Эп. 18 — Прикладной против генеративного ИИ: создание эффективных рабочих процессов

В розничной торговле миллионы человеко-часов тратятся на создание панелей мониторинга, которые никто не читает. Ветеран в области анализа данных Рави Шарма присоединяется к нам, чтобы объяснить, как агентные рабочие процессы заменяют застоявшуюся отчетность. Большинство организаций неправильно понимают искусственный интеллект, рассматривая его как проект выходного дня, а не как сложную интеграцию машинного обучения и знаний в предметной области. Рави объясняет, почему генеративные модели — это просто пользовательский интерфейс, в то время как причинно-следственные модели выполняют основную аналитическую работу. Он подробно рассказывает о финансовых потерях, связанных с текучестью кадров на руководящих должностях, для непрерывности работы системы и о том, почему перспективные планограммы определяют точные сигналы ассортимента. Для руководителей компаний, работающих в сфере товаров народного потребления и измученных ручными задачами по составлению отчетов, эта беседа предоставляет план автоматизации аналитики без раскрытия конфиденциальных данных. Пожалуйста, подпишитесь и поделитесь этим эпизодом с оператором, которому необходимо отказаться от статических электронных таблиц. Какой конкретный показатель розничной торговли требует от вашей команды наибольших ручных усилий для отслеживания? 0:00 Введение и информация о госте 2:10 Определение агентной науки о данных 12:12 Автономное прогнозирование в цепочке поставок 15:48 Прогнозируемое управление категориями и ассортиментом 23:23 Безумие информационных панелей по понедельникам утром 27:42 Как текучесть кадров замедляет внедрение технологий Будьте в курсе новостей Doing Business in Bentonville: LinkedIn: @ Doing Business in Bentonville https://www.dbbnwa.com/