Студенческие команды Массачусетского технологического института используют машинное обучение и другие инструменты для решения реальных бизнес-задач принимающих компаний.

Паула Кляйн

80-летняя перуанская компания по производству красок оказалась идеальным кандидатом на технологическое обновление в руках инновационной студенческой команды MIT Analytics Lab (A-Lab). Фактически, четыре студента магистра бизнес-аналитики — Надер Хобалла, Ан Луонг, Антуан Ронкорони и Александр Сайяр — работали с Qroma над улучшением ее маркетинговой стратегии с помощью настраиваемого инструмента распознавания изображений для измерения присутствия бренда в магазине.

В Schneider Electric, ведущей компании по управлению энергопотреблением и автоматизации, проблема заключалась в том, чтобы высвободить специалистов по котировкам для задач обслуживания клиентов. Команда A-Lab — Раджлакшми Де, Жечао Хуан, Пьер Джокерс и Джиксин Ван — должны были предложить наиболее вероятные ответы на вопросы конфигуратора продаж, используя итеративный процесс, в котором система рекомендаций становилась умнее с каждым ответом.

В течение последних пяти лет команды аспирантов, подобные этой, разрабатывали проекты с использованием аналитики, машинного обучения и других методов анализа для решения реальных бизнес-задач и создания новых возможностей. Курс, который проводится каждый осенний семестр, представлен IDE и является частью предложений Обучение в действии MIT Sloan School of Management. Его возглавляют лидеры IDE Эрик Бриньолфссон и Синан Арал. Презентации были сделаны и оценены в декабре, и Qroma назвала команду-победителя коллегией знаменитых судей.

Распознавание образов брендов

Задача Qroma состояла в том, чтобы создать продукт данных для измерения присутствия бренда в магазинах клиентов, который поможет управлять маркетингом в будущем. Для этого студенты создали инструмент распознавания изображений для классификации брендов на основе необработанных фотографий в розничных магазинах. После того, как они обучили модель распознавать изображения и создали метки, точность классификации и идентификации в среднем составила 90%.

Проекты варьировались от прогнозирования будущего вакансий на основе рекламных объявлений до оптимизации эффективности сопоставления на двустороннем рынке, сегментации и классификации посетителей обычных магазинов с использованием данных Wi-Fi и прогнозирования незапланированного обслуживания локомотивов. Второе место заняли команды, работающие с Schneider Electric и Falabella.

Команда Шнайдера обнаружила, что по мере ввода большего количества данных и внедрения четырех новых алгоритмов наборы данных улучшались, а частота ошибок снижалась. Они также создали чат-бота, чтобы смещать рабочее время на выполнение задач по обслуживанию клиентов.

Обнаружение связи расходов/конверсии кредита

Команда Falabella, Джун Сионг Анг, Сэмюэл Ли и Джош Лестер, использовали машинное обучение, чтобы определить взаимосвязь между данными о покупках и кредитным потенциалом. Они обнаружили, что расходы действительно предсказывают конверсию кредита, что может помочь банку определить потенциальных клиентов на основе структуры расходов.

Прием в Analytics Lab на осень 2019 года открывается для студентов Массачусетского технологического института в начале мая. На сегодняшний день A-Lab привлекла в общей сложности 300 студентов из дюжины факультетов Массачусетского технологического института для работы над более чем 90 проектами, охватывающими IoT, цифровые технологии, платформы, финансы, электронную коммерцию, розничную торговлю, производство, цепочки поставок медицинских товаров, безопасность на рабочем месте и глобальное здоровье.

Спонсорами проекта осеннего курса стали:

Аксенчер и Морнингстар

Авианка

БАСФ

Технологии обжига стекла

Банк С6

Сити

Колледж Пульс

Фалабелла

Дженерал Электрик Транспорт

Хавас

Интурса

JPMorgan Чейз

Логистика Линедж

LittleHoots

Научно-исследовательский институт Номура

Крома

Schneider Electric

ТАСА

TripAdvisor

Урбанова

Voices.com

Поиск проектов на осенний семестр начинается в июне. Если ваша компания заинтересована в участии, свяжитесь со Сьюзен Янг по адресу susany at mit dot edu.