ताजा अपडेट के लिए सब्सक्राइब करें

Text to Identify Refresh CAPTCHA कैप्चा रीफ्रेश करें

*साइन-अप करके मैं रिलायंस मनी से ई-मेल प्राप्त करने के लिए सहमत हूं

 

क्या आप रिटेल उद्योग में हैं? गहन शिक्षण (डीप लर्निंग) आपकी पूर्वानुमान संबंधी चुनौतियों को जल्दी ही हल कर सकती है

सटीक पूर्वानुमान, रिटेलर्स, तथा वितरण के लिए उन पर निर्भर उद्योगों के लिए बहुत महत्त्वपूर्ण हैं। ये पूर्वानुमान, किसी व्यवसाय का राजस्व सृजन और प्रचालन प्रबंधन तय करने में बड़ी भूमिका निभाते हैं। जहां अत्यधिक मांग का पूर्वानुमान आपको अतिरिक्त इन्वेन्टरी का परिणाम दे सकता है, वहीं अल्प-अवधि का पूर्वानुमान यह बताता है कि आप अपने उपभोक्ताओं की मांगें पूरी करने में सक्षम नहीं हैं

लेकिन, सबसे महत्त्वपूर्ण प्रश्न ये है कि अपने पूर्वानुमानों को शुद्ध और सटीक कैसे बनाएं? पूर्वानुमानों की सटीकता, आपके रिटेल व्यवसाय को व्यापक प्रभावित करती है, किन्तु कुछ विशेष उत्पादों की मांग में मौसमी उतार-चढ़ाव, उत्पादों का छोटा जीवन-चक्र, और स्टॉक कीपिंग यूनिट (एसकेयू) की ऊंची कीमत आदि वज़हें कभी-कभी भावी बिक्री के पूर्वानुमान को कठिन काम बना देती हैं

 

परंपरागत पूर्वानुमान मॉडल अधिक लाभप्रद क्यों नहीं हैं?

परंपरागत रूप से, अपने पूर्वानुमानों के लिए व्यावसायिक उपक्रम केवल संरचित डाटा सेटों पर निर्भर होते हैं, जैसे कि बिक्री के आंकड़े, और बाज़ार पूछताछ आदि। लेकिन पूर्वानुमानों के ये मॉडल अब पुराने हो चुके हैं क्योंकि ये असंरचित डाटा सेटों पर विचार नहीं कर पाते, और केवल आंकड़ों वाले डाटा पर कार्य कर सकते हैं। ये रैखिक मॉडल, जटिलताओं पर कार्य नहीं कर सकते और डाटा में सूक्ष्म पैटर्न उजागर नहीं कर सकते। इसके अलावा, इस प्रक्रिया में डाटा को मशीनों में डालने के लिए लम्बी और अधिक श्रम वाली विधि की आवश्यकता होती है

 

गहन शिक्षण (डीप लर्निंग) और कृत्रिम बुद्धि (आर्टिफिशियल इंटेलिजेंस) इन समस्याओं को मदद करने में किस तरह सहायक है

गहन शिक्षण (डीप लर्निंग), जो कि मशीन लर्निंग का ऐसा सबसेट होता है, जो कि मानव मस्तिष्क की तरह कार्य करता है, इसे पूर्वानुमान से जुड़ी इन सामान्य चुनौतियों के प्राथमिक समाधान की तरह देखा जा सकता है। जहां पारंपरिक मशीन लर्निंग एल्गोरिद्‌म के लिए लगातार मानवीय हस्तक्षेप की आवश्यकता होती है, वहीं गहन शिक्षण (डीप लर्निंग) मॉडल कृत्रिम बुद्धि (आर्टिफिशियल इंटेलिजेंस) के साथ अधिक मानवीय प्रयासों के बिना सिखाया और प्रशिक्षित किया जा सकता है, जो कि बेजोड़ सटीकता वाले परिणाम प्रस्तुत करता है

  • परिष्कृत और अनुकूलित पूर्वानुमान प्रक्रियाओं के साथ, गहन शिक्षण (डीप लर्निंग) ने पारंपरिक पूर्वानुमान मॉडलों की जगह ले ली है जो असंरचित रिटेल डाटा सेटों को समाविष्ट करती है. यह जटिल डाटा पैटर्नों का मूल्यांकन और उन पर कार्य कर सकती है, क्योंकि यह ग्राफिक प्रोसेसिंग यूनिट (जीपीयू) पर निर्भर होती है.

  • गहन शिक्षण (डीप लर्निंग) एक साथ बड़ी संख्या में एसकेयू को सपोर्ट कर सकता है. यह इसे विविध उत्पादों के बिक्री पैटर्नों के बीच समानताएं और असमानताएं समझने, और मार्केटिंग व प्रोमोशनों के लिए सह-संबंध खोजने में सक्षम बनाता है. उदाहरण के लिए, प्रिंटरों की बिक्री में बढ़ोत्तरी, इंक कार्ट्रिजों की बिक्री को भी बढ़ा सकती है, जबकि बड़ी स्क्रीन वाले मोबाइल फोन की लांच, समान साइज़ वाले टेबलेटों की बिक्री कम कर सकते हैं.

  • उपभोक्ताओं द्वारा ऑनलाइन खरीदारी वाले प्लेटफार्मों पर ब्राउजिंग के ब्यौरे जांचने में तथा उनके बीच कुछ निश्चित उत्पादों की मांग समझने में कृत्रिम बुद्धि (आर्टिफिशियल इंटेलिजेंस) बहुत सहायक हो सकती है. यह बड़ी मात्रा में डाटा एकत्रित करने तथा भावी पूर्वानुमानों के लिए इस पर कार्यवाही करने में लगने वाले समय और परिश्रम को भी काफी कम कर देता है.

इस तरह से, सटीक और शुद्ध पूर्वानुमान तैयार करने के लिए डाटा एकत्रित करने व उस पर कार्यवाही करने के अलावा कृत्रिम बुद्धि (आर्टिफिशियल इंटेलिजेंस) या गहन शिक्षण (डीप लर्निंग) का उपयोग, समय, परिश्रम, तथा गणना करने वाले संसाधनों की काफी बचत करा सकता है, जो अन्य अनुप्रयोगों के लिए उपयोग किए जा सकते हैं

अनेक रिटेलरों ने गहन शिक्षण (डीप लर्निंग) क्षमताओं पर आधारित उत्पाद अनुशंसा (प्रोडक्ट रिकमंडेशन) सॉफ्टवेयर पहले से ही प्रयोग किया हुआ है, जो कम्प्यूटर को बेहतर पूर्वानुमान करने, तथा रीयल टाइम में स्मार्ट विकल्प प्रस्तुत करने में सक्षम बनाता है, जिससे ग्राहकों को भी संतुष्टि मिलती है, बिक्री में बढ़ोत्तरी होती है, और अधिकतम लाभ होते हैं