В наш век гиперконкуренции варианты использования машинного обучения являются ключом к успеху на рынке. Что ж, вы, должно быть, слышали это утверждение несколько раз: гиперконкуренция, суперрегиональность, микроориентированность и т. д. Я даже не знаю и не помню различных комбинаций «этих» слов любой движущей силы. Однако в нем есть изрядная доля правды.
Давайте возьмем несколько примеров, с которыми вы сталкиваетесь регулярно, и обсудим их.
Нельзя сделать большую рубашку из меньшего количества материала. Дополнительные материалы должны увеличить цену. Судя по всему, это не так с рубашкой Dockers, как показано на соседнем изображении. Средний размер «Ultimate Button Up Smart 360 Flex Shirt» стоит 36,99 долларов, а большой размер той же разновидности — 12,50 долларов. Почти треть меньшего размера. Можно было заметить, я не назвал это «несоответствием», так как это могло быть задумано. Что ж, этому может быть несколько объяснений. Небольшое объяснение, которое сразу пришло мне в голову — Докер делает одну большую рубашку из оставшегося материала из 3-х средних рубашек. Существует спрос на 30 средних рубашек, однако спрос на большие рубашки составляет 3. Отсюда и причина такой цены на одну треть рубашки. Другое объяснение — это последние три куска больших рубашек, которые остались, и Докерс возместил стоимость и маржу по этой партии, скоро выйдет новая партия и т. д. Однако идея понятна.
Взгляните на другой пример от IZOD. Можно наблюдать феноменальное изменение цены, от 10,84 до 77,97 долларов. Думаю, я смогу найти похожие на докер варианты, если проверю цены на каждый размер и цвет. Это не то, что я хочу сделать здесь. Дело в том, что посмотрите на варианты. Есть 28 разновидностей в 5 размерах. Это относительно упрощенный вариант, который я выбрал, есть комбинации из 40+ цветов/шаблонов с такими размерами, как Большой — обычный, большой — тонкий, большой — высокий, большой — высокий — тонкий, X, XX, 3X, большой — 2XL и т. д. Проблема будет усугубляться, если рассматривать цепочку поставок по всему миру, например, цены в США будут отличаться от цен в Европе. Не забывайте и о размерах. Средний размер США — это большой размер Европы, верно? Конвертация валюты, местная сезонность добавят дополнительный уровень сложности.
Кстати, я большой поклонник обоих брендов Dockers и IZOD.
Если кто-то все еще обдумывает идею ведения электронной таблицы со всеми комбинациями товаров, а также ценами, скидками, комиссиями и т. д., удачи в этом.
Есть много компаний, которые все еще делают это, и вот образец, в котором различные размеры вариаций, линейки продуктов и т. д. сохраняются в мельчайших подробностях и регулярно отправляются агентам, учитываются заголовки — количество штук, MRP, маржа розничного продавца, розничные продавцы. Базовая цена, скидка по схеме (если доступна), чистая ставка, налоги, маржа продавца/оптовика. Теперь объедините это с ежедневными изменениями, отслеживанием, обнаружением сезонных/региональных трендов. Постоянная проблема с обслуживанием такой системы объясняет, почему я пожелал удачи владельцу этой системы.
Поскольку это невозможно сделать вручную, для прогнозирования и установления цен потребуется помощь той или иной формы или разновидности машинного обучения. Это приводит к первоначальному утверждению: в этой гиперконкурентной среде…
Существует множество вариантов использования, некоторые из них перечислены ниже, чтобы дать представление:
- Предсказать наиболее выгодную цену для этой комбинации процессора, памяти, хранилища и сети; она же виртуальная машина на любой из облачных платформ
- Узнайте, при каком диапазоне температур, влажности, уровне частиц пыли и освещенности выход интегральной схемы будет максимальным
- Какая комбинация предмета покупки, места покупки, количества покупки, диапазона вариаций, прошлой модели указывает на то, что эта покупка может быть мошеннической?
- Должен ли я покупать эти акции, учитывая изменение цены в прошлом, а также балансовую стоимость, объем рынка, коэффициент долга, конкурентное позиционирование и т. д.
- Что может быть следующим лучшим действием, таким как рекомендация телешоу ИЛИ рекомендация по покупке, может быть предоставлена пользователю на моем веб-сайте.
Все эти и сотни вариантов использования можно легко решить с помощью относительно простой реализации машинного обучения.
Определение варианта использования зависит от бизнеса и эксперта в предметной области. Поиск в Интернете и бизнес-опыте, а также предыдущий опыт, безусловно, помогут сформировать хороший вариант использования в бизнесе. Здесь начинается путешествие по разработке алгоритма.
Машинное обучение — определение
Чтобы позаимствовать и немного изменить определение из Википедии, машинное обучение — это научное исследование алгоритмов и статистических моделей, которые компьютерные системы используют для выполнения заданного варианта использования в бизнесе без использования явных инструкций, полагаясь на шаблоны и выводы, найденные в обучающих данных.
Существуют различные способы реализации этих алгоритмов машинного обучения. Один из самых простых мы посетим в моей следующей статье ML Use Case — Part II.