Öngörü Analitiği ve Eyleme Dönüştürülebilir Zekâ Arasındaki Fark Nedir?

Öngörü analitiği, geçmiş veriler ve iş trendlerinden yararlanarak belirli senaryoların meydana gelme olasılığını tahmin etmeye çalışır ve ideal olarak geçmiş veri kalıplarına dayanarak gelecekteki bir sonucun olasılığını tahmin etmeye yardımcı olur.

Aslında, Tanımlayıcı, Tanısal, Öngörü ve Kural Yaygınlaştırıcı olmak üzere dört tür analitik bulunmaktadır. En basit haliyle, tanımlayıcı analitik “ne oldu”, tanısal analitik “neden oldu”, öngörü analitiği “ne olacak” ve kural yaygınlaştırıcı analitik (eyleme dönüştürülebilir zekâ) “ne yapmalıyım” demektir. Teknik olarak tüm bu dört tür, iş kararlarını etkileyebilecek iş trendlerini ve “olayları” tanımlamak için büyük veri hacimlerini analiz ederler.

Bununla birlikte, öngörücü analizler kullanıcıların veya çalışanların “geleceği” anlamasını ve yorumlamasını gerektirir. Öte yandan, eyleme dönüştürülebilir zekâ, kontrol edilebilir faktörleri tanımlayarak ve sonuç getiren eyleme geçirilebilir fırsatlar sunarak gelecekteki performansa odaklanan, sınırlardakiler de dahil olmak üzere herkes için analizlerdir.

Eyleme Dönüştürülebilir Zekâ Nedir?

Eyleme dönüştürülebilir zekâ iş analitiğinin en ileri biçimlerinden biridir. Bir şirketin operasyonlarındaki anomalileri tanımlamak için makine öğrenimi ve desen algılama kuralları ve algoritmalarını kullanır ve ardından sonucu optimize etmek için düzeltici bir eylem önerir. Son kısım,  eyleme geçirilebilir zekayı bu kadar değerli yapan şeydir: belirli bir iş sonucunu optimize etmek için birinin hangi eylemi gerçekleştireceğini akıllıca önerebilir.

Bir şirketin verilerini analiz edebilir ve onlara şunları söyleyebilir:

• Ne oluyor?
• Neden oldu? (temel sebep)
• Kim yanıt vermeli?
• Ciroyu olumlu etkilemek için nasıl yanıt vermeliler?

 Eyleme Geçirilebilir Zeka hakkında daha fazla bilgi edinin, adanmış Eyleme Geçirilebilir Zeka Nedir SSS'sinde. 

Temel Farklar Nelerdir?

Öngörü Analitiği , size bilgi vermek ve bir sonraki adımda ne olacağını öngörmek için, geçmiş verilerdeki ve geçmiş zaman çizelgelerindeki kalıpları dikkate alan bir analiz modelidir; oysa Eyleme Dönüştürülebilir Zekâ, ulaşmak istediğiniz bir hedefe (ör. satışları artırmak, kayıpları azaltmak) dayalı olarak alabileceğiniz farklı eylemleri simüle ederek en optimize sonucu keşfetmenizi sağlar.

Öngörü Analitiği ve Eyleme Dönüştürülebilir Zekâ Örnekleri Nelerdir

Öngörü ve eyleme dönüştürülebilir zekânın kullanılabileceği gerçek hayat örnekleri şunlardır:

Ürün Kalitesini Koruma

Bir giyim perakendecisi, eyleme dönüştürülebilir zeka ve pragmatik yapay zeka kullanarak benzersiz bir iade fırsatını belirledi ve çözdü.  Yeni bir ürün, satışın ilk günlerinde çoğu mağazada yüksek bir iade oranı ve ayrıca yüksek bir hasarlı ürün oranı yaşıyordu. Bu fırsat, ürünü değerlendirme, etiketi kontrol etme ve satıcıyla bir izin artışı veya yedek ürün için iletişime geçme (1) (2) (3) önerileriyle birlikte satıcıya gönderildi. Ürünün bakım etiketinde doğru yıkama talimatlarının eksik olduğu ortaya çıktı; etiketteki mevcut talimatlar ürüne zarar verirdi. Sonuç olarak, mağazalar için kalan etkilenen ürünlere güncellenmiş bir kıyafet bakım etiketi eklenmesi yönünde bir eylem oluşturuldu. Benzer bir bildirim, doğru bakım talimatları ile üreticiye gönderildi. Sonuç olarak, düzeltici eylemlerin ardından haftalar içinde ürün iadeleri %78 azaldı ve bu eylemler tarzın kurtarılmasına yardımcı oldu.

Tedarikçileri Yönetme

Bir perakendeci, belirli bir bölgedeki mağazaların bir alt grubunda büyük yumurta hasarlarında önemli bir artışı belirlemek için  eyleme geçirilebilir zekayı kullandı. Satış departmanı, bunun neden olduğunu öğrenmek için tedarikçi ile iletişime geçti. Ortaya çıktı ki, tedarikçinin büyük yumurta kartonlarını üreten fabrikasında yangın çıkmış, bu yüzden büyük yumurtaları göndermek için orta boy kartonları kullanmaya başlamışlardı. Bu kartonlar çok küçüktü ve büyük yumurtalara zarar veren ek bir sürtünmeye neden oldu. Anomalinin tanımlanıp düzeltilmesi olmadan, bakkal, fazla hasarları asla fark etmeyebilir, kök sebebini izleyip tedarikçisinden bir kredi alamayabilirdi.

Müşteri Profillerini Eşleştir

Bir moda perakendecisi, yaşlanan envanteri başarıyla azaltmak ve satışları artırmak için, sadık hanehalkı satın alma alışkanlıklarına dayanarak, muhtemel alıcının stil ve yaş aralığına uyan mevsim sonuna yakın ürünleri hanehalkına sunarak harekete geçirilebilir istihbarat kullandı. Örneğin, 25-30 yaşındaki kadınlara %30 indirimle sunulan beyaz bir etek için hedeflenmiş bir promosyon gönderilebilir, böylece şu anda mağazaya gelmesi cazip hale getirilir ve eteği yaz sonuna kadar giyebilir. Harekete geçirilebilir istihbarat olmadan, birçok perakendeci bekler ve ardından ürünü herkes için %75 indirimle satar ve aynı kadın müşterinin içeri girmesi umulur, ancak şimdi karları kaybetmiş olurlar.

Talebi Düşünerek Satın Alın

Önleyici bir eylem deseni, belirli bir ürün kimlik saptadı ve bu ürünün Hizmet Maliyeti'nin (ürünü vaat edilen zaman dilimi içinde müşteriye ulaştırma maliyeti) daha yüksek olduğunu gösterdi. Fırsat, çözüm için DC'ye gönderildi. Sorunlu ürünlerin, müşteri talebi veya DC işleme ile uyumlu olmayan bir ölçüm birimi ve ambalaj ile satın alındığını hızlıca fark ettiler. Alıcıya e-Ticaret'e özel siparişler oluşturması için bildirimde bulunuldu. Bu, DC’nin sipariş karşılama hızını artırdı. Kanallar arası iletişim performansı artırır!

‘Birlikte Satın Al’ Desen Kimlik Saptama ile Sepet Büyüklüğünü Artırın

Bir perakendeci, pragmatik yapay zekayı ve eyleme dönüştürülebilir zekayı kullanarak belirli müşterilerin brokoli satın aldıklarında muz da aldıklarını tespit etti. Bu bulgu, bu bulgudan yararlanmak için öngörülü eylemlerle birlikte kuruluşa iletildi. Mağaza müdürlerine, muz ve brokolinin uygun mesafede yerleştirilmesi, muz içeren sepetleri artırmak ve aynı zamanda dürtüsel satın alımları teşvik etmek için teşhirleri yeniden düzenlemeleri talimatı verildi.

Sadakati Ödüllendirin, Hileli Faaliyetleri Değil

Popüler bir sadakat kartı programına sahip büyük bir perakendeci, eyleme dönüştürülebilir zekayı kullanarak farkında bile olmadıkları bir sorunu ortaya çıkardı. Analitiklerden yararlanarak, alışveriş yapanların ödül puanlarını bedava ödüller için hile yaptıklarını ortaya çıkaran bir eğilimi keşfettiler. Satıcının önceki sistemi, her günün sonuna kadar puan taramayı izlemediği için, bir müşteri tek bir günde birden fazla mağazaya fişini götürdüğünde, hak ettiğinden çok daha fazla ödül puanı almak kolaydı. Eyleme geçirilebilir zeka çözümü bu tekrarı tespit etti ve fişlerin sadece bir kez taranabilmesi için gerçek zamanlı izleme önerdi, bu da her müşteri için 100 $ kadar tasarruf anlamına gelir ki bu, alt satıra milyonlar ekler.

İşlem Başına Ürün Sayısını Artırın - Neden Sadece Bir Tane Alasınız?

Eyleme geçirilebilir zeka, tek ürünlü işlemlerin yüksek oranına sahip mağazaları ve bu davranışı yönlendiren çalışanları belirlemek için bir satıcı tarafından kullanıldı. Bu çalışanları, işlem başına düzenli olarak birden fazla ürün satan çalışanlarla yeniden planlama fırsatı mağazalara gönderildi, böylece çalışanlar üst satış yapmayı öğrenebilirdi. Sonuçlar, satışlarda, işlem başına ürünlerde ve eşler arası eğitimde anında bir artış oldu. Kuruluş için büyük bir kazan-kazan durumu. 

Marka Bağlılığını Artırın

Bir market, haftada bir büyük ($120+) ve bir veya daha fazla küçük alışveriş yapan tutarlı bir müşteri tabanına sahipti. Yakınlarda bir rakip taşındığında, market daha küçük, ek alışverişlerin azaldığını fark etti. Elde edilebilir bilgilerle, market hem daha küçük alışverişleri yapmayı bırakan haneleri hem de başka yerlerde satın aldıkları belirli ürünleri (örneğin, et veya sebzeler) tespit etti. Bu bilgilerle, perakendeci bu hanelere yönelik hedefli teklifler göndererek onları geri dönmeye teşvik edebildi. Sonunda, perakendeci bu müşterilerin birçoğunu geri kazanarak kârlarını artırdı.

Bunlar, perakende liderlerinin pratik yapay zekayı kullanarak iş operasyonlarına eleştirel bir bakış açısıyla bakıp geri dönüşleri gerçekleştirmek için harekete geçebileceği birkaç örnekten sadece bazılarıdır. Sevkiyatta gecikmeler, ürün dayanıklılığıyla ilgili müşteri şikayetleri veya kırık mal gibi görünüşte izole bir olay olsun, pratik yapay zeka ve actionable intelligence karmaşık veri tablolarının ötesine geçerek uygulanabilir içgörüler sunar. Bu bakış açısıyla, pragmatik yapay zeka analizlerin benimsenmesi için doğal bir sonraki adımdır.