Q:
Les mêmes outils d'apprentissage automatique peuvent-ils fonctionner à la fois pour les entreprises de vente au détail et de fabrication?
UNE:En ce qui concerne la personnalisation des outils d'apprentissage automatique pour les entreprises de vente au détail et de fabrication, il existe des similitudes importantes, mais il existe également des différences fondamentales.
Dans le commerce de détail, la grande majorité des outils et processus d'apprentissage automatique sont orientés vers les ventes et les initiatives orientées client. Les entreprises utilisent l'immense puissance du machine learning pour fouiller dans les données qui leur permettent de vendre, qui stimulent la conversion et donc les profits. Un excellent exemple qui chevauche la frontière entre l'apprentissage automatique et l'intelligence artificielle est la poursuite de la sensibilisation des clients autour de l'abandon du panier d'achat. Les ensembles d'outils qui atteignent activement les clients qui ont abandonné des articles dans un panier sont souvent classés comme des outils d'intelligence artificielle, mais d'autres outils qui agrégent et analysent simplement les données pour faire évoluer les systèmes humains sont des exemples d'apprentissage automatique appliqué à la vente au détail.
| Téléchargement gratuit: apprentissage automatique et pourquoi c'est important |
Dans le secteur manufacturier, le paysage du machine learning est assez différent. L'apprentissage automatique s'applique à la fabrication et à la production de biens physiques de plusieurs façons uniques. Une grande partie de la valeur de l'apprentissage automatique dans la fabrication est appliquée à la gestion des chaînes d'approvisionnement. L'apprentissage automatique informera les processus de maintenance, de réparation et de révision (MRO) et d'autres aspects de la construction, de l'emballage ou de l'assemblage d'articles de production discrets ou en série. En d'autres termes, bon nombre des outils d'apprentissage machine les plus précieux dans la fabrication sont orientés vers l'atelier, non pas pour les clients, mais pour construire la parfaite «usine intelligente» et améliorer les processus physiques. (Cet article de Forbes n'est qu'un exemple décrivant dix des façons dont l'apprentissage automatique modifie la fabrication rapidement et de manière fondamentale.) En revanche, les outils d'apprentissage automatique au détail sont principalement destinés à la «surface de vente intelligente» et à la majeure partie du commerce qui a désormais lieu en ligne ou via des plateformes numériques.
Cela étant dit, les commerces de détail peuvent également utiliser des outils d'apprentissage automatique pour gérer les processus physiques, par exemple, l'inventaire. Dans la gestion des stocks, les prédicteurs d'apprentissage automatique peuvent aider les entreprises de vente au détail à économiser d'énormes sommes d'argent en ne gardant que l'inventaire dont elles ont besoin à un moment donné, et en rendant les opérations d'entrepôt et de stockage beaucoup plus efficaces. Cependant, une valeur majeure de l'apprentissage automatique dans la vente au détail est toujours concentrée sur l'aide à la décision pour les ventes, sur en savoir plus sur le client sur la base de pratiques d'agrégation et d'analyse de données approfondies, sur l'examen des données démographiques et des informations personnelles et sur l'obtention d'une intelligence commerciale extrêmement précieuse.
L'essentiel est que, en tant que signe avant-coureur de l'IA forte à venir, les outils d'apprentissage automatique et d'apprentissage en profondeur sont simplement «intelligents». Ils regroupent les données et fournissent une image holistique d'un concept défini, que ce soit dans un espace géographique, physique ou numérique environnement. Ainsi, différentes industries utilisent la puissance de l'apprentissage automatique de différentes manières. La différence entre l'apprentissage automatique dans le commerce de détail et l'apprentissage automatique dans la fabrication est un exemple évident de la façon dont les entreprises identifient leurs besoins et adoptent les technologies d'apprentissage automatique en conséquence.
