Business analyst

Tối ưu hóa toán học: Công nghệ phân tích mô tả mạnh mẽ có trong hộp công cụ khoa học dữ liệu của bạn

Trong phần khách mời đặc biệt này, Tiến sĩ Gregory Glockner, Phó Chủ tịch kiêm Thành viên Kỹ thuật tại Gurobi, giải thích cách bạn có thể bắt đầu sử dụng tối ưu hóa toán học và cung cấp một số ví dụ về cách công nghệ phân tích mô tả này có thể được kết hợp với máy học để mang lại lợi ích kinh doanh trên nhiều các ngành nghề. Trước khi gia nhập Gurobi trong 2009, Tiến sĩ Glockner là đối tác và Giám đốc điều hành của Dwaffler, một nhà cung cấp các công cụ phân tích quyết định. Tiến sĩ Glockner có bằng Cử nhân Đại học Yale về Toán ứng dụng và Âm nhạc, đồng thời có bằng Thạc sĩ và Tiến sĩ. trong Nghiên cứu Hoạt động từ Viện Công nghệ Georgia. Ông đã đào tạo người dùng phần mềm tối ưu hóa ở Brazil, Hồng Kông, Nhật Bản, Singapore, Hàn Quốc, và khắp Hoa Kỳ và Canada. Ông là một chuyên gia trong lĩnh vực mô hình hóa tối ưu hóa và phát triển phần mềm. Chúng ta đang ở giữa “thời kỳ hoàng kim” của phân tích dữ liệu, nơi có sẵn rất nhiều dữ liệu chất lượng cao và các công cụ phân tích tiên tiến, mạnh mẽ. Các doanh nghiệp trong các ngành đang tìm cách tận dụng các công cụ phân tích này để tạo ra các giải pháp cho các vấn đề quan trọng trong sứ mệnh của họ, hướng dẫn các dự đoán và quyết định của họ, đồng thời đạt được lợi thế cạnh tranh. Nhưng với rất nhiều công cụ phân tích trên thị trường, nhiều công ty gặp khó khăn trong việc xác định công cụ nào họ thực sự cần. Nói chung, “phân tích” bao gồm ba loại công cụ khác nhau: Phân tích mô tả: Sử dụng các công cụ tổng hợp dữ liệu, khai thác dữ liệu và kinh doanh thông minh, bạn có thể hiểu rõ hơn về những gì đã xảy ra trong quá khứ hoặc những gì đang xảy ra hiện tại trong môi trường kinh doanh của bạn. Phân tích dự đoán: Sử dụng các mô hình thống kê và công cụ học máy, bạn có thể dự báo và dự đoán những gì sẽ xảy ra trong tương lai. để đạt được các mục tiêu kinh doanh của bạn. Cả ba loại công cụ phân tích này đều được các tổ chức sử dụng rộng rãi ngày nay. Ví dụ: khi các chính phủ và ngành công nghiệp chăm sóc sức khỏe gấp rút tiêm chủng cho dân số toàn cầu chống lại COVID – 19, các công cụ phân tích mô tả có thể cung cấp cho chúng tôi cái nhìn tổng quan chính xác, theo thời gian thực về tiêm chủng hiện tại và tỷ lệ lây nhiễm; các công cụ phân tích dự báo có thể dự báo điều gì sẽ xảy ra với tỷ lệ lây nhiễm nếu chúng ta tiêm nhiều vắc-xin hơn ở các địa điểm cụ thể vào những thời điểm nhất định; và các công cụ phân tích theo chỉ định có thể giúp chúng tôi quyết định chính xác địa điểm và thời điểm phân phối vắc xin. Nếu bạn – với tư cách là nhà khoa học dữ liệu hoặc chuyên gia CNTT – muốn trích xuất giá trị tối đa từ dữ liệu của mình (bằng cách sử dụng nó để thúc đẩy thông tin chi tiết, dự đoán, quyết định và kết quả kinh doanh tốt nhất có thể), lý tưởng là bạn nên sử dụng cả ba loại công cụ phân tích theo cách tích hợp. Có thể bạn đã nắm rất rõ về các công cụ phân tích dự đoán và mô tả, nhưng có lẽ lại không quen thuộc với phân tích mô tả nói chung và tối ưu hóa toán học (công cụ phân tích mô tả chính) nói riêng. Trong bài viết này, tôi sẽ giải thích ngắn gọn cách bạn có thể bắt đầu sử dụng tối ưu hóa toán học và cung cấp một số ví dụ về cách công nghệ phân tích mô tả này có thể được kết hợp với học máy để mang lại lợi ích kinh doanh trên các ngành khác nhau. Học cách tận dụng tối ưu hóa toán học ở quy mô Rất có thể bạn, giống như hầu hết các nhà khoa học dữ liệu và chuyên gia CNTT, đã có một số kinh nghiệm sử dụng tối ưu hóa toán học – rất có thể là trong Excel. Giống như một con dao quân đội Thụy Sĩ, Excel cung cấp cho người dùng quyền truy cập vào một số công cụ khác nhau, bao gồm chức năng dự báo và phân tích kịch bản và một trình giải tối ưu hóa toán học cơ bản. Mặc dù Excel mang đến cho bạn cơ hội làm quen với các công cụ phân tích này và thực hiện các tác vụ đơn giản, nhưng khả năng của phần mềm này khá hạn chế vì nó không thể xử lý các tập dữ liệu lớn, đa chiều hoặc các vấn đề phức tạp đáng kể. Nếu bạn muốn sử dụng tối ưu hóa toán học hoặc các công cụ phân tích phức tạp khác trên quy mô lớn, bạn cần một công cụ chuyên dụng và mạnh mẽ hơn cho công việc. Khi nói đến tối ưu hóa toán học, có rất nhiều công cụ tính toán và mô hình hóa tối ưu hóa toán học thương mại trên thị trường, nhiều công cụ trong số đó có giao diện với nhiều ngôn ngữ lập trình phổ biến mà các nhà khoa học dữ liệu quen thuộc như Python, MATLAB và R. You có thể sử dụng ngôn ngữ lập trình bạn chọn để xây dựng các mô hình và ứng dụng tối ưu hóa toán học – giống như bạn làm với học máy. Tất nhiên, sẽ mất một chút thời gian và nỗ lực để học viết mã để tối ưu hóa toán học, nhưng cuối cùng thì nó sẽ thành công, vì bạn sẽ có thể sử dụng công nghệ phân tích mô tả mạnh mẽ này – tự nó hoặc kết hợp với học máy – để tự động tạo ra các giải pháp cho các vấn đề kinh doanh quan trọng và thách thức nhất của bạn và đưa ra các quyết định tối ưu. Tạo ra tác động trong toàn ngành công nghiệp Tối ưu hóa toán học và máy học đã được chứng minh là một bộ đôi năng động và các công ty trong nhiều ngành khác nhau đã sử dụng hai công nghệ phân tích này cùng nhau để giải quyết một loạt các vấn đề kinh doanh trong thế giới thực và đạt được năng suất và lợi nhuận cao hơn. Dưới đây chỉ là một vài ví dụ về cách sự kết hợp giữa tối ưu hóa toán học và học máy này đang mang lại giá trị kinh doanh chính trong các ngành dọc khác nhau: Bán lẻ: Các nhà bán lẻ hàng đầu sử dụng công nghệ máy học để dự báo nhu cầu đối với các sản phẩm cụ thể, ở một số địa điểm nhất định, vào những thời điểm nhất định. Sau đó, họ cung cấp các dự đoán đó vào một ứng dụng tối ưu hóa toán học, sử dụng chúng làm đầu vào để tạo ra các kế hoạch sản xuất, định giá, tồn kho và phân phối tối ưu, đưa ra các quyết định kinh doanh nhằm tối đa hóa lợi nhuận và sự hài lòng của khách hàng cũng như giảm thiểu chi phí hoạt động. Dịch vụ tài chính: Các ngân hàng và các công ty dịch vụ tài chính khác dựa vào công nghệ máy học và tối ưu hóa toán học để xác định việc phân bổ danh mục đầu tư phù hợp. Với học máy, họ dự báo hiệu suất của các nội dung cụ thể và sau đó chuyển các dự đoán đó vào ứng dụng tối ưu hóa toán học của họ. Ứng dụng tối ưu hóa toán học tự động xác định phân bổ danh mục đầu tư tối ưu (dựa trên những dự đoán đó cũng như những chuyển động thị trường mới nhất và các mục tiêu và sở thích đầu tư cá nhân), do đó tối đa hóa lợi nhuận được điều chỉnh theo rủi ro và giảm rủi ro. Quảng cáo trực tuyến: Công cụ tìm kiếm khổng lồ trên Internet tận dụng máy học để dự đoán các sản phẩm và dịch vụ mà cá nhân sẽ quan tâm (dựa trên lịch sử tìm kiếm trước đó của họ và các yếu tố khác), sau đó sử dụng tối ưu hóa toán học để tìm ra quảng cáo trực tuyến nào sẽ hiển thị cho từng người dùng cụ thể thời gian và số tiền nhà quảng cáo tính phí (để tối đa hóa doanh thu). Năng lượng điện: Khi ngành điện chuyển từ việc phụ thuộc vào nhiên liệu hóa thạch sang các nguồn tài nguyên tái tạo như năng lượng mặt trời và gió, các chính phủ và các doanh nghiệp trong ngành cần phải đưa ra các quyết định quan trọng về đầu tư chiến lược vào cơ sở hạ tầng mạng và tài nguyên. Các tổ chức này sử dụng máy học để dự đoán nhu cầu điện năng và nhu cầu công suất trong tương lai, sau đó đưa những dự báo đó vào các ứng dụng tối ưu hóa toán học để tạo ra các kế hoạch đầu tư dài hạn tối ưu. Điều thú vị là các tổ chức trong các ngành khác – bao gồm viễn thông và điện toán đám mây – sử dụng tối ưu hóa toán học và máy học theo cách tương tự để đánh giá chính xác nhu cầu dài hạn và yêu cầu năng lực, sau đó đưa ra quyết định đầu tư chiến lược tối ưu. Thêm Tối ưu hóa Toán học vào Hộp công cụ Khoa học Dữ liệu của bạn Đã có sự gia tăng liên tục về số lượng các nhà khoa học dữ liệu sử dụng tối ưu hóa toán học, cũng như số lượng các trường hợp sử dụng khác nhau của công nghệ phân tích mô tả này (riêng công nghệ này và kết hợp với học máy), trên nhiều ngành công nghiệp khác nhau. Nếu bạn quan tâm đến việc thêm tính năng tối ưu hóa toán học vào hộp công cụ của mình, bạn có thể bắt đầu bằng cách khám phá và thử nghiệm tính năng tối ưu hóa toán học trong Excel. Sau đó – khi bạn đã sẵn sàng trải nghiệm toàn bộ sức mạnh của công nghệ này – bạn có thể chuyển sang các công cụ tối ưu hóa toán học có sức mạnh công nghiệp sẽ cho phép bạn giải quyết các vấn đề rất lớn về mức độ phức tạp, quy mô và tầm quan trọng. Nếu bạn muốn mở khóa giá trị thực của dữ liệu của mình (bằng cách sử dụng nó để không chỉ lấy thông tin chi tiết và dự đoán mà còn để thúc đẩy việc đưa ra quyết định tối ưu), thì bạn cần tối ưu hóa toán học – cùng với học máy và các công nghệ phân tích khác – trong bộ công cụ của bạn . Đăng ký nhận bản tin InsideBIGDATA miễn phí. Tham gia với chúng tôi trên Twitter: @ InsideBigData1 – https://twitter.com/InsideBigData1

  • Trang chủ
  • Trí tuệ nhân tạo
  • Chuyên viên phân tích kinh doanh
  • Thông tin kinh doanh
  • Khoa học dữ liệu
  • Back to top button