Yapay zekâ & veri bilimi

Yapay zekâ çalışmalarında ölçtüğümüz şey modelin doğruluğu değil, kararın iyileşmesidir. Yüksek doğruluklu ama karar değiştirmeyen bir model iş üretmez.

Önce karar, sonra model

Bir projeye başlarken sorduğumuz ilk soru şu: bu modelin çıktısı hangi kararı değiştirecek? Bir tahmin bir siparişe mi, bir kampanyaya mı, bir stok kararına mı dönüşecek?

Bu soru cevaplanmadan kurulan modeller genelde iyi çalışır ve kimse kullanmaz. Çıktının nereye bağlanacağı belliyse modelin ne kadar doğru olması gerektiği de belli olur — ve çoğu zaman sanıldığından daha düşüktür.

Çalıştığımız problem tipleri

Tahmin. Ürün taleplerinin günlük, haftalık veya aylık öngörülmesi. Perakendede bu, stok seviyesi ve sevkiyat kararlarının girdisidir.

Sınıflandırma. Müşteri terk tahmini, yorum duygu analizi, problem kategorilendirme. Comentio ürünümüzde pazaryeri yorumları önce duygu analizinden geçiyor, sonra olumsuz olanlar hangi problemle ilgili olduğuna göre sınıflandırılıyor.

Segmentasyon ve değer. Müşteri segmentasyonu ve yaşam boyu değer tahmini; kampanya hedeflemesinin ve öneri sistemlerinin temeli.

Fiyat davranışı. Fiyat elastikiyeti modelleri: bir üründe belirli oranda fiyat değişiminin satışa ve kârlılığa etkisi. DISCO ürününün ilk fazı budur.

Optimizasyonla birleştiğinde

Tahmin tek başına bir öneri üretir; optimizasyonla birleştiğinde bir karar üretir.

Talep tahmini, hangi mağazaya kaç adet gönderileceğine karar veren modelin girdisidir. Fiyat elastikiyeti modeli, hangi ürüne hangi hafta hangi indirimin uygulanacağına karar veren optimizasyonun girdisidir.

Bu ikisini ayrı ayrı kurmak mümkün, ama birlikte kurmak daha az hata üretir: tahminin belirsizliği optimizasyonun kısıtlarına doğrudan yansıyabilir.