数据技术如何更好的赋能商业决策？
导语：数据技术（DT）是一种依靠新兴技术能力，利用计算机来分析从网络、移动端、客户、传感器和其他来源收集的数据，利用数据对实际现象进行 " 理解和分析 " 的技术。
数据技术（DT）是一种依靠新兴技术能力，利用计算机来分析从网络、移动端、客户、传感器和其他来源收集的数据，利用数据对实际现象进行 " 理解和分析 " 的技术。9 月 21 日艾瑞咨询数智化技术总监 陈韬老师做客艾瑞直播间，通过对比传统出租车公司的信息化建设、基于数据技术的网约车平台的对比，更好的让大家理解从信息技术到数据技术的发展趋势，以及对商业模式带来的颠覆式变革。
以下为本次直播部分演讲内容：
数据分析 & 数据挖掘的区别有哪些？
数据分析主要依靠分析师对于业务和数据的理解，是对数据进行恰当的描述，探索数据的集中趋势和离中趋势。数据挖掘主要是通过算法设计和运用，从海量的数据中通过相关的算法发现隐藏在数据中的规律和知识的过程。数据挖掘更多用于预测和分类。以下介绍的机器学习、深度学习等等，都是属于数据挖掘领域的概念和方法。
从机器学习到深度学习
机器学习，是进入大数据时代以来，较早兴起的概念。机器学习大多数应用特征需要由专家识别制定规则，再通过计算机算法能够像人一样识别这些标签。机器学习主要有以下几种应用类型：
深度学习，则是一种通过多层神经网络算法解决问题的算法，从数据中直接学习有效特征，这也是它超越传统机器学习的原因。而且随着数据量的持续上升，深度学习的效果也能进一步提升。
艾瑞智能化调研体系
随着 " 数据为决策赋能 " 口号的提出，艾瑞将越来越多的数据技术应用到了市场研究领域，并形成了成熟的 " 智能化调研 " 体系。同时，针对不同企业或组织，或是不同的业务目的，还可以定制开发专属的数据技术研究方案。艾瑞通过技术创新的方式，为用户创造更便利，更接近真实使用场景的数据采集工具。在用户触点研究项目中，通过微信小程序的方式，便于用户随手记录日常遇到的触点及购物信息，进而提炼出影响用户购物决策的关键链路。
在产品使用体验研究中，艾瑞改变了传统用户笔记的方式，通过定制开发的 IOT 电子设备，智能化的采集用户日常的产品使用数据，并从数据中挖掘用户使用痛点，帮助客户改进产品设计。除了数据采集方式上的创新，在数据处理和数据挖掘方面，艾瑞也积极引入新的数据技术，从基于深度学习的 OCR 文字识别，到机器学习的典型应用人群聚类、购物篮分析，再到 AI 前沿的自然语言处理技术。这些新技术的应用，一方面提升了研究项目的执行效率，另一方面，也为客户发现了传统研究方法中不易发现的用户特点，更好的为客户决策提供了依据。
基于上述内容分享，我们相信随着数据技术的发展，也将会有更多的数据技术能够应用到市场调研领域，比如 AR 和 VR 的应用，可以将一个全新的虚拟场景送到用户眼前，从而获取用户更直观的反馈。更多物联网设备的出现，以及动作捕捉技术的普及应用，可以让我们更好的了解用户如何使用一个产品的全过程。以上这些场景，在不远的将来，都可能成为现实，而艾瑞也将保持对新数字技术领域的关注和研究，从而为我们的客户提供更好的服务。
（本文为艾瑞网独家原创稿件 转载请注明出处）