Cómo Adobe utiliza AI y Data Science Workspace para Insights

Esto ha significado que los proyectos internos han sido más colaborativos y más útiles que nunca. "En los últimos años, con los pasantes, escribíamos nuestros propios scripts para analizar los datos de los clientes que recibimos. Ahora, con Data Science Workspace, podemos usar directamente el servicio SQL Query y con Apache Spark, que es un sistema distribuido que puede trabajar en varios archivos a la vez, hemos podido reducir el tiempo de cómputo ". agregó Shiv Kumar, el líder de investigación para investigación de inteligencia de clientes en Mundo Informático, que ha sido mentor de pasantes de investigación de ML durante más de 5 años. Además, en algunos casos, los pasantes podrían experimentar rápidamente con el uso de "recetas" de vanguardia para aplicar soluciones novedosas a problemas comunes de los clientes. Finalmente, el proceso de reciclaje y reevaluación de modelos con diferentes datos para diferentes casos de uso está más automatizado que nunca.

Con todas estas herramientas a su disposición, los pasantes de investigación de Mundo Informático pudieron trabajar en una serie de proyectos dinámicos, incluidos varios que utilizan conjuntos de datos masivos de uno de nuestros clientes minoristas masivos. Aquí hay un vistazo rápido a algo de lo que pudieron lograr:

Análisis de arranque en frío

Una forma efectiva de transmitir ventas a nivel de SKU en nuevos productos.

Tomamos datos de miles de productos de este minorista masivo y resolvimos un problema clave de investigación: mientras nuestros clientes tienen un montón de herramientas de series de tiempo a su disposición para pronosticar datos con sus productos establecidos, qué sucede cuando desean pronosticar las ventas de productos que ¿Acabas de lanzar y no tienes datos históricos con los que trabajar?

Para este proyecto, los pasantes involucrados pudieron usar un enfoque de aprendizaje profundo relativamente nuevo, a través de Data Science Workspace. Además, podremos tomar el código que se empleó y aprovecharlo para pronósticos de lanzamiento de productos por separado u otros casos de uso, como el pronóstico de lectores de artículos de noticias recién lanzados.

Desenredando datos de clics

Una forma efectiva de determinar las relaciones causa-efecto relacionadas con los clics (por ejemplo, cuando el cliente potencial de una empresa hace clic en una oferta por correo electrónico).

Un clic en un anuncio de búsqueda implica tres eventos separados: un cliente que decide buscar, una empresa que decide mostrar un anuncio de búsqueda al cliente y el cliente que decide hacer clic. La empresa estará interesada en conocer el efecto de mostrar el anuncio de búsqueda. Este proyecto proporciona técnicas para corregir el efecto de estos tres eventos en un futuro evento de conversión y es particularmente útil para la atribución, determinando qué escenarios conducen a la conversión de clic y muchas otras aplicaciones.

Para este proyecto, los pasantes se beneficiaron enormemente de las canalizaciones de datos que Data Science Workspace incluye para llevar los datos a un lugar donde puedan usarse fácilmente para la capacitación y creación de modelos.

Estimación de la participación de la billetera

Una herramienta para comprender el gasto del cliente.

La "cuota de cartera" de un cliente para una empresa es la fracción del gasto total del cliente en un producto que va a la empresa. Este proyecto estima la participación de la billetera cuando solo hay datos parciales disponibles. A nivel del cliente, se puede usar una parte de la estimación de billetera para identificar oportunidades clave para aumentar las ventas de productos a diferentes segmentos.

Aquí, Data Science Workspace proporcionó una experiencia de desarrollo mejorada al combinar un entorno familiar para aquellos que usan las computadoras portátiles Jupyter con fácil acceso a datos y administración de clúster optimizada.

Hubo varios otros casos de uso interesantes que surgieron del uso de los pasantes de Data Science Workspace; desde casos de uso de atribución B2B, hasta modelos para una mejor toma de decisiones basada en datos, para identificar las causas de sesgos cognitivos en los procesos de toma de decisiones de los analistas, y más.

Data Science Workspace: un líder en la ola de Forrester

Como lo demuestran los resultados del proyecto interno de Mundo Informático Research hasta la fecha, Data Science Workspace se trata de trabajar de manera más inteligente y brindar las experiencias personalizadas que sus clientes no solo aprecian, sino que ahora esperan a escala.

Continuamos mejorando y desarrollando Data Science Workspace, pero la industria ya lo está notando: Mundo Informático fue nombrado el único 'Líder' # 39; en The Forrester Wave: informe de plataformas de inteligencia digital para el segundo trimestre de 2017. Recibimos los puntajes más altos posibles en nueve criterios, incluyendo la orientación conductual y las pruebas en línea.

Es un testimonio de nuestra inversión en el futuro de la ciencia de datos basada en inteligencia artificial. Después de todo, AI permite a las marcas diferenciarse y crear lealtad a la marca, y estamos comprometidos a ser el mejor socio de nuestros usuarios para hacerlo.