Q:
Können die gleichen Tools für maschinelles Lernen sowohl im Einzelhandel als auch im verarbeitenden Gewerbe eingesetzt werden?
EIN:Wenn es darum geht, Tools für maschinelles Lernen sowohl für den Einzelhandel als auch für das verarbeitende Gewerbe maßzuschneidern, gibt es einige signifikante Ähnlichkeiten, aber es gibt auch grundlegende Unterschiede.
Im Einzelhandel orientiert sich die überwiegende Mehrheit der Tools und Prozesse für maschinelles Lernen am Vertrieb und an kundenorientierten Initiativen. Unternehmen nutzen die immense Kraft des maschinellen Lernens, um Daten zu durchsuchen, die es ihnen ermöglichen, zu verkaufen, die Conversion zu steigern und damit Gewinne zu erzielen. Ein hervorragendes Beispiel, das die Grenze zwischen maschinellem Lernen und künstlicher Intelligenz überschreitet, ist das Streben nach Kundenkontakt bei der Aufgabe des Einkaufswagens. Die Tools, die sich aktiv an Kunden wenden, die Artikel in einem Einkaufswagen abgelegt haben, werden häufig als Tools für künstliche Intelligenz eingestuft. Andere Tools, die Daten lediglich aggregieren und analysieren, um menschliche Systeme zu entwickeln, sind Beispiele für maschinelles Lernen im Einzelhandel.
| Kostenloser Download: Maschinelles Lernen und warum es wichtig ist |
In der Fertigung sieht die Landschaft des maschinellen Lernens ganz anders aus. Maschinelles Lernen betrifft die Herstellung und Produktion von physischen Gütern auf eine Reihe einzigartiger Arten. Ein Großteil des Werts des maschinellen Lernens in der Fertigung wird für den Umgang mit Lieferketten verwendet. Durch maschinelles Lernen werden Wartungs-, Reparatur- und Überholungsprozesse (MRO) und andere Aspekte des Bauens, Verpackens oder Zusammenbaus von diskreten oder Massenproduktionsgegenständen beeinflusst. Mit anderen Worten, viele der wertvollsten maschinellen Lernwerkzeuge in der Fertigung sind auf den Fertigungsbereich ausgerichtet und zielen nicht auf Kunden ab, sondern auf den Aufbau einer perfekten „intelligenten Fabrik“ und die Verbesserung physischer Prozesse. (Dieser Forbes-Artikel ist nur ein Beispiel, in dem zehn der Wege aufgezeigt werden, auf denen das maschinelle Lernen die Fertigung schnell und grundlegend verändert.) Im Gegensatz dazu richten sich maschinelle Lernwerkzeuge für den Einzelhandel hauptsächlich an den „Smart Sales Floor“ und den Großteil des Handels findet jetzt online oder über digitale Plattformen statt.
Vor diesem Hintergrund können Einzelhandelsunternehmen auch maschinelle Lernwerkzeuge verwenden, um physische Prozesse wie beispielsweise Inventar zu verwalten. Bei der Bestandsverwaltung können Prädiktoren für maschinelles Lernen Einzelhandelsunternehmen dabei helfen, enorme Geldbeträge einzusparen, indem sie nur den Bestand halten, den sie zu einem bestimmten Zeitpunkt benötigen, und Lager- und Lagervorgänge effizienter gestalten. Ein wesentlicher Schwerpunkt des maschinellen Lernens im Einzelhandel liegt jedoch nach wie vor auf der Entscheidungsunterstützung für den Verkauf, dem Erlernen von Kundeninformationen auf der Grundlage umfassender Datenaggregations- und -analyseverfahren, der Untersuchung von Demografie und personenbezogenen Daten sowie dem Erhalt äußerst wertvoller Vertriebsinformationen.
Das Fazit ist, dass maschinelles Lernen und Deep-Learning-Tools als Vorbote einer starken KI einfach „intelligent“ sind. Sie aggregieren Daten und liefern ein ganzheitliches Bild eines bestimmten Konzepts, sei es in einem geografischen, physischen oder digitalen Raum Umgebung. So nutzen verschiedene Branchen die Möglichkeiten des maschinellen Lernens auf unterschiedliche Weise. Der Unterschied zwischen maschinellem Lernen im Einzelhandel und maschinellem Lernen in der Fertigung ist ein anschauliches Beispiel dafür, wie Unternehmen ihre Bedürfnisse genau bestimmen und Technologien für maschinelles Lernen entsprechend anwenden.
