0/5
ML Space: зачем нужна ML платформа полного цикла в ритейле

ML Space: зачем нужна ML платформа полного цикла в ритейле

ML Space: зачем нужна ML платформа полного цикла в ритейле
время публикации: 09:00  07 сентября 2021 года
Про искусственный интеллект много говорят и пишут, но до недавнего времени считалось, что преимуществами машинного обучения могут воспользоваться только крупные компании с уже сформированными отделами специалистов по Data Science. Появление облачных ML-платформ (Machine Learning) меняет эту парадигму.
Для того, чтобы воспользоваться преимуществами искусственного интеллекта, необходимо две составляющих — это специально разработанные ML-алгоритмы и качественно подготовленные массивы данных. Без любого из этих двух компонентов машинное обучение не даст никакого результата, но зато оба встречаются на ML-платформах.

ML-платформа полного цикла такая, как например, SberCloud ML Space, подразумевает наличие вычислительных ресурсов достаточных для создания, обучения и запуска сложных моделей, обширных емкостей для хранения больших объемов данных, а также удобного и автоматизированного интерфейса для совместной работы команд специалистов по обработке данных — дата сайентистов (Data Scientists). 

Использовать ML-платформу может любая компания, просто арендуя необходимые для решения реальных задач ресурсы. Благодаря этому можно проверять гипотезы, строить новые алгоритмы и тестировать свои проекты буквально в несколько кликов мышкой. При этом результаты будут доступные не через недели и месяцы, а, как правило, через несколько часов или даже минут. А значит, компания может вывести на рынок новый продукт намного быстрее, значительно сокращая значение Time2Market.


ML в ритейле

ML Space: зачем нужна ML платформа полного цикла в ритейле«Затянувшаяся пандемия и антиковидные меры за минувшие полтора года заметно изменили как бизнес-процессы ритейла, так и поведенческие паттерны покупателей. Взрывной рост e-commerce, автоматизация и роботизация складских помещениях, интеграция голосовых ассистентов и чат-ботов в онлайн-площадки и приложения, продвинутая онлайновая и офлайновая навигация пользователей, динамическое ценообразование, и множество других технологий начали стремительно перемещаться от зоны early adopters в сторону реальных конкурентных преимуществ.

Все эти технологии требуют сбора, хранения и обработки огромных объемов структурированных и неструктурированных данных, возможности быстрого создания бизнес-приложений, в том числе с использованием машинного обучения. Для большинства компаний в области ритейла такие задачи решаемы, только с помощью гибких и быстро масштабируемых облачных инфраструктурных и платформенных сервисов, и облачных платформ машинного обучения.

Именно облачные сервисы – инфраструктурные IaaS, платформенные PaaS, а также облачное машинное обучение делают цифровизацию ритейла доступной и быстрой, и предоставляют даже небольшим игрокам мощные цифровые инструменты, ранее доступные только крупным компаниям. Еще несколько лет назад машинное обучение сложных моделей на большом количестве данных было доступно только крупному бизнесу с собственной мощную и дорогой ИТ-инфраструктурой», – рассказывает продуктовый лидер AI/ML компании SberCloud Отари Меликишвили.

Интересно, что розничные компании во всем мире активно развивают экспертизу в области машинного обучения, потому что искусственный интеллект помогает получать больше прибыли и сокращать затраты на самые разные процессы: обслуживание клиентов, логистику, складскую деятельность, сервис и так далее. При этом на базе машинного обучения сегодня создаются самые разные сервисы.

В числе самых показательных примеров — новейшие технологии Amazon, которые за счет видеонаблюдения анализируют поведение покупателей прямо в зале. В результате на кассе не нужно сканировать продукты, ведь система уже знает, что вы положили в корзину, достаточно только расплатиться! ИИ также успешно используют бренды при работе с программами лояльности и персональными предложениями.

ML Space: зачем нужна ML платформа полного цикла в ритейле
 
Например, такие компании, как Levi’s, Gap, Brooks Brothers, Old Navy предлагают своим покупателям виртуальные примерочные, в которых ИИ проводит примерку одежды и подбирает готовые look’и для каждого клиента. А Tommy Hilfiger и Burberry уже запустили чат-ботов с искусственным интеллектом, которые помогают своим покупателям ориентироваться в коллекциях брендов.

ML Space: зачем нужна ML платформа полного цикла в ритейле«Искусственный интеллект используется для самых разных задач оптимизации внутренних процессов в магазинах: логистики, прогнозирования и формирования ассортиментной матрицы, управления программой лояльности и рекламными кампаниями. Интеграция Intel oneAPI Toolkits в SberCloud помогает оптимизировать ML-разработку и ускорить анализ данных, что важно для стремительно развивающейся сферы ритейла», — подтверждает эту тенденцию Алексей Иванов, заместитель генерального директора Intel в России

Системы компьютерного зрения также помогают обнаруживать опустевшие полки и давать персоналу команду на их заполнение. А продвинутые механизмы распознавания лиц помогают выявлять эмоции людей и анализировать их отношение к разным отделам магазина, а также показывать на цифровых экранах таргетированную рекламу, распознавая возраст, пол и социальный статус людей, находящихся рядом. Такие решения уже используются, например, в METRO, причем не только в США, но и в России.


Российские ритейлеры в тренде

В России тенденции внедрения ML также демонстрируют высокую динамику. Так, свой экспертный центр Data Science построил “Магнит” и ожидает получить от него отдачу уже в ближайшие годы. Например, пилотный проект прогнозирования спроса и оптимизации логистики как раз запускается в 2021 году в распределительном центре в Краснодаре с контуром охвата более 1250 магазинов.

Экспериментальная лаборатория по тестированию концепций машинного обучения была создана группой X5 и работает рядом с одним из магазинов в Москве. Ритейлер готов вкладывать миллионы, чтобы оптимизировать свои процессы и внедрить продукты, действительно способствующие увеличению прибыли. В частности, лаборатория способствовала появлению «умных полок» и цифровых ценников.




Читайте также: Эксперты: «Ритейл может оказаться лишним посредником в цифровой трансформации»




Впрочем, благодаря появлению независимых ML-платформ, воспользоваться преимуществами искусственного интеллекта могут не только крупнейшие игроки рынка. В качестве примера можно привести компанию SberCloud с ее платформой ML Space которая вместе с компанией Intel выступает партнером New Retail Forum 2021 и предлагает ритейлерам широкие возможности по разработке и тестированию ML-моделей без инвестиций в ПО и оборудование. Такой подход может сильно изменить расклад сил на рынке, открывая всем без исключения доступ к разработке самых современных решений при минимальных затратах средств и времени.

* * *

Компании Intel и SberCloud являются генеральными спонсорами New Retail Forum 2021, который пройдет 9-10 сентября в Технопарке «Сколково».

Форум состоится в третий раз: если в 2019 году выставка технологических решений для ритейла и конференции привлекли более 5000 участников, то онлайн-форматы 2020 года собрали общероссийскую аудиторию из более чем 40 000 участников. В 2021 году форум пройдет в гибридном формате, очное участие весьма востребовано рынком.  

На New Retail Forum 2021 руководители крупнейших ритейлеров, интернет-компаний и сервис провайдеров обсудят бизнес-модели, получившие наибольшее развитие в COVID период, обозначат новые стратегии развития ритейл-рынка, продемонстрируют технологии и решения для роста продаж.

Для брендов, ритейлеров, интернет-магазинов посещение NRF бесплатное, необходима регистрация.

ML Space: зачем нужна ML платформа полного цикла в ритейле


0
 
Реклама на New Retail. Медиакит
Close
Email
Подпишитесь на нашу рассылку и самые интересные материалы будут приходить к вам на почту
Нажимая «Подписаться» вы принимаете условия политики конфиденциальности