В рознице, продажи имеют огромное значение. Управление товарами, комплектация, упаковка и доставка — затратные по времени и трудоемкие процессы, которые имеют огромное влияние на эффективность бизнеса.
Проблема в том, что это сложные процессы, особенно в крупных компаниях, которые могут распространяться не только на несколько офисов, но и даже на взаимодействия между странами. Так как эти процессы часто могут зависеть от внешних факторов – поставщиков или погодных условий – то это делает их еще сложнее. Вот почему компании — как крупные, так и мелкие — последнее время занимаются обработкой аналитических данных, и с каждым годом объемы таких данных только увеличиваются. Увеличение эффективности в таких сложных системах, которые связаны с выполнением многочисленных задач, — это решаемая задача искусственного интеллекта (ИИ). Короче говоря, речь идет о способности машин делать все это экономично и эффективно.
Monte Zweben – генеральный директор компании Splice Machine, которая предоставляет платформу для аналитической обработки базы данных, рассказал три ключевые области, на которые компании все чаще посматривают на основе анализа данных в целях повышения эффективности решения задач. Такой подход станет более важным для компаний во всех секторах, которые хотят быть впереди, внедрять инновации и расширять свою клиентскую базу.
Сегодня «интернет» означает, что все взаимосвязано и это возможность получать любую информацию и обмениваться данными. Это означает, что все можно измерить, рассчитать и все эти данные могут быть направлены на обучение искусственного интеллекта — его можно обучать до тех пор, пока он не расскажет все «секреты» о том, как он работает, и что важно, а также как он взаимодействует с любой другой частью процесса. Все эти данные могут быть собраны в одно целое — создание информации, ее передача, время когда данные используются, или их местоположение и т.п.
«Итак, теперь вы можете построить модель обучения искусственного интеллекта,» — говорит Zweben, — и эта модель может прогнозировать какую-либо событие на основе полученных данных. “Какова вероятность того, что вы не опоздаете с этим заказом? Какова вероятность того, что вы опоздаете на день? Пять дней? Это в основном проблема классификации”. Это означает, что можно провести глубокое моделирование, позволяющее оценивать последствия, побочные эффекты задержки или пропущенные и крайние сроки, прежде чем они станут проблемой, даже если они не могут быть полностью устранены из-за зависимости от внешних факторов. В тех случаях, когда это так, корректирующие действия могут быть предприняты в нужный момент.
Сокращение времени простоя из-за неисправностей и поломок.
Техника всегда выходит из строя, изнашивается или ломается – это, безусловно часто происходит в промышленных решениях, которые полагаются на сложные механизмы с движущимися частями, выполняющие специализированные задачи. «Если вы можете построить модели искусственного интеллекта, которые прогнозируют среднее время между отказами и сбоями деталей в крупных масштабах инженерных сетях, и узнать истинное время выполнения замены этих частей, вы можете получить решение в режиме реального времени, что вам следует покупать, исходя из тех прогнозов, что будет изнашиваться в первую очередь, а что потом, и сколько времени это займет чтобы заменить ту или иную часть,” — сказал Zweben. Это профилактическое обслуживание изначально было применено в тяжелой промышленности, где простои могут иметь катастрофические последствия.
Сокращение и пополнение запасов.
В розничной торговле не все запасы, которые поступают, в конечном итоге будут продаваться клиентам — это означает, что определенная сумма будет потеряна из-за неправильного управления запасами, ошибок инвентаризации, мошенничества и кражи. В ходе цепочки поставок, которая эффективно контролируется аналитической системой, основанной на собранных данных с помощью ИИ, существует множество возможностей для их сокращения — и, возможно, в некоторых областях устранение неполадок. «Если вы постоянно заказываете товар, то есть конкретная статистика, что из 100 единиц какого-либо товара есть испорченный продукт. Если доставляется только 90 единиц, а Вам нужно 100, то вы должны позвонить своему поставщику и сказать, что вам нужны еще 10 единиц — вы можете найти недостающие товары через линию поставки. Это означает, что вы можете предсказать, сколько вам действительно нужно заказать единиц» — говорит Zweben.
Будущее.
Анализ, основанный на данных, такого рода как искусственный интеллект, в будущем, будет играть незаменимую роль в оптимизации поставок товаров. Подобного рода анализ является областью крупных, национальных и межнациональных сетей из-за необходимости больших объемов и связанных с ними затрат и сложностей. Однако все чаще инфраструктура, предоставляемая “как услуга” и готовые аналитические платформы в сочетании с новыми рынками для покупки внешних данных, позволяют использовать их и для операций меньшего масштаба. Все чаще решающим фактором при выборе этой технологий будет становится не размер аналитического бюджета компании, а именно стремление компании использовать данную технологию в развитии бизнеса.
Раннее на нашем сайте, мы писали о крупнейших брокерах в области анализа данных и о том, как развивается искусственный интеллект в киберспорте.