Прогнозные модели — это технологии, опирающиеся на большие массивы данных (Big data), для разработки сценариев будущего поведения людей и принятия оптимальных решений. Прогнозная аналитика задействует множество методов из статистики, интеллектуального анализа данных, анализирует как текущие данные, так и данные за прошлые периоды, на основе которых составляет прогнозы о будущих событиях.

В бизнесе модели прогнозирования используют паттерны, составленные на основе данных за определенный период, чтобы оценить потенциальные риски и возможности.

Модели выявляют связи среди многих факторов, чтобы сделать возможной оценку рисков или потенциала, связанного с конкретным набором условий.

Доставка синих ромашек в Москве (Antananarivo)

Итогом использования прогнозной аналитики является принятие верных (максимально эффективных для бизнеса) решений. С помощью моделей прогнозирования можно предсказать поведение потенциальных клиентов, выявить наиболее популярные продукты и услуги, понять, что руководит клиентами, когда они уходят, и избежать этого, и так далее. Использование инструментов прогнозной аналитики помогает создать модель поведения клиентов, а значит и увеличить прибыль компании.

Для анализа больших объёмов информации, улучшения показателей и формирования прогнозов крупные и малые бизнесы используют предиктивную (она же — предсказательная) аналитику. Это интеллектуальный анализ данных, который включает статистическое моделирование, изучение исторического опыта и планирование результатов на основе полученных моделей.

Чтобы все эти операции выполнялись за считанные секунды, многие компании используют в предиктивной аналитике технологии искусственного интеллекта. Посмотрим, как именно это происходит на практике.

1. Walmart: оптимизация системы снабжения

Начнём с примера, который один может вдохновить всю розничную торговлю. Компания Walmart, крупнейшая в мире сеть оптовой и розничной торговли, адаптируется к эпохе цифровых технологий, связывая онлайн- и офлайн-данные. Система запрашивает информацию у кассовых терминалов и даёт прогноз, какие товары будут пользоваться спросом, а какие — нет.

Информацией управляют с помощью облака Data Cafe Walmart, которое обслуживается командой Walmart Labs в Силиконовой долине. Эта операция нужна для расчёта ожидаемых показателей. Благодаря инструментам предиктивной аналитики и искусственному интеллекту компания оптимизировала цепочку поставки товара и добилась соблюдения сроков доставки.

Стоит отметить, что такая технология может использоваться не только гигантами, как Walmart. Любой менеджер менее крупной компании с помощью доступных технологий от Google и Adobe может правильно организовать поставки товаров и минимизировать риски дорогостоящих корректировок, если спрос превышает предложение или наоборот.

2. Зоопарк Point Defiance: рост малого бизнеса

Опрос SAP показал, что более 70 % руководителей малого бизнеса также начинают использовать в работе аналитические данные. Приведём пример.

Посещаемость зоопарка Point Defiance (Такома, штат Вашингтон) то непредсказуемо росла, то падала.

В случае небольшого числа людей расходы на персонал оказывались слишком большими. Чтобы выявить факторы, влияющие на посещаемость, руководство зоопарка начало сотрудничать с национальной метеорологической службой.

Объединение данных национальной метеорологической службы с управляемой искусственным интеллектом платформой Watson IBM позволило с точностью до 95 % определять, при каких погодных условиях люди посещают зоопарк, и обеспечивать его нужным количеством персонала.

Конечно, практическое применение этого метода гораздо шире, чем просто анализ числа посещений. В Point Defiance изучают, как посетители ведут себя в зоопарке, где проводят больше времени, какие маршруты выбирают. Анализ этой информации позволяет улучшить качество обслуживания. В планах также использование искусственного интеллекта для контроля данных о здоровье, диагностики проблем животных парка и проведения необходимого лечения.

3. Hopper: прогнозирование ценовых тенденций

Индустрия туризма печально известна высокой конкуренцией, недолговечными пиками, спадами спроса и низкорентабельными направлениями.

Из-за этого многие путешественники сомневаются в правильном выборе времени для бронирования билетов: сделать заказ за несколько месяцев или за два дня до даты отправления.

Решить эту проблему помогают приложения для путешествий, использующие предиктивную аналитику на основе технологий искусственного интеллекта. Отличный пример в данном случае — Hopper.

Приложение использует статические модели и ежедневно сканирует миллиард цен и данных по каждому маршруту. Это позволяет прогнозировать модели ценообразования и оповещать путешественников о возможности купить самые дешёвые билеты на желаемое направление.

Конечно, это не единственная компания, предоставляющая такую услугу. В России широко известны AviaSales, Skyscanner, TripAdvisor и др.

IBM: сохранение персонала

Плюс предиктивной аналитики — возможность получить долгосрочные результаты, работающие на цели компании. Чаще всего это получение прибыли. Однако предиктивная аналитика и искусственный интеллект могут помочь не только в этом. С их помощью можно выявить проблемы текучки кадров и предложить пути их решения.

Так, суперкомпьютер Watson IBM оценивает общие факторы, влияющие на уход персонала. По структурированным данным (как на скриншоте ниже) он определяет показатели качества для каждого сотрудника и просчитывает вероятность его увольнения.

Владелец бизнеса или менеджер может использовать эти показатели, чтобы выявить причины возможного ухода сотрудников из компании и предотвратить это. Предиктивная аналитика также позволяет учитывать затраты на привлечение новых кадров и сохранение имеющихся специалистов. Благодаря этому появляется возможность снизить операционные расходы.

5. Under Armour: увеличение охвата аудитории

Компания Under Armour, производитель спортивного инвентаря, использует искусственный интеллект и предиктивную аналитику для анализа тональности публикаций и общественного мнения. Они хотят понять отношение потребителя к бренду, найти свободные ниши на рынке и расширить аудиторию. Для этого компания должна чётко знать, кто её потенциальный клиент, и взаимодействовать с ним посредством персонализированных сообщений.

Кроме того, сейчас компания производит не только спортивные товары, но и приложения и устройства, предназначенные для учёта отдельных характеристик организма пользователя (фитнес-трекеры, умные часы и пр.). Чем больше людей используют эту продукцию, тем больше информации поступает в Under Armour. Так, в год компания получает данные от более чем 200 миллионов зарегистрированных пользователей. Это позволяет не только связать офлайн- и онлайн-миры, но и даёт понимание, как именно улучшить продукцию.

6. Сбербанк: Big Five и риск-менеджмент

Для банка оценка рисков крайне важна, ведь любой риск — это возможность недополучить доход. Выдавая кредит или совершая другую операцию, банк должен быть уверен, что перед ним платежеспособный человек, не принимающий необдуманных решений. Сейчас для этого совсем не обязательно задавать миллион вопросов. Достаточно проанализировать поведение человека в социальных сетях.

Такую методологию искусственного интеллекта Сбербанк внедрил в свой риск-менеджмент. Она называется Big Five. Технология позволяет составить психологический портрет личности и оценить его благонадёжность для банка на основе пяти черт характера: добросовестность, открытость, общительность, законопослушность и эмоциональная неустойчивость. Применяя эту методологию, Сбербанк получил $50 млн чистой прибыли.

Сегодня нет ни одной сферы деятельности, где бы компания ни пыталась применить искусственный интеллект: открытие счетов с помощью программного робота, одобрение кредитов без участия человека, оценка работы сотрудников и т. д. В планах у Сбербанка оптимизировать с помощью искусственного интеллекта до 80 % операций.

7. Ingate: технологический сервис для удержания клиентов

Клиент — это доход. Поэтому компания должна учитывать пожелания каждого из них. А что делать, если у компании десятки, сотни или даже тысячи клиентов? Отследить их настрой на продолжение сотрудничества достаточно сложно, и без предиктивной аналитики и искусственного интеллекта уже не обойтись. Мы тоже не остались на обочине прогресса и разработали сервис, который позволяет отслеживать готовность клиента к продолжению сотрудничества.

Вот только малая часть примеров использования предиктивной аналитики на основе технологий искусственного интеллекта. Если у вас есть необходимые аналитические данные и люди, которые смогут грамотно их интерпретировать и сформировать прогнозы, не упускайте возможность зарабатывать больше.

*За основу мы взяли статью«5 businesses using AI to predict the future and profit».