{"id":2657,"date":"2020-03-03T00:00:00","date_gmt":"2020-03-03T00:00:00","guid":{"rendered":"https:\/\/www.agrinventory.com\/maskinlaering-lagt-til-agr-programvare-for-a-transformere-forsyningskjeden\/"},"modified":"2025-01-03T20:10:17","modified_gmt":"2025-01-03T20:10:17","slug":"maskinlaering-lagt-til-agr-programvare-for-a-transformere-forsyningskjeden","status":"publish","type":"post","link":"https:\/\/www.agrinventory.com\/no\/blog\/maskinlaering-lagt-til-agr-programvare-for-a-transformere-forsyningskjeden\/","title":{"rendered":"Maskinl\u00e6ring lagt til AGR-programvare for \u00e5 transformere forsyningskjeden din"},"content":{"rendered":"\n
I v\u00e5rt fors\u00f8k p\u00e5 \u00e5 stadig utvikle nye teknologier for v\u00e5r SCM-programvare og v\u00e5re kunder, har vi lagt til to nye maskinl\u00e6ringsfunksjoner i AGR Inventory-modulen.<\/h5>\n

Mens AGR-programvaren v\u00e5r har hatt maskinl\u00e6ringsfunksjoner i \u00e5revis, vil disse to nye funksjonene bidra til \u00e5 gi forsyningskjeden din det ekstra l\u00f8ftet mot konkurrentene dine.<\/p>\n

F\u00f8r vi begynner, la oss g\u00e5 gjennom det grunnleggende. Maskinl\u00e6ring er en automatisk dataanalyse som bruker data til \u00e5 finne m\u00f8nstre og lage prognoser. Maskinl\u00e6ring bruker data til \u00e5 lage et program, programmet l\u00e6rer av erfaring og bestemmer deretter basert p\u00e5 den erfaringen. Dette er akkurat som mennesker \u2013 vi f\u00e5r kunnskap, l\u00e6rer av erfaring, og tar deretter beslutninger basert p\u00e5 kunnskapen og erfaringen vi har. Et av de vanligste eksemplene p\u00e5 maskinl\u00e6ring er «Sammenlign med lignende varer» p\u00e5 Amazon, som vist p\u00e5 bildet nedenfor: <\/p>\n

\"\"<\/p>\n

\u00d8kte datamengder og fremgang innen programvareteknologier har resultert i at maskinl\u00e6ring har f\u00e5tt mye popularitet i det siste \u2013 men data er avgj\u00f8rende for \u00e5 kunne bruke maskinl\u00e6ringsteknikker. Og det er akkurat det de fleste av v\u00e5re kunder har \u2013 mye data! <\/p>\n

Vi laget to modeller. Den f\u00f8rste er en modell som finner korrelasjon mellom produkter \u2013 det vil si at den identifiserer produkter som ofte selger sammen (som eksemplet ovenfor fra Amazon). Og den andre er en modell som finner lignende produkter i kundens produktutvalg. <\/p>\n<\/p>\n

Legge til korrelasjon til AGR-beholdning<\/h2>\n

Den f\u00f8rste modellen, korrelasjonsmodellen, ser over salgshistorikken og identifiserer positiv korrelasjon\/halo-effekt mellom ulike produkter. Et typisk eksempel p\u00e5 dette er p\u00f8lser og p\u00f8lsebr\u00f8d. Hvis salget av p\u00f8lser \u00f8ker, for eksempel p\u00e5 grunn av et priskutt eller p\u00e5 grunn av v\u00e6ret, vil salget av p\u00f8lsebr\u00f8d \u00f8ke med nesten samme prosentandel. Dataene vi trengte for denne analysen er enkle transaksjonsdata som alle v\u00e5re kunder vanligvis har for h\u00e5nden. <\/p>\n

F\u00f8lgende eksempler p\u00e5 identifiserte sammenhenger kommer fra en av v\u00e5re kunder. N\u00e5r vi s\u00e5 p\u00e5 dataene deres, fant vi ut at f\u00f8lgende to elementer, en kulinarisk fakkel og butandrivstoff, har en regel om 80 % korrelasjon. Det betyr at 80 % av tiden en kunde kj\u00f8per en kulinarisk fakkel, vil de ogs\u00e5 kj\u00f8pe en liten tank med butan. <\/p>\n

\"\"<\/p>\n

Et annet eksempel p\u00e5 denne typen korrelasjon kan sees mellom f\u00f8lgende FireWire-kabel og Apple-adapteren med 50 prosent korrelasjon. Selv om denne sammenhengen ikke er like sterk som det forrige eksemplet, betyr dette at 50 prosent av gangene kunder kj\u00f8per en FireWire-kabel, kj\u00f8per de ogs\u00e5 en adapter slik at kabelen passer til Apple-datamaskiner. <\/p>\n

\"\"<\/p>\n

For \u00e5 legge inn denne teknologien i programvaren v\u00e5r, brukte vi v\u00e5r kraftige planleggingsmotor. Innenfor AGR Inventory-modulen brukte vi planleggeren til \u00e5 vise resultatene av korrelasjonsmodellen p\u00e5 en enkel og nyttig m\u00e5te, som vist nedenfor. Denne visningen viser en liste over produktene dine, der de to f\u00f8rste kolonnene inneholder tall og navn, og de to siste kolonnene viser en kobling til mulige korrelerte varer eller lignende varer. <\/p>\n

\"\"<\/p>\n

N\u00e5r vi klikker p\u00e5 lenken «korrelerte varer» for et av produktene, \u00e5pnes en ny visning. F\u00f8lgende produkt er et forst\u00f8rrelsesglass med et lys, og nummeret og navnet er i de to f\u00f8rste kolonnene (r\u00f8d boks). I de neste to kolonnene ser vi deretter antall og navn p\u00e5 produktene som er korrelert til forst\u00f8rrelsesglasset (gr\u00f8nn boks), og i den siste kolonnen ser vi korrelasjonsprosenten. Vi kan derfor se at dette forst\u00f8rrelsesglasset har sammenheng med to produkter: en 4-pakning og en 10-pakning AA-batterier, som er akkurat batteriene som brukes til forst\u00f8rrelsesglasset. Omtrent 29 prosent av kundene kj\u00f8per en 4-pakning med batterier n\u00e5r de kj\u00f8per forst\u00f8rrelsesglasset, og 11 prosent kj\u00f8per en 10-pakning med batterier. <\/p>\n

\"\"<\/p>\n

Disse to visningene som vi ser her er veldig enkle og viser bare korrelasjon mellom produktene, men vi er i stand til \u00e5 sette denne funksjonaliteten inn i alle planer du \u00f8nsker og dermed bruke denne informasjonen mens du planlegger salg av produkter.<\/p>\n<\/p>\n

Flere muligheter florerer<\/h2>\n

Bruk av denne maskinl\u00e6ringsteknologien i AGR-oppsettet ditt kan \u00e5pne mange nye muligheter for virksomheten din. For det f\u00f8rste kan det v\u00e6re utrolig nyttig \u00e5 vite sammenhengen mellom varer n\u00e5r du planlegger kampanjer, siden et \u00f8kt salg av et bestemt produkt ogs\u00e5 p\u00e5virker produktene der <\/p>\n

det er korrelert. N\u00e5r brukeren planlegger en kampanje av for eksempel forst\u00f8rrelsesglasset med lyset, vil de kunne se butandrivstofftanken oppf\u00f8rt som et korrelert element, og informere dem om at salget av forst\u00f8rrelsesglasset ogs\u00e5 vil \u00f8ke salget av batteriene. Selv om dette kan virke som sunn fornuft, n\u00e5r et selskap jobber med tusenvis av SKU-er, vil det \u00e5 f\u00e5 programvaren til \u00e5 gj\u00f8re jobben for deg spare mye tid og penger for virksomheten din. Planlegging av kampanjer med denne informasjonen med AGR Inventory kan hjelpe brukeren med \u00e5 se den sanne samlede effekten av kampanjen. <\/p>\n

Denne informasjonen kan ogs\u00e5 brukes til prissetting og butikkoppsett. Hvis vi tenker igjen p\u00e5 den kulinariske fakkelen, er 80 % korrelasjon selvf\u00f8lgelig en betydelig h\u00f8y korrelasjon, men vi kan anta at drivstoffet ikke f\u00f8lger med fakkelen. Kunden m\u00e5 kj\u00f8pe butandrivstoffet for \u00e5 bruke fakkelen, s\u00e5 dette vil v\u00e6re en mulighet til \u00e5 gj\u00f8re mer salg og \u00f8ke korrelasjonen mellom disse to produktene n\u00e6rmere 100 prosent ved \u00e5 unders\u00f8ke produktenes utforming i butikken, priser osv. <\/p>\n

\u00c5 kjenne til korrelasjonsratene i netthandel er ogs\u00e5 utrolig nyttig, som n\u00e5r kunden legger forst\u00f8rrelsesglasset i kurven sin, s\u00e5 kan vi p\u00e5peke det faktum at andre kunder ofte kj\u00f8per AA-batterier samtidig og dermed oppmuntre ham til \u00e5 gj\u00f8re det samme, akkurat som det f\u00f8rste Amazon-eksemplet ‘Ofte kj\u00f8pt sammen.’<\/p>\n<\/p>\n

Identifisere lignende elementer med maskinl\u00e6ring<\/h2>\n

Den neste modellen vi laget finner lignende produkter i produktutvalget. Et eksempel p\u00e5 dette kan sees nedenfor med flere forskjellige typer ketchup: <\/p>\n

\"\"<\/p>\n

Dataene som trengs for \u00e5 finne disse likhetene er allerede i AGR-systemet, for eksempel produktnavn, beskrivelse, pris, farge, produktgruppe osv. Ettersom produktegenskaper kan skille mellom selskaper og hvordan de definerer eller beskriver produktene sine, kan vi ogs\u00e5 bruke forskjellig informasjon om n\u00f8dvendig. Generelt, jo mer informasjon vi har om produktene, jo bedre blir resultatene. <\/p>\n

N\u00e5r vi ser p\u00e5 alle varene i en typisk butikk, kan vi ogs\u00e5 se lignende varer i systemet deres. For et bestemt produkt, i dette tilfellet svart Focus-kikkert, viser systemet de tre produktene det beregner som de mest like produktene. Som vi kan se, er resultatene tre veldig like kikkerter. <\/p>\n

\"\"<\/p>\n

N\u00e5r vi ser igjen p\u00e5 planleggeren v\u00e5r, har vi opprettet en «Lignende elementer»-kolonne ved siden av «Korrelerte elementer» Hvis vi igjen tar det samme forst\u00f8rrelsesglasset som et eksempel, men n\u00e5 trykker p\u00e5 «Lignende elementer»-knappen, \u00e5pnes en ny visning som viser de tre andre forst\u00f8rrelsesglassene med et lys, akkurat som v\u00e5rt originale produkt.<\/p>\n

\"\"<\/p>\n<\/p>\n

Det er enkelt \u00e5 legge til nye elementer<\/h2>\n

Bruk av denne maskinl\u00e6ringsteknologien i AGR-programvaren gir mye ny funksjonalitet for v\u00e5re kunder. For det f\u00f8rste kan denne informasjonen brukes til \u00e5 opprette en salgshistorikk for nye produkter. N\u00e5r et nytt produkt uten salgshistorikk kommer inn i AGR, vil systemet vise brukeren de tre produktene som ligner mest p\u00e5 dette nye produktet, og brukeren kan velge ett av disse produktene og salgshistorikken for \u00e5 lage en prognose for dette nye produktet. <\/p>\n

Denne modellen kan ogs\u00e5 brukes til \u00e5 planlegge kampanjer. Lignende produkter har ofte negativ korrelasjon med hverandre, for eksempel hvis du har to like produkter fra to forskjellige produsenter, og du setter ett p\u00e5 promotering, vil salget \u00f8ke, mens salget av det lignende produktet samtidig vil g\u00e5 ned. \u00c5 vite dette vil tillate deg \u00e5 se og forst\u00e5 den generelle effekten av \u00e5 sette et produkt p\u00e5 promotering i forretningsdriften din. <\/p>\n

Til slutt kan denne informasjonen ogs\u00e5 brukes til \u00e5 h\u00e5ndtere prisendringer, fordi n\u00e5r langsiktige endringer gj\u00f8res i prisen p\u00e5 et produkt, vil det vanligvis p\u00e5virke kj\u00f8psm\u00f8nsteret til produktet og produkter som ligner p\u00e5 det. S\u00e5, for eksempel, hvis Hunts ketchup plutselig falt i pris og ville v\u00e6re billigere enn Euroshopper eller Coop ketchup, er det sv\u00e6rt sannsynlig at kj\u00f8psm\u00f8nstrene til disse produktene vil endre seg permanent. <\/p>\n<\/p>\n

Omfavner ny teknologi<\/h2>\n

Maskinl\u00e6ring kan brukes p\u00e5 ulike m\u00e5ter i salg og lagerplanlegging. Vi i AGR Dynamics tror at denne teknologien kan v\u00e6re utrolig verdifull for kundene v\u00e5re, og vi streber etter \u00e5 holde oss oppdatert p\u00e5 nye teknologiendringer og inkorporere dem i v\u00e5r programvare for forsyningskjedestyring. Denne nye utviklingen kan gj\u00f8re arbeidet mye enklere for kundene v\u00e5re, b\u00e5de ved \u00e5 gi dem forslag og informere dem om \u00e5rsakene til beslutningene de tar. Disse to nye funksjonene vil bidra til \u00e5 gi kundene v\u00e5re en bedre helhetsoversikt over produktet og \u00f8ke effektiviteten i lagerstyringen. <\/p>\n","protected":false},"excerpt":{"rendered":"

Hvordan maskinl\u00e6ring i AGR-programvare transformerer forsyningskjeder.<\/p>\n","protected":false},"author":1,"featured_media":2007,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","footnotes":""},"categories":[69],"tags":[56],"class_list":["post-2657","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-process-automation","tag-rapporter"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/posts\/2657","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/comments?post=2657"}],"version-history":[{"count":0,"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/posts\/2657\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/media\/2007"}],"wp:attachment":[{"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/media?parent=2657"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/categories?post=2657"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/tags?post=2657"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}