Кейс_Unilever. Кейс_Unilever_machine learning. Бизнесприоритет Лидерство в области управления данными и принятие решений в первую очередь по данным Проект создания международного центра прогнозирования и оценки на основе технологии machine learning
 Скачать 122.77 Kb.
|
|
Бизнес-приоритет: ‘Лидерство в области управления данными и принятие решений в первую очередь по данным" Проект создания международного центра прогнозирования и оценки на основе технологии machine learning На текущий момент компания использует 30 центров обработки данных, которые анализируют и взаимодействуют с самими потребителями, выявляют его целевой портрет, предпочтения, но не дают представления об общей работе компании, не анализируют производственные возможности компании, её потенциал, не определяют наилучшую закупочную цену, не дают возможности прогнозировать потенциальный объем рынка.     \Рис.1. Цепочка поставок компании Unilever В случае создания отдельного центра прогнозирования и оценки на основе технологий машинного обучения, искусственный интеллект сможет на основе эмпирического опыта определить в какой из месяцев компании необходимо увеличить производство, по какому маршруту распределить товар, определить наиболее эффективных дистрибьютеров и выявить наиболее эффективные каналы электронной коммерции и дать прогноз по объему продаж и определения потребительский предпочтений в тот или иной период Цепочка поставок после создания центра прогнозирования и оценки и его внедрения в работу компании           Рис.2. Цепочка поставок компании Unilever после внедрения системы машинного обучения в работу компании Для реализации данного проекта будет необходимо сформировать его основные аспекты, набрать высококвалифицированных специалистов, а также закупить серверное оборудование и привлечь разработчиков (возможно на базе стартапа) по созданию эффективной программы по обработке и анализу данных. Представим основные данные по проекту Цель проекта: Создание центра машинного обучения и прогнозирования Ограничения проекта:бюджет проекта – 1 млн. евро., сроки проекта – 2 года. KPI: Компания создала полностью работающую программу работы с данными по анализу динамики продаж, прогнозированию потребительского спроса, анализу себестоимости, оценки и прогнозирования эффективности работы Все сроки соблюдены. Бюджет проекта не превышен более чем на 40%. Запущены процесс самообучения искусственного интеллекта.  Создание и внедрение центра прогнозирования и оценки            Создание центра 450 Оценка эффективности и оптимизация 150 Привлечение разработчиков ПО 400      Аренда площади 150 Подбор новых параметров оценки 10 Подписано соглашение с международными разработчиками 200   Ремонт и отделка помещений 50    Оптимизация взаимодействия центра с другими подразделениями25 Сохранение ноу-хау, защита интеллектуальной собственности 50    Подготовка серверных комнат 50    Выявление ошибок, исправление 100 Найм и обучение сотрудников по machine learning 30  Закупка и установка оборудования 200 Рисунок 3. Структура расходов тыс.евро Далее мы представим возможных международных партнёров Unilever по созданию системы машинного обучения и анализу больших массивов данных, которые могли бы участвовать в развитие проекта Таблица 1. Компании специализирующиеся на разработке систем машинного обучения
Исходя из первичного анализа рынка внедрение системы возможно без значительных превышений бюджета проекта, однако доработки, выявление ошибок могут негативно сказаться на сроках и бюджете реализации проекта. Таблица 2. Риски проекта
Риски в финансовом эквиваленте могут превысить вложения в проект на 25%, что является незначительным показателем. Далее сформируем анализ различных вариантов развития проекта Причины эффективности предложенного проекта Единая система аналитики, отбора и исследования информации, позволит уменьшить сроки формирования бюджетов, прогнозов, оценки объемов продаж; Оптимизация взаимодействия и унификация внутренних отчётностей в взаимодействии с искусственным интеллектом позволит уменьшить временные издержки по формированию стандартных отчётностей, а также уменьшит времени на составление бюджетов и прогнозов будущих периодов развитие; Система машинного обучения со временем её работы формировать единые цепочки поставок и распространения на основе показателей предыдущих периодов; Объем данных, которые способен обработать человек значительно ниже, по сравнению с работой искусственного интеллекта, что уменьшает вероятность ошибки и временных задержек в работе компании; Взаимодействие всех подразделений с интеллектуальной системой, позволит уменьшить затраты на производство, выбрать наиболее эффективных дистрибьюторов, поставщиков, оценить потенциальное влияние различных негативных факторов на проект; Создание центра оценки и прогнозирования поможет устойчивому росту компании Unilever так как: Компания станет одной из первых, кому удалось внедрить программу машинного обучения, оптимизировать свою работу и создать эффективные алгоритмы прогнозирования экономической ситуации Искусственный интеллект сможет уменьшить объемы затрат и предвидеть нестабильность на рынке, уменьшив убытки фирмы Зная предыдущие тенденции продаж, искусственный интеллект даст прогноз продаж, что значительно упростит маркетинговую стратегию фирмы Алгоритм позволит оценить принятие любого стратегического решения на компанию с возможными рисками и прибылями Искусственный интеллект позволит уменьшить количество финансовых махинаций внутри компаний и дать независимую оценку работы каждого сотрудника. Также искусственный интеллект даст возможность уменьшить количество ошибок, совершаемых руководителями среднего и низшего звена, так как они будут обладать максимально возможным объемом информации, необходимым для реализации стратегии развития. |