"Ich möchte für jedes Convenience-Store-x-Produkt eine ** Nachfrageprognose ** erstellen." → Maschinelles Lernen / statistische Modellierung Vorhersage und Aufklärung von Phänomenen
"Ich möchte ** Gewinne maximieren ** basierend auf Nachfrageprognosen für jedes Convenience Store x Produkt." → Mathematische optimierungsähnliche Geschichte Gewinne maximieren (KPI maximieren / minimieren, nachdem das Phänomen aufgeklärt ist)
Zwischen maschinellem Lernen und mathematischer Optimierung: Es gibt auch ein Bambit-Problem (erweitertes Lernen)
Es gibt verschiedene Ebenen der Datenwissenschaft / KI / Analytik
Entscheidungsschritte ① Aggregation (was wird passieren) ② Erklärung (warum es passiert ist) ③ Vorhersage (was wird passieren) ④ Entscheidung (was zu tun ist) ⑤ Aktion (tatsächliche Aktion)
Erfolgsphase der Analytik ① Beschreibende Analyse ② Diagnostische Analyse ③ Predictive Analytics ④ Verschreibungsanalyse (Entscheidungsunterstützung durch AI) ⑤ Verschreibungsanalyse (Entscheidung der KI)
Typischerweise ① Aggregation (was passiert) DWH / BI-Tool ① Beschreibende Analyse
Opportunity Learning / statistische Analyse führt bis zu (2) Erklärungen (warum es passiert ist) und (3) Vorhersagen (was passiert) durch. ① Beschreibende Analyse ② Diagnostische Analyse ③ Predictive Analytics
④ Treffen Sie Entscheidungen (was zu tun ist) und ⑤ Aktionen (tatsächliche Aktionen) durch mathematische Optimierung ① Beschreibende Analyse ② Diagnostische Analyse ③ Predictive Analytics ④ Verschreibungsanalyse (Entscheidungsunterstützung durch AI) ⑤ Verschreibungsanalyse (Entscheidung der KI)
| Aufgabe | Eingabe in das System | Systemmechanismus | Systemausgabe | Typische Technologie |
|---|---|---|---|---|
| Vorhersage / Schätzung | ⭕️ | Unbekannt → geschätzt | ⭕️ | Maschinelles Lernen / Statistik |
| Optimierung | Das beste ist unbekannt → Suchen | ⭕️ | Ich möchte minimieren / maximieren | 数理Optimierung |
| Erläuterung | Prognose | Entscheidungshilfe | Entscheidung fällen | |
|---|---|---|---|---|
| Aktienhandel (DayTrading) | ○ | ○ | ○ | ○（HFT） |
| Super Kaufplan | ○ | ○ (Nachfrageprognose) | ○ (optimaler Kauf) | ○ |
| Vermietung von Baumaschinen | ○ | ○ (Nachfrageprognose) | ○ (Optimierung des Geräteeinsatzes zwischen Niederlassungen) | ○/?(Konflikt der Anreize zwischen Branchen) |
| Rohstoffhandel | ○ | ○ (Preisprognose) | ○ (Vorschlag zum Handelszeitpunkt) | ?? (Bewertung des politischen Risikos) |
| Landwirtschaft | ○ | ○ (erwartete Ernte) | ○(Düngeroptimierung)/?(Verkaufsplan) | ？ |
| M&A | ○ | ?? (Hohe Individualität) | ? | ? |
Anfällig für Ausgabe- / Betriebsabhängigkeit
・ Problem bei der Anzeigenzuweisung → Maximieren Sie die Werbewirksamkeit (CVR / CTR) ・ Fahrzeuglieferungsplanung → (Gewicht eines Pakets, optimale Route usw.) ・ Fabrikproduktionsplan → Anpassung von Rohstoffen und Produktionsvolumen ・ Zusammenarbeit mit anderen Fabriken usw. ・ Platzierungsproblem der Verwaltungseinrichtung → (Schule usw.) ・ Krieg → (Effizienter Angriff) ・ Portfolio → (Gleichgewicht zwischen Risiko und Rendite ・ Das Risiko kann auch bei gleicher Rendite reduziert werden) ・ Schichterstellung → (Anpassung von Rollen und Belastungen)
DWH- und BI-Tools https://it-trend.jp/bi/article/bi_dwh
python3 numpy pulp
Wie man studiert Über 50 Optimierungsprobleme für die Anwendung (Buch)
Recommended Posts