Marketing Mix Modeling (MMM) is al lange tijd een waardevol hulpmiddel in verschillende bedrijfstakken voor data-driven besluitvorming. Recentelijk heeft het opnieuw aandacht gekregen in de gezondheidszorg en farmacie als middel om kritieke vragen aan te pakken.
Effectief categorie- en productbeheer zijn cruciaal voor de mode- en kledingindustrie en hebben een directe invloed op de doorverkooppercentages - een belangrijke KPI voor voorraadbeheer en een belangrijke motor voor de totale verkoop. Het optimaliseren van de doorverkoop en het minimaliseren van overtollige voorraad begint bij het aankoopproces van het product.
Artefact, in samenwerking met Tencent Cloud (International) en Alipay (International), organiseerde op 22 oktober een seminar getiteld "AI FOR TOURISM, Harnessing The Power of AI and Data for Travel & Hospitality" in het kantoor in Shanghai. Het evenement richtte zich op het verbeteren van de service-ervaring voor Chinese toeristen door middel van AI en data-technologie, en bracht reis- en horecamerken samen, waaronder hotels, luchtvaartmaatschappijen, resorts, toerismebureaus en travel retail.
In het dynamische landschap van het moderne bedrijfsleven is data naar voren gekomen als een hoeksteen van succes, die innovatie aanstuurt en de besluitvorming informeert. Toch is alleen het vergaren van data niet genoeg; organisaties moeten de mogelijkheden ontwikkelen om het volledige potentieel ervan te benutten.
Discrete keuzemodellen zijn gericht op het voorspellen van keuzebeslissingen die individuen maken uit een menu van alternatieven, een zogenaamd assortiment. Bekende toepassingen zijn bijvoorbeeld het voorspellen van de keuze van een forens voor een bepaalde vervoerswijze of de aankopen van een klant.
AI heeft de potentie om de groeivooruitzichten van bedrijven te verbeteren, maar de inzet ervan binnen organisaties vereist sterke zakelijke en technologische expertise, evenals de oprichting van een speciaal data en AI-bestuur. Inzichten van drie experts van adviesbureau Artefact.
In het China van vandaag is het verslaan van fraude en ethisch blijven essentieel voor succes op lange termijn. De post-pandemische vertraging legt zwakke plekken bloot, wat de waarschuwing van Warren Buffett herhaalt: "Pas als het tij keert, ontdek je wie er naakt heeft gezwommen". Bedrijven moeten risico's identificeren en financiële strategieën versterken om niet alleen te overleven maar ook te gedijen in een economische neergang.
Herinnert u zich Business Objects nog? Als dat zo is, ziet u misschien waar ik hiermee naartoe wil. We gaan een periode tegemoet waarin Large Language Models (LLM's) die software op bedrijfsniveau kunnen bouwen, steeds meer gemeengoed zullen worden. Het is zeker een indrukwekkende technologische prestatie, maar het is ook een potentiële race naar de bodem. Waarom? Omdat iedereen druk bezig is met het laten zien van de nieuwste AI-trucs, maar de echte goudmijn mist: de data zelf.
De overvloed en diversiteit van reacties op ChatGPT en andere generatieve AI's, of ze nu sceptisch of enthousiast zijn, laten zien welke veranderingen ze teweegbrengen en welke impact ze hebben tot ver buiten de gebruikelijke technologiekringen. Dit staat in schril contrast met eerdere generaties van AI, die voornamelijk voorspellend waren en over het algemeen het onderwerp waren van artikelen of scripties die beperkt bleven tot onderzoek en innovatie.
