Q:
Kan de samme maskinlæringsverktøyene fungere for både detaljhandels- og produksjonsvirksomheter?
EN:Når det gjelder å skreddersy maskinlæringsverktøy for både detaljhandels- og produksjonsvirksomheter, er det noen betydelige likheter, men det er også grunnleggende forskjeller.
I detaljhandelen er det store flertallet av maskinlæringsverktøy og prosesser orientert mot salg og kundefremstilt initiativ. Bedrifter bruker den enorme kraften i maskinlæring for å grave gjennom data som lar dem selge, som øker konvertering og dermed fortjeneste. Et utmerket eksempel som strekker seg over linjen mellom maskinlæring og kunstig intelligens, er å forfølge kundeavdeling rundt tilbaketrekking av handlekurv. Sett med verktøy som aktivt når ut til kunder som har forlatt varer i en handlekurv, blir ofte klassifisert som kunstig intelligensverktøy, men andre verktøy som ganske enkelt samler og analyserer data for å utvikle menneskedrevne systemer er eksempler på maskinlæring brukt i detaljhandelen.
| Gratis nedlasting: Machine Learning og Why It Matters |
I industrien ser maskinlæringslandskapet ganske annerledes ut. Maskinlæring gjelder produksjon og produksjon av fysiske varer på ganske mange unike måter. Mye av verdien av maskinlæring i industrien brukes til håndtering av forsyningskjeder. Læring av maskiner vil informere om vedlikehold, reparasjon og overhaling (MRO) prosesser og andre aspekter ved bygging, pakking eller montering av diskrete eller masseproduksjonsgjenstander. Med andre ord, mange av de mest verdifulle verktøyene for maskinlæring i produksjonen er rettet mot butikkgulvet, ikke rettet mot kunder, men å bygge den perfekte "smarte fabrikken" og forbedre fysiske prosesser. (Denne Forbes-artikkelen er bare ett eksempel som skisserer ti av måtene som maskinlæring endrer produksjon raskt, og på grunnleggende måter.) I motsetning til dette er maskinverktøy for læring hovedsakelig rettet mot det "smarte salgsgulvet" og hoveddelen av handel som nå foregår online eller gjennom digitale plattformer.
Når det er sagt, kan detaljhandelsbedrifter også bruke maskinlæringsverktøy for å håndtere fysiske prosesser, for eksempel inventar. I varebehandlingen kan prediktorer for maskinlæring hjelpe detaljhandelsbedrifter med å spare enorme mengder penger ved bare å holde beholdningen de trenger tilgjengelig på et gitt tidspunkt, og gjøre lager- og lagringsoperasjoner mye mer effektive. Imidlertid er en stor verdi av maskinlæring i detaljhandel fortsatt fokusert på beslutningsstøtte for salg, på å lære mer om kunden basert på dyp datainnsamling og analysepraksis, på å undersøke demografi og personlig informasjon og få ekstremt verdifull salgsinformasjon.
Hovedpoenget er at, som en harbinger av å komme sterk AI, er maskinlæring og dype læringsverktøy ganske enkelt “smarte.” De samler data og gir et helhetlig bilde av et definert konsept, enten det er i et geografisk, fysisk rom eller et digitalt miljø. Så forskjellige bransjer bruker kraften i maskinlæring på forskjellige måter. Forskjellen mellom maskinlæring i detaljhandel og maskinlæring i industrien er et tydelig eksempel på hvordan virksomheter identifiserer deres behov og tar i bruk maskinlæringsteknologier deretter.
