[fusion_builder_container hundred_percent=»no» hundred_percent_height=»no» hundred_percent_height_scroll=»no» hundred_percent_height_center_content=»yes» equal_height_columns=»no» menu_anchor=»» hide_on_mobile=»no» class=»» id=»» background_color=»» background_image=»» background_position=»left top» background_repeat=»no-repeat» fade=»no» background_parallax=»none» enable_mobile=»no» parallax_speed=»0.3″ video_mp4=»» video_webm=»» video_ogv=»» video_url=»» video_aspect_ratio=»16:9″ video_loop=»yes» video_mute=»yes» video_preview_image=»» border_size=»0px» border_color=»» border_style=»solid» margin_top=»» margin_bottom=»» padding_top=»4%» padding_right=»» padding_bottom=»» padding_left=»»][fusion_builder_row][fusion_builder_column type=»1_6″ layout=»1_6″ spacing=»0px» center_content=»no» link=»» target=»_self» min_height=»» hide_on_mobile=»medium-visibility,large-visibility» class=»» id=»» background_color=»» background_image=»» background_position=»left top» undefined=»» background_repeat=»no-repeat» hover_type=»none» border_size=»0″ border_color=»» border_style=»solid» border_position=»all» padding_top=»» padding_right=»» padding_bottom=»» padding_left=»» margin_top=»» margin_bottom=»» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»» last=»no»][/fusion_builder_column][fusion_builder_column type=»2_3″ layout=»2_3″ spacing=»0px» center_content=»no» link=»» target=»_self» min_height=»» hide_on_mobile=»no» class=»» id=»» background_color=»» background_image=»» background_position=»left top» undefined=»» background_repeat=»no-repeat» hover_type=»none» border_size=»0″ border_color=»» border_style=»solid» border_position=»all» padding_top=»» padding_right=»» padding_bottom=»» padding_left=»» margin_top=»» margin_bottom=»» animation_type=»» animation_direction=»left» animation_speed=»0.1″ animation_offset=»» last=»no»][fusion_text columns=»» column_min_width=»» column_spacing=»» rule_style=»default» rule_size=»» rule_color=»» hide_on_mobile=»small-visibility,medium-visibility,large-visibility» class=»» id=»» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»»]

Todos los días leemos sobre nuevos avances en el aprendizaje automático. Aprendizaje automático que permite a las computadoras aprender y ganar videojuegos. Eso permite vencer a los mejores jugadores humanos en GO. Eso permite automóviles autónomos, traducción de idiomas en tiempo real, reconocimiento facial y reconocimiento de imágenes. Google, Apple, Facebook y Amazon están en una «carrera espacial» por el talento de aprendizaje automático, comprando nuevas empresas y convenciendo a los académicos para que abandonen sus universidades. Estados Unidos y China están en una carrera para liderar el mundo en aprendizaje automático.

Los minoristas están reconociendo que el aprendizaje automático podría ser importante para su propio éxito competitivo. Como resultado, están haciendo inversiones iniciales para establecer sus propios equipos de aprendizaje automático (ciencia de datos). ¿Pueden los minoristas competir a través del aprendizaje automático? ¿Es este el enfoque correcto?

Examinar esto requiere resolver algunas preguntas:

[/fusion_text][fusion_text columns=»» column_min_width=»» column_spacing=»» rule_style=»default» rule_size=»» rule_color=»» hide_on_mobile=»small-visibility,medium-visibility,large-visibility» class=»» id=»» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»»]

¿Los grandes científicos de datos quieren trabajar en Retail?

[/fusion_text][fusion_text columns=»» column_min_width=»» column_spacing=»» rule_style=»default» rule_size=»» rule_color=»» hide_on_mobile=»small-visibility,medium-visibility,large-visibility» class=»» id=»» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»»]

La evidencia hasta el momento es que los grandes científicos de datos no quieren trabajar en el comercio minorista. Esto se debe en parte a que los minoristas no tienen problemas suficientemente interesantes para que los científicos de datos los resuelvan y en parte a que los minoristas no pueden permitirse (y mantener) el mejor talento para el aprendizaje automático.

Además de Google, Facebook, Apple y Amazon, otras industrias son más atractivas para los científicos de datos, incluida la atención médica, los servicios financieros y el transporte.

[/fusion_text][fusion_text columns=»» column_min_width=»» column_spacing=»» rule_style=»default» rule_size=»» rule_color=»» hide_on_mobile=»small-visibility,medium-visibility,large-visibility» class=»» id=»» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»»]

¿Algún minorista individual tiene conjuntos de datos suficientemente granulares o suficientemente grandes para crear algoritmos de aprendizaje automático significativos?

[/fusion_text][fusion_text columns=»» column_min_width=»» column_spacing=»» rule_style=»default» rule_size=»» rule_color=»» hide_on_mobile=»small-visibility,medium-visibility,large-visibility» class=»» id=»» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»»]

Muchos minoristas solo tienen sus propios datos de clientes y productos, incluidos los datos de ventas y flujo de clics.

¿Es esto suficiente para producir algoritmos de aprendizaje automático significativos?

Además, ¿los minoristas recopilan datos suficientemente granulares a nivel de producto y a nivel de cliente para lograr nuevos conocimientos?

[/fusion_text][fusion_text columns=»» column_min_width=»» column_spacing=»» rule_style=»default» rule_size=»» rule_color=»» hide_on_mobile=»small-visibility,medium-visibility,large-visibility» class=»» id=»» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»»]

¿Todos los minoristas deberían gastar dinero resolviendo los mismos problemas de ciencia de datos?

[/fusion_text][fusion_text columns=»» column_min_width=»» column_spacing=»» rule_style=»default» rule_size=»» rule_color=»» hide_on_mobile=»small-visibility,medium-visibility,large-visibility» class=»» id=»» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»»]

Si cada minorista tiene los mismos problemas básicos (cómo vender el producto correcto, al precio correcto, en el momento correcto, en el lugar correcto), ¿tiene sentido que cada minorista gaste dinero de forma independiente para crear los mismos algoritmos de aprendizaje automático para resolver estos problemas?

Si bien Amazon vende al por menor, también son una empresa de tecnología, una empresa de servicios, una empresa de medios, una empresa de marcas de consumo y varias otras empresas.

Esto, junto con el alcance de su variedad, y su escala global proporciona una causa suficiente para su propia capacidad de aprendizaje automático.

[/fusion_text][fusion_text columns=»» column_min_width=»» column_spacing=»» rule_style=»default» rule_size=»» rule_color=»» hide_on_mobile=»small-visibility,medium-visibility,large-visibility» class=»» id=»» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»»]

¿Los sistemas existentes del minorista, los procesos comerciales, el diseño organizacional y la cultura permiten la integración exitosa y la utilización de algoritmos y conocimientos de aprendizaje automático?

[/fusion_text][fusion_text columns=»» column_min_width=»» column_spacing=»» rule_style=»default» rule_size=»» rule_color=»» hide_on_mobile=»small-visibility,medium-visibility,large-visibility» class=»» id=»» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»»]

Muchas aplicaciones minoristas existentes no son adecuadas para permitir la integración de algoritmos y conocimientos de aprendizaje automático.

Además, como las aplicaciones minoristas no requieren granularidad de la información del producto o del cliente, podría haber brechas de datos significativas, lo que provocaría problemas fundamentales que evitarían que los algoritmos de aprendizaje automático fueran impactantes.

Los procesos comerciales minoristas existentes (es decir, comercialización, comercialización, cadena de suministro, canales, finanzas) no son adecuados para permitir la integración de algoritmos de aprendizaje automático y conocimientos, y las estructuras organizativas correspondientes alineadas con estos procesos tampoco lo son.

Las respuestas a estas preguntas sugieren actividades adicionales para los minoristas, más allá de contratar un equipo de ciencia de datos.

[/fusion_text][fusion_text columns=»» column_min_width=»» column_spacing=»» rule_style=»default» rule_size=»» rule_color=»» hide_on_mobile=»small-visibility,medium-visibility,large-visibility» class=»» id=»» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»»]

¿Qué deben hacer los minoristas?

[/fusion_text][fusion_text columns=»» column_min_width=»» column_spacing=»» rule_style=»default» rule_size=»» rule_color=»» hide_on_mobile=»small-visibility,medium-visibility,large-visibility» class=»» id=»» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»»]

Solicite a los proveedores actuales de aplicaciones y soluciones que proporcionen su estrategia, juego y hoja de ruta para agregar capacidades de aprendizaje automático a sus soluciones y su plan para actualizar su cartera existente para permitir el uso exitoso de los conocimientos de aprendizaje automático de otras fuentes.

Identifique proveedores de soluciones de aprendizaje automático con soluciones centradas en la industria minorista. No solo los proveedores que ofrecen «actualizaciones» a las soluciones existentes, sino también los proveedores que utilizan el aprendizaje automático para resolver problemas de venta minorista de nuevas maneras. Dataweave y CrowdANALYTIX son buenos ejemplos de este tipo de proveedor. http://www.dataweave.com, http://www.crowdanalytix.com

Identifique proveedores de aprendizaje automático que ofrezcan la capacidad de aprendizaje automático como un servicio. CrowdANALYTIX proporciona acceso a más de 15,000 científicos de datos según sea necesario. http://www.crowdanalytix.com

Realice sesiones de trabajo con un equipo de expertos de diversas funciones para identificar dónde los conocimientos de aprendizaje automático producirían los mayores beneficios (es decir, ventas, márgenes, costos).

Una vez que se establecen esas oportunidades Identifique cómo los procesos integrarían estos conocimientos y cómo tendrían que cambiar.

Evalúe los activos fundamentales existentes (es decir, producto, cliente) para establecer qué cambios deben ocurrir para que los datos sean más útiles para el aprendizaje automático. Además, identifique conjuntos de datos externos que podrían combinarse con datos internos para permitir la efectividad del aprendizaje automático.

Evaluar la preparación organizacional para adoptar y utilizar conocimientos de aprendizaje automático.

Establezca y ejecute un plan de comunicaciones para ayudar a la organización a comprender el valor del aprendizaje automático para el éxito del minorista y el papel del equipo en el diseño, implementación y ejecución con los nuevos algoritmos y conocimientos de aprendizaje automático.

[/fusion_text][/fusion_builder_column][fusion_builder_column type=»1_6″ layout=»1_6″ spacing=»0px» center_content=»no» link=»» target=»_self» min_height=»» hide_on_mobile=»medium-visibility,large-visibility» class=»» id=»» background_color=»» background_image=»» background_position=»left top» undefined=»» background_repeat=»no-repeat» hover_type=»none» border_size=»0″ border_color=»» border_style=»solid» border_position=»all» padding_top=»» padding_right=»» padding_bottom=»» padding_left=»» margin_top=»» margin_bottom=»» animation_type=»» animation_direction=»left» animation_speed=»0.3″ animation_offset=»» last=»no»][/fusion_builder_column][/fusion_builder_row][/fusion_builder_container]