数年前、Netflix という小さな会社が非常に良いアイデアを思いつきました。 1997 年の設立当時は DVD レンタル会社でした。 Netflix は、より使いやすくするために、1998 年 4 月から郵送サービスによる DVD レンタルを開始しましたが、これはまったく新しいビジネス モデルだったため、困難な作業でした。 もちろん、Netflix が直面した問題はこれだけではありませんでした。 当時、DVD プレーヤーを所有しているアメリカ人はわずか 2% でした。 ホームエンターテイメント市場がまだ VHS に属していたことを覚えているかもしれません。
簡単に言えば、Netflix の先進的な優れたアイデアは、顧客が自宅に配信することで、必要な映画を簡単に入手できるようにすることでした。 顧客は月額料金を支払い、複数の DVD をオンラインで注文しました。 これは、現在大成功を収めているオンデマンド サービスへの次のステップでした。 そこで彼らは、ストリーミング サービスにすることで、常に利用できるという考えを極限まで高めました。 残りは歴史です。
本当にしなければならないこと
彼らはすべての DVD を処分し、それ以来 Netflix はこの問題に対処する必要がなくなりました。 在庫管理 配送物流もありません。 問題が解決しました; ブログ投稿は終了しました。
管理がいかに簡単になるかをご覧ください。 サプライチェーン。
…
もちろん、それは彼の意図したことではありません。
製品やサービスが必要なときに、少なくともできるだけ早く利用できることが新しい常態になっている業界は他にもたくさんあることをご存知でしょう。 長い間、Netflix はまさにこのサービスを顧客に提供することができました。 Amazon が電子商取引に同日配送を追加したことも有名な例かもしれません。 B2B 市場であっても、人々は配達速度や納期厳守の点でこの種の厳しい期待に慣れてきました。 ほとんどの場合、配達に失敗することはありません。
一般的に、オンデマンド サービスに依存する企業は、よりタイムリーな生産、より高い顧客満足度、より低い在庫から恩恵を受けます。 最良の場合、適切な材料が生産に間に合うように供給されます。 一方、オンデマンド ビジネスでは、非常に複雑かつ柔軟なプロセスが必要です。 十分なリソースの要件は従来の生産プロセスよりもかなり高く、生産コストも高くなることがよくあります。 ビデオ オン デマンド プロバイダーになれない場合は、買いだめするか、Netflix のように最新テクノロジーに頼る必要があります。
したがって、次の解決策は、 在庫管理 賢いです それは依然としてサプライチェーン管理の不可欠な部分です。 顧客が何を要求するかを常に正確に予測し、この要求を満たすために必要なすべての製品をタイムリーに注文する必要があります。 そうしないと、あなたのビジネスに悪いことが起こります。
Netflix に戻ります。
アルゴリズム学習
現在、人工知能は知識ベースの技術とデータ駆動型の技術に分類できます。 たとえば、最初のツールには計画と意思決定を最適化するツールが含まれており、すでに長い成功の歴史があります。 一方、後者はまだ比較的新しく、古典的には機械学習と呼ばれています。 機械学習では、アルゴリズムは大量のデータを調べることで学習できます。 両方のタイプの AI をハイブリッド アプローチで実装する正当な理由は数多くありますが、ここでは AI のデータ駆動型の側面に焦点を当てます。
Netflix の成功の最大の秘密の 1 つは、加入者が最も楽しむ可能性が高い映画やシリーズを推奨する自己学習アルゴリズムです。 それはどのように機能するのでしょうか: 人々が Netflix で視聴するビデオ コンテンツは毎秒注意深くタグ付けされ、コンテンツについてさまざまな情報をマシンに伝えます。 今はどんな俳優を演じていますか？ 不気味だとか面白いと思いますか？ 映画の舞台は宇宙、都市、それとも森? このデータは、加入者が現在のビデオの前に何を視聴していたかなどのユーザー行動データと組み合わされます。 彼らは 1 年前に何を見たのでしょうか? 何に対してフィードバックを提供するのにどれくらいの時間を費やしていますか?
私たちは機械学習を使用して、加入者が次に何を見たいかを正確に予測するために、これらの要素のどれに重みを付けるべきかを判断します。 これに基づいて、購読者を 2,000 以上の嗜好グループのさまざまなカテゴリに分類できます。 これらのカテゴリに基づいて推奨事項が作成されます。 また、予測はレコメンドだけでなく、個人の嗜好に合わせたコンテンツの作成にも積極的に活用されています。
わかりました、もう一度質問させてください。 ここでNetflixから何を学べるでしょうか?
AIの 在庫管理
適切な製品を適切なタイミングで提供するという考えは、 在庫管理。その間 最適化ツール おそらく最も重要なことは、機械学習が意思決定のためのより良い基盤を構築するのに役立つことです。 たとえば、どのような材料や部品を購入する必要があるか、また、製造や組み立てのために到着が早すぎたり遅すぎたりしないように、いつ注文する必要があるかを確認します。
商品を注文したいとき、私は通常、ERP システムを調べて補充のリードタイムを確認します。 これは固定値であり、従来のマスター データに属します。 たとえば、商品が到着するまでに 10 日かかると表示されます。 論理的には、あなたまたはあなたの計画ツールは、商品を注文するときに 10 日を考慮します。 実際には、日々のビジネスの混乱や狂気の生活により、ご注文が必ずしも 10 日以内に届くとは限らず、8、9、11、または 12 日かかる場合があります。 この計画の曖昧さはこれまでのところ対処する必要がありました。
Netflix のように、機械学習を使用して過去から学び、予測を改善できます。 過去の販売データやその他のさまざまな形式のデータを鳥瞰図からパターンや周期的な相関関係を調べることで、機械学習アルゴリズムは特定の発展の原因要因を発見して評価できます。 通常、月曜日に注文した場合は 10 日以内に到着しますが、金曜日に注文した場合は 12 日かかります。 もちろん、これを見つけるのは十分に簡単ですが、実際には、さらに複雑なパターンを見つけるために無数のデータセットを使用します。 パターンが理解しやすい場合でも、在庫管理者は多くの場合、何万もの異なるアイテムを見落とさなければなりません。 それぞれに独自のものがあります サプライチェーン アップストリーム、利用規約、およびその他のフレームワーク条件。 すべての単純なパターンを処理することさえできませんでしたが、機械学習によりプレフィックス付きのマスター データが柔軟になり、より現実的な意思決定の基礎が得られます。
Netflix が過去のデータを使用して将来のユーザーの行動を予測するのと同じように、在庫管理者はこの自己学習テクノロジーを使用して、将来の注文プロセスがどのように展開されるかをより正確に評価することになります。 したがって、ビジネスの俊敏性と経済性の向上に重要な貢献をします。
すでに機械学習を使用して管理を改善していますか? サプライチェーン?
ヘッダー写真: デヴィルズ – Getty Images