热搜：真正地改变供应链引入机器学习将至关重要
随着企业的发展和寻找新机会，可信赖的信息和数据敏捷性已成为巨大的优势。当COVID-19来袭时，这种影响在全球范围内都有体现。供应链的敏捷性，透明度和枢纽能力是关键需求，在那一刻，企业开始使用机器学习(ML)作为快速响应市场需求的手段。结果令人印象深刻。例如，机器学习解决方案可以在几分钟之内找到60,000家具有ISO认证的PPE制造商。这些信息对全球供应中断产生了挽救生命的影响。
将机器学习引入新兴行业始终是一种风险。它常常助长“人与机器”的态度，并可能使人们对新技术带来的改变感到恐惧或困惑……这些改变是否真的变得更好。但是，很明显，如果没有人工智能和机器学习的力量，对全球供应链的破坏可能会造成毁灭性的影响。这样，机器的“胜利”也是人类的“胜利”，通过利用机器学习来完成超出人类能力的任务，我们可以解决以前认为无法解决的问题。
探索ML功能
实际上，近年来，我们已经从机器学习过程中看到了意外的成功。
例如，最近一个有趣的纪录片描述了一个AI项目，该项目在中国的围棋比赛中击败了Master。而且，运输行业正在利用机器学习来确定最佳模式和路线，以提高盈利能力，并在将来优化利用机器学习开发的自动驾驶汽车。
机器学习的相关性在于其随着时间的发展和自我完善的能力。观察趋势和模式并对之做出反应的能力将成为未来许多领域进步和进步的基础。显然，那些拥护机器学习以确保其产品面向未来的组织将成为繁荣的组织。
数据问题
与依赖数据制定决策的专业团队交流时，我最喜欢问的问题之一是：“您对数据的质量和完整性有多自信?”
通常，用一些紧张的笑声回答这个问题。在许多专业人士看来，对他们的数据完全没有信心。
为了获得高质量的信息，需要不断更新数据的准确性，检查重复项，将其与其他数据集合并……等等。例如，在供应商信息的情况下，数据需要反映出买卖双方之间的持续关系，有时跨多个部门。数据不可避免地被孤立起来，变得停滞不前，并且经常被忽略。对于所有人，团队或部门来说，管理所有这一切都是一项艰巨的任务。为了实现这项艰巨的任务，公司花费了数百万美元来一次又一次地清理，分类和分析其数据。这是ML节省时间的地方。
不断提高供应商数据的质量将至关重要。
通过机器学习丰富数据
企业必须有更好的方法来从其数据中获得更多价值-诚然，这是人类一次又一次失败的工作-显然，机器学习是答案。
通过利用AI和机器学习来汇总供应商数据，并通过排除人为因素，可以消除手动输入和错误。结果是一种改进数据质量的方法，而不是让数据静置和降级。
机器学习还可以减轻人类的痛苦。企业需要更简单的识别和发现方法，并且机器学习过程会创建一个标签系统，以快速汇总信息。
在全球大流行中实现敏捷
实际上，人工智能和机器学习已经彻底改变了企业处理供应商数据的方式，这一点在2020年初尤为明显，当时COVID-19以前所未有的方式破坏了全球供应链。
借助机器学习技术，政府和公司能够找到生产线转换所需产品的可行供应商和制造商。在一个示例中，ML使零售制造商能够转变为每天生产15万个N95级口罩。支持机器学习的技术还帮助政府部门找到合格的供应商为其基本工人提供个人防护装备-汽车制造商可以找到合格的供应商，以便在其生产线中增加通风设备。简而言之，这种大流行使机器学习有助于保护人类生命。
人与机器
尽管有些人可能认为人与机器之间的关系对于科幻小说来说是个好主意，但认为人与机器之间的矛盾并不是一个可持续的观点。为了扩展，人类将需要超出我们自身能力的能力。机器学习使企业能够释放看似无限的潜力来丰富供应商数据，更不用说为数据本身创造价值了。
在每个行业和功能中，利用机器学习都是未来的方法论。随着我们的前进，我们作为一个群体的成功将取决于我们愿意让机器学习解决那些不可能的问题，在我们不期望的地方释放价值，改变我们对业务，能力和我们的思考方式的意愿。增长潜力。
