• <samp id="ackgs"></samp>

    <samp id="ackgs"></samp>

    <samp id="ackgs"><sup id="ackgs"></sup></samp>

      1. <acronym id="ackgs"><sup id="ackgs"></sup></acronym>
        1. 创业头条
        2. 前沿领域
        3. 人工智能
        4. 正文

        智能分析平台之「AI预测引擎」

         2019-04-15 12:08  来源:A5专栏  我来投稿

          各种互联网项目,新手可操作,几乎都是0门槛

        观远数据已经帮助联合利华、百威英博等多家500强客户实施需求预测,有大量的零售领域数据预测经验。我们看到,500强企业之所以愿意花上百万,甚至大几百万来做AI预测项目,是基于其庞大的业务体量来评估ROI后作出的选择:

        一方面,高质量的数据预测确实需要专业的数据科学家和分析人员深入了解业务场景,不断迭代优化预测模型,经过长时间的锤炼才能获得;

        另一方面,业务规模足够大时,一点点的预测准确度的提升都能给企业带来巨额的利润回报。

        但同时,我们也意识到,不是任何企业都有这个资金实力去做此类高质量的数据预测的,并且在业务需求上也可能仅仅是想做一些初步预测来为决策提供参考。那么如何满足这类客户的预测需求,同时又能给他们提供比一般方法更优秀的预测结果呢?

        这一篇我们就给大家讲讲观远数据为入门级数据分析人员准备的零售数据「AI预测引擎」。

        AI预测引擎概述

        了解过观远产品的朋友们都知道,观远数据在BI平台里面内置了Smart ETL智能数据处理???。该??榛赟park大数据计算引擎开发,提供拖拽式、图形化的数据流开发方式,使得一般业务人员也能做专业的数据分析处理。一般的ETL过程整理主要做的是数据的清洗、转换、关联、加载等操作,那观远的Smart ETL何以称之为智能呢?这是因为Smart ETL中除了支持Spark本身自带的函数之外,还支持自定义的UDF、UDAF函数开发,具有非常强大的智能算子 扩展能力。

        举个例子,如果你想挖掘商品间的潜在联系,开拓更多销售机会,你就可以使用Smart ETL内置的“关联性挖掘”这个智能算子来快速实现商品销售关联分析。

        而「AI预测引擎」则是另一个重要的智能算子。你可以用它来做各种级别的销售预测,大到门店,小到品类,甚至SKU。有了可靠的销售预测的数据,商品层面,对于鲜食类商品,可以做更为客观的订货量评估,降低报废风险的同时把握更多销售机会;对于大众消费商品,可以提供更为精准的动销天数估算,指导商品订货、补货、配货。另一方面,销售预测也可以用来指导人员排班,以及提供更为合理的销售进度评估。

        「AI预测引擎」智能算子

        在观远Smart ETL中,用户仅需要拖入一个「AI预测引擎」算子,接入事先预处理好的历史数据,然后简单配置日期字段、预测指标,以及指标聚合维度(日/周/月/季度/年)和预测周期数,便可开始预测。预测结果可以输出到数据集进行下一步的展示分析与决策支持。

        「AI预测引擎」节点配置

        观远数据的「AI预测引擎」主要适用于零售企业的销售预测或需求预测。上图所示只是一个极简模式的预测算子,但即便配置如此简单,对零售行业门店级别(以超市数据为例)的日商预测平均准确度达到83%(MAPE≈17.65%),个别门店接近90%;而细化到单门店单品类(鲜肉类)的日商预测,准确度达到84%。而在这个基础上,我们还能提供更多配置项,添加诸如天气情况、促销活动、品类级别的日期特征等外部信息,进一步提升数据预测的准确度;同时也可以提供多门店、多品类的批量预测。

        架构解密

        为什么如此简单的操作,便能实现还不错的销售数据预测呢?

        这是因为架构层面观远数据将预测算法封装成Spark UDF函数,有机地融合进Smart ETL,成为一个可点选配置的智能算子;算法层则采用了先进的算法,并将观远数据多年沉淀的零售行业预测经验转化为相应日期特征优化配置后预置进算法包里。

        如此一来,看似简单的时序预测,其实已经包含影响零售行业销售数据的周期性特征、节假日特征以及节前节后特征,这样的预测自然是要比一般时序预测方法准确度提升不少了。

        未来,我们还会根据不同品类的消费特征,分别给予不同的品类特征日历,进一步提升品类甚至SKU级别的预测准确度。同时,还可以增加天气作为额外特征,这样对于一些极端天气情况下的销售预测也会进一步提升准确度了。

        算法解密

        具体到算法层面,为什么观远的AI智能预测算法能够比市面上通用的预测算法在预测准确度上再提升一个层级呢?

        首先我们来看一般时序预测工具中常用的ARIMA模型(Autoregressive Integrated Moving Average Model)。它是一种结合自回归与移动平均方法进行预测的模型,要求时序数据是稳定的,或者通过差分化后是稳定的,一般来说很难符合现实数据的情况。与之类似的还有GARCH模型等传统时序方法,大都只能进行单变量的建模,局限性较大。

        近年来涌现出更多复杂时序模型,以便解决实际业务中的复杂情况。例如比较有代表性的TBATS的预测模型,结合了Box-Cox转换,趋势拟合,ARMA建模,周期性分析等复杂技术手段来进行建模预测。它实际上是一种状态空间模型(State Space Model)的算法实现,类似的还有隐马尔可夫模型,RNN等也都属于此类。这类模型主要限制是参数繁多,计算量大,在大规模时序预测时往往需要花费很大的计算成本实现。

        那零售行业现实状况是怎样的呢?我们不妨先来看看零售数据本身具有的一些特征:

        趋势特征: 一般销售数据在一个比较长期的时间范围内,具有整体增长或下滑的趋势特征。

        周期特征: 销售数据具有明显的周期性和季节性。

        非规律性的节假日特征: 节假日及节假日前后对销售数据有显著影响。

        各类外部因素影响: 促销活动、天气、搜索指数、销售指标等因素也会显著影响销售数据。

        数据稀疏性: 一般零售行业的SKU,门店等维度的组合会非常巨大,但每个组合中的时序数据数量往往比较有限。

        基于直观的理解,我们就可以发现简单的ARIMA模型与复杂的状态空间模型对于零售数据的预测都有一定的局限之处。而观远数据则是根据具体的业务数据情况,结合使用高效的广义累加模型和状态空间模型,统筹考虑零售时序数据的趋势性、周期性,并加入对节假日及促销、天气等可预测波动因素的分析,给出综合预测结果,可以说这是一个专门为零售预测而生的算法模型!

        预测结果呈现

        观远数据对预测数据呈现做了定向优化,对实际数据与预测数据进行了颜色和线型的区分,并添加了预测数据的置信区间,提供时间轴的缩略展示。

        「AI预测引擎」数据展示

        小结

        本文给大家介绍了集成在观远BI平台内的「AI预测引擎」功能的架构设计与算法实现方案。事实上,观远数据提供的「AI预测引擎」解决方案不仅仅是引入了先进的AI预测算法,更是将多年沉淀的、符合本土日历特征的零售数据预测经验预置进了算法模型里面,同时结合BI平台,给出了数据接入、整理、预测到展现的端到端整体解决方案。有兴趣了解更多的朋友赶快联系我们试用哦!

        下一篇我们将给大家介绍更多观远数据在AI领域的落地案例与应用效果,欢迎持续关注!

        责任编辑:陈龙   /   作者:观远数据

        相关标签
        ai技术
        ai智能

        申请创业报道,分享创业好点子。点击此处,共同探讨创业新机遇!

        相关文章

        • 坚果J9智能投影怎么样?好不好用?

          近日,坚果智能投影在京东预约上线了一款新品投影仪——坚果J9。据称这是一款与以往系列产品不一样的投影仪设备,下面就一起来看看这款新品吧!这款坚果J9投影在外观上与前代产品基本类似,采用了布艺+金属的搭配,整体色调为灰白色,可以十分轻易地融入到家庭氛围中去。

        • 广州建博会圆满收官,Aqara 3.0全面进化

          为期4天的2019中国建博会(广州)于今天顺利闭幕。在这场火爆而盛大的行业盛宴中,Aqara凭借领先行业的新品和全屋智能解决方案,以及沉浸式体验展厅在展会上大放异彩。

          标签:
          智能家居产品
        • 上海人工智能高地徐家汇成功引进高新企业Datatist(上?;?!

          徐汇区是全国人工智能高地上海的重点区域,在成功引进一系列知名AI企业之后,又发现了掌握“AI运营核心技术”的Datatist(上?;?,科委商委领导和招商部门领导三管齐下,通过极大的诚意成功将Datatist纳入到徐汇人工智能中心板块,从政策层面、客户拓展层面、高级人才培养、人才生活和服务等全方面

          标签:
          人工智能
        • 科大讯飞到访数据堂

          7月10日下午,科大讯飞一行3人到访数据堂,数据堂联合创始人肖永红、数据产品部总监丰强泽、AI销售部华北中心经理谢华健陪同接待。双方就数据堂自有数据产品、数据解决方案、相关数据产品的采集及标注细节内容,进行了深入的探讨和交流。

          标签:
          人工智能
        • 微呼科技荣获2019中国人工智能峰会“CAIS紫金奖”

          6月28日,2019中国人工智能峰会在南京召开,经过中国人工智能产业发展联盟(AIIA)组织的专业评审,微呼科技从众多参评企业中脱颖而出,凭借“智能应用”综合服务整体解决方案,荣获“CAIS紫金融合创新奖”。

          标签:
          人工智能
        • 平安科技陈立明RISE表示:端对端AI医疗推动平安挺进“专家智能”

          7月10日,RISE2019科技峰会举办期间,平安科技CEO陈立明(EricsonChan)出席并发表主题演讲。这是陈立明连续第三年受邀参加峰会,作为“老朋友”,这次平安科技却带来不一样的人工智能故事。

        • 顶着“接管世界”头衔的人工智能,或许该被重新定义了

          《黑镜》中有这样一句台词:人只能承受一定程度的奇迹,当你们发现奇特的东西时,就把它分割成极小的部分,再被扩容、打包,通过一万多事先分配好的频道传送出去,直到成为不过几束无意义的光线。

          标签:
          人工智能
        • 朴墅 新式家门口智能家居发明者

          月9日,第21届中国(广州)国际建筑装饰博览会,在广交会展馆(琶洲)持续火热!在A区2.1智能家居展馆中,PushLL朴墅以其独有的"家门口智能家居"产品,吸引了众多与会嘉宾莅临展位,咨询相关产品和技术,洽谈未来合作商机。

          标签:
          智能家居产品
        • 火爆建博会!Aqara 实力演绎未来全屋智能

          7月8日,2019年中国(广州)国际建筑装饰博览会在广州琶洲盛大开幕,作为智能家居行业的佼佼者,Aqara携Zigbee3.0系列新品全新亮相。本次展会,Aqara旗下多款新品、爆品及全屋智能解决方案隆重亮相,精致亮眼的产品阵容,吸引一批又一批的参观者驻足欣赏。

          标签:
          智能家居产品
        • 喧嚣之下的机器人实务:坚守工匠精神

          近年来,“机器人热”水涨船高。为抢占风头,无数公司涌入机器人行业,安?;魅?、养老机器人、教育机器人……各类机器人正在以爆发式的速度增长。但快速增长的喧嚣背后,只有企业自己明白,虽然表面“光鲜亮丽”,但内部面临的挑战与日俱增。目前整个机器人行业还处在创新的隧道期,想要长远发展必须从实际出发,坚守“工

          标签:
          智能机器人
        榜单

        热门排行

        编辑推荐

        扫一扫关注最新创业资讯
        全年66期心水状元红九肖 漳平市| 苍梧县| 阜新市| 京山县| 抚宁县| 讷河市| 满城县| 宜州市| 永修县| 霸州市| 柳江县| 林甸县| 孟村| 黔西| 梧州市| 乌审旗| 博客| 固镇县| 锦屏县| 名山县| 罗城| 昔阳县| 甘洛县| 额济纳旗| 荥经县| 蒙山县| http://www.bzmujq.cn 桓台县| 含山县| 普安县| 盐边县| 宁海县| 碌曲县| 葫芦岛市| 沭阳县| 堆龙德庆县| 哈密市| 云梦县| 乡宁县| 留坝县| 岐山县| 石河子市| 会宁县| 迁安市| 乌拉特前旗| 赤水市| 龙门县| 东台市| 衡阳市| 丰顺县| 仙居县| 岳阳市| 确山县| 奉新县| 内江市| 蒙山县| http://www.vxehdk.cn 达拉特旗| 新源县| 文昌市| 赤城县| 池州市| 滁州市| 合阳县| 宣武区| 和林格尔县| 广河县| 西青区| 馆陶县| 乃东县| 玉林市| 富阳市| 明水县| 长寿区| 丰原市| 宜良县| 师宗县| 兴国县| 衡南县| 延长县| 遂溪县| 秦皇岛市| 石林| 乌拉特后旗| 辉南县| 合川市| 台北县| 哈密市| 福鼎市| 花垣县| 巴林右旗| http://www.iuvpda.cn 沁阳市| 宿松县| 北辰区| 庐江县| 亳州市| 兰西县| 玛纳斯县| 尉犁县| 富锦市| 射洪县| 堆龙德庆县| 宁阳县| 道孚县| 通化县| 惠水县| 丰宁| 虹口区| 平安县| 秦皇岛市| 汉川市| 鹿泉市| 双牌县| 阿鲁科尔沁旗| 临西县| 喀喇沁旗| 彝良县| 开平市| 阿拉善盟| 四川省| http://www.utgtka.cn 宜春市| 如皋市| 桂阳县| 双城市| 遂平县| 炉霍县| 孝昌县| 兴国县| 扎囊县| 麟游县| 栾川县| 舞阳县| 于田县| 资中县| 衢州市| 黎城县| 潢川县| 阜城县| 禹州市| 桃园市| 乌苏市| 沈丘县| 绵竹市| 镇康县| 分宜县| 大港区| 济源市| 鸡泽县| 建昌县| http://www.juvbva.cn 甘南县| 枝江市| 吉首市| 贞丰县| 项城市| 鄱阳县| 沙雅县| 公主岭市| 鸡西市| 泸州市| 广南县| 施甸县| 栾城县| 中超| 安徽省| 宁南县| 泸西县| 仙桃市| 房山区| 禄丰县| 临邑县| 那曲县| 叙永县| 托克托县| 乡城县| 钟祥市| 定日县| 宁安市| http://www.rlmhgv.cn 和平县| 安仁县| 克山县| 呼玛县| 安塞县| 鞍山市| 新绛县| 册亨县| 澄迈县| 浏阳市| 左云县| 尉犁县| 江西省| 自贡市| 遂昌县| 迁西县| 无为县|