Los investigadores de Google Brain están apostando por mejorar el trabajo de los retailers. En este contexto, acaban de lanzar recientemente Vertex AI Forecast, una solución de aprendizaje automático que les permite alcanzar una gran precisión en sus previsiones de demanda para adaptarse rápidamente a los cambios de mercado. Se trata de un producto que facilita las operaciones de cadena de suministro, previsión de suministro así como los empleados necesarios para responder a los clientes y maximizar beneficios.
Vertex AI Forecast permite procesar automáticamente los datos y evaluar cientos de modelos diferentes para encontrar el más eficiente y así, establecer presupuestos para crear las previsiones. Además, esta solución puede ingerir grandes volúmenes de datos no estructurados, en este sentido, los retailers pueden generar previsiones muy precisas que trabajan en múltiples niveles minimizando los problemas creados por la compartimentación organizacional.
El elemento clave de Vertex AI Forecast es la búsqueda de arquitecturas de modelos, donde se evalúan cientos de configuraciones y arquitecturas de modelos. Este algoritmo permite a Vertex AI Forecast encontrar sistemáticamente las configuraciones más eficientes para una gran variedad de clientes y conjuntos de datos.
Previsiones de demanda
Google ha construido el cerebro que permite hacer previsiones de demanda de una manera contextualizada y no intrusiva, fusionando el arte con la ciencia (informática) de la exactitud en las previsiones de demanda. En las pruebas comparativa realizadas con conjuntos de datos de Kaggle, Vertex AI Forecast se situó en el 2,5% más elevado de precisión en la World’s Top Forecasting Competition.
«Gracias a las capacidades de pronóstico jerárquico de Vertex AI Forecast, los retailers pueden generar previsiones muy precisas que trabajan en múltiples niveles (por ejemplo, vinculando las demandas a nivel de artículo, tienda y región), minimizando los problemas creados por la compartimentación organizacional. Vertex AI puede ingerir grandes volúmenes de datos no estructurados para comprender las «señales» más relevantes, como el clima, los precios de las materias primas, los costes de flete y de transporte marítimo. Esto permite a las empresas obtener una información valiosa y comprender la importancia de los principales factores que impulsan la demanda», asegura Craig Wiley, director de gestión de producto de IA y soluciones sectoriales de cloud en Google.
