تجارت الگوریتمی نحوه عملکرد شرکت ها را تغییر می دهد

الگوریتم ها برخی از بزرگترین امپراتوری های شرکت مانند Google ، Coca-Cola ، Amazon ، Volvo و موارد دیگر را به دنیا آورده اند.

• Google متولد شد زیرا الگوریتمی برای کمک به کاربران در یافتن اطلاعات در اینترنت ایجاد شده است.
• Coca-Cola سالهاست که به لطف یک الگوریتم-معروف به "دستور العمل مخفی" ، شادی را در سراسر جهان گسترش می دهد.

موفقیت مشاغل الگوریتمی شرکت ها را به نهادهای حرفه ای سوق می دهد. آمازون ، معامله گران وال استریت ، سازمان های مراقبت های بهداشتی و موارد دیگر همگی از الگوریتم ها برای شکل دادن به نحوه عملکرد آنها استفاده می کنند.

مشاغل در حال تولید مقادیر زیادی از داده ها در زمینه های مختلف هستند. آنها در مورد مشتریان خود ، بهینه سازی مسیر ، اطلاعات تأمین کننده و موارد دیگر بیشتر می آموزند. جمع آوری داده ها مسئله نیست ؛در عوض ، این همان کاری است که یک سازمان با همه آن انجام می دهد. چگونه آنها این داده های بزرگ را به الگوریتم های اختصاصی تبدیل می کنند ، تأثیر یک سازمان را می تواند به دست آورد. و ، همانطور که به خوبی می دانیم ، تنها راه پردازش داده های زیادی از طریق نوعی نرم افزار مبتنی بر الگوریتمی است.

ساختار یک الگوریتم

در یک سری در مورد الگوریتم ها ، بهینه سازی ریاضی و تجارت ، ما الگوریتم هایی را در زنجیره تأمین تعریف کردیم و توضیح دادیم که چگونه می توان آنها را برای دستیابی به بهینه سازی کسب و کار نهایی به پایان برساند.

به طور خلاصه ، الگوریتم نوعی عملکردی است که برای پیش بینی و توضیح علت وقایع استفاده می شود. به طور خاص ، الگوریتم ها به مشاغل کمک می کنند تا مقدار زیادی از داده ها را بگیرند و همه آن را حس کنند. در پایان ، این به آنها کمک می کند تا روند تصمیم گیری خود و در نهایت عملکرد کلی کسب و کار خود را بهبود بخشند.(برای دسترسی به مقاله کامل "الگوریتم چیست" اینجا را کلیک کنید.)

به عنوان مثال ، دولت محلی غالباً مسئول جمع آوری سطل زباله است. اگر بخواهند ساکنان را خوشحال کنند ، حذف سطل زباله به روشی کارآمد مهم است ، اما کامیون ها از هم پاشیده می شوند ، کارگران تماس می گیرند و هوا غالباً در این زمینه قرار می گیرد. یک الگوریتم می تواند انواع و اقسام داده ها-مانند آب و هوا ، زمان ، ترافیک و منابع موجود-را برای تعیین بهترین مسیر ممکن برای وانت زباله بیان کند.

در گذشته ، شرکت ها تحلیلگران را برای یافتن الگوهای و ایجاد روند داده برای تعیین تصمیمات/s بهینه استخدام می کردند. بسته به مجموعه داده ها ، این می تواند هفته ها طول بکشد تا تیمی از تحلیلگران محاسبه کنند. بنابراین الگوریتم ها برای اجرای همان محاسبات دستی در چند ثانیه تهیه شده اند.

چه الگوریتمی بدون کاربرد چیست؟

در سال های اخیر، سازمان ها از الگوریتم هایی برای برنامه های تحلیلی پیش بینی کننده و تجویزی استفاده می کنند که برنامه ریزی و بهینه سازی کسب وکار یکپارچه را تسهیل می کند. بدون الگوریتم، بهینه سازی حتی امکان پذیر نخواهد بود.

کسب و کار الگوریتمی: چهار کاربرد

الگوریتم ها و مصرف کننده

با ادامه بهبود الگوریتم ها، هدف گذاری، تقسیم بندی و شکل دهی تقاضا توسط متغیرهای خاص اصلاح تر می شود. پیتر ساندرگارد، معاون ارشد گارتنر و رئیس تحقیقات جهانی گفت: «الگوریتم های پویا هسته اصلی تعاملات جدید با مشتری هستند.»جای تعجب نیست: او درست می گوید.

سازمان ها به جمع آوری اطلاعات در مورد مشتریان و آنچه که اطلاعات جمع آوری شده به سازمان می گوید، ادامه خواهند داد. به گفته برایان هاپکینز، از Forrester، "رهبران وسواس مشتری از رقابت خود جهش خواهند کرد."همه این اطلاعات به الگوریتم هایی برای تعریف فرآیندهای تجاری و ایجاد تجربیات منحصر به فرد و متمایز مشتری نیاز دارند.

آمازون در حال حاضر این کار را در مقیاس کوچک انجام می دهد. هنگامی که یک بازدیدکننده مکرر به آمازون می رود، صفحه اصلی پر از مواردی است که ممکن است بخواهند به سبد خرید خود اضافه کنند. این موارد همه بر اساس خریدهای اخیر و سایر متغیرهای مشتری هستند. اگر کاربر مکرر آمازون هستید، تقریباً مطمئناً به این تاکتیک علاقه مند شده اید، و چیزی را خریداری کرده اید که به راحتی به شما "پیشنهاد" شده است. در مورد روشی هوشمندانه برای تأثیرگذاری بر رفتار خرید صحبت کنید!

به لطف الگوریتم ها، سازمان ها می توانند سود بیشتری را از طریق فروش متقابل و افزایش فروش اضافه کنند. آنها می توانند تقاضا را با در نظر گرفتن تمام معیارهای عرضه و تقاضا شکل دهند. آنها می توانند با ارائه یک تجربه منحصر به فرد از خدمات مشتری، وفاداری مشتری را افزایش دهند. آنها حتی می توانند یک زندگی را نجات دهند! به عنوان مثال، بیمارستانی در تگزاس الگوریتم هایی را برای اطلاع پزشکان از بیمارانی که در معرض خطر نارسایی قلبی هستند، پیاده سازی کرده است. این امر به پزشکان اطمینان می دهد که اقدامات لازم را برای حفظ سلامت بیماران در معرض خطر تا حد امکان انجام می دهند، مانند برنامه ریزی برای مشاوره های مکرر و به اشتراک گذاری مطالب آموزشی. به لطف الگوریتم ها، پزشکان می توانند از یک مشکل سلامتی حتی قبل از بروز آن جلوگیری کنند.

کسب و کارها می توانند با کارکنان کمتری کار کنند

یکی از بزرگ ترین هزینه هایی که یک سازمان متحمل می شود، کارکنان هستند، اما اتفاقاً مهم ترین جنبه یک کسب وکار نیز هستند. همه اینها با استفاده از الگوریتم ها برای تکمیل وظایف روزانه بسیاری از کارمندان شروع به تغییر کرده است.

طبق گفته گارتنر در ITEXPO ، 20 ٪ از کل محتوای تجاری توسط ماشین آلات تولید می شود.(همه ما بهتر است به دنبال یک کار جدید باشیم!) آنها همچنین پیش بینی می کنند که تا سال 2018 بیش از سه میلیون کارگر تحت نظارت "Roboboss" قرار می گیرند!

شرکت ها بسیار کوچکتر و سودآورتر می شوند زیرا ماشین های هوشمند جایگزین کارکنان می شوند. برخی از این موارد در حال حاضر در صنعت زنجیره تأمین اتفاق می افتد. شرکت ها در حال توسعه الگوریتم هایی هستند که در هنگام پایین بودن سطح موجودی ، اندازه گیری می کنند ، تأمین کنندگان را با کیفیت های مختلف ارزیابی می کنند ، آنها را رتبه بندی می کنند و سپس سفارش را از تأمین کننده ترجیحی قرار می دهند. تنها وظیفه ای که به یک انسان نیاز دارد آخرین مرحله است: امضای و دوستیابی فرم تأیید!

میزان کارکنان مورد نیاز برای اداره شرکتهای عظیم کاهش می یابد و به سازمان ها این امکان را می دهد تا منابع را به کانال های دیگری منتقل کنند که می توانند سودآوری و درآمد را به شدت بهبود بخشند.

با دقت در زمان واقعی کار کنید

سودآوری و موفقیت یک سازمان به توانایی آنها در تشخیص الگوهای یا روند و سپس تنظیم سریع تجارت آنها بستگی دارد. چگونه می توان موفقیت یک سازمان را تحت تأثیر قرار داد اگر آنها مجبور شوند هفته ها صبر کنند تا تمام داده های موجود را اجرا کنند ، نه اینکه بتوانند این کار را در زمان واقعی انجام دهند؟

بیست سال پیش ، یک تجارت خوب به این روش عمل می کرد. در آن زمان ، تقریباً همه مشاغل از این طریق فعالیت می کردند زیرا هیچ نرم افزاری محبوب و مقرون به صرفه در بازار وجود نداشت. با این حال ، در محیط رقابتی امروز ، توانایی فعالیت در زمان واقعی یک مزیت رقابتی قابل توجهی را ارائه می دهد.

به عنوان مثال ، دو شرکت حفاری نفت را انتخاب کنید. پشت سر هم اخیر بسیاری از شرکت ها را به ورشکستگی نزدیک کرده است ، تقریبا نیمی از شرکت های شیل ایالات متحده ممکن است ورشکسته شوند. شرکت هایی که زنده مانده بودند ، کسانی بودند که توانستند روندها را تشخیص دهند و قبل از پایین بودن قیمت نفت ، تجارت خود را تنظیم کنند.

پالایشگاه های نفتی که قیمت ها را کاهش می دادند به دنبال جریان های جایگزین درآمد و تخصیص منابع بودند. شاید آنها ناوگان را اداره می کردند که شن و ماسه یا آب را برای سکوها حمل می کرد ، که آنها را برای خدمت به سایر حالت های حمل و نقل حمل می کردند. شاید آنها رشد خود را مکث کرده اند تا بتوانند جریان نقدی خود را بهبود بخشند زیرا حتی مشاغل سودآور نیز گاهی اوقات ورشکستگی را اعلام می کنند.

پالایشگاه های نفتی نمی توانند محیط قیمت گذاری را کنترل کنند ، اما آنچه آنها می توانند کنترل کنند ، کارآیی عملکرد آنها است. در این قیمت های پایین و با سودآوری نزدیک به صفر ، بهبود کارآیی تنها مزیت رقابتی است که یک پالایشگاه نفتی دارد. و حدس بزنید چه؟این تنها با کار در زمان واقعی امکان پذیر است.

مشاغل تجزیه و تحلیل داده ها را در مورد همه چیز جمع آوری و پردازش می کنند

سازمان ها به دنبال راه هایی برای اتصال موارد روزمره به اینترنت هستند تا بتوانند داده ها را ارسال و دریافت کنند. به گفته گارتنر ، سال آینده ، این هزینه بیش از 2. 5 میلیون دلار در روز در اینترنت اشیاء (IoT) خواهد بود.

ما قبلاً اتومبیل هایی با اتصال به اینترنت را مشاهده می کنیم ، بنابراین وقتی توستر شروع به اتصال اینترنت می کند به منظور محاسبه زمان بهینه برای گرم کردن نان ، تعجب نکنید.(تصور کنید. دیگر نان تست سوخته!) سازمان ها فقط با تخیل جمعی آنها محدود خواهند شد.

ولوو به تازگی برنامه ای را برای ساخت 1000 اتومبیل هوشمند اعلام کرده است که می تواند اطلاعات مربوط به شرایط جاده را به اشتراک بگذارد. تصور کنید که آیا این مورد برای صنعت تدارکات برای رانندگان کامیون اعمال شده است. پس از استقرار سیستمی مانند این ، می توان از آن برای استفاده پیش بینی کننده استفاده کرد.

به عنوان مثال ، می توان سیستمی را توسعه داد که از داده های مداوم و تاریخی از میلیون ها وسیله نقلیه ادغام شده با اطلاعاتی مانند آب و هوا استفاده می کند تا پیش بینی کند که شرایط جاده لغزنده از قبل اتفاق می افتد. این امر به کامیون های نمکی و کارگران جاده اجازه می دهد تا اقدامات مناسب را برای جلوگیری از تصادف که اغلب پرهزینه و کشنده است ، انجام دهند. رانندگان کامیون می توانند از مسیرهای خاصی بر اساس آب و هوا یا سایر عوامل مختلف جلوگیری کنند. سازمان ها می توانند رانندگان خود را ایمن نگه داشته و سودآور باشند.

چالش های الگوریتم در تجزیه و تحلیل تجارت

تجارت الگوریتمی مزیت بزرگی را برای فعالیت های یک سازمان ارائه می دهد ، اما هنوز هم برخی از چالش ها وجود دارد که در آینده باید مورد توجه قرار گیرد ، به خصوص در مورد دستکاری تقاضا.

به عنوان مثال ، الگوریتم ها همیشه به متن حساس نیستند. پاسخ مشتری به یک محصول یا خدمات در چگونگی خواب شب قبل یا روحیه فعلی آنها تأثیر دارد. تا زمانی که دستگاه هایی ایجاد نشوند که بتوانند یک تصویر کامل را نقاشی کنند ، استفاده از یک الگوریتم ممکن است برای سازمانی که در تلاش است تجربه مشتری بهتری را فراهم کند ، آتش سوزی کند.

یکی دیگر از مشکلات الگوریتم ها عنصر انسانی است که اغلب حساب آن دشوار است. تهیه لوازم همیشه به اندازه ارزیابی یک تأمین کننده و سفارش ساده نیست. بعضی اوقات معاملات که از نظر مالی بهینه نیستند ، برای اتحادهای استراتژیک بهینه هستند. همچنین ، مگر اینکه رایانه ها بتوانند راهی برای مذاکره با تأمین کنندگان پیدا کنند ، ممکن است نتواند به پایین ترین نرخ که در غیر این صورت امکان پذیر باشد ، دست یابد.

افکار پایانی

البته با کاربرد مناسب الگوریتم هایی که به بهینه سازی نهایی به پایان می رسند ، می توان از همه این موارد جلوگیری کرد. این نوع الگوریتم ها به شرکت ها این امکان را می دهد تا بدانند که برای تعادل عملیات ، جنبه های مالی و استراتژیک فرآیند تصمیم گیری و برنامه ریزی ، چه چیزی را خریداری کنند. با وجود این چالش ها ، "سازمانهایی که تمام داده های مربوطه را تجزیه و تحلیل می کنند و اطلاعات عملی را ارائه می دهند ، 430 میلیارد دلار اضافی (به صورت جهانی) در بهره وری از همسالان کم تحلیلی به دست می آورند."

با داشتن منابع داده کافی ، الگوریتم ها قادر به پیش بینی و ارائه نتایج قابل اندازه گیری و عملی-و در زمان واقعی خواهند بود. ما اعتماد داریم که از طریق این پست نشان داده ایم که پیتر سوندگارد درست وقتی گفت: "الگوریتم ها جایی هستند که ارزش واقعی در آن نهفته است."