Когда происходят радикальные изменения, подобные тем, что были вызваны пандемией COVID-19, накопленные данные быстро теряют актуальность, а из-за этого устаревают и многие модели машинного обучения и искусственного интеллекта, отмечают аналитики Gartner. Процессы принятия решения становятся сложнее и слишком сильно зависят от технологий глубокого обучения, требующих большого количества данных. Поэтому сейчас необходимо обращаться к новым методам аналитики — так называемым «малым» и «широким» данным.
В анализе «малых» данных применяются некоторые методы анализа временных рядов, обучения с малым числом попыток, синтетические данные и обучение с самообучением. Им нужно меньше данных, но они все равно способны дать ценную информацию. Анализ «широких» данных предполагает изучение различных источников — малых и больших, структурированных и неструктурированных — и использование так называемой X-аналитики: выявления связей между источниками данных.
Методы анализа «малых» и «широких» данных могут быть применены для прогнозирования спроса в торговле, анализа в реальном времени поведения и эмоций клиентов с целью гиперперсонализации и улучшения обслуживания и многих других задач.
