10 月 27 日——虽然公司在各个方面都吹捧消费者数据的重要性，从预测未来购买到客户流失，但现实情况是，超过五分之四的营销主管报告存在困难根据 Wakefield Research 对Pecan AI的高级营销主管进行的一项新研究，尽管他们掌握了所有消费者数据，但在做出数据驱动的决策时， Pecan AI是业务团队和支持他们的 BI 分析师的基于 AI 预测分析的领导者. 令人惊讶的是，该研究还发现同样数量的受访者 (84%) 表示他们预测消费者行为的能力感觉像是猜测。
在受访者中，大多数或所有 (95%) 公司现在将 AI 驱动的预测分析集成到他们的营销策略中，其中 44% 的公司表示他们已将 AI 驱动的预测分析完全集成到他们的战略中。在公司已将 AI 预测分析完全整合到营销策略中的营销主管中，90% 的人表示他们很难做出日常数据驱动的决策。所有 250 名受访者都明确表示，他们希望为其团队获得额外的人工智能功能和预测洞察力，这清楚地表明当前的预测分析实施无法满足当今营销团队的需求。
Pecan 联合创始人兼首席执行官 Zohar Bronfman 表示：“如今，大多数公司都采用手动模型构建方法，结果未能满足营销团队的需求，这很不幸，但也不足为奇。” “虽然数据科学家可能擅长构建软件模型，但他们离业务的细微差别太远而无法发挥作用。此外，考虑到快速变化的市场条件和消费者行为，考虑到他们的工作量，他们的响应速度太慢。如果提供正确的工具，营销人员和营销分析师将完全有能力处理预测分析职责。”
当被问及阻碍数据项目进展的主要障碍时：
42% 的人表示数据科学家没有时间满足要求
40% 的人说那些建立模型的人不了解营销目标
38% 的受访者表示数据科学家没有提出正确的问题
37% 的受访者表示使用错误或部分数据来构建模型
该研究还发现，几乎所有 (93%) 接受调查的营销主管都同意，如果数据科学家能够使用低代码/无代码 AI 预测建模工具将可自动化指标用作未来流失和生命周期价值，他们可以解决更复杂的问题。
除其他发现外，该研究还表明，当今的营销主管需要的不仅仅是从他们的数据投资中获得普遍可行的见解。61% 的目标是让他们的团队能够从我们的数据中提取最有影响力的分析。重要的是，这些信息不仅应该具有影响力，还应该针对关键的团队 KPI 并且容易浮出水面：60% 的营销领导者表示他们希望“从我的数据中发现特定的 KPI，而不是寻找潜在有用的见解。”
