Contenuto
D:
Gli stessi strumenti di apprendimento automatico possono funzionare sia per le aziende al dettaglio che per quelle manifatturiere?
UN:
Quando si tratta di personalizzare gli strumenti di apprendimento automatico sia per le aziende al dettaglio che per quelle manifatturiere, ci sono alcune somiglianze significative, ma ci sono anche differenze fondamentali.
Nel commercio al dettaglio, la stragrande maggioranza degli strumenti e dei processi di apprendimento automatico è orientata verso le vendite e le iniziative rivolte ai clienti. Le aziende utilizzano l'immenso potere dell'apprendimento automatico per scavare tra i dati che consentono loro di vendere, aumentando la conversione e quindi i profitti. Un esempio eccellente che si trova a cavallo tra l'apprendimento automatico e l'intelligenza artificiale è il perseguimento del coinvolgimento dei clienti in merito all'abbandono del carrello. Gli insiemi di strumenti che attivamente raggiungono i clienti che hanno abbandonato articoli in un carrello della spesa sono spesso classificati come strumenti di intelligenza artificiale, ma altri strumenti che semplicemente aggregano e analizzano i dati per far evolvere i sistemi guidati dall'uomo sono esempi di apprendimento automatico applicato al dettaglio.
Nella produzione, il panorama dell'apprendimento automatico sembra un po 'diverso. L'apprendimento automatico si applica alla produzione e alla produzione di beni fisici in molti modi unici. Gran parte del valore dell'apprendimento automatico nella produzione viene applicato alla gestione delle catene di approvvigionamento. L'apprendimento automatico informerà i processi di manutenzione, riparazione e revisione (MRO) e altri aspetti della costruzione, dell'imballaggio o dell'assemblaggio di articoli discreti o di produzione in serie. In altre parole, molti degli strumenti di apprendimento automatico più preziosi nella produzione sono orientati verso l'officina, non rivolti ai clienti, ma alla costruzione della “fabbrica intelligente” perfetta e al miglioramento dei processi fisici. (Questo articolo di Forbes è solo un esempio delineando dieci modi in cui l'apprendimento automatico sta cambiando la produzione rapidamente e in modi fondamentali.) Al contrario, gli strumenti di apprendimento automatico al dettaglio sono principalmente rivolti al "piano di vendita intelligente" e alla maggior parte del commercio che ora si svolge online o attraverso piattaforme digitali.
Detto questo, le aziende al dettaglio possono anche utilizzare strumenti di apprendimento automatico per gestire i processi fisici, ad esempio l'inventario. Nella gestione dell'inventario, i predittori di machine learning possono aiutare le società di vendita al dettaglio a risparmiare enormi quantità di denaro mantenendo solo l'inventario di cui hanno bisogno in un determinato momento e rendendo le operazioni di magazzino e stoccaggio molto più efficienti. Tuttavia, un grande valore dell'apprendimento automatico nella vendita al dettaglio è ancora focalizzato sul supporto decisionale per le vendite, sull'apprendere di più sul cliente in base a pratiche di analisi e aggregazione dei dati approfondite, sull'esame di dati demografici e informazioni personali e sull'ottenimento di informazioni di vendita estremamente preziose.
La linea di fondo è che, come precursore della crescente IA, gli strumenti di machine learning e deep learning sono semplicemente "intelligenti". Aggregano i dati e forniscono un quadro olistico di alcuni concetti definiti, sia che si tratti di uno spazio geografico, fisico o digitale ambiente. Pertanto, diversi settori utilizzano il potere dell'apprendimento automatico in diversi modi. La differenza tra apprendimento automatico nella vendita al dettaglio e apprendimento automatico nella produzione è un chiaro esempio di come le aziende individuano le loro esigenze e adottano le tecnologie di apprendimento automatico di conseguenza.