有针对性地使用人工智能和数据

人工智能和分析：声誉管理的新机遇

公司越来越多地根据数据做出业务决策。数字技术不断创造出新的 “传感器”，提供信息并可用于数字流程。这首次实现了对从产品开发到销售、营销和企业传播的整个流程进行非正式调查。公司流程的自我优化意味着价值创造管理可以更好地适应不断变化的市场、竞争或监管条件。

此外，由各种利益相关者群体推动的社会趋势和变化，企业越来越无法忽视，以免危及其业务模式。这也是当今企业和组织全天候监控全球新闻和讨论的原因。传统的分析和报告系统为企业传播提供了支持，使其能够纵览全局，并将相关信息与无关信息区分开来。与此同时，数字技术正在改变传统的企业传播工具，并不断提高对专业企业传播的要求。为了在未来与利益相关者保持对话，企业传播必须长期应对大数据和人工智能技术以及新的传播平台。这将不可避免地使企业传播更加数据化和自动化。

这也是《2016 年欧洲传播监测报告》的评估结果，该报告今年首次分析了企业传播中对大数据的了解、认知重要性和使用情况。43 个欧洲国家的 2700 多名专家接受了此次初步评估调查。调查结果为企业传播在处理实时监控和数据分析方面提供了行动领域和影响，为制定维护企业声誉的战略奠定了基础。然而，尽管欧洲四分之三（73%）的传播专业人士认为大数据将改变他们的职业，但调查显示，迄今为止，大数据在实践中的应用还很少。在 11 个可能的原因中，缺乏分析技能（49%）、时间太少（45%）、缺乏技术技能（37%）、预算原因（24%）和组织障碍（23%）被认为是在企业传播中使用大数据的最大障碍。此外，在基于大数据的分析中使用人工智能的可能性也很大。

以数据为导向进行交流，做出更好的决策

从根本上说，大数据和分析就是对大量数据进行结构化收集、分析和解读。可用于分析的数据正在以惊人的速度增长和变化。因此，企业传播面临的挑战是如何收集大量数据，而且越来越多的是实时数据，并对这些数据进行解读，从而为决策提供可靠的依据，支持管理层有针对性地、高效率地对业务决策进行评估和鉴定。为此，企业传播部门必须决定如何将大数据用于战略传播，必须满足哪些先决条件才能成功利用大数据，以及应在哪些领域应用大数据。这也改变了如何在大数据基础上规划和管理传播的过程。此外，还存在使用哪些大数据和分析应用程序以及如何协调这些应用程序的问题。当前的流程模型概述了一个典型的流程，包括七个步骤：1.目标定义；2.数据生成；3.数据清理；4.数据转换；5.数据分析；6.评估；7.结果准备。每个企业传播机构都必须根据自身情况调整和实施这一流程。这是一项具有挑战性的复杂任务，需要反复试验和反馈，直到整个流程能够发挥效用并获得可靠的结果。流程模型中的每个步骤都与特定的挑战相关联。由于大数据的所谓附加值在于分析大量数据，因此数据分析在整个流程中扮演着特殊的角色。

数据分析的四个阶段

大数据分析可分为四个复杂级别。描述性分析提供任何变量的信息，例如 “点赞 “或 “页面浏览 “的数量。收集到的信息既可以实时分析，也可以回顾查看。诊断性分析则更进一步，可以对原因、相关性和模式进行更深入的分析。例如，根据经验数据并利用算法，可以直观地了解某个话题的病毒性或某条信息的传播情况，以及其发展的原因。预测性数据分析则更进一步，可以做出前瞻性声明。这使得预测未来事件的可能性成为可能。几个预测因子结合在一起，形成一个预测模型，从而以可接受的可靠程度分析未来的概率。在预测分析中，数据被收集并转换到统计模型中，以便进行推理和预测。如果这一过程是实时进行的，那么模型就会不断得到验证，并在获得更多数据时进行调整，以进一步丰富模型。在实践中，预测性数据分析越来越多地应用于研究或工业 4.0 的工业生产环境中。然而，这需要大量的数据，而要用预测分析做出适当的预测，往往无法获得这些数据。这就是为什么企业传播领域的预测分析目前仍然非常罕见的原因，即使未来市场上会出现针对特定使用领域的新应用。专家们认为，预测分析主要应用于网络营销（通过累积销售数据更准确地预测销售趋势）、问题和利益相关者管理（推导特殊情况或危机下的态度和行为）或声誉管理（产品和品牌信息的传播和感知）。

从数据到最佳决策

最高学科是规范性分析。它不仅能提供描述或预测，还能提供具体的决策支持和行动建议。实现这一点的前提条件是将通信过程中的不同数据孤岛连接起来，例如在客户关系管理系统、营销自动化系统或内容分发与情感或网络分析之间建立联系。描述性分析与描述性分析、诊断性分析和预测性分析有关。描述性分析和诊断性分析有助于深入了解已发生的事件，预测性分析有助于建立模型并预测未来可能发生的事件，而规范性分析则力求根据已知参数从一系列选项中找出最佳解决方案或最佳结果。规范性分析还可以提出决策方案，以利用未来的机会或减轻未来的风险，并说明决策方案的后果。在实践中，规定性分析可以持续自动处理新数据，以提高预测的准确性，并提供更好的决策选项。处理速度的提高以及应用于数据集的复杂数学算法的发展，使得规范性分析成为可能。规范性分析中使用的具体技术包括优化、模拟、博弈论和决策分析方法。如今，规范性分析更多出现在商业分析（BA）领域，而不是企业传播领域。不过，在未来几年中，企业传播领域也很有可能使用规范性分析方法，以便针对特殊情况和问题找到最佳方法。以数据为基础的自动化大数据和人工智能应用的快速发展（目前主要用于优化工业生产过程）指明了前进的方向，并展示了企业传播在不久的将来在持续改善企业价值创造方面的可能性。