据,辨别潜在客户,同时针对既有客户群按照购买意愿做出分级,借此协助商户提升销售额,增加客户的满意度,其智能预测引擎准确率可以达到85%。


2.jpg


另有一部分企业从销售电话的NLP处理角度另辟蹊径,希望通过结合更庞大的语音数据库全面改进销售表现。Chorus 的平台采用 SaaS 模式,利用语音辨识、自然语言处理和人工智能技术来转录并分析销售电话的内容,在屏幕上提示历史表现较好的策略来提高销售代表的成功率。


4.jpg


Conversica 公司的系统则利用NLP技术“读取”用户的回复,了解与每个潜在客户的互动背后的意义,从而精确地确定用户究竟想咨询什么问题,而进行用户分级及个性化销售。目前Conversica 构建了销售和营销传播中最大的AI培训数据集, 并通过完全自主的AI对话获得比典型营销电子邮件高出8倍以上的反馈率。


8.jpg


第二  客服大数据 


客服大数据应用目前已经有了两条明确的发展方向,一是智能客服产品,二是用户体验分析改进产品。智能客服的兴起是由于纯人工的客服所消耗的成本,已经不能单纯依靠将呼叫中心向亚太地区迁移所能解决,因此利用NLP技术过滤掉大部分重复性需求是一个目前能够看到的最优解决方案,国内的云问、Udesk等公司推出的解决方案也已经较为成熟。 


Msg.ai相对于国内企业来说更进一步的是把智能客服的作用向着交易的方向延伸,能够在与用户对话的恰当时机向用户抛出购买建议,并且引导用户购买更多的商品,扮演了深谙用户心理的营销顾问的角色。msg.ai的客户索尼表示,一个msg.ai替代了他们70个员工。此外,msg.ai还能够向合作企业推送针对整个营销过程的商业报告,帮助企业更好的决策。


1.jpg


另一条发展主线中的客户体验管理公司,则利用大数据技术实现了对用户建议的跨平台收集、分析、反馈、改进这一闭环。Medallia对零售、金融、酒店、电信等行业客户的各项数据进行挖掘、分析,并通过可视化等技术,让企业可以快速收集消费者的反馈,做出相应的体验调整。除用户体验外,Medallia 还帮助客户分析公司可能的风险以及同行公司的情况,从而有针对性地改善公司整体服务以及运营状况。


9.jpg


第三  “人法财”的大数据应用


人力资源领域长期面临的问题是如何为公司找到,并留住最佳的人选。除去常规的海量简历分析和面试者多维度评价外,国外许多技术公司将一些新奇的方法带入了HR领域,以期获得更好的招聘效果。例如在线视频面试平台HireVue上,面试官可以准备一系列问题让求职者自由安排时间作答,应聘者将回答问题的视频录制上传。除了让面试官通过视频了解候选人的发挥外,它还能根据求职者说话的用词和面部表情,用上万个指标对候选者进行评分和预测性分析,据此来分析求职者的性格、动机和动力、对此职位是否合适,甚至是跳槽概率。


5.jpg


而从降低人员流失率角度出发的hiQ,专注于从数据中找出存在离职风险的员工,使人力资源部门能够在员工决定离职之前创造更有针对性的干预措施。hiQ使用各种不同行业的成千上万员工样本来对其模型进行预测,提供三个月的人员趋势预测。


0 (1).jpg


与销售和人力等领域中大数据技术为员工节省时间、提升扩展能力类似,法律大数据技术也极大的帮助了律师处理机械性的工作内容,提升了有效工作时间,并且随着技术的进步,机器人律师将极有可能会逐步替代初级律师,从而使法律服务更加普及,推动社会的进步。


法律大数据公司RAVEL希望能够向法庭提供一些技术,以改善司法制度,并减轻律师与法官的工作压力。其数据源为大量已经进行了数据化、结构化的历史案件卷宗,例如哈佛法学院已经向RAVEL开放了4000 万页法律文献资源。目前RAVEL的分析平台能够为法官与律师提供全面的见解,允许律师在提起诉讼或向法官提出诉讼之前,为客户研究最佳策略。当用户对法律主题或先前案例进行搜索时,RAVEL提供交互式图形,显示与此主题或先前案例相关的案例,引用最多的案例具有较大的图标,因此可以迅速地向研究人员表明,哪些案件对于目前的案例至关重要。美国百大律所之一的Baker & Hostetler已经表示将启用人工智能机器人,负责协助处理企业破产的法律事务。


6.jpg


Seal从合同管理的角度出发,也提供了实用的法律大数据技术。它创建了一个数据中心来存储所有公司的合同,然后使用机器学习和AI来搜索、理解甚至是解释合同条款,这些信息和数据通过可视化功能呈现,用户能够以非常直观和动态的方式从Seal平台准确地查看和分析大量合同数据,节省了高达80%的审核时间,除此之外,Seal的产品还能帮助客户识别供应商合同里面的一些恶劣条款。目前其主要客户包括Google、Microsoft、Deloitte、PayPal、Salesforce和HP等知名公司。


10.jpg


由于财务工作标准化、流程化的特点,大数据与人工智能技术天生适合处理这一问题。目前德勤已经联手Kira Systems 推出了财务机器人,能够实现财务状况的实时、全覆盖监测,以及深入的审计、财务分析等功能。


独立的财务大数据服务商中,Tidemark能够对企业关键业绩指标、关键风险指标以及其它用于商业规划的数据进行监测分析,让企业能够了解详尽的成本动因,从而提高利润率。


Tidemark的网络应用内置HTML5用户界面,涵盖流程、目标、规模、KPI(关键业绩指标)、运算、风险和控制等应用程序组件,并能够为企业提供自动化连续财务预测服务。


7.jpg


Anaplan则以一款表格来撬动财务分析的市场。它提供了一款先进的财务计划和模型工具,像电子表格一样易于使用,而且可以做到Excel无法完成的任务。Anaplan能够提供激励薪酬规划、预算编制和预测、销售预测、销售区域和配额规划、贸易促销规划等方面提供灵活的模型和算法。


11.jpg


以上的介绍,已经几乎涵盖了常见公司除产品研发外绝大部分的业务线的大数据技术应用,衔接了传统企业内部BI工具并进行价值深挖的企业服务大数据领域无论是在国外还是国内都依然有着很大的技术发展与实际应用空间。


【本文来自投稿,文中观点不代表Xtecher立场。】

打开微信“扫一扫”,打开网页后点击屏幕右上角分享按钮

账号登录

重置密码

还没有账号?立即注册>

账号注册

已有账号?立即登录>注册企业会员

重置密码

返回

绑定手机