正如许多行业一样,新技术形态和人工智能 (AI) 与机器学习的兴起已经导致研究行业出现巨变。但也正是“人情味”的存在,将让我们成功地应对不断变化的局面。
如今,我们有比以往任何时候更多的数据唾手可得,借助人工智能和机器学习,很多人认为点击按钮就能解决任何问题。但是新技术生成的大量数据能保证更好地理解吗?英敏特数据科学主管Ben Korallus并不这么认为:
“现在,我们有更多数据并且可以利用高级统计概念帮助分析这些数据,但需要真正懂行的人来生动诠释这些洞察。”
英敏特欧洲、中东与非洲区 (EMEA) 研究总监Toby Clark补充道:“这关乎理解数据并解释其中意义,而非仅仅数据是什么。这项技能在于理解人类、观察人类和消费者行为并换位思考,以发现内在动因。”
这是只有真人、而非技术才能做好的事情。人类理解人类,我们距离机器能够揭示人类行为的细微差异还有很长的路要走。
但在研究领域,人情味不仅仅是分析过程的重要部分。现在我们与客户的关系要求更多人情味。二十年前,研究人员撰写并发送报告,祈求好运,希望客户会阅读。如今,这已变成协作过程,是一种合作伙伴关系,客户和分析师之间的定期持续讨论将有助于真正掌握最相关、最实用的数据和洞察,积极影响商业决策。
毕竟,这是基于信任的稳固关系,将让每个人都完全受益于数据供给变化,这是我们研究行业永恒的特点。
英敏特消费者研究与数据分析总监Mark Brechin进一步解释道:“我们处于研究行业的有趣时间点上。有人怀疑传统研究方法,但也不愿摒弃传统数据、拥抱变化。这是客户和分析师之间的关系需要建立在信任基础上,并能够变成合作伙伴关系的原因。”
但建立这种信任殊为不易。一个引发争论的领域恰好是“分析师对研究方法论的理解到底有多重要”。一些人认为,由于人工智能,在有如此多不同数据源的世界,了解方法根本就可有可无。
但Brechin强烈反对。他认为,充分了解方法至关重要,因为正是此类了解帮助建立了成功的工作关系所需的信任和信誉。Clark也支持这种观点:“客户总会质疑一种方法或别的方法。我们必须承认研究方法不是银子弹——它们全都有优点,但也有缺陷。为了确定符合情形的最佳选项并知道我们正在做什么工作,我们需要了解这些。”
最终,为了充分利用你正在处理的数据,你需要正确地认识。正如Korallus所言:“统计数字会撒谎,最会欺骗你。如果你不完全了解背后的东西,那么从一开始你就可能理解错误。”随着我们持续地看到越来越多的数据被抛向人们,人工智能和机器学习只会使问题恶化。Korallus警告道,“如果你不完全了解或以正确方式运用,那么统计数字只会在更大程度上对你说谎。”
在研究领域,我们需要人类,并且我们始终会需要人类。我们需要能够确定最佳方法并结合最新数据科学的人来为我们的客户建立关联并发现最宝贵的洞察。正如Brechin所言:“技术仅此而已。你需要类,你需要分析师。”