Обладая различной информацией о потребителях, крупные
ритейлеры используют системы искусственного интеллекта для
привлечения и удержания клиентов. Анализируется информация
о покупках и просмотрах товаров, после чего для покупателей
формируются кастомизированные предложения, персональные
скидки и рекомендации.
Большие данные также могут использоваться для:
- Управления персоналом.
- Динамического ценообразования.
- Формирования программ лояльности.
- Прогнозирования спроса.
- Оптимизации складских запасов.
В любом случае объем обрабатываемых данных, как правило,
огромен. Число клиентов и транзакций достигает миллионов,
информация собирается с сотен и тысяч торговых точек, в
связи с чем требуются серьёзные мощности для быстрой работы
с поступающей информацией. Классическая IT-инфраструктура
не всегда предоставляет такие возможности. Добиться необходимой
скорости обработки позволяет размещение баз данных и аналитических
платформ в облаке.
Опыт Amazon
Онлайн-ритейлер Amazon, используя облако, принимает решения
об изменении цены товара за несколько минут и немедленно
осуществляет его на сайте. Офлайновым сетям требуется на
это, как правило, несколько дней.
Опыт Macy’s
Американская сеть Macy’s с 800 магазинами, в которых продаётся
более 70 млн товарных позиций, с помощью Big data формирует
ассортимент и прейскурант в каждой отдельной торговой точке.
Причём в реальном времени. Кроме того, в Macy’s используют
аналитику для создания персональных предложений. Так, число
вариаций одной рекламной рассылки может достигать 500 тысяч.
Опыт Ally Fashion
Австралийский бренд молодёжной одежды Ally Fashion также
перенёс аналитическую платформу для отслеживания спроса
в облако после того, как классическая инфраструктура перестала
справляться с огромным массивом данных. Сейчас в каждом
магазине Ally Fashion — до 5 тыс. товаров, из которых создаётся
около 300 образов. 50 из них каждую неделю обновляются на
основании анализа спроса и поведения покупателей в конкретных
локациях в реальном времени.
Основой для разработки подобных аналитических систем могут
стать сервисы, предлагаемые облачными провайдерами по модели
PaaS.
AI-платформа
G-Core Labs позволяет организовать машинное обучение полного
цикла и совместную работу над моделями. Также она предоставляет
доступ к каталогу готовых шаблонов, ускоряя и удешевляя
процесс машинного обучения.
В платформу интегрированы лучшие инструменты получения и
обработки данных (Kafka, Storm, Spark, PySpark, PostgreSQL,
MS SQL, Oracle, MongoDB) и машинного обучения (TensorFlow,
TensorRT, OpenVINO, Keras, fast. ai, PyТorch, BigDL).