用户登录
用户注册

分享至

AWS技术峰会,与超盟数据一起共“见”不凡

  • 作者: 我的jj比我名字长八倍
  • 来源: 51数据库
  • 2022-05-21
  AWS技术峰会是Amazon Web Services (AWS)每年在全球众多城市巡回举办的大型云技术盛会,旨在携手APN合作伙伴和客户为观众展示人工智能领域最新的产品及服务,并分享成功案例及实践经验,交流国内外最新技术。

  8月9日,AWS所建不凡2018技术峰会北京站在国家会议中心隆重举行,云集了众多行业领军者参与。
  超盟数据作为新零售+AI的代表公司,CTO李健豪受邀出席此次峰会。
  图示:超盟数据CTO李健豪

  李健豪,毕业于美国知名学府UIUC(伊利诺伊大学厄巴纳-香槟分校),师从“数据挖掘第一人”韩家炜(Jiawei Han)教授,曾就职于亚马逊北美总部任数据科学家和IBM北美总部任销售预测专家,并连续赢得过6 次美国黑客马拉松大赛冠军。在近期发布的“2018全球Top 1000 计算机科学家h指数”排行榜中,h-index最高的华人就是李健豪的恩师韩家炜教授,同时韩家炜教授还曾获得过IEEE颁发的最高技术奖——麦克道尔奖。在演讲中,李健豪分享了在20倍数据增长的压力下数据处理架构和任务调度的演变;在无服务计算的助力下,成本大幅降低的同时,数据处理效率没有降低,反而提高了。这是AI基础建设的效果。

  利用无服务架构搭建内部AI基础建设CTO李健豪为众多参会嘉宾诠释了怎样利用无服务架构搭建内部的AI基础建设,以自动补货为例对数据采集、清洗、自动建模、监控等一系列通用的场景进行了分享。

  随后,分享了数据监控、指标构建、日志处理等数据流怎样在无服务架构下进行。

  超盟数据构建商品需求量模型,助力零售企业提升效益以自动补货为例,超盟数据以优化库存周转率为目标,在数亿级带标注的交易数据集上构建商品需求量模型,辅助客户进行决策,比如:哪些商品要补货?补多少?什么时候补?同时结合用户端的反馈来更新优化模型,提升模型精度,循环反复,更为精准地指导业务。
  图示:模型构建及优化流程

  对于零售行业每天都在发生的补货这一决策过程,超盟数据对到店、到天、到品的需求进行建模,预测到店人数是多少、买什么分类的商品、买什么品,买多少商品?超盟数据技术团队结合历史交易的内部数据,以及天气、温度、湿度、温度变化、湿度变化、公众假期、促销、POI等外部数据,利用深层的神经网络和各种融合模型进行需求预测。
  图示:基于内外部数据利用神经网络和各种模型预测需求量

  下图是使用超盟数据超盟AI建议订货模块前后的效果对比图。其中,横轴表示时间,纵轴表示库存。
  图示:使用超盟AI建议订货模块前后的效果对比图

  左侧是使用模型前,零售店长根据个人经验做出补货决策的情况。可以看出,一是补货非常没有规律,这样会给供应链带来非常大的压力;二是会出现跟横轴平行的线,说明出现了断货情况,可能长时间没有补货。?

  右侧是使用后的效果,补货变得非常及时,规律性也很强。对客户而言,最直接的效果便是,通过AI指导后的补货周期变快且有规律,加快了库存周转率,提升了企业效益。以超盟数据的一个客户为例,使用了超盟数据的超盟AI建议订货模块之后,年营业额净增长27.3%,周转变快2天。

  超盟数据的分享为现场带来了满满干货,嘉宾频频互动,就所分享内容与李健豪进行了热烈的讨论与沟通。
  图示:嘉宾现场互动

  AI赋能,超盟数据推动新零售前行

  在CTO李健豪的带领下,超盟数据技术团队已成功搭建了承载数据采集、数据清洗、数据分析和数据展现等一系列数据处理流程的核心业务系统,为前端产品带来稳定的性能和极致的客户体验。同时全面支持业务发展和创新,不断优化效率和成本结构,为人工智能背景下的便利店提供服务。未来,超盟数据仍将奋力构建零售企业在大数据时代下的决策闭环,帮助企业建立数据驱动体系,实现数据资产化,制定更具个性化的企业经营策略,将人工智能技术渗透在每个管理节点和经营环节上,推动新零售迅猛前行,助力消费升级。

软件
前端设计
程序设计
Java相关