2019年3月末，AI大数据分析公司Stratifyd在多伦多Hocky Hall of Fame举办了商业沙龙，与风险投资机构Georgian Partners，微软Microsoft for startups以及万事达Master Card Start Path项目的高层共同探讨AI的行业应用。
讨论议题包括AI项目落地的基础，非结构化数据分析、AI工作流（AI work flow）等。
#1AI项目落地的基础
Stratifyd创始人兼CEO，汪晓宇博士（Derek Wang）认为，AI的商业落地离不开企业对自身数据的积累，尤其是与消费者打交道的企业。
AI模型的构建需要丰富的数据，从这个角度来讲，满足以下这两点的企业使用AI技术将会更加游刃有余：
- 数据量有保证：对“全渠道（Omni-Channel）”数据都有积累；
- 数据形式丰富：结构化数据和非结构化数据（Unstructured Data）都能覆盖。
Stratifyd创始人兼CEO汪晓宇博士（右一）
万事达数字支付和实验室（Digital Payments and Labs of Master Card）的负责人Jose Gutierrez表示，数据本身就是巨大的难题。金融行业采集并积累了大量数据，这为AI的应用提供了良好的环境；但如何排除无效数据，以及挖掘结构化和非结构化数据都是很大的挑战。
#2非结构化数据分析
Tyson Baber，Georgian Partners的合伙人认为，“产品”这个概念终将被“体验”所替代。对企业来说，利用AI高效而准确地提炼消费洞察至关重要，这将指导企业更精准地提升消费者体验。
汪博士认为，分析非结构化的消费者反馈数据对企业有很大价值，他分享了一个世界500强汽车品牌探索消费者满意度下滑原因的案例：
非结构化分析示意图
该企业使用非结构化数据AI分析模块处理大量车主的反馈内容，提炼出很多导致不满的问题，而这些问题是之前没有被意识到的：比如追踪某个被抱怨的产品缺陷时，发现该问题是由生产环节中一个很小的疏忽导致的。
最终该企业根据这些高质量的洞察结果提升了产品体验，挽回了车主的信任。
“解决问题有时很容易，但发现问题而且能找到背后的原因并不简单，只有非结构化数据分析才能做到。”汪博士总结道。
#3引领变革的AI工作流
Microsoft for Startups的加拿大负责人Adam Nanjee表示“我们看到一些像Stratifyd这样的创新企业正在构建‘AI工作流（AI work flow）’解决方案，让更多企业都可以轻松应用最前沿的AI技术并嵌合到现有工作流中。”
汪博士介绍道，“很多数据分析师并非数据科学背景出身，认为AI模型的训练工作非常棘手，因为涉及复杂的算法和流程。而Stratifyd的Auto-Learn AI系统可以大幅降低模型训练的门槛，实现应用级商业模型的自动训练，让更多分析团队可以享受AI技术的红利。这就是‘AI工作流’的体现。”
他随后分享了Stratifyd帮助一家财富50强金融集团应用AI技术的案例：该企业收集了大量调查问卷、全渠道的投诉和咨询等反馈内容，绝大多数都是非结构化的文本数据。
原先数据分析团队要花费大量的时间手动总结消费者的意图和情感，而利用StratifydAI分析模块，这项工作在极短的时间就可以完成。
Adam和Jose共同表示Microsoft和MasterCard都愿意扮演桥梁的角色，利用自身拥有的全球资源网络，帮助像Stratifyd这样优秀的AI创新公司对接有需要的企业。
汪博士表示Stratifyd非常感谢合作伙伴们提供的机会，愿意为更多的企业提供AI驱动的全渠道消费反馈洞察服务。
