這節會點出第一篇所提到的內容作呼應,也就是跨領域合作。
國內大部分的AI還在規劃討論階段,而全球較先進的地方是在進行式階段。 這代表還有突破的空間。
如何運用機器學習來協助公司及主管做策略預測,讓負責決策的主管可以了解機器學習,或導入AI可以對公司有什麼好處,可以從需求預測開始彙整。
機器學習需求預測說明
讓機器幫忙需求預測,有幾點要先釐清:
關於需求預測,我們可以從微軟提供的資訊來當作範例:
可從前端的供應鏈,也就是供應鏈到製成商品,再到市場銷售端-販售商品給客戶,可以先從此二種需求預測切入。
公司使用機器學習預測,在決策上需要運用哪些資料,需要透過組織之間跨單位合作,如果每個部門的領域不同,就可以是跨領域的溝通與激盪點子。
透過腦力激盪,結合不同的見解與創新點子、靈感,產生新的化學效應,而這需要改變公司的風氣。
如行銷與業務部門,結合財務與資訊部門,可以共同探討什麼樣的因子、要素,會讓市場改變風向等等,會影響的要素,就可以考慮放入機器學習的訓練。
最好的機器學習預測效果就如同軍備競賽,如果機器預測是軍備,那競爭力可謂就是軍備競賽,誰能得到最好的預測效果,誰就能戰勝競爭對手。
機器預測不是只有技術力還有資料,更需要市場面及跨部門的溝通及判斷,若只是單純憑技術人員與累積的資料,可能也無法讓機器預測到突如其來的環境或政策因素造成的衝擊,甚至可能落後競爭對手。因此,讓機器可以取得不同領域人才的見解考慮因素,並把人才所考慮的因素一併納入機器學習中,或許也是戰勝競爭對手的關鍵。
這也是第一節文章所探討的,拉進不同領域的人來參與,是非常重要的方向。
不同領域的成員,會產生出新的知識,相對也可能產生新的數據資料供機器學習,在意義上會較接近機器在學習適應環境的變動,來預測新的需求結果。
而讓機器做修正預測,這些跨領域的合作必須定期開review會議,甚至不排除轉換不同研究小組的交錯會議討論,
讓機器得以做適當的訓練修正。甚至可以安排內部競賽,來為公司取得更多的無限可能。
新的點子與數據資料 -> 訓練機器 -> 機器需求預測 -> 實際市場行動 -> 觀察市場反應 -> 修正需求預測 -> 更新市場行動 -> 反饋於機器訓練 -> 機器需求預測