本站分享:大数据、数据分析师考试认证培训,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训广告位

大数据的颠覆意义:预测性配送_数据挖掘

数据挖掘 cdadata 708℃

大数据的颠覆意义:预测性配送_数据挖掘

网上购物是缺乏即时满足感的。客户不能把崭新的任何产品,装入袋中,然后离开。相反,他们选择一种送货方式,然后等待。但是,零售商正努力尝试改变这种状况,由亚马逊网站首创,并在去年十二月被授予专利的预期递送 – 这一系统,目标就是在顾客还没有购买之前,就进行发货。专家们曾经质疑亚马逊网站,根据销售预计,而把商品发送到中转站的这一送货专利是否是全新的概念,(以及是否对于一般购买行为都能适用)。但是,这并没有阻止零售商通过利用精密的分析,来达成这一切。 换句话说,尽早获得网上订购商品的满足感。

Igor Elbert,纽约的高端时尚和家居用品零售商Gilt 集团的数据科学家。利用机器学习和预测模型,Elbert正在为Gilt网站构建一种预测性递送方式。根据大量因素(有些主观,其他客观),该计划旨在确定哪些产品在什么地方会卖得更好 – 东海岸,西海岸,或中部地区 – 在客户点击“购买”之前。这样做的数据挑战是巨大的,涉及的现实问题包括,“如何定义颜色?”

TechTarget记者日前对Elbert进行了专访。

问:什么是预测性递送?

Igor Elbert:根据某些商品会在某些区域畅销的预期,我们就可以在开始销售它们之前,对它们进行运输。因此,当这些商品真的被购买时,他们在地理位置上离客户更近,这意味着客户会更快的收到商品。

问:Gilt网站试图解决的问题和亚马逊网站称之为“预期递送”的又有什么不同?

Elbert:其实我们挺羡慕亚马逊的,因为他们的问题要容易得多。如果你对加利福尼亚州的,橘子郡地区的牙膏购买进行预测,你有过往牙膏销售的可靠历史。如果销售比较稳定,你可以推测出顾客在下个月将需要和上个月购买的,同样数量的牙膏。零售商一直都在做这样的预测, – 查看销售预期,将商品运输到离客户更近的区域。不过,亚马逊做的更进一步。他们说,‘因为知道你之前的购买历史记录,我们将产品直接送到你的家门口。’根据我的理解,这一模型取决于,知道你以前购买的产品。 所以,如果你上个月购买了牙膏,并且在过去的两年中,每两个月都会购买牙膏,他们就知道你会在下个月需要牙膏,他们就可以将其发送给你。 对于他们,这是低风险的,因为如果你不需要它,你可以退货,但有很大可能性,你确实需要它。

我们不会这样做。我们不会在[客户购买前]就把高端礼服发货给她。但我们尝试把产品运送到有意向购买的客户的区域。

问:你面临的最大数据挑战是什么?

Elbert:集成数据集:要了解哪些属性是可以预测的,为了获得可靠的数据,进行删除。例如,[产品]的材料是高度可预测性的,但是材料的数据,在许多情况下,是由厂商提供,手工输入的。 因此,会有输入错误。分清什么是可以预测的,什么是不可预测的,将材料常规化,使其可以应用于算法是一个挑战。

起初,对于产品是由什么制成的,我列出了上千种材料的描述。上千种实在太多了,何况其中很多都是同样材料的变种。我经过了多次反复的删除,合并和常规化,来帮助算法进行处理。这是一个数据的挑战。

分清产品的组成也是一个挑战。比如颜色:这看似是显而易见的,但事实证明并非如此。颜色,这取决于它的定义 – 厂商把它叫做什么, Gilt网站把它叫做什么,美国零售联合会把它叫做什么。一个产品可以有三种颜色的属性,并且它们都是非常不同的。因此,要了解高级时装的具体属性。

然后要明白,这不仅是一个单独的产品。不同的日子也有差别,美好的一天/糟糕的一天,这一概念也是单个产品的预测指标。要通过反复预测才能得出。

问:你面临的最大技术挑战是什么?

Elbert:从源参数移动数据 – 从操作数据库 – 到数据仓库,到源预测,到预测算法,为了尽快的获得结果,从而有足够的订货提前期,能够提前发送商品。在Gilt网站或任何其他闪购网站,一切都发生得很快。以最快的速度,接收商品,对其拍照,进行产品描述,然后销售。这和亚马逊或[传统的]零售商不同。对于我来说,从我们刚听到产品,到开始销售产品之间只有几天的时间。

并且,数据的可靠性也会发生变化。越是接近销售日期,数据也就越可靠。刚开始的一天或两天,一切还很模糊 – 这意味着还没有进行产品描述,价格还没有设定。这些因素我也都要考虑。

问:预测性递送项目的当前目标是什么?

Elbert:当前的目标是缩短发货给客户的时间。随着规模不断扩大,我们希望能节省成本。

问:你觉得预测性递送最终会是怎么样的?

Elbert:理想情况下,产品在运输途中,我们就能够开始打包,并准备发货。现在,我们只是提前几天发货,这样产品可以在销售开始前到达中转站。如果能够缩短这个时间窗口会更好。产品处于运输过程中,销售就可以开始,在货车里的人员就可以开始把产品打包进单独的盒子,贴上标签等。从本质上讲,把货车变成这一项目中的一部分中转站,将是我们的最终目标。这是我们对未来的憧憬。

转载请注明:数据分析 » 大数据的颠覆意义:预测性配送_数据挖掘

喜欢 (1)or分享 (0)