Искусственный интеллект, в частности машинное обучение (ML), быстро становится необходимым для ведения более разумных бизнес-операций. Одной из замечательных особенностей Dynamics 365 является возможность интеграции возможностей машинного обучения в бизнес-приложения, что обеспечивает прогнозную аналитику и помогает компаниям выполнять операции более эффективно.
Согласно недавнему исследованию Mckinsey Global Institute, передовые технологии искусственного интеллекта могут обеспечить глобальный экономический эффект в размере 10–15 трлн долларов США во всех сегментах отрасли.
Продажи, маркетинг, управление цепочками поставок и производство — основные сегменты, которые могут значительно выиграть от машин и технологий глубокого обучения в розничной торговле и потребительских товарах.
Ниже приведены несколько сценариев-кандидатов для оптимизации с помощью ИИ, в частности, для розничной торговли и товаров народного потребления. Далее в статье подробно объясняется один вариант использования с использованием бизнес-приложений Microsoft.
- Прогнозирование спроса и продаж на основе машинного обучения
- Персональные рекомендации по продуктам
- Рекомендации по цене и продвижению для оптимизации наценок и маржи
- Оптимизация запасов с правильным уровнем запасов
- Инструментарий планирования логистики и оптимизация пропускной способности склада
- Создавайте 360° обзор потребителей
- Понимание потребителей (анализ настроений/предпочтений/социальное прослушивание) с использованием когнитивных сервисов
- Оптимизация доходности в цеху
- Профилактическое обслуживание оборудования на заводах
- Предиктивная оценка лидов для улучшения квалификации лидов, расстановки приоритетов и приобретения
«61 % организаций выбрали машинное обучение в качестве самой значимой инициативы своей компании в отношении данных в следующем году». Источник: Forbes.com
Dynamics 365 Operations и студия машинного обучения Azure
Пример использования прогнозирования спроса
Dynamics 365 for Finance and Operations позволяет интегрировать Машинное обучение Azure в среду Dynamics для более точного прогнозирования спроса за счет добавления дополнительных параметров планирования спроса и учета новых статистических моделей.
1) Исторические данные. Первый и самый важный этап процесса — сбор и подготовка данных о транзакциях из Dynamics 365 и предоставление их в Студию машинного обучения Azure для обучения режиму.
Ключи распределения товаров используются для объединения похожих продуктов, для которых алгоритм прогнозирования спроса должен работать на исторических продажах.
Навигация для настройки похожих продуктов в исторических данных:
Сводное планирование -> Настройка -> Прогнозирование спроса -> Ключи распределения номенклатуры
2) Обучение модели. После загрузки исторических данных модель необходимо обучить для точного прогнозирования. В этом примере у нас есть скрипт R, однако мы можем создавать модели прогнозирования и на Python. В этом сценарии мы используем предопределенную модель, доступную в экспериментальной лаборатории.
Происходит ли интеграция машинного обучения и ERP в режиме реального времени?
Поскольку Dynamics 365 и Azure относятся к семейству Microsoft, их легко интегрировать, чтобы получать результаты в режиме реального времени.
Навигация для включения этой интеграции:
Сводное планирование -> Настройка -> Прогнозирование спроса -> Параметры прогнозирования спроса
На экспресс-вкладке Машинное обучение Azure укажите ключ веб-службы и конечную точку, полученные от Студии машинного обучения.
3) Создание статистического базового прогноза. После завершения настройки и настройки параметров прогнозирования спроса мы создаем статистический базовый прогноз.
Навигация для создания статистического базового прогноза:
Мастер-планирование -> Прогнозирование -> Прогнозирование спроса -> Статистический базовый прогноз
После того, как вы нажмете «ОК», он ищет наиболее подходящую модель в соответствии с параметрами прогнозирования и генерирует прогноз из механизма машинного обучения.
4) Корректировка и утверждение: теперь мы можем корректировать и утверждать прогноз в соответствии с потребностями бизнеса и с учетом других факторов, таких как волатильность рынка и т. д.
Мастер-планирование -> Прогнозирование -> Прогнозирование спроса -> Скорректированный прогноз спроса
После авторизации прогноза спроса мы можем запустить сводное планирование и создать запланированные заказы. Каждый сгенерированный плановый заказ включает основные параметры планирования, например. производственный процесс, минимальное время выполнения заказа, самая низкая цена за единицу и расчет страхового запаса на основе группы покрытия, назначенной изделию.
Таким образом, за несколько шагов мы смогли настроить предопределенную модель прогнозирования спроса с использованием ИИ в Dynamics 365 для создания прогнозов.
С платформой Microsoft Dynamics 365 все это можно настроить в соответствии с потребностями вашего бизнеса. Корпорация Майкрософт предоставила множество моделей машинного обучения в рамках когнитивных служб, которые можно использовать в качестве основы и дополнительно обучать сценариям, характерным для конкретных клиентов.
Visionet является надежным партнером Microsoft Gold и имеет более чем 20-летний опыт реализации проектов в сфере розничной торговли и потребительских товаров. Если вы хотите внедрить эти инициативы в области искусственного интеллекта в своей организации, свяжитесь с Visionet сегодня.
