Прес-центр SAP Україна

Робота на автоматі: як машинне навчання підвищує прибутковість бізнесу

Бізнес-конкуренція стає запеклішою. Будь-яка влучна ідея швидко перехоплюється конкурентами, і в результаті залучати нових та утримувати поточних клієнтів стає не так просто. Бізнес перетворюється на неспинний спринт, де перемагає тільки той, хто першим прийшов до фінішу. А для цього потрібна гнучка тактика.

Щоб відірватися від суперників на сотні кроків уперед, передові компанії беруть курс на цифрову трансформацію. Вони впроваджують новітні технології у свої бізнес-моделі. Одна з таких технологій – машинне навчання.

Машинне навчання (МН, Machine learning) – підрозділ технології штучного інтелекту, який використовує методи побудови алгоритмів, здатних навчатися.

Машинне навчання дозволяє автоматизувати повторювану роботу, опрацьовувати великі масиви даних, оперувати отриманою інформацією, аби ліпше розуміти потреби клієнтів. І все це насамперед для того, щоб першим у влучний для цього час запропонувати клієнту те, чого він бажає.

Де можна використовувати машинне навчання? Як компанії по всьому світу успішно впроваджують цю технологію? А також яку користь мають від неї? Про все це розповідаємо далі.

Машинне навчання допомагає позбутися рутинних процесів

Кожна велика компанія, пов’язана з комерцією і не тільки, має велику кількість рутинних процесів. Візьмемо, наприклад, звичайне звіряння даних по виставлених клієнтам рахункам та отриманим платежам. Коли їх збираються сотні й тисячі щомісячно, бухгалтеру доводиться ставати справжнім детективом, працювати в режимі 24/7, щоб відслідкувати, пройшов платіж чи ні та чи співпадає сума з указаною в рахунку.

Гори рахунків – це тільки один із дрейфуючих айсбергів, які можуть потопити успішний бізнес. В сталих бізнес моделях існують тисячі рутинних процесів, які відволікають спеціалістів від головного – поліпшення бізнесу. І тут на підмогу приходить штучний інтелект. Він із силою криголаму зможе подолати такі рутинні брили льоду. Йому можна доручати більшість шаблонних завдань, які вимагають багато часу. Якісно натренована модель може взяти на себе більшу частину роботи з пошуку відповідних первинних документів, залишаючи людині лише найбільш складні випадки.

Успішний кейс Grupo Merza

Grupo Merza – провідний дистриб’ютор у Мексиці. Працює практично з повним спектром споживчих товарів: від бакалії та напоїв до фармацевтичних препаратів. Партнерами компанії є сотні постачальників і тисячі роздрібних мереж та магазинів, тому необхідність ефективної аналітичної платформи – одна з найважливіших умов досягнення успіху в цьому бізнесі.

Спочатку Grupo Merza використовувала власні напрацювання, але після впровадження платформи SAP HANA її витрати на ІТ знизилися більше як на 40%. Через платформу SAP компанія автоматизувала частину своїх бізнес-процесів за допомогою декількох додатків і тим самим збільшила прибутковість.

• Додаток SAP Sales Insights дав змогу відслідковувати і передбачати динаміку попиту на всі категорії товарів, які продає Grupo Merza.

• Додаток SAP Predictive Analytics дозволив компанії розраховувати індекс кредитного ризику клієнтів, знизивши тим самим імовірність несплати з боку ненадійних партнерів.

• Технології машинного навчання від SAP дали змогу звільнити аналітиків компанії від рутинної роботи й дати їм можливість сфокусуватися на стратегічних завданнях.

Машинне навчання допомагає зрозуміти чого бажає клієнт

Маркетолог знає про клієнта багато. Від соціально-демографічного профілю та параметрів рекламної кампанії, у рамках якої прийшов конкретний клієнт, до інформації про те, що він купував учора. Проаналізувати цю гору інформації про тисячі, а інколи й мільйони покупців – завдання не з легких. Для цього існує ряд інструментів, які полегшують ношу маркетолога, але нерідко такий аналіз і сегментація обмежуються як існуючим функціоналом, так і можливостями людського інтелекту. Наприклад, певним фактором, який не був включений до аналізу.

Найкраще вирішення цієї проблеми – звернутися по допомогу до штучного розуму, який здатний оперувати гігантськими обсягами даних. Додатки, що підтримують машинне навчання, не тільки працюють з великими обсягами даних, а й сегментують і кластеризують інформацію.

Відмінність кластеризації від сегментації полягає в тому, що параметри, за якими відбувається класифікація, спочатку невідомі. Машина, оперуючи виключно цифрами, спроможна встановити закономірності, які від самого початку можуть здатися нелогічними. А це дає спеціалістам міцну базу для прийняття вагомих рішень.

Успішний кейс Meredith Corporation

Meredith Corporation – один із провідних видавничих домів у США. До портфеля його активів входять: 21 тематичний журнал, 15 телевізійних станцій, мережа із 120 газетних кіосків та понад 40 сайтів. Щомісячна аудиторія видань компанії перевищує 100 мільйонів осіб.

Компанія при цьому заробляє не тільки на рекламі, але й на продажі передплат на свої продукти. Аби краще розуміти власних читачів, керівництво видавничого дому інтегрувало свої бази даних із системою SAP Predictive Analytics.

Що дало впровадження системи на базі машинного навчання:

Обсяг передплат на різноманітні видання групи збільшився в середньому на 29–50%. Це відбулося за рахунок удосконалення системи email-розсилань, на яку підписані понад 65 мільйонів клієнтів, – теми й формати, що цікавлять читачів, почали підбиратися точніше.

Машинне навчання робить більш влучні прогнози

Чи брати завтра парасольку? Щоб користувач додатку про погоду знав відповідь на це запитання, система робить мільйони обчислень. Вона вирішує складні рівняння динаміки та термодинаміки, які описують стан атмосфери, і зрештою будує зрозумілий графік з позначками: «завтра в Києві + 17°С, без опадів». Що стосується бізнес-прогнозів, то вони потребують не менш складних обчислень.

Коли від аналітика вимагається врахувати в межах однієї моделі впливу не два, а кілька десятків чи навіть сотень факторів, на допомогу приходить штучний інтелект. «Пропустивши» через комп’ютер дані за попередні періоди, система починає знаходити приховані кореляції та зв’язки, на які людський розум часто не звертає уваги. Вона вчиться оцінювати ступінь впливу кожного фактора й на основі цього вибудовує єдину математичну модель.

У результаті комп’ютер стає здатним оцінювати не тільки вплив окремих факторів, але й безліч їх поєднань, навіть якщо вони досить часто суперечать один одному. Така модель буде ефективнішою та стійкішою до спотворень, ніж будь-які ручні правила. А значить, прогноз на основі таких обчислень буде більш точним.

Успішний кейс Cox Communications 

Cox Communications – один з головних інтернет-провайдерів у США, працює у 28 штатах, абонентська база перевищує 6 мільйонів користувачів. Компанія першою розпочала використовувати модель інтегрованих послуг: надавати клієнтам доступ не тільки до мережі, але й до цифрового телебачення та бібліотеки фільмів і серіалів.

Оскільки ринок послуг зв’язку в США насичений, провайдери змушені постійно працювати над підтриманням лояльності своїх клієнтів. Для більш ефективної роботи з абонентами Cox Communications вирішила впровадити рішення на основі технологій машинного навчання SAP Predictive Analytics. Це рішення дає змогу здійснювати інтелектуальну аналітику за більш як 800 параметрами і містить весь пакет опцій, необхідних маркетологу для оцінки перспектив нових продуктів з урахуванням сегментації користувачів за різними параметрами.

За його допомогою компанія почала «вираховувати» користувачів, схильних до виходу, і знаходити способи для їх утримання. У результаті плановий показник відпливу зменшився на 28%, а середній дохід від одного абонента зріс на 14%.

Повсюдне використання штучного інтелекту, машинного навчання та інших обчислювальних технологій – це тільки справа часу. Провідні компанії світу не тільки впроваджують, а й на повну використовують такі технології. Щоб не просто існувати нині, через рік чи п’ять років, а й бути лідером в постійному бізнес-спринті, компаніям у всіх галузях потрібно починати трансформацію вже зараз.

Дізнайтесь як machine learning та predictive analytics не просто оптимізують процеси і збільшують ефективність, але й повністю змінюють модель ведення бізнесу – приєднуйтеся до учасників найбільшого ділового заходу SAP в Україні SAP NOW

Exit mobile version