Tänker du också att AI och maskininlärning bara är till för storbolag eller tech-jättar i Silicon valley?
Substorm genomförde tillsammans med Nyhléns Hugosons ett spännade uppdrag som bevisar att AI och maskininlärning fungerar ypperligt för små och medelstora bolag. De allra flesta företag idag sitter på data om sin verksamhet som kan hjälpa dem att göra bättre affärer, men få har tagit steget ännu.
Finansiering av Vinnova
– Vi är kanske inte det företag som ligger i framkant när det gäller AI. Däremot ser vi oss som ett av de bolag som ska vara med att driva utvecklingen framåt här i norr. När vi fick chansen att med hjälp av finansiering från Vinnova påbörja vårt första AI-projekt i samarbete med Substorm, kunde vi inte missa den möjligheten, berättar Anna Ahlqvist, marknadschef på Nyhléns Hugosons.
Data blottlägger mönster och beteenden
Nyhléns Hugosons är ett bolag med starkt driv, med fokus på att ständigt förbättras och att jobba mer hållbart. Under många år har bolaget omedvetet samlat på sig en mängd data kopplat till produktion och försäljning. Denna data blev utgångspunkten för AI-projektet.
–Det handlar om att kunna avläsa mönster i datan och på så sätt lära sig mer om den egna verksamheten. Många gånger handlar det om komplexa samband som inte alltid är så tydliga. Här kan AI hjälpa till att blottlägga en rad intressanta insikter och möjligheter, säger Niklas Karvonen, CTO på Substorm.
Optimerar produktionen och minimerar matsvinnnet
Och Nyhléns Hugosons summerar ett lyckat AI-projekt med många nya lärdomar:
– Lite skoj är också att vi satsat på en väderapp där vi får fram väderprognosen hos kunden en vecka framåt. På det viset kan vi rekommendera vilka produkter och volymer som kunden bör köpa hem som kan styras av vilket väder det är. Ett annat plus är att prognosarbetet underlättas och blir mer träffsäkert. Ju bättre träffsäkerhet säljarna får, desto större möjlighet får vi att optimera produktionen och minimera matsvinnet, och erhålla en hög kundnöjdhet, avslutar Johan Sjöblom, försäljningschef på Nyhléns Hugosons.
Faktaruta data & teknik
Data:
- Historisk försäljningsdata (Nyhlens Hugossons)
- Externa ”öppna” datakällor
Exempel på modeller från projektet:
- Rekommendationer: Vilka produkter en viss butik bör sälja framgångsrikt baserat på andra butikers försäljning
- Prognoser: Hur mycket en viss butik kommer sälja av en viss vara vid en viss tidpunkt
- Inferens: Vilken butik som är mest trolig att sälja ett eventuellt överskott av en vara
Tekniker:
- Matrix factorizations
- K-nearest neighbor
- K-means Clustering
- Long Short-Term Memory (LSTM)
- Principle Component Analysis
- Single Value Decomposition
- Random Forest Regression