[ad_1]

COVID-19 جهان را به هم ریخت و مدل های پیش بینی را در سال 2020 پیش بینی کرد. در سال 2021 ، ما برای مقابله با عدم اطمینان شدید کمی آماده هستیم.

تصویر: momius - stock.adobe.com

تصویر: momius – stock.adobe.com

قبل از همه گیری ، وقفه دیجیتال نیروی اصلی تعیین کننده جهت مدلهای تجاری و کل صنایع بود. همانطور که سال 2020 نشان می دهد ، به نظر می رسد اختلال دیجیتال در مقایسه با تأثیر COVID-19 در تجارت نسبتاً داخلی است. تغییرات ناگهانی و چشمگیر در واقعیت های روزمره بر میزان صحت مدل پیش بینی تأثیر منفی گذاشت زیرا بسیار با داده های تاریخی ناسازگار بودند.

اسکات زولدی ، تحلیلگر ارشد FICO ، ارائه دهنده پلت فرم تصمیم گیری ، گفت: “یکی از چیزهای بزرگی که مردم با آن دست و پنجه نرم کردند این واقعیت بود که ساخت مدل ها به درستی ساخته شده است.” “بدیهی است که ما در زمان استرس زیادی به سر می بردیم ، زیرا مردم سعی داشتند بفهمند که چگونه بجای پرسیدن اینکه” چگونه می توانم از دارایی هایی که دارم استفاده کنم؟ ” “آنها اساساً گفتند ،” بیایید فقط مدل را بیرون بیندازیم و مدل جدیدی بسازیم “، كه با مشکلات كلی دیگری همراه است ، زیرا ما در اصل مدلهایی داریم كه بر اساس دادههای غیر ثابت ساخته شده اند.” “

انطباق با حالت عادی جدید

به طور سنتی ، شرکت ها داده هایی از سالها دارند که می تواند برای اهداف پیش بینی استفاده شود. با این حال ، هنگامی که کل جهان در مدت زمان کوتاهی کاملاً بنیادی تغییر کرده است – عرضه و تقاضا ، ایجاد اختلال در زنجیره تامین ، شوک تجاری ، ماندن در خانه – زمان خلاقیت فرا رسیده است.

Dan Simion ، معاون رئیس AI و تجزیه و تحلیل در شرکت مشاوره جهانی Capgemini در آمریکای شمالی گفت: “روش سنتی بررسی فروش و درک روند است. اکنون فروش پیش بینی خوبی نیست ، بنابراین شما باید به دنبال چیز دیگری باشید.”

دن سیمونی ، کاپژمینی

دن سیمونی ، کاپژمینی

به عنوان مثال ، یکی از مشتریان Capgemini از رزروهای آینده برای پیش بینی سفرهای تجاری به جای فروش استفاده کرد ، زیرا تقاضا برای سفرهای تجاری در سال 2020 تبخیر شد.

در حالی که شرکت ها فهمیدند که آنها به توانایی انطباق با تغییرات سریع نیاز دارند ، آنها همچنین درک کردند که باید با استفاده از داده ها تصمیمات را به حداقل برسانند.

سیمیون گفت: “تلاش برای پیش بینی استفاده از تکنیک های سنتی آماری دشوارتر می شود زیرا شما به تعداد زیادی داده و مشاهدات نیاز دارید.” “قبل از اینکه هر هفته یا هر روز یک مشاهده انجام دهید و می توانید هر ساعت پایین بیایید.”

همین امر در مورد سایر ابعاد نیز وجود دارد ، که می تواند به قطعات کوچکتر تقسیم شود – به عنوان مثال کد پستی به جای کشورها یا مناطق.

سیميون گفت: “اين درجه آزادي ، تعداد مشاهدات را در همان بازه زماني افزايش مي دهد.”

برنامه ریزی اضطراری “B” است

در سطح استراتژی کسب و کار ، به رهبران سازمانی هشدار داده شده است که می توانند موارد غیرمترقبه را در سطح کاملاً متفاوت از قبل برنامه ریزی کنند. سازمان های مشاوره جهانی به جای داشتن یک برنامه A و یک برنامه B ، به مشتریان توصیه می کنند که چندین برنامه احتمالی را تحت پوشش سناریوهای مختلف مانند مسدود کردن و برهم زدن زنجیره تأمین داشته باشند. با این حال ، تفکر مشابه در بسیاری از سازمان ها به تیم داده سرازیر نمی شود.

سیمیون گفت: “ما به خصوص اخیراً در حال جستجو برای یک وانت هستیم.” س wasال این بود ، “برنامه احتمالی چیست؟” “و اکنون این گزینه” اگر نتوانم در مسیرهای سنتی تحویل دهم ، گزینه های مسیر حمل و نقل من چیست؟ کانتینرهای خود را برای پاسخگویی به این موضوع کجا قرار دهم؟ “

چرا مدل های پیش بینی FICO بهتر از بیشتر در برابر همه گیری مقاومت می کنند

FICO با مدلهای پیش بینی خود در سال 2020 چالشهای کمتری نسبت به سایر سازمانها داشته است. سپس مشتریان برای اتخاذ تصمیمات مهم تجاری ، مانند اینکه آیا اعتبار صادر می کنند و در چه سطحی ، به مدل های آن اعتماد می کنند.

اسکات زولدی ، FICO

اسکات زولدی ، FICO

“قبل از COVID ، ما همیشه مورد انتقاد قرار می گرفتیم. چرا ساخت مدل شما اینقدر طولانی می شود که این Fintech در اینجا می تواند آن را در فضای ابری انجام دهد [a lot faster]؟ “ما به مشتری می گوییم ،” هر دو ما به این مدل وابسته هستیم ، بنابراین باید آن را به دقت درک کنیم و با دقت بسازیم. “

بخشی از سس مخفی FICO روش چهار دندان است که شامل موارد زیر است:

  1. هوش مصنوعی قوی که بر عملکرد و ثبات مدل متمرکز است
  2. هوش مصنوعی قابل توضیح ، که به درک روابط در یک مدل ، از جمله آنچه مدل می آموزد ، اشاره دارد
  3. هوش مصنوعی اخلاقی ، که شامل آزمایش برای اطمینان از نتایج اخلاقی است
  4. یک هوش مصنوعی م thatثر که اطلاعات را از مراحل ابتدایی گرفته تا:
  • اطلاعات را بفهمید
  • تست سناریو را انجام دهید
  • تصمیم بگیرید که آیا منطقی بودن رفتار محرک است
  • ببینید چه چیزی را باید تماشا کنید

زولدی همچنین بر اهمیت مدل مدیریتی یا مدل مدیریتی توسعه مدل تأکید کرد.

“اگر شما هیچ فرآیند ضبط شده و مدونی ندارید که متوجه شوید از این به بعد ما فقط در صورت بررسی این مدل از این فناوری ها استفاده خواهیم کرد ، اینها استانداردهایی برای ساختن یک مدل قوی و مسئولیت پذیر هستند و آنها ارائه خواهند شد مواردی که سازمان می خواهد آنها را کنترل کند تا مطمئن شود مدل به درستی کار می کند ، “زولدی گفت.

در گزارش پیش رو با حمایت مالی FICO ، 90٪ از CIO ها ، افسران ارشد داده و مقامات ارشد هوش مصنوعی گفتند که لازم است تغییرات اساسی ایجاد کنند و در نحوه نظارت بر مدل های خود سرمایه گذاری کنند.

زولدی گفت: “من فکر می کنم اگر 90٪ از رهبران تحلیلی در این شرکت های مختلف بگویند ما کارهای زیادی برای نظارت داریم ، من فکر می کنم این یکی از بزرگترین مواردی است که باید در سال 2021 مورد بررسی قرار گیرد.” “مورد دیگری که باید در سال 2021 به آن توجه کنیم این است که اگر مدل ها به درستی و با دقت ساخته شوند ، پیش بینی آنها را از دست نخواهید داد ، اما تفسیر آنها کمی تغییر می کند ، به این معنی که می توانید از آستانه ارزیابی متفاوتی نسبت به قبل استفاده کنید. “

مطالب مرتبط:

اجرای تجزیه و تحلیل های قابل پیش بینی برای کار در دنیایی نامطمئن

چگونه IT می تواند تجزیه و تحلیل پیش بینی درست را بدست آورد

اینترنت اشیا و تحلیل قابل پیش بینی: آنچه ما برای آن تلاش می کنیم

چرا استراتژی داده و تجزیه و تحلیل همه منفجر شده است

لیزا مورگان یک نویسنده مستقل است که داده های بزرگ و BI را برای InformationWeek پوشش می دهد. او در مقالات ، گزارش ها و انواع دیگر مطالب در نشریات و سایت های مختلف شرکت کرده است ، از SD Times گرفته تا واحد هوشمند اکونومیست. مناطق مشترک پوشش شامل … بیوگرافی کامل را ببینید

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم [contact us directly] با س questionsالات در مورد سایت.

مقالات بیشتر



[ad_2]

منبع: tasiveh-news.ir