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:

  1. Предсказать наиболее выгодную цену для этой комбинации процессора, памяти, хранилища и сети; она же виртуальная машина на любой из облачных платформ
  2. Узнайте, при каком диапазоне температур, влажности, уровне частиц пыли и освещенности выход интегральной схемы будет максимальным
  3. Какая комбинация предмета покупки, места покупки, количества покупки, диапазона вариаций, прошлой модели указывает на то, что эта покупка может быть мошеннической?
  4. Должен ли я покупать эти акции, учитывая изменение цены в прошлом, а также балансовую стоимость, объем рынка, коэффициент долга, конкурентное позиционирование и т. д.
  5. 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.