对于像AI一样先进和复杂的应用，有一个简单的方面：没有大量的高质量数据，AI就毫无用处。
但是您从哪里得到这些数据?您如何知道是否正确使用它?好吧，这样的事情远非易事。尽管他们拥有令人印象深刻的定量专业知识和一流的工程技术人才，但即使是技术巨头也可能面临挑战。但是，请务必记住事情正在变得越来越容易。现实情况是，许多公司可以利用大量数据来实现人工智能。
仅查看移动设备，它会生成大量相关数据。根据eMarketer的研究(通过Mobile Marketer)，预计人们将在2019年每天在其移动设备上花费3个小时43分钟，同比增长3.7%。这比人们看电视的时间还多。
但是，有一种类型的移动数据非常适合AI应用程序：移动属性数据。(完整披露：我公司提供了一个移动损耗数据平台。)
在大多数情况下，这是您在分析整个用户生命周期中的行为时所生成的信息，他们从中单击广告或电子邮件链接，然后单击以执行应用程序内操作。您的数据科学团队应收集这些数据以了解客户的旅程，然后努力回答以下问题：
•哪些营销渠道和活动最有效地导致了下载-顺序如何?
•与应用程序互动的程度是什么?
如果没有移动归因数据，将很难评估移动广告系列的效果，因为在成为用户的过程中，包括应用商店在内的各个步骤可能都是黑匣子。也没有cookie可以帮助您进行分析。
那么，如何确保移动损耗数据对您的AI有用呢?以下是关键数据注意事项：
•应该是第一方数据。考虑到来自其他公司的数据可能不直接适用于您要解决的用例，并且可能成本高昂且缺乏质量。您还可以更好地控制确保符合GDPR和各种州法律(例如CCPA)的隐私要求。
•每天应产生大量。
•它应该已经结构化。这是至关重要的，因为在AI项目上花费的大部分时间都花在整理数据上(包括清理，处理丢失的信息，处理异常值等)。
•应该是多点触控。这意味着您应该收集数据来显示跨不同渠道(包括Facebook，Twitter和Snap)的影响。
•它应该改善您的数据集以适应客户的旅程。查看用户转变为客户之前与品牌接触的接触点。
现在，这并不意味着移动归属数据将是完美的。仍然需要数据科学技能，以便您可以避免偏见。例如，如果您的样本主要位于一个地理区域，则结果很容易出现偏差。