当今的商业和电子商务现状让数据管理成为业务运营中的必要组成部分。不论是存储客户数据的CRM，应用内置分析、与聊天机器人的对话记录，团队之间的Slack消息或者其它消息的结合，数据管理都是业务运行中不可或缺的一部分。不幸的是，很多的企业无法依赖整齐统一的数据流，相反，他们花费大量的时间来构建和清理数据，以适应他们的业务运营。
对于拥有大量数据池和重要分析需求的电子商务公司而言，这也意味着对人员和资源大量投资来保持数据的有序性，从而使分析工具能够流畅运行。
由于数据仓库的固定结构需要专门的管理，而且进行更改也需要大量的编码，因此这很快会变成代价高昂的工作。但是使用数据来推动电子商务的增长中存在的价值还是很值得的。
我们来看看利用数据来实现增长的一些方式。
数据湖中的整体洞察力和电子商务的灵活性
电子商务零售商通过创建客户档案并查看客户行为，如他们喜欢在哪天的什么时候去购物，他们通常购买的商品数量，以及他们通常会购买的商品，来显着改善需求预测。
一些批评家认为，数据存储系统仅仅是让数据保持原始和非结构化的形式，直到需要时才是毫无意义的。然而，数据湖架构的支持者认为，由于缺乏结构，这种“扁平”存储法实际上有着巨大的价值。数据湖允许更全面的数据科学方法，而不是限制他们使用的数据以及将信息集成到预先制作的分析模型中。越来越多的公司认为数据就是他们大多数的分析和数据存储需求。
数据湖的本质就是在没有任何限制和不创建层次结构的情况下收集数据。对于数据科学家来说，这有两个主要的好处：他们能够决定所需要的数据以及在不同情况下有用的数据，并且基于在每个情况下的需求来执行更加广泛的分析。
一些公司将数据湖看做是减少数据管理成本和复杂性的方式。例如提供在线服务的情绪智能公司Vicomi以高昂的成本来生成充足的洞察力。但是通过转向由Upsolver驱动的数据湖架构，他们能够大幅减少新分析模型的开发时间，预测新趋势以及吸引更多的客户。
对于需要快速创建新分析模型和不断改变营销手段来吸引新客户以及提高销量的公司来说，数据湖能够带来巨大的灵活性，并能够开发出过滤这一数据的新方式。
使用AI来预防障碍并预测电子商务增长机遇
破碎的系统和发现的机遇都是推动在数据和分析方面采用AI的最大驱动力量。
自成立以来，亚马逊公司取得了巨大的增长，成为世界上最大的电子商务商店之一，年收入为1000亿美元，是AI电子商务增长的重要例子。
这个电子商务巨头如果仅仅靠销售数据和电视游戏，是不会达到这一高度的。该公司增长的一个核心方面是确保客户一直都可以拥有他们需要的商品，并向他们展示他们不知道是否需要的商品。建立一个良好的算法来检测问题需要的不仅仅是分析传感器数据。
为了使用AI来理解数据，他们需要一种更好的方法将现有流程与专家驱动系统相结合，以便为操作人员提供更多的可操作反馈。这是通过AI电子商务和机器学习实现的。
通过分析买家的购买历史，亚马逊能够“预测”哪一位客户会购买下一个商品。不论你在何时浏览亚马逊的商品页面，每个产品的推荐和“购买该产品的客户还购买了”建议都是通过AI和机器学习生成的。你买的越多，亚马逊就能更加准确地为你推送相关产品推荐。这一方法帮助店家跟上线上购物的趋势。
通过数据挖掘客户的购买习惯，Target能够比怀孕女性的父亲更早知道怀孕的消息。通过创建一系列标准，商店能够区分哪些女性想要孩子并向她们发送相关的营销信息。这一方式虽然有些极端，但是却是产品营销最有效的方式。
但是电子商务中的AI并不仅仅适用于利用内部团队的大公司。
Clicktool（营销分析工具包和管理软件，提供必要的数据洞察力来进行高效的营销活动）的首席执行官Carlos Cruz说道：“大多数的企业家和营销人员都在收集数据，但是他们不确定如何整理或者利用数据来推动增长。我们从中看到了巨大的机遇。分析数据当前能够显示市场中的差别或者增长和销量中未被发现的新机遇。”
数据不仅仅关乎于预测问题，还在于依赖这一信息以便采取防御性措施。创建这种防御措施能够让你和你的团队使用数据来寻找新机遇，最终推动新的销售和电子商务的增长。
原文作者：Jia Wertz
