AI forstyrrer search og digital markedsføring - er du klar til at tilpasse dig?

Virksomheder, der benytter generativ AI, har brug for rene, sikre data, der kan handles på

Ofte håndterer virksomheder ikke data, så de opnår de bedste resultater. 

Generativ kunstig intelligens (AI) har sat gang i fantasien hos mennesker kloden rundt. Organisationer indfører teknologien på forskellige niveauer i stort set alle brancher og markeder – en omvæltning for forretningsmodellerne, men også en værdiskabelse. Brugen vil kun tage til, i takt med at virksomheder forsøger at udvikle strategier til at udnytte fordelene. 

Konsulentvirksomheden McKinsey & Company skønner, at de potentielle økonomiske fordele løber op i 7 trilliarder $ og forklarer produktivitetseffekten inden for forskellige industrier: ”Omkring 75 procent af værdien, som generativ AI-anvendelse kan levere, falder inden for fire områder: Kundebetjening, markedsføring og salg, software engineering og R&D.” 

Ved at kombinere store mængder data med hurtig, iterativ behandling og intelligente algoritmer er AI-software i stand til at lære, og den responderer automatisk ud fra mønstre eller egenskaber i datainputs for dermed at foretage forudsigelser, træffe beslutninger og udføre en masse opgaver. Hvis AI skal fungere ordentligt er virksomheder nødt til at have et grundlag med rene data, de kan handle på. Uden dette grundlag risikerer de forkerte outputs og mister de indsigter og fordele, som AI potentielt indebærer. 

Hvordan virksomhederne håndterer data, varierer stærkt, men forældede, ustrukturerede og upålidelige data er snarere reglen end undtagelsen. Dårlige data beskrives ofte som ”snavsede” data, idet de indeholder fejl som stave- eller tegnsætningsfejl, forældede data, ufuldstændige data, ukorrekte dataforbindelser og dubletter i databasen. Denne type af dårlig datakvalitet resulterer ofte i bias, fejl og såkaldte hallucinatoriske AI-resultater; et mønster der betegnes som ”garbage in, garbage out”, altså at ”man høster, som man sår”. 

Konsulentfirmaet Deloitte advarede for nylig i en rapport, om at AI afhænger af en solid datastruktur for at indfri sit potentiale. ”Hvis AI skal lykkes, er man som organisation nødt til at adressere dataudfordringerne og fikse de dårlige data ved at benytte principper for bedre at håndtere, rense og berige data, så større AI-ambitioner kan realiseres. Men de fleste har ikke nået et modenhedsniveau i deres datahåndtering, og cirka en tredjedel af AI-programmerne mislykkes derfor”, fastslår rapporten. 

For at være på den sikre side har virksomheder adgang til meget store mængder data, men ofte håndterer de dem ikke på en måde, der giver de bedste resultater. Vigtigheden af data som et strategisk aktiv har været tydelig, når virksomheder har fokuseret på datacentrerede strategier og databaseret vækst. Men med de enorme mængder af data, der kommer fra forskellige kilder og af forskellig slags, bliver de i stigende grad udfordret med hensyn til en ordentlig håndtering af data. 

For at være på den sikre side har virksomheder adgang til meget store mængder data, men ofte håndterer de dem ikke på en måde, der giver de bedste resultater. 

”Mens enorme mængder data er tilgængelige for organisationer, bliver de sjældent knyttet sammen eller integreret, så de potentielle fordele realiseres,” tilføjer Deloitte. ”Denne udfordring kan gøre det vanskeligt for organisationer at udnytte ikke alene deres egne interne data, men også data fra eksterne kilder. Desuden kan vigtige indsigter gå tabt på grund af manglen på fuldstændige eller standardiserede data, hvilket kan resultere i upræcise analyser og rapporter.” 

Data er grundlaget for de modeller, der anvendes af salg og marketing 

Faktisk er præcise, kontrollerede og validerede data afgørende for at afvikle effektive kampagner og udbrede brugen af AI-baseret teknologi. Data er grundlaget for de modeller, som salg og marketing og andre enheder anvender i deres aktiviteter. 

Planer for datastyring er nødvendige som led i politikker og overholdelse af datakvalitetsstandarder med henblik på at forhindre, at dårlige data forurener dataaktiverne. Data om kunder og leverandører kan prioriteres, håndteres og styres, og organisationer kan benytte alment accepterede definitioner og attributter på tværs af platforme, så de kan tale sammen. 

Dun & Bradstreet’s Master Data-løsninger kan hjælpe teams på tværs af virksomheder med at fremme væksten og håndtere risici med et solidt datagrundlag som enkeltstående pålidelig kilde. Organisationer kan forbinde datasiloer ved at udnytte præ-håndterede data og AI til at opnå hurtigere værdi og pålidelig indsigt i forretningsrelationer, forbedrede ende-til-ende-processer og synlighed, så risikohåndteringen kan forbedres. 

Med disse fordele kan organisationer: 

• Skabe værdi hurtigere – Fremme workflows via automatisering, understøttet af AI/ML, for at bidrage til øget produktivitet og effektivitet på tværs af teams og hjælpe med at reducere omkostninger i hele organisationen. 
• Håndtere datasiloer og opnå adgang til en enkeltstående pålidelig kilde (data) – Du kan sætte din lid til pålidelige data fra Dun & Bradstreet Data Cloud, der leverer data og indsigter i organisationers økosystemer, der udnytter Dun & Bradstreet D-U-N-S® nummeret som en unik identifikator til at levere data på tværs af applikationer og systemer som en enkeltstående pålidelig kilde i virksomheden.
• Skabe pålidelige indsigter i strategiske forretningsrelationer – Opnå indsigter i komplekse forretningsrelationer – hierarkier og virksomhedsbånd – og få et omfattende indblik i kunder og leverandører, så risikoscenarier kan forhindres.

Til salgs- og marketingteams kan Dun & Bradstreets Master Data-løsninger f.eks. levere pålidelige indsigter, der hjælper med at prioritere de bedste kundeemner at opsøge og i sidste ende bidrage til mere salg og vækst. Blandt de strategiske fordele: 

• Segmentering og targetering 
• Kundehvervning/-fastholdelse 
• Identifikation af muligheder 
• Dirigering af kunder/kundeemner 

Dun & Bradstreets Master Data Management-løsning, D&B Connect, gør det muligt for teams at udnytte førende præ-håndterede data, AI, og data subject matter-eksperter til at hjælpe med at opnå hurtigere værdi. 

Se, hvordan Dun & Bradstreet kan hjælpe din virksomhed med at styrke din masterdatastrategi for AI. Læs mere!