原文发表于 Campaign ，作为DMEXCO之路系列的一部分。
在一个已经很复杂的行业中，我们倾向于过度复杂化。我们都知道这样一个笑话：我们把3个字母的缩写放在所有东西上（和任何东西）。但当涉及到大数据和智能数据--以及所有介于两者之间的技术时，我们承认其复杂性是正确的。事实是，大数据的正确应用是非常困难的，把越来越多的机构扔到问题上并不是解决办法。在Xaxis，我们相信机器学习提供了我们行业数据拼图的缺失部分。
数据的巨大努力
所有的公司都有数据 - 但他们不一定以最有效的方式使用它。储存、提取和实时应用数据是一项巨大的努力，如果在进入市场的时间上有延迟，一个广告可能不再适用于用户。 我们还有一些路要走，以确保受众数据在创意中得到最佳利用，以及创意中的动态元素在活动中得到利用的方式。但是，专注于有效利用我们的数据来提高品牌忠诚度和消除浪费必须成为操作的标准。
向机器智能转变
创意和技术可以比几年前更好地相互交流，而且它们会继续更紧密地走到一起。解决方案的一部分是机器智能。大多数数字生态系统仍然在手动管理活动的小部分，包括重复的优化任务，这些任务可以而且应该由机器实时管理。
在Xaxis，我们有自己的机器学习技术，叫做Co-Pilot，它帮助我们建立最佳的交易手段。在不到7个月的时间里，Co-Pilot已经运行了5000多个活动，在美国将客户的可看性指标提高了30%。 它还使交易员的效率提升了50%。这使我们的运营团队能够更加专注于活动策略--他们真正的才能所在。
对数据科学的持续投资为机器学习变得更加丰富提供了可能。人工智能永远不会取代运营团队和数据科学家的能力--必须保持人工智能和人类智慧之间的平衡。但是，数据科学的角色对组织来说将变得越来越重要，为机器学习提供信息。
这对我们的行业来说不是一个简单的演变。这是一个需要时间的过程，并将内在地改变工作职能、工作流程以及数字创意人的管理方式。凳子的这三条腿：创意的组成部分；机器学习/人工智能，以及大数据的智能应用将创造下一代的数字生态系统。 从本质上讲，这些类型的变化将创造一个重要但复杂的过渡，进入我们行业的下一个演变。
