صنعت بصیرت: عی اور ای کامرس کا مستقبل

مصنوعی ذہانت (اے آئی) ایک ایسا جملہ تھا جو سائنس فکشن میں تقریبا exclusive خصوصی طور پر استعمال کیا جاتا تھا تاکہ کسی بھی چیز کو بجلی پیدا کرنے کے لma آرماجیڈن کے جنون میں مبتلا سوپر کمپیوٹرز سے لے کر بے قابو فیکٹری روبوٹ تک بجلی کے گمراہ کن بولٹ سے جذباتی ہو۔ لیکن آج ، AI عملی طور پر کاروبار کے ہر ایسے پہلو کے مستقبل قریب کی وضاحت کرنے کے لئے استعمال ہوتا ہے جو کسی تنظیم کے اعداد و شمار کا فائدہ اٹھاتا ہے۔ مسئلہ ، کلاؤڈ کمپیوٹنگ کے ابتدائی دنوں کی طرح ہی ہے ، اے آئی ٹکنالوجی کے ڈویلپر ہر اس کی وضاحت الگ الگ کرتے ہیں۔ اس نے اے آئی ، مشین لرننگ (ایم ایل) ، پیشن گوئی تجزیات ، اور یہاں تک کہ ورچوئل اسسٹنٹس سے باہر ہونے والے مارکیٹنگ کے حوصلے پست کردیئے ہیں۔

مزید برآں ، بالکل یہ کہ یہ ٹکنالوجی کاروبار کے مختلف پہلوؤں کو کس طرح متاثر کرے گی ، تشریف لانا ایک مشکل زمین کی تزئین کی شکل اختیار کر گیا ہے۔ ای کامرس ایک اہم علاقہ ہے جس میں پردے کے پیچھے AI اور اس سے وابستہ ٹیکنالوجیز کا اثر رہا ہے۔ ای کامرس میں ، سمارٹ تجزیات ذاتی خریداری کے تجربات سے لے کر پیش گوئی کرنے والے کسٹمر سلوک تجزیہ تک نئی صلاحیتوں کی فراہمی کر رہے ہیں۔ ہم نے آئی بی ایم کے واٹسن کسٹمر منگنی کے انچارج بزنس یونٹ کے ایگزیکٹو کرس ہیمرک سے بات کی ، تاکہ AI اور ای کامرس سے متعلق کچھ الجھنوں کو دور کیا جاسکے۔ ہم نے اس پر بھی تبادلہ خیال کیا کہ بگ بلیو ای کامرس کی جگہ میں آئی بی ایم واٹسن کو کس طرح فائدہ اٹھائے گا۔

پی سی میگ: ہمارے ساتھ بات کرنے کے لئے وقت دینے کا شکریہ۔ شروع کرنے کے لئے ، ذاتی نوعیت کی تشہیر کو "ادراکی تجارت" سے الجھانا آسان ہے کیونکہ دونوں میں صارفین کی ترجیحات اور عادات کی پیش کش سے ملنے کے لئے ڈیٹا اور تجزیات کا استعمال شامل ہے۔ علمی تجارت اور ورچوئلائزڈ اسسٹنٹس جیسے امیزون کے الیکسا اور گوگل اسسٹنٹ کو الجھانا عام ہے۔ IBM ان AI سے چلنے والے ان تصورات کے درمیان فرق کو کس طرح دیکھتا ہے؟

کرس ہیمرک (کے ایچ): آپ ٹھیک کہتے ہیں: بازار میں AI کے ارد گرد بہت شور ہے۔ ماضی کو دیکھتے ہو technology ٹکنالوجی فراہم کرنے والوں کا کیا کہنا ہے ، دونوں B2C اور B2B کاروباروں کو مسابقتی دباؤ پر تیزی سے رد عمل ظاہر کرنا پڑتا ہے۔ بہت سے معاملات میں ، مقابلہ دراصل صنعت کے باہر سے آرہا ہے۔ یہ کاروباری اداروں کو یہ معلوم کرنے پر مجبور کررہا ہے کہ وہ موجودہ عمل کو بڑھانے یا ان پر نظر ثانی کرنے کا طریقہ بتائیں۔

مجھے وضاحت کرنے دو کہ آئی بی ایم کس طرح اے آئی کو علمی کمپیوٹنگ سے مختلف کرتا ہے۔ اے آئی کمپیوٹر کی انسان کی طرح سمجھنے اور اس کی وجہ بتانے کی صلاحیت ہے۔ علمی کمپیوٹنگ میں انسان اور مشین کو اکٹھا کرنے ، سمجھنے ، سمجھنے ، سیکھنے اور بات چیت کرنے کی صلاحیت شامل ہوتی ہے تاکہ وہ ایک دوسرے سے سیکھیں اور ایک دوسرے کے ساتھ مل کر اس طرح بات چیت کریں جو زیادہ طاقتور ہو۔

ڈیٹا نے AI کے لئے راہ ہموار کی۔ کاروباری اکائیوں ، بیرونی ذرائع ، تاریک ڈیٹا ، اور زیادہ سے زیادہ ، ایک اطلاق سے باہر کے تمام اعداد و شمار کے بارے میں کیا خیال ہے؟ ہم مختلف نظاموں کی دنیا میں رہتے ہیں جو ، جب جوڑ کر ، جب اعداد و شمار کے ذریعے کنکشن بنائے جاتے ہیں یا نئے نمونوں کی نشاندہی کی جاتی ہے تو ، 1 + 1 = 3 کی قدر فراہم کرسکتے ہیں۔ واٹسن کو ان تمام مختلف اعداد و شمار کے ذرائع تک رسائی ، جو انسانوں کے ساتھ بات چیت کرنے ، کاروباری سوالوں کو سمجھنے ، کارروائی کے پیچھے کی وجہ دریافت کرنے ، اور آخر کار اس تعامل سے سیکھنے اور اس سیکھنے کو مستقبل کے سوالات میں استعمال کرنے کے لئے ان تمام اعداد و شمار کے ذرائع تک رسائی ہے۔

سنجیدگی سے متعلق کاروبار کے مطابق ، واٹسن صارفین کو بہتر بنانے کے قابل بناتا ہے ، کہتے ہیں کہ کسٹمر ریلیشن مینجمنٹ کی بنیاد پر تجزیات گہری بصیرت حاصل کرسکتے ہیں اور مزید معلومات جیسے کہ سوشل میڈیا ، چیٹ رومز ، کسٹمر سروس ٹرانسکرپٹس جیسے تاریک اعداد و شمار پر عملدرآمد کرسکتے ہیں۔ ڈیٹا جو جدید CRMs میں شامل ہوسکتا ہے۔ واٹسن کا استعمال کرتے ہوئے ، مہمات زیادہ دانے دار معلومات اور بصیرت سے کام کرسکتی ہیں ، قیمتوں کا تعین ، تکمیل ، شپنگ پر عملدرآمد جیسی چیزوں کو بہتر بناتی ہیں۔ چیلنجز کے ہونے سے پہلے ان کا اندازہ لگائیں ، اور آخر کار کے پی آئی میں بہتری لائیں۔ اس سے کاروباری علاقوں میں صارفین کے ساتھ مل کر کام کرنے کی صلاحیت میں تیزی سے اضافہ ہوتا ہے اور کم کوشش سے کاروبار پر بہتر اثر پڑتا ہے۔

کاروبار آج اپنے وسائل سے یہ کام کرنے کی کوشش کر رہے ہیں۔ ان کے پاس اعداد و شمار اور ان کی بدیہی کے بارے میں رپورٹس ، بہت ساری اسپریڈشیٹ اور بہت سی میٹنگز ہیں۔ لیکن ، بالآخر ، بہت سارے معاملات میں ، وہ ایک علمی تعصب کی بنیاد پر عمل کرتے ہیں means جس کا مطلب ہے کہ وہ اس طرح کے اعداد و شمار کو ڈھونڈنے کے لئے تمام اعداد و شمار اور شور کے ذریعے فلٹر کرتے ہیں جس طرح سے پہلے کیا گیا تھا اس طرح سے فٹ بیٹھتا ہے۔ مؤثر طریقے سے ، اس فیصلے کی تشکیل کا تعصب ہے ، اعداد و شمار کی نہیں۔

خلاصہ کرنے کے لئے ، واٹسن کسٹمر کی مصروفیت کے تحت ، ہم کاروباری کارکردگی کو زیادہ سے زیادہ بنانے ، تجارتی فروخت / قیمتوں کے تعین سے متعلق فیصلوں کو بہتر بنانے اور سپلائی کے پورے سلسلے کو بہتر بنانے کے لئے علمی قابلیت کو عمل میں شامل کر رہے ہیں۔ کلائنٹ اسی واٹسن ایپلی کیشن پروگرامنگ انٹرفیس تک رسائی حاصل کرسکتے ہیں تاکہ وہ اپنی ذاتی حیثیت کی درخواستوں اور ادراک کی صلاحیتوں کے ساتھ عمل کرسکیں۔ سب سے اہم ، واٹسن نے عدم تضادات کو منظر عام پر لایا ، اقدامات کی سفارش کی اور کیوں اس کی وضاحت کی۔

پی سی میگ: بی 2 بی کامرس خود کار طریقے سے ، اور اسکیلنگ بولی اور قیمتوں کا تعین ، شرائط اور لین دین کے معاملے میں بی 2 سی سے کہیں زیادہ چالاک رہا ہے۔ مثال کے طور پر ، جبکہ صارفین قیمتوں کے لئے خریداری کرتے ہیں ، کاروباری قیمتوں میں سخت قیمتوں پر تبادلہ خیال کرتے ہیں اور قیمت کی خریداری میں سودے میٹھیوں کی توقع بھی کرتے ہیں۔ سنجشتھاناتمک تجارت ، یا علمی کمپیوٹنگ ، B2B ڈیلوں کو کس طرح انجام دینے کے لئے تیار ہے؟ اور اس میں خریداروں کے لئے اخراجات کس طرح ہوں گے اور بیچنے والے کے لئے منافع بہتر ہوگا؟

کے ایچ: بی 2 بی کامرس اس کی ایک عمدہ مثال ہے کہ انٹرپرائز کس طرح زیادہ سے زیادہ منافع بخشنے اور بہتر کسٹمر اور شراکت دار تجارتی تجربات فراہم کرنے کے لئے بی 2 سی دنیا میں رونما ہونے والے کچھ حیرت انگیز انقلابات کو استعمال کرنا سیکھ رہا ہے۔ درمیانے درجے کے کاروبار کو چھوٹے سے فروخت کرنے والے کاروباروں کو کچھ چیلنجوں کا سامنا کرنا پڑتا ہے جو ان کے خوردہ ہم منصبوں کے پاس ہیں ، جن میں مارجن کٹاؤ ، چینل کے تنازعات ، صارفین کی اطمینان ، "ایمیزون اثر" (ایمیزون بزنس کے ذریعے) شامل ہیں ، جو صارفین کو اپنی مطلوبہ خریداری کا راستہ منتخب کرنے دیتے ہیں۔ ٹرانزیکشنل چینل ، اور اس طرح کی فراہمی کے ذریعے لوگوں کو صحیح مواقع پر توجہ دینے کے لئے فروخت کنندگان۔

پہلا قدم آپ کے شراکت داروں اور صارفین کو آپ کے مقابلے اور اعلی سطحی کسٹمر سروس سے بہتر مجموعی تجربہ فراہم کرنا ہے جس کی لوگ اس دن اور عمر میں توقع کرتے ہیں۔ اگر میں آپ کا صارف ہوں تو ، اس کا مطلب ہے کہ آپ کو قیمتوں کی قیمت سے متعلق میری شرائط ، میری خریداری کی تاریخ جاننے کی ضرورت ہوگی ، مجھے وہ پروڈکٹ یا پیشکش دکھائیں جو میرے کاروبار سے متعلق ہوں ، اور مجھے ایک صارف میں ان مصنوعات اور خدمات کو استعمال کرنے کی اجازت دیں۔ دوستانہ حل. علمی قابلیت ان اہداف کو پورا کرنے کے ل پوری ویلیو چین میں بنے ہوئے ہیں اور ان کو بننا چاہئے۔

آج ، ہم بہت ساری صنعتوں میں یہ ہوتا دیکھ رہے ہیں۔ اس کو مزید ایک قدم آگے بڑھانے کے لئے ، سوال کو صرف "ٹرانزیکشن" سے بالاتر کریں اور اس پر غور کریں کہ B2B مختلف صنعتوں میں کیا معنی رکھتا ہے اور وہ اپنے صارفین کو کس طرح خدمات فراہم کرتا ہے۔

مثال کے طور پر ، سرکردہ مینوفیکچر مصنوع کے آغاز کے دوران سپلائی چین کی رکاوٹوں اور انوینٹری کی قلت سے بچنے کے لئے موسمی نمونوں کی توقع کرسکتے ہیں۔ ہمارے کلائنٹ میں سے ایک ، کون ، لفٹ سے آئی او ٹی کے اعداد و شمار کو پہننے اور آنسوئوں کی توقع کے لئے اور خدمت کی بندش سے پہلے دیکھ بھال کو ترجیح دینے کے لئے استعمال کررہا ہے۔ طبی شعبے میں ، کویسٹ تشخیص کار واٹسن کو کسی فرد کے ٹیومر کے بایڈپسی کا تجزیہ کرنے اور ڈی این اے کی ترتیب کو لاکھوں صفحات کے جریدوں ، تحقیقی مقالوں ، اور کلینیکل ٹرائلز سے تشبیہ دینے کے ل is استعمال کررہی ہے تاکہ کسی مخصوص ماہر کے علاج کے لئے بہترین تجویز پیش کی جاسکے۔ .

یہ مثالیں واضح طور پر بڑے پیمانے پر مختلف ہیں لیکن اس پر صرف زور دیتا ہے کہ امکانات نہ ختم ہونے والے ہیں۔ ہم صرف علمی سفر کے آغاز میں ہیں۔ ہم ابھی بہت سارے طریقوں کو ڈھونڈنا شروع کر رہے ہیں جو اس ٹکنالوجی سے کاروبار اور اپنے صارفین کے مابین تعلقات کو بہتر بنانے میں مدد مل سکتی ہے۔

پی سی میگ: ڈیجیٹل تبدیلی ہر جگہ تیز رفتار سے واقع ہورہی ہے اور جو ہم نے پہلے دیکھا ہے اس سے کہیں زیادہ ڈیٹا تشکیل دے رہی ہے۔ لیکن ڈیٹا سائنس دانوں کا خیال ہے کہ - اور IBM اتفاق کرتا ہے - کہ ڈیٹا کو تنہائی میں نہیں ہونا چاہئے کیوں کہ اس کی اہمیت پیچیدہ سوالات میں بامعنی گہرائی اور سیاق و سباق کو شامل کرنے میں مضمر ہے۔ واٹسن غیر اعلانیہ اعداد و شمار اور پیچیدہ سوالات کے ساتھ کیوں کام کرنے کے لئے انفرادیت رکھتا ہے؟

کے ایچ: جیسا کہ ہم نے پہلے بھی تبادلہ خیال کیا ، تمام اعداد و شمار کا 88 فیصد موثر طریقے سے تاریک ہے۔ مطلب ، وہ اعداد و شمار جس میں بصیرت پر مشتمل ہے ہم سب کو تلاش کرنے کی کوشش کرتے ہیں وہ ڈیٹا ذرائع میں نہیں ہیں جو ہضم کرنے یا فلٹر کرنے میں آسان ہیں۔ مزید یہ کہ ڈیٹا سائنس دان مہنگے وسائل ہیں اور اپنی تعلیم کو آسانی سے پورے کاروبار میں یا چھوٹی کمپنیوں تک نہیں پہنچاتے ہیں۔

واٹسن کے ساتھ ، مقصد یہ ہے کہ اس تاریک اعداد و شمار کو لیا جائے اور جس کو اس کی ضرورت ہو اس کے لئے اس کو قابل عمل بنائے۔ امکانات لامتناہی ہیں۔ واٹسن کے پاس مختلف زبانوں میں تشکیل شدہ اور غیر ساختہ اعداد و شمار کی بڑی مقدار استعمال کرنے ، متعدد علمی خدمات کے ساتھ اعداد و شمار پر عمل کرنے ، کاروباری صارفین سے لے کر صارفین تک کسی بھی سامعین کے تجربے کو بہتر بنانے اور دیگر کمپنیوں کے لئے یہ خدمات فراہم کرنے کی منفرد صلاحیتیں ہیں۔ ان کی درخواستوں کے اندر

یہاں بہت ساری مثالیں موجود ہیں۔ ایک تو ، "واٹسن ٹون تجزیہ کار" ایک لسانیاتی تجزیہ تجزیہ کرتا ہے جو گفتگو کو اور مواصلات میں ٹونوں کا پتہ لگاسکتا ہے اور اسے مناسب طریقے سے جواب دینے کے لئے سمجھ سکتا ہے۔ "واٹسن شخصیت بصیرت" شخصی کی خصوصیات کو نکالتا ہے اس پر مبنی کہ کوئی شخص کیسے لکھتا ہے۔ "واٹسن گفتگو" آپ کو بوٹ یا ورچوئل ایجنٹ کو آلے ، سلیک جیسے میسجنگ پلیٹ فارم یا کسی روبوٹ پر بھی تعینات کرنے کی اجازت دیتا ہے۔

اور "واٹسن بصری شناخت" تصویروں کے مندرجات کو سمجھتا ہے۔ یہ میرے پسندیدہ میں سے ایک ہے کیونکہ یہ اتنا ورسٹائل ہے۔ آپ کسی خوردہ اسٹور میں مخصوص قسم کے لباس کا پتہ لگانے ، گروسری اسٹور کی انوینٹری میں خراب پھلوں کی نشاندہی کرنے ، اپنے انشورنس گاہکوں میں سے کسی کی چھت کو ہونے والے طوفان کے نقصان کا تجزیہ کرنے کیلئے بصری شناخت کا استعمال کرسکتے ہیں۔

پی سی میگ: آج بیشتر تنظیموں میں ڈیٹا کو جمہوری بنانے کا کام جاری ہے۔ لیکن فلپسائڈ یعنی ڈیٹا کو استعمال کرنا بھی اوپر کی طرف رجحان ہے کیونکہ صارفین ہر روز ڈیٹا سے چلنے والے زیادہ فیصلے کر رہے ہیں۔ واٹسن اور علمی تجارت اس ڈیٹا کو استعمال کرنے کے رجحان میں کیا کردار ادا کرسکتی ہے؟

کے ایچ: یہ ایک عمدہ نکتہ ہے: زیادہ کاروباری فیصلوں کو چلانے کے لئے اعداد و شمار کا استعمال نہیں کیا جاتا ہے ، بلکہ یہ صارفین کے زیادہ فیصلوں کو بھی آگے بڑھاتا ہے۔ کاروبار کی طرح ، صارفین زیادہ باخبر انتخاب کرنے کے لئے مزید اعداد و شمار چاہتے ہیں ، لیکن وہ زیادہ سے زیادہ اعداد و شمار کے ذریعہ زیادہ وقت اور توانائی کی تیاری پر خرچ نہیں کرنا چاہتے ہیں۔ وہ ایک تیز رفتار نتیجہ چاہتے ہیں اور یہ جاننا چاہیں کہ اس خاص لمحے میں ان کی ضرورت کے مطابق یہ بہترین فیصلہ ہے۔ آخر میں ، وہ اس فیصلے کو کس ڈیٹا سے آگاہ کرتے ہیں اس میں مرئیت چاہتے ہیں۔

کچھ جوڑے مثال: سب سے پہلے ، 1-800 - پھولوں نے تحفے وصول کنندہ کے جذبات اور ذاتی ترجیحات کی بنیاد پر بہترین مصنوعات کی تلاش میں خریداروں کی مدد کرنے کے لئے حال ہی میں "گیوین" کو ایک ذاتی دربان بوٹ کے طور پر متعارف کرایا۔ واٹسن کا استعمال کرتے ہوئے ، گوئن قدرتی زبان کا استعمال کرتے ہوئے آن لائن صارفین کے ساتھ بات چیت کرسکتے ہیں۔ مثال کے طور پر ، کوئی صارف ٹائپ کرسکتا ہے ، "میں اپنی والدہ کے لئے تحفہ ڈھونڈ رہا ہوں ،" اور گوین اس سوال کی ترجمانی کرسکیں گے ، اور پھر موقع اور جذبات کے بارے میں بہت سے اہلیت سے متعلق سوالات پوچھ سکتے ہیں تاکہ اس بات کو یقینی بنایا جاسکے کہ وہ مناسب فراہمی فراہم کرتی ہے۔ اور ہر صارف کو تحفہ کے مطابق تجویز۔ اس سے کیٹلاگ کو ذاتی نوعیت کا ملتا ہے ، خریدار کو کم ڈیٹا دکھاتا ہے ، اور بات چیت پر خصوصی طور پر توجہ مرکوز کی جاتی ہے جو خریدار اس وقت پورا کرنا چاہتا ہے۔

اسی طرح ، شمالی چہرہ اپنے خریداروں کی مدد کے لئے باہمی تعامل ، بات چیت پر مبنی نقطہ نظر فراہم کرتا ہے۔ آپ شاید جیکٹس کو پیچیدہ مصنوع کی حیثیت سے نہیں سوچیں گے لیکن وہ ہیں۔ موسم کی حد ، سرگرمی کی سطح اور نقل و حرکت جیسے بہت سے عوامل ہیں جن پر خریدار ابتدائی طور پر غور نہیں کرسکتا ہے۔ منطقی استدلال کا اطلاق کرنے کے لئے واٹسن کی صلاحیتوں کا استعمال کرتے ہوئے اور اس کی قابلیت قدرتی زبان کو سمجھنے ، درجہ بندی کرنے اور اس کی تشخیص کرنے کے ل، ، شمالی چہرہ کا نظام مصنوعی مصنوع اور مشمولات کی تجاویزات فراہم کرنے کے لئے بہتر سوالات کا ایک مختصر سلسلہ کہتا ہے جو خریدار کی واضح خواہشات اور ترجیحات سے مطابقت رکھتا ہے۔ اس میں یہ وجہ بھی بتائی گئی ہے کہ مصنوعات کی خصوصیات ان مخصوص ضروریات سے مماثلت کیوں ہے۔ اس سے آپ کو سفارش کی توثیق کرنے کے لئے ضروری اعداد و شمار کو بے نقاب کیا جاتا ہے۔

یہ ہمارا پختہ یقین ہے کہ صارفین تمام چینلز میں اپنی مرضی کے مطابق ، ذاتی نوعیت کی خدمت کی اس سطح کی توقع کر رہے ہیں۔ وہ چاہتے ہیں کہ تجربہ گفتگو میں زیادہ ہو ، تجربہ ہو ، جہاں ان سے پوچھا جائے کہ "آج میں آپ کی کس طرح مدد کرسکتا ہوں؟" یہ آپ کی خدمت کی طرح ہے جب آپ خوردہ اسٹور میں داخل ہوتے ہیں جو عظیم کسٹمر سروس کے لئے جانا جاتا ہے۔ وہ کمپنیاں جو بہترین برانڈ کے تجربے مہیا کرسکتی ہیں ، بالآخر وہی ہوں گی جو زیادہ سے زیادہ مارکیٹ شیئر حاصل کرتی ہیں۔

پی سی میگ: ایسا معلوم ہوتا ہے کہ ہم پہلے ہی تیزی سے اس دن کے قریب پہنچ رہے ہیں جب حقیقی استعمال کے معاملات میں ڈیٹا تجزیہ بھی بہت کم ہوتا ہے۔ ہمیں جلد ہی فعال معاونین virtual یا ورچوئل اسسٹنistanس کی ضرورت ہوگی اور توقع کریں گے جو محض پیش گوئی نہیں کرتے ہیں ، لیکن حقیقت میں اس سے پہلے ہی اندازہ لگائیں گے کہ ہمیں اس کی طلب کرنے سے پہلے ہی کیا ضرورت ہوگی یا کیا چاہیں گے۔ ہم گوگل کے حال ہی میں اعلان کردہ "پریکٹیو اسسٹنٹ" میں اس کے ابتدائ جھلک دیکھتے ہیں۔ فعال تجزیات کے معاملے میں IBM کیا کر رہا ہے؟

کے ایچ: یہ ایک ایسا علاقہ ہے جہاں آئی بی ایم نے بہت ساری توانائی خرچ کی ہے۔ ہم علمی صلاحیتوں کی فراہمی پر توجہ مرکوز کر رہے ہیں جو کاروباری اداروں کو B2C اور B2B دونوں منظرناموں کے لئے بامقصد صارفین کی مصروفیت کے تجربات فراہم کرنے میں مدد فراہم کرتی ہے۔ ہم نے پہلے ہی متعدد مثالوں پر تبادلہ خیال کیا ہے۔

مجھے یقین ہے کہ کاروباری تاریخی طور پر زیادہ سے زیادہ متعلقہ اعداد و شمار تک رسائی حاصل کرنا چاہتے ہیں۔ پچھلے کئی سالوں میں ڈیٹا دھماکے کے ساتھ ، اب ہمارے پاس بہت سارے ڈیٹا موجود ہیں۔ اب مسئلہ یہ ہے کہ اس سارے ڈیٹا کو تعصب کے بغیر کیسے قابل استعمال بنایا جائے۔ اس کے علاوہ ، ہمیں بتائیں ، میں موجود تاریخی اعداد و شمار کو متوازن بنانا ہے ، ایک CRM سسٹم کو اس حقیقت کی حقیقت کے ساتھ کہ ممکنہ خریدار کو اب کس چیز کی ضرورت ہے۔ سی آر ایم سسٹم جو کہتا ہے کہ اس نے پہلے خریدی تھی اس سے ہمیں مکمل طور پر اندھا نہیں کیا جاسکتا۔

علمی ایک نیا سی آر ایم کو قابل بناتا ہے یا کم سے کم مجموعی فیصلے میں ایک متغیر ثابت ہوتا ہے۔ کمپنیاں کسی بھی B2B یا یہاں تک کہ B2C صارف پر ہزاروں ڈیٹا پوائنٹس رکھ سکتی ہیں۔ لیکن اس تاریخی نقطہ نظر کو بہت ہی کم ڈیٹا پوائنٹس کو دھیان میں رکھنے کی ضرورت ہے جو گاہک خریداری پر غور کرنے کے اسی لمحے سب سے زیادہ اہم ہوسکتے ہیں۔ اس میں متغیرات جیسے جذبات ، رجحانات اور دیگر خارجی عوامل شامل ہوسکتے ہیں۔

اگلی بہترین کاروائی کی پیش گوئی کرنے کے ل each ، ہر کاروبار کو اپنے صارفین کے خریدنے کے نمونوں کا اندازہ لگانا اور اس بات کا تعین کرنے کی ضرورت ہوتی ہے کہ ان کے ماحول کی موجودہ یا پیش گوئی کی جانے والی حقائق تاریخی سی آر ایم ڈیٹا کو کب متاثر کرتی ہے۔ یہی فعال تجزیاتی وژن ہے جس کی طرف IBM کام کر رہا ہے۔