-
企业决策
真格领投340万美元Pre-A，Taste Analytics通过舆情帮企业决策
Taste Analytics 汪晓宇告知 记者，近日已完成 340 万美元的 Pre-A 轮融资，由真格基金领投，跟投方有聚合数据、华创资本、清华企业家协会天子投资、New Gen Silicon Valley、Silver Wealth Investment、Social Starts。
Taste Analytics 位于美国硅谷，产品是综合智能数据分析平台—— Signals。
它在做的事情就是把任何可以转化成文字的信息，通过机器深度学习来进行自动的挖掘分析，然后再通过图像可视化把结果给到客户。服务的对象是企业的商业人员，例如市场营销，客服、信息洞察员、产品优化改进设计人员等，帮他们去做一些决策。
例如，联想美国企业内部有 14 个客户反馈的数据源头，每个数据源一个月可以收到几百万条反馈，导致他们没有办法系统的进行横向、纵向的解读。而 Taste Analytics 平台就可以过滤这些信息，当数据经过企业采集进入平台，企业便可以第一时间得知用户对产品的反馈信息。假设用户反馈 “网卡不好用” 比较多，企业就可以及时调整产品线，减少负面反馈。原来企业里只有两三个分析师管理这些数据，现在可以应用到不同领域的商业化决策中去。
Taste Analytics 分析的数据源包括一些论坛、微博、邮件、聊天记录等。消费者往往在这些渠道中留下对企业的评价。Taste Analytics 可以深度学习非结构化的自然语言（新生词汇、代名词等），根据用户的用词、造句、行文方式来理解文字含义，通过对大范围的用户、上千万个消费点进行聚类分析，让企业了解到用户的真正建议。
汪晓宇表示，此前 Taste Analytics 处理的信息都是非结构化数据在文本阶段，而本次融资金额会投入技术研发，从文本扩展到图像解析上。其他的资金更多的用于市场和销售。
截至去年11月 份，Taste Analytics 的客户主要为大型企业，不乏世界 500 强，10月 底开放云平台之后，为 100 多家中小型企业提供服务，还有 8 家学校在免费使用，日均用户几千人。汪晓宇告知，这些数据都在稳步增长中。
来源：36氪，作者：徐宁，如若转载，请注明出处：http://36kr.com/p/5044333.html
-
企业决策
Pre-A轮融资340万美元，大数据公司Taste Analytics通过挖掘用户吐槽内容智能化企业决策
大数据、云计算等技术在近几年得到迅猛的发展，但是在实际操作层面，中美之间还存在很大差距。国内的企业级客户在进行大数据分析时，仍以分析结构化数据为主，而在美国，很多企业已经开始分析非结构化数据，中国市场仍缺少这方面有效的分析工具。
据IDC的调查报告显示：企业中80%的数据都是非结构化数据，这些数据每年都按指数增长60%。
位于硅谷的Taste Analytics推出综合智能数据分析平台—— Signals，其最独特的地方在于既具备非结构化文本文档数据的深度分析能力，同时也支撑着各种传统的结构化数据 (报表、销售记录等)。
那么，什么是非结构化数据?
非结构化数据主要是指那些无法用固定结构来逻辑表达实现的数据，简单来说就是用户散落在论坛、微博、微信或其他渠道发表的关于产品的各种评价或吐槽。
从形态上，它主要包含这三大块：
第一是文本文字;
第二是图像、图片等;
第三是视频流、电视流。
对比一下或许更有助于理解，非结构化数据和结构化数据最本质的区别包括三个层面：
首先，非结构化数据的容量对比结构化数据要大，可以达到10几倍甚至几十倍的体量;
其次是产生的速度，比如Twitter刚出来的时候，每天产生一亿条的信息量，新浪微博的信息量更大，可以达到几十亿条信息;
最后是数据来源的多样性，这些数据来源有客服、邮件、调查问卷、社交网络等等。
因此，signals平台服务的对象不是企业的 IT、数据库，而是商业人员，例如市场营销，客服、信息洞察员、产品优化改进设计人员等。
以手机厂商为例，Signals通过对客户的邮件反馈、在论坛的相关讨论、微信、微博等相关评价信息分析，告诉设计师用户普遍反映电源键的位置设计很不人性化，手机开屏经常掉帧等等，从而进行产品优化。
非结构化数据既然这么复杂，那怎么分析?
Taste analytic主要是通过如下几个步骤进行非结构化数据分析的：
第一，数据采集，帮助企业更快更全的采集到各类数据。
signals集成了上百个数据接口，包括亚马逊、天猫、Salesforce，ZenDesk, Esty, Yelp、Twitter、Facebook、Apple Store、Google Play Store等，并且这个数字还在飞速扩大，根据taste analytic创始人汪晓宇的介绍，他们正在和国内的第三方数据提供商聚合数据、百分点等进行合作，将为中国客户提供更多本地化的数据。
非结构化数据接入口
第二，数据分析，也就是对于非结构化和结构化数据进行深度机器分析。
signal通过深度学习非结构化的自然语言，根据用户的用词、造句、行文方式来理解文字含义，通过对大范围的用户、上千万个消费点进行聚类分析。目前Signals平台具备成熟的实时分析包括中文在内的12种文字以及语音等非结构化数据的能力。
此外，Taste Analytics的服务适用于各种非结构化数据分析场景，只要有聊天记录、对话记录和邮件记录，就可以和数据源直接对接分析。
从各种维度进行分析
第三，将数据进行图像可视化。
Signals平台会把数据分析结果进行可视化输出，为客户提供10余种图像可视化模式，并且支持客户自定义分析，共包括15种不同的可视化分类。
将数据分析结果可视化
此外，汪晓宇告诉创业邦，Taste Analytics研发出的最先进的分析技术——预测性分析，也将在中国上线，用户可以享受到结构化和非结构数据的精准分析结果，系统针对关键词、时间趋势等因素对市场行为作出及时的预测。
依据上图的元素进行预测分析
那凭啥别人不能做或做不了?
与国内诸葛IO、GrowingIo不同的是，Taste Analytics主要针对的是文本非结构化的挖掘和处理，而诸葛IO是对于机器产生的数据流，Click数据的分析。对于企业来说，两者是相对互补的关系。
汪晓宇告诉创业邦，Taste Analytics成立两年，就已经获得了百万美元量级的订单，拥有像Ally银行、ForeSee问卷调查等客户，收入增长了6倍，并且季度营收增长速度保持在300%左右。
之所以取得这样的成绩，主要核心在于技术和人才，其技术壁垒在于文本数据的深度学习。
汪晓宇博士毕业于北京邮电大学的通信工程专业，之后就到美国直博，之后因为突出的学术贡献，被破格提拔为北卡大学夏洛特分校的助理敎授，并在美国五大视觉中心之一的夏洛特视觉中心任主任。他曾经应邀在美国海事国防安全风险大会演讲;还曾在斯坦福给计算机系的学生传授研发经验。
Taste Analytics的CTO俞立和Thomas Kraft，也是从美国顶级学府博士毕业，技术团队成员全都是硕士以上学历，博士占比达40%。
Taste Analytics在2月完成Pre-A轮340万美元融资，由真格基金领投，跟投机构包括聚合数据、华创资本等。
汪晓宇认为在实际操作中，图片、视频的潜力还大大没有被挖掘，机器数据和FinTech 瞬时高维度的金融数据也很有潜力。Taste Analytics未来将加大对图片和视频领域的非结构化数据分析。
来源：创业邦
-
企业决策
大数据引发企业决策变革
2014年5月，经济学人智库对1135位企业高管进行了调查，其中54%是C（指CEO、CFO等）层高管或董事会成员。结果显示，43%的高管承认，由数据驱动的企业在过去两年的决策制定上获得了很大的提升，“高度数据驱动型企业比一般企业在制定重大决策时效率可显著提高3倍”。
尽管如此，仍然有为数不少的企业高层在决策时还是依靠自己的直觉和经验，对数据重要性的认识严重不足。
电影《点球成金》里，奥克兰运动家棒球队总经理比利·比恩是一个十足的“怪人”。从不按常理出牌的他吸收了一批被联盟低估的三流球员，指导他们打出了比肩联盟全明星级别球队的成绩，让这支队伍红极一时。
他是怎样办到的？答案是“球员评估数据模型”，也就是数据分析。
比利·比恩颠覆了传统的管理理念，用数据理论指导球员们在各自最合适的位置上发挥出最大潜力，凭借极少的成本就创造了一连串看上去不可思议、实则有据可循的胜利。
这就是数据的力量。
从某种程度上来说，数据已经渗透到了人们日常生活的各个角落，并开始展现出颠覆的趋势，对企业而言也是如此。在购物中心，企业利用数据来统计和分析消费者的行为爱好，并据此规划商场格局；在电商平台，企业更是早就开始收集消费者购买货品时的相关信息，在此基础上为消费者推荐商品和促销信息。
美国咨询数据和分析主管合伙人Paul Blase在2014年新领军者年会现场告诉本报记者，随着科技应用的深入，人们活动所产生的数据正在呈几何级数增长，而另一方面，人类也开始具备了处理大量数据的能力，“从这个角度来看，在数据的推动下，我们现在所处的时代正在进行着一场前所未有的变革。”
但不得不说的是，大数据的概念虽然被炒得火热，其应用还是集中在消费者研究这一隅，并没有影响到企业决策等更加高层的领域。
正如Dan DiFilippo所言，“大数据”虽然被称为人类继农业革命、工业革命后的第三次革命，但其在实际应用方面却存在着一些问题，具体表现在商业方面就是“仍然有很多企业在做决策时并没有意识到和发挥出数据的作用”。
上述经济学人智库的报告表明，尽管有高达94%的全球高管表示，企业管理中需要为企业长期发展制定很多重大决策，超过四分之三的高管们每个季度会做一个重大决策，甚至43%的高管每个月会对其决策进行审查，但仅有三分之一的高管在上一次制定重大决策时采用了数据分析。
占比达58%的高管在决策制定上还是依据直觉、经验、建议以及在企业中的其他经验。
究其原因，Dan DiFilippo表示，主要有两方面因素：“一方面来自于技术层面，另一方面则来自于人和机构本身。后者主要是指很多决策者没有足够的训练，而且怀疑数据的质量和数量。”
Paul Blase对《第一财经日报》记者说，重大决策的好坏对企业利润率影响非常大，通常估算价值高达数十亿美元，“企业在制定决策时，往往缺乏预测性和机制，制定好的决策往往还需要使用最新可访问的数据和分析技术，以及明确责任和决策制定流程。”
庆幸的是，尽管企业高管们已经习惯于依赖直觉，但有近三分之二（63%）的人表示，数据已经改变了他们制定决策的方式，并希望能发挥更大的作用。
“在做决策的过程中人们会面临很多影响，一方面有资深人士非常相信自己的经验，但这样容易产生偏差；另一方面，如果单纯依赖数据做决定的话，人们又会朝另一个错误的方向走下去。所以将数据和经验结合并不那么容易，这是一个平衡的过程。”Paul Blase说。
报告结尾显示，所有受访的高管均表示，未来两年将优先考虑对高质量数据分析的投入，以更好地制定决策。
【文章来源：199it】
扫一扫 加微信
hrtechchina
