Vsebina
V:
Ali lahko enaka orodja za strojno učenje delujejo tako v maloprodajnih kot proizvodnih podjetjih?
A:
Kar zadeva prilagajanje orodij strojnega učenja tako za maloprodajna podjetja kot za proizvodna podjetja, je nekaj podobnih, vendar obstajajo tudi temeljne razlike.
V trgovini na drobno je velika večina orodij in procesov strojnega učenja usmerjena v prodajne in kupčeve pobude. Podjetja uporabljajo ogromno moč strojnega učenja za kopanje podatkov, ki jim omogočajo prodajo, kar poveča konverzijo in s tem dobiček. Odličen primer, ki ovira mejo med strojnim učenjem in umetno inteligenco, je doseganje strank pri opuščanju nakupovalnih vozičkov. Nabori orodij, ki aktivno posegajo po kupcih, ki so opustili predmete v nakupovalnem vozičku, se pogosto uvrščajo med orodja za umetno inteligenco, vendar so druga orodja, ki preprosto zbirajo in analizirajo podatke za razvoj sistemov, ki jih poganja človek, primeri strojnega učenja, ki se uporabljajo v trgovini na drobno.
V proizvodnji je krajina strojnega učenja videti nekoliko drugačna. Strojno učenje velja za proizvodnjo in izdelavo fizičnih dobrin na kar nekaj edinstvenih načinov. Večina vrednosti strojnega učenja v proizvodnji je namenjena ravnanju z dobavnimi verigami. Strojno učenje bo obveščalo o postopkih vzdrževanja, popravil in remonta (MRO) ter o drugih vidikih gradnje, pakiranja ali sestavljanja diskretnih ali masovnih proizvodnih izdelkov. Z drugimi besedami, mnoga najdragocenejša orodja za strojno učenje v proizvodnji so usmerjena v prodajalno, ki niso namenjena kupcem, temveč izgradnji popolne "pametne tovarne" in izboljšanju fizičnih procesov. (Ta članek Forbesa je samo en primer, ki opisuje deset načinov, kako strojno učenje hitro spreminja proizvodnjo in na temeljne načine.) Nasprotno pa so orodja za maloprodajno strojno učenje večinoma usmerjena v "pametno prodajno dno" in večji del trgovine, ki zdaj poteka prek spleta ali prek digitalnih platform.
Glede na to lahko maloprodajna podjetja uporabljajo tudi orodja za strojno učenje za fizične procese, na primer zaloge. Pri ravnanju z zalogami napovedovalci strojnega učenja lahko trgovskim podjetjem pomagajo privarčevati ogromne količine denarja, tako da ohranijo na voljo le zaloge, ki jih potrebujejo v določenem času, in povečajo učinkovitost skladiščenja in skladiščenja. Vendar je glavna vrednost strojnega učenja v maloprodaji še vedno osredotočena na podporo odločanju pri prodaji, na učenje več o stranki na podlagi poglobljenega zbiranja podatkov in praks analize, na preučevanje demografskih podatkov in osebnih podatkov ter pridobivanje izjemno dragocene prodajne inteligence.
Izhodišče je, da so kot predsodki močnega AI strojno učenje in orodja za globoko učenje preprosto »pametni«. Zbirajo podatke in zagotavljajo celostno sliko določenega koncepta, naj bo to v geografskem, fizičnem prostoru ali digitalnem okolje. Tako različne industrije izkoriščajo moč strojnega učenja na različne načine. Razlika med strojnim učenjem v maloprodaji in strojnim učenjem v proizvodnji je očiten primer, kako podjetja natančno določijo svoje potrebe in ustrezno usvojijo tehnologije strojnega učenja.