Sisältö
K:
Voivatko samat koneoppimisvälineet toimia sekä vähittäiskaupassa että valmistusyrityksissä?
V:
Koneoppimisen välineiden räätälöinnissä sekä vähittäiskaupan että valmistusyritysten välillä on joitain merkittäviä yhtäläisyyksiä, mutta on myös perustavanlaatuisia eroja.
Vähittäiskaupassa suurin osa koneoppimisvälineistä ja -prosesseista on suuntautunut myyntiin ja asiakaslähtöisiin aloitteisiin. Yritykset hyödyntävät koneoppimisen valtavaa voimaa kaivaa tietoja, joiden avulla ne voivat myydä, mikä lisää muuntamista ja siten voittoa. Yksi erinomainen esimerkki, joka kulkee rajan koneoppimisen ja tekoälyn välillä, on jatkaa asiakkaiden ulkonäköä ostoskorista luopumisen ympärillä. Työkalusarjat, jotka tavoittavat aktiivisesti asiakkaita, jotka ovat hylänneet ostoskorissa olevat tavarat, luokitellaan usein tekoälytyökaluiksi, mutta muut työkalut, jotka yksinkertaisesti yhdistävät ja analysoivat tietoja ihmislähtöisten järjestelmien kehittämiseksi, ovat esimerkkejä koneoppimisesta vähittäiskaupassa.
Valmistuksessa koneoppimismaisema näyttää aivan erilaiselta. Koneoppiminen koskee valmistusta ja fyysisten tavaroiden tuotantoa monilla ainutlaatuisilla tavoilla. Suuri osa valmistuksen koneoppimisen arvosta käytetään toimitusketjujen käsittelyyn. Koneoppimisella kerrotaan huolto-, korjaus- ja kunnostusprosesseista (MRO) ja muista erillisten tai massatuotannon kohteiden rakentamisen, pakkaamisen tai kokoamisen näkökohdista. Toisin sanoen, monet valmistuksen arvokkaimmista koneiden oppimisen työkaluista ovat suuntautuneet myymälälattiaan, joka ei ole tarkoitettu asiakkaille vaan täydellisen ”älykkään tehtaan” rakentamiseen ja fyysisten prosessien parantamiseen. (Tämä Forbes-artikkeli on vain yksi esimerkki, joka tuo esiin kymmenen tapaa, joilla koneoppiminen muuttaa tuotantoa nopeasti ja perustavanlaatuisilla tavoilla.) Sitä vastoin vähittäiskaupan koneiden oppimisen työkalut on suunnattu enimmäkseen ”älykkäälle myyntikerrokselle” ja suurimmalle osalle kauppaa, joka tapahtuu nyt verkossa tai digitaalisten järjestelmien kautta.
Tästä huolimatta vähittäiskaupan yritykset voivat myös käyttää koneoppimisen työkaluja käsittelemään fyysisiä prosesseja, esimerkiksi varastoja. Varastokäsittelyssä koneoppimisennustajat voivat auttaa vähittäiskaupan yrityksiä säästämään valtavia määriä rahaa pitämällä vain tarvitsemansa varastot käytettävissä tiettynä ajankohtana ja tekemällä varasto- ja varastointitoiminnoista paljon tehokkaampia. Vähittäiskaupan koneoppimisen tärkein arvo on kuitenkin edelleen keskittynyt myynnin päätöksenteon tukemiseen, syvällisen tiedonkeruun ja analysointikäytäntöjen pohjalta oppimiseen enemmän asiakkaasta, demografisten ja henkilökohtaisten tietojen tutkimiseen ja erittäin arvokkaan myyntitiedon hankkimiseen.
Tärkeintä on, että vahvan AI: n tulkitsijana koneoppiminen ja syvän oppimisen työkalut ovat yksinkertaisesti ”älykkäitä”. Ne yhdistävät tiedot ja tarjoavat kokonaisvaltaisen kuvan jostakin määritellystä käsitteestä, olipa kyseessä sitten maantieteellinen, fyysinen tila tai digitaalinen ympäristössä. Joten eri toimialat hyödyntävät koneoppimisen voimaa eri tavoin. Ero vähittäiskaupan ja valmistusteollisuuden koneoppimisen välillä on selvä esimerkki siitä, kuinka yritykset määrittelevät tarpeet ja omaksuvat koneoppimistekniikat sen mukaisesti.