Deep Learning als 5. Generation von Prognosemaschinen
Im Rahmen unseres grundlegenden Engagements, die genauesten Prognosen zu liefern, die die Technologie hervorbringen kann, freuen wir uns, bekannt zu geben, dass unsere 5. Generation von Prognosemaschinen jetzt bei Lokad live ist. Diese Maschine bringt die größte Genauigkeitsverbesserung, die wir jemals in einer einzigen Version erreicht haben. Das Design der Maschine basiert auf einer relativ neuen Variante des Maschinenlernens namens Deep Learning. Für Lieferketten können große Verbesserungen der Prognosegenauigkeit zu ebenso großen Gewinnen führen, indem sie mehr Kunden bedienen, sie schneller bedienen und dabei weniger Bestandsrisiken eingehen.
Von probabilistischen Prognosen zu Deep Learning
Vor etwa 18 Monaten haben wir die 4. Generation unserer Prognosetechnologie angekündigt. Die 4. Generation war die erste, die echte probabilistische Prognosen lieferte. Probabilistische Prognosen sind in Lieferketten unerlässlich, da die Kosten auf den statistischen Extremen konzentriert sind, wenn die Nachfrage unerwartet hoch oder niedrig ist. Im Gegensatz dazu sind traditionelle Prognosemethoden - wie traditionelle tägliche, wöchentliche oder monatliche Prognosen -, die sich nur auf die Lieferung von Median- oder Durchschnittsprognosen konzentrieren, blind für das Problem. Als Folge liefern diese Methoden in der Regel keine zufriedenstellenden Ergebnisse für Unternehmen.
Es stellt sich teilweise durch Zufall heraus, dass Deep Learning von Natur aus stark auf probabilistische Prognosen ausgerichtet ist. Die Motivation für diese Perspektive hatte jedoch nichts mit Lieferkettenproblemen zu tun. Deep Learning-Algorithmen bevorzugen Optimierung auf der Grundlage einer probabilistischen / bayesschen Perspektive mit Metriken wie Kreuzentropie, da diese Metriken enorme Gradientenwerte liefern, die besonders für den stochastischen Gradientenabstieg, den “einen” Algorithmus, der Deep Learning ermöglicht, geeignet sind.
Im speziellen Fall von Lieferketten stellt sich heraus, dass die Grundlagen des Deep Learning vollständig mit den tatsächlichen Geschäftsanforderungen übereinstimmen!
Jenseits des Hypes der künstlichen Intelligenz
Künstliche Intelligenz - in der Praxis durch Deep Learning unterstützt - war das Schlagwort des Jahres 2017. Die Behauptungen sind kühn, fesselnd und nun ja, unscharf. Aus der Sicht von Lokad stellen wir fest, dass die Mehrheit dieser Unternehmens-KI-Technologien den Erwartungen nicht gerecht wird. Nur sehr wenige Unternehmen können über eine halbe Milliarde US-Dollar an Finanzierung sichern, wie Instacart, um ein erstklassiges Deep Learning-Team zusammenzustellen, um erfolgreich eine Herausforderung in der Lieferkette anzugehen.
Mit dieser Veröffentlichung macht Lokad KI-basierte Prognosetechnologie für jedes vernünftig “digitalisierte” Unternehmen zugänglich. Natürlich wird das Ganze immer noch von historischen Lieferketten-Daten unterstützt, sodass die Daten für Lokad zugänglich sein müssen. Unsere Technologie erfordert jedoch keine Kenntnisse im Bereich Deep Learning. Im Gegensatz zu praktisch jeder einzelnen “Unternehmens”-KI-Technologie verlässt sich Lokad nicht auf manuelle Merkmalsentwicklung. Was unsere Kunden betrifft, wird der Wechsel von unseren bisherigen probabilistischen Prognosen zu Deep Learning nahtlos sein.
Lokad ist das erste Softwareunternehmen, das eine schlüsselfertige KI-basierte Prognosetechnologie bereitstellt, die sowohl für kleine E-Commerce-Unternehmen mit nur einer Person als auch für die größten Lieferkettennetzwerke geeignet ist, die Tausende von Standorten und eine Million Produktreferenzen umfassen können.
Das Zeitalter des GPU-Computings
Deep Learning blieb bislang eher eine Nische, bis es der Community gelang, ihre eigenen Software-Bausteine zu aktualisieren, um von GPUs (Grafikprozessoren) zu profitieren. Diese GPUs unterscheiden sich stark von CPUs (Zentralprozessoren), die immer noch den Großteil der heutigen Apps antreiben, mit der bemerkenswerten Ausnahme von Computerspielen, die sowohl auf CPUs als auch auf GPUs stark angewiesen sind.
Im Zuge der vollständigen Neugestaltung unseres Prognosemodells für diese 5. Iteration haben wir auch die Low-Level-Infrastruktur von Lokad erheblich verbessert. Tatsächlich nutzt die Lokad-Plattform jetzt GPUs sowie CPUs, um Unternehmen zu unterstützen. Lokad profitiert nun von den auf Microsoft Azure, der Cloud-Computing-Plattform, die Lokad unterstützt, gemieteten GPU-basierten Maschinen.
Durch die enorme Rechenleistung der GPUs machen wir nicht nur unsere Prognosen genauer, sondern auch viel schneller. Durch ein Raster von GPUs erhalten wir jetzt in der Regel die Prognosen für beliebige Datensätze etwa 3x bis 6x schneller (*).
(*) Für ultrakleine Datensätze ist unser Prognosemodell der 5. Generation tatsächlich langsamer und dauert einige Minuten länger - was in der Praxis jedoch weitgehend unerheblich ist.
Produktstarts und Werbeaktionen
Unser Prognosemodell der 5. Generation bringt erhebliche Verbesserungen für schwierige Prognosesituationen, insbesondere bei Produktstarts und Werbeaktionen. Aus unserer Sicht sind Produktstarts, obwohl sehr schwierig, etwas einfacher als Prognosen für Werbeaktionen. Der Unterschied in der Schwierigkeit wird durch die Qualität der historischen Daten bestimmt, die im Vergleich zu Produktstarts immer niedriger ist. Die Qualität der Werbedaten verbessert sich im Laufe der Zeit, sobald die entsprechenden Qualitätskontrollprozesse etabliert sind.
Insbesondere sehen wir Deep Learning als eine enorme Chance für Modemarken, die mit Produktstarts konfrontiert sind, die ihren Umsatz dominieren: Die Einführung eines neuen Produkts ist nicht die Ausnahme, sondern die Regel. Wenn dann Farb- und Größenvarianten die Anzahl der SKUs erheblich erhöhen, wird die Situation noch komplexer.
Frühzeitiger Zugang zur Deep Forecasting
Wir planen, unseren gesamten Kundenstamm schrittweise auf unser neuestes Prognosemodell umzustellen. Diese schrittweise Einführung soll sicherstellen, dass wir keine Rückschritte einführen, bei denen die neueste Version möglicherweise weniger genau ist als die ältere. Da die Version 5.0 äußerlich identisch mit der Version 4.0 ist, wird das Upgrade vollständig transparent sein. Die Kunden werden nur die zusätzliche Genauigkeit bemerken. Bis Ende des ersten Quartals 2018 werden alle über Envision generierten Prognosen von 5.0 unterstützt.
