F:
Kan samma maskininlärningsverktyg fungera för både detaljhandels- och tillverkningsföretag?
A:När det gäller att skräddarsy maskininlärningsverktyg för både detaljhandels- och tillverkningsföretag finns det några betydande likheter, men det finns också grundläggande skillnader.
I detaljhandeln är de allra flesta maskininlärningsverktyg och processer inriktade på försäljning och kundorienterade initiativ. Företag använder den enorma kraften i maskininlärning för att gräva igenom data som gör att de kan sälja, vilket ökar konverteringen och därmed vinster. Ett utmärkt exempel som sträcker sig över gränsen mellan maskininlärning och konstgjord intelligens är att sträva efter kunduppsökning kring kundvagnens övergivande. Uppsättningarna verktyg som aktivt når ut till kunder som har övergivit föremål i en kundvagn klassas ofta som verktyg för konstgjord intelligens, men andra verktyg som helt enkelt samlar och analyserar data för att utveckla mänskedrivna system är exempel på maskininlärning som tillämpas på detaljhandeln.
| Gratis nedladdning: Machine Learning and Why It Matters |
När det gäller tillverkning ser maskininlärningslandskapet ganska annorlunda ut. Maskininlärning gäller tillverkning och produktion av fysiska varor på en hel del unika sätt. Mycket av värdet av maskininlärning i tillverkningen tillämpas på hanteringen av leveranskedjor. Maskininlärning informerar om underhåll, reparation och översyn (MRO) processer och andra aspekter av byggnad, förpackning eller montering av diskreta eller massproduktionsartiklar. Med andra ord är många av de mest värdefulla maskininlärningsverktygen i tillverkningen inriktade på butiksgolvet, inte riktat till kunder, utan att bygga den perfekta ”smarta fabriken” och förbättra fysiska processer. (Den här Forbes-artikeln är bara ett exempel som beskriver tio av de sätt som maskininlärning förändrar tillverkningen snabbt och på grundläggande sätt.) Däremot är detaljhandelsinstrument för maskininlärning främst inriktade på det "smarta försäljningsgolvet" och huvuddelen av handeln som nu sker online eller via digitala plattformar.
Med det sagt kan detaljhandelsföretag också använda maskininlärningsverktyg för att hantera fysiska processer, till exempel inventering. När det gäller lagerhantering kan prediktorer för maskininlärning hjälpa detaljhandelsföretag att spara enorma mängder pengar genom att bara hålla lagret som de behöver tillgängligt vid en viss tidpunkt och göra lager- och lagringsoperationer mycket effektivare. Ett stort värde av maskininlärning i detaljhandeln är dock fortfarande inriktat på beslutsstöd för försäljning, på att lära sig mer om kunden baserat på djup datainsamling och analyspraxis, på att undersöka demografi och personlig information och få extremt värdefull försäljningsintelligens.
Sammanfattningen är att, som en föregångare för kommande starka AI, maskininlärning och djupa inlärningsverktyg helt enkelt är "smarta." De samlar data och ger en helhetsbild av ett definierat begrepp, vare sig det är i ett geografiskt, fysiskt utrymme eller ett digitalt miljö. Så olika industrier använder kraften i maskininlärning på olika sätt. Skillnaden mellan maskininlärning i detaljhandeln och maskininlärning i tillverkning är ett tydligt exempel på hur företag identifierar deras behov och använder maskininlärningstekniker i enlighet därmed.
