格伦·厄本 阿尔乔姆·季莫申科 帕拉姆维尔·迪隆 约翰·豪泽

深度学习在大数据库分析方面的优势越来越明显，它可以从中摸索出规律并得出洞见。不难想象有一天，企业能够广泛整合各种数据库，以更高的水准和更强的分析能力来识别消费者需求，并利用所得信息进行精准的市场营销。

深度学习和普通数据分析究竟有何不同？它是实现了质的飞跃，还只是稍有改进？为了比较两者的作用，作者研究了一个与信用卡市场相关的大型数据库，探寻多层次深度学习模型是否可以比传统模型更准确地预测人们对信用卡的选择。

该数据库源自大型信用卡网络供应商NerdWallet，其中包括点击流、人口统计和广告曝光等相关信息。作者利用这个数据库比较了三种顾客选择信用卡的模型。第一种是简单线性回归模型，第二种是简单的深度学习模型，第三种是简单深度学习模型的加强版。

根据分析，两种基于深度学习的模型都能够比传统方法更准确地预测用户对于信用卡的选择。然而，改进并没有预期的那么大：简单线性回归模型的准确率为70.5%，简单深度学习模型的预测准确率稍高一些，为71.7%，复杂深度学习模型的预测准确率为73%。

既然深度学习对选择预测的改进有限，市场营销部门是否还有必要投资该技术并开发其关键能力？作者认为，和传统的数据分析相比，深度学习带来的预测准确率的小幅提升，在多数情况下不大可能产生足够丰厚的回报，因此不值得大举投资。……