5 компаний, использующих ИИ для предсказания будущего и получения прибыли

В первой части этой серии, посвященной прогнозной аналитике на основе искусственного интеллекта, мы исследовали функциональность этой технологии, а также ее потенциал для создания более эффективных бизнес-стратегий.

Прогнозную аналитику можно определить как форму интеллектуального анализа данных, которая использует статистическое моделирование для анализа исторических закономерностей, а затем использует эти модели для прогнозирования будущих результатов. Развертывание искусственного интеллекта позволяет аналитическим технологиям выявлять взаимосвязи между переменными, которые люди просто неспособны видеть.

В этой статье мы хотим воплотить эту теорию в жизнь с помощью пяти сценариев использования прогнозной аналитики.

В этой области было несколько важных новостей, в частности заголовки «Цель знает, когда вы беременны», которые привлекли столько внимания несколько лет назад.

С тех пор многое изменилось. Развитие широко доступных и доступных аналитических платформ предоставило доступ к сложным статистическим моделям для компаний любого размера. Помимо гиперболы слегка жутких прогнозов беременности, большие данные чаще используются малыми и крупными предприятиями для улучшения своих повседневных функций.

Определив проблемы, которые они хотят решить, собрав нужные данные, наняв людей, обладающих навыками разбираться в данных, и наделив их соответствующими технологиями, любой бизнес может начать работу в прибыльной области прогнозной аналитики уже сегодня.

Слишком много претендентов, чтобы рассматривать каждый пример в рамках одной статьи, поэтому вместо этого мы попытались предоставить репрезентативную выборку эффективной аналитики на основе ИИ по широкому спектру тематических исследований.

1. Оптимизация цепочки поставок: Walmart

Начнем с тяжелого примера, но он вдохновляет всех розничных продавцов.

В то время как многие другие «унаследованные» ритейлеры испытывают трудности, Walmart опубликовал данные о росте за последние 11 кварталов подряд. Примечательно, что это было вызвано увеличением онлайн-продаж на 63% в годовом исчислении.

Walmart получил широкое признание за свою готовность адаптироваться в эпоху цифровых технологий и делает ставку на свою способность связать онлайн и офлайн миры, чтобы конкурировать с Amazon.

В основе этого стремления лежат искусственный интеллект и прогнозная аналитика. Walmart мгновенно получает данные из своих торговых точек и включает их в свои прогнозы, чтобы оценить, какие продукты, вероятно, будут продаваться, а какие - хуже.

В сочетании с моделями поведения в Интернете это дает огромное количество точек данных (из них более 40 петабайт), которые помогают Walmart подготовиться к росту или падению спроса на продукцию.

Фото chuttersnap на Unsplash

Управление данными осуществляется в облаке через «Кафе данных» Walmart, которое поддерживается командой Walmart Labs в Кремниевой долине. Это сложная крупномасштабная операция, соответствующая количеству переменных, необходимых для бизнеса такого размера, чтобы делать точные прогнозы на основе надежных данных.

Тем не менее, преимущества, которые он приносит, также могут быть востребованы малым бизнесом.

Например, использование Walmart искусственного интеллекта и прогнозной аналитики неоценимо для управления запасами, поскольку менеджеры могут обеспечить надлежащие запасы, не рискуя в последнюю минуту вносить дорогостоящие корректировки, чтобы восполнить пробелы, когда спрос превышает предложение.

Эти прогнозы также позволяют Walmart персонализировать свое присутствие в Интернете, демонстрируя продукты конкретным клиентам на основе их прогнозируемой вероятности совершения покупки.

Дисциплина и строгость, которые привносит этот подход, означают, что Walmart может придерживаться строгих сроков поставки, поскольку каждый шаг его цепочки поставок был оптимизирован за счет использования прогнозной аналитики. Все эти области могут быть улучшены любым бизнесом с помощью доступных технологий, таких как Google и Adobe.

Что характерно, Walmart также предлагает стимулы для клиентов в виде снижения цен или привилегий перехода в очередь, если они забирают свои покупки в обычном магазине. Даже при всех преимуществах, которые аналитика на основе искусственного интеллекта может принести бизнесу, конкуренция с Amazon по стоимости доставки остается сложной задачей.

2. Прогнозирование динамики цен: Hopper

Туристическая индустрия, как известно, отличается высокой конкуренцией, с нестабильными пиками и спадами спроса и множеством маршрутов с низкой маржой. Это может оставить путешественников в темноте, не зная, когда лучше бронировать. Иногда лучше бронировать заранее, в других случаях лучше подождать до даты вылета.

Это делает его подходящим для использования возможностей прогнозной аналитики на основе искусственного интеллекта - факт, благодаря которому популярность туристического приложения Hopper резко выросла с 2015 года.

Hopper остается на шаг впереди, прогнозируя будущие модели ценообразования и предупреждая путешественников о наиболее дешевом времени для покупки авиабилетов в их предпочтительные направления.

Это достигается путем ежедневного наблюдения за миллиардами цен и прогнозирования развития тренда на основе исторических данных по каждому маршруту. Затем пользователи могут настроить уведомления, чтобы напомнить им о бронировании, когда произойдет это снижение цен.

Хотя это не единственная компания, которая предоставляет эту услугу, Hopper сообщает о 95% точности своих прогнозов и утверждает, что экономит клиентам в среднем более 50 долларов за рейс.

На снимке экрана ниже показано, как работает этот процесс. В сопровождении симпатичного кролика в очках я выбираю маршрут полета из Нью-Йорка в Гонолулу, чтобы провести этот заслуженный отпуск.

Основываясь на выбранных мной датах, удивительно властный кролик говорит мне бронировать сейчас, так как билеты на этот маршрут со временем будут только дорожать.

Хоппер представляет собой отличный пример бизнеса, в котором машинное обучение и прогнозная аналитика являются центральными принципами своей бизнес-стратегии. Без прогнозной аналитики не было бы Hopper.

Однако статистические модели, которые он использует с таким большим эффектом, преподносят уроки для всего бизнеса. По сути, успех Hopper объясняется его надежностью как платформы для объективных консультаций с потребителями. Таким образом, многие другие компании могли бы взять на себя эту роль, используя статистику для предоставления прогнозов, отвечающих интересам клиентов, а не только их собственной прибыли.

3. Рост малого бизнеса: зоопарк и аквариум Point Defiance.

Опрос, проведенный SAP в конце 2016 года, показал, что более 70% руководителей малого бизнеса считают, что они все еще находятся только на «ранних стадиях» извлечения информации из своих данных.

Один зоопарк в Такоме, штат Вашингтон, противостоял этой тенденции, сотрудничая с Национальной метеорологической службой, чтобы определить факторы, которые привели к такому непредсказуемому росту и падению посещаемости. Это создавало проблемы для руководства, которое всегда укомплектовывало парк, чтобы обслуживать большую аудиторию, но часто заканчивалось перерасходом заработной платы из-за недостаточной посещаемости.

Интуитивно можно предположить, что посещаемость выше в теплые и засушливые дни, но ниже в холодные или влажные дни. Однако, включив данные Национальной метеорологической службы в платформу Watson IBM, управляемую искусственным интеллектом, зоопарк смог точно определить, какие условия заставили посетить больше людей.

Эти знания затем были использованы для моделирования будущих моделей посетителей с использованием исторических данных о посещаемости и прогнозируемой статистики погоды.

Проект имел огромный успех и теперь является центральной частью бизнес-планирования зоопарка. Point Defiance может прогнозировать показатели посещаемости с точностью более 95%, что позволяет менеджерам правильно укомплектовать парк персоналом. Это не оказывает негативного влияния на восприятие парка посетителями (возможно, даже наоборот) и способствует некоторой жизненно важной эффективности бизнеса.

Разумеется, применение этой методологии выходит далеко не только на показатели посещаемости. Port Defiance может отслеживать, как посетители взаимодействуют с зоопарком, помогая повысить качество обслуживания клиентов. Планируется также использовать прогнозирующую аналитику на основе искусственного интеллекта для мониторинга данных о состоянии здоровья и диагностики проблем с животными в парке для упреждающего лечения.

4. Удержание персонала: IBM

Фундаментальная привлекательность прогнозной аналитики - это возможность достичь лучших результатов в сравнении с целями организации. Часто они явно ориентированы на прибыль, но прогнозная аналитика также может помочь выявить проблемы с удержанием персонала и предложить решения.

Загрузив файл структурированных данных (как на скриншоте ниже), Watson может определить общие факторы, способствующие выбытию персонала. Затем это влияет на формирование «показателя качества» для каждого сотрудника, основанного на их прогнозируемой вероятности в ближайшее время покинуть компанию.

В чем это действительно проявляется, так это в способности отвечать на запросы пользователей на естественном языке. Подобно новой функции Google Analytics, которая будет получать данные в ответ на вопросы пользователей, Watson может отвечать на конкретные запросы и создавать визуализации данных на основе предпочтений пользователя.

Это отличный пример платформы, которая быстро переходит от исследовательского и диагностического анализа к сфере прогнозной аналитики. Любой владелец или менеджер бизнеса может использовать эти инструменты, чтобы точно определить, что именно заставляет сотрудников уходить, но они также могут увидеть, что стоит за этими факторами, и принять превентивные меры, чтобы успокоить любой потенциальный уход. Учитывая стоимость найма нового персонала по сравнению с удержанием нынешних высокоэффективных сотрудников, это напрямую ведет к снижению эксплуатационных расходов.

5. Расширение аудитории: Under Armour.

Расширение аудитории - это еще одна область маркетинга, которая значительно выигрывает от использования ИИ и прогнозной аналитики. Понимая количественные характеристики существующих ценных клиентов, можно идентифицировать похожих людей и нацеливать их на персонализированные сообщения, которые могут найти отклик.

Важно знать, на что потратить рекламный бюджет, но не менее важно знать, куда его не тратить. Прогнозная аналитика позволяет таким компаниям, как Under Armour, отточить те области, которые принесут наибольшую отдачу, и реинвестировать бюджет, который в противном случае был бы потрачен неточно.

Under Armour использует искусственный интеллект для выполнения таких задач, как анализ настроений и социальное прослушивание, чтобы понять, что клиенты думают о бренде и где есть пробелы на рынке. Это побудило компанию сосредоточиться на превращении в цифровой фитнес-бренд, и благодаря этой инициативе компания заняла новую нишу на насыщенном рынке.

Under Armour производит товары для фитнеса, а также приложения и носимые устройства, которые объединяют офлайн и цифровой мир. Чем больше людей используют продукты, тем больше данных Under Armour сможет собрать для улучшения своего предложения. А с более чем 200 миллионами зарегистрированных пользователей и более чем 10 миллиардами цифровых взаимодействий в год дефицита данных нет.

Читайте последний выпуск этой серии: ИИ и предиктивная аналитика: что нас ждет в будущем?