DataRobot en Palantir Technologies gaan samenwerken op het gebied van demand forecasting met behulp van AI. Hierbij gaan ze zich vooral richten op retailers die moeite hebben met het accuraat voorspellen van de vraag.
Demand forecasting-modellen zijn vaak verouderd, rigide en niet in staat om in te spelen op veranderingen. De snelheid waarmee supply chains de vraag van de consument en de scheepvaartlogistiek het afgelopen jaar hebben veranderd, heeft organisaties gedwongen hun werkwijze voor demand forecasting te heroverwegen. Om retailers te ondersteunen bij deze uitdaging, hebben DataRobot en Palantir een raamwerk ontwikkeld. Hiermee kunnen bedrijven een slimmere strategie voor demand forecasting inzetten waardoor ze tijd en middelen kunnen besparen die worden besteed aan het handmatig opschonen van data en eenmalige modellering.
Het raamwerk combineert Palantir Foundry en modelontwikkeling van DataRobot, waarmee klanten binnen enkele minuten in plaats van maanden, op één platform datagedreven, eenvoudig te updaten prognosemodellen kunnen creëren en testen. Met een holistische kijk op het retail-ecosysteem kunnen merken eerdere blinde vlekken vermijden en betere beslissingen nemen die meer impact hebben.
Onderzoek
“In ons wereldwijde ‘2021 BuyerView-onderzoek’ noemt 35% van de bedrijven beperkte AI-expertise en 33% toenemende datacomplexiteit en silo’s, als belemmeringen voor succesvolle AI-adoptie”, zegt Ritu Jyoti, Program Vice President, WW AI & Automation Research Practice bij IDC. “Traditionele modellen voor demand forecasting raken verouderd door de toegenomen hoeveelheid data die wordt gegenereerd door bedrijven en externe bronnen. Met behulp van rijke datasets en de implementatie van moderne machine learning-algoritmen in supply chain management, kunnen bedrijven de nauwkeurigheid van prognoses verbeteren en hun plannen voor bevoorrading optimaliseren. Deze nieuwe samenwerking brengt complementaire oplossingen samen en zal retailklanten helpen de transformatieve kracht van AI te ontsluiten. Zo zullen nauwkeuriger voorspellingen leiden tot een vermindering van verloren verkopen doordat de voorraad op is en helpen de magazijnkosten te verlagen.”
Om deze modellen te creëren en uit te voeren, gebruikt de oplossing Palantir Foundry’s Software Defined Data Integration om meerdere grootschalige bestaande datasets te integreren, waardoor snel een hoogwaardige data-asset ontstaat. Deze geïntegreerde data-asset wordt vervolgens ingevoerd in de Augmented Intelligence-technologie van DataRobot, die honderden voorspellingsmodellen traint en produceert in de tijd die een data scientist nodig zou hebben om er slechts één te produceren. Het vermogen van DataRobot om Time Series-modellen te ontwikkelen en meerdere datatypen te combineren in modelontwikkeling, zorgt ervoor dat de vraag aanzienlijk beter kan worden voorspeld.
Modellen
De beste modellen worden vervolgens teruggebracht naar Foundry en voorzien van operationele workflows, waardoor zakelijke gebruikers data en AI op grote schaal krijgen. De modellen worden voortdurend bijgewerkt en getraind door DataRobot om ze relevant te houden en terug te voeren naar de geïntegreerde data-asset van de organisatie. Modellering wordt in de toekomst nog sneller, waardoor elk volgend project kan profiteren van de data-activa van Foundry en eerdere modellering resultaten.
