在最近的eWorld采购与供应活动的创始人帕迪·劳顿(Paddy Lawton)Spend360,被收购的分析公司Coupa今年早些时候，谈到内幕消息:从机器学习到采购效益实现。会议是与咨询公司联合举办的Xoomworks，他们可能是英国大规模Coupa项目的主要执行者。
劳顿首先解释了为什么对大型组织来说，理解成本并不像听起来那么简单。消费数据准确吗?度量单位是否被理解和一致?那么货币呢，更不要说仅仅理解“IBM可能会记录在你的应付账款账簿上。这就是为什么高管们花大量时间“翻查电子表格”，只是为了清楚地了解支出的基本情况——多少钱、与谁合作、由谁支出等等。他说，整个问题归结为对非结构化数据进行分类。
这就是AI(人工智能)、机器学习和深度学习发挥作用的潜力所在。在最近的一项调查中，80%的ceo认为数据挖掘和分析技术是最重要的的最重要的战略数字技术。早在2013年，高德纳(Gartner)就曾表示，支出分析“对于营收超过10亿美元的企业至关重要”。但现在，劳顿声称，这项技术更加经济实惠，应该成为更多组织的优先事项。
然而，他告诫人们不要对人工智能等过于兴奋。“我们总是需要人类来加强机器内部的学习”。
对我来说，这次会议最吸引人的地方是他提到了人工智能的起源，这是1955年达特茅斯(美国)暑期学校的一个研究项目!万博体育下载app就在会议开始前，劳顿给我看了这项研究的建议，很有先见之明;万博体育下载app它谈到了神经网络，机器学习等等。基本上，20世纪50年代和60年代杰出的关键人物开发了很大一部分支撑理论，这些理论仍然是今天这一领域发展的基础——当时没有足够的计算机能力来实现这一点。
在上世纪八九十年代，人们开始开发这种技术的实际应用——比如早期的车牌识别。但它仍然是相当基本的。然后，第一个“神经网络”在加拿大的大学里被开发出来，将计算机连接起来，为“深度学习”提供了基础，而“深度学习”需要巨大的计算机能力(和大量的数据)才能有效。
所以回到现在，使用深度学习进行支出和供应商分类可以比传统方法更好地清理数据。正如劳顿所说，当我们进入第三代产品时，我们将看到“深度机器学习和智能算法”。这意味着，例如，在发票和其他文件中，“理解单词及其背后的含义”——系统将通过理解整个句子和上下文，并从过去的例子中学习，“知道”椅子是什么。
对于花费分析来说，这比基于规则的流程要强大得多，这些流程只是简单地说“如果供应商= Grainger，那么类别= MRO……”
让我印象深刻的是，就其背后的技术而言，这一切是多么聪明，然而在某些方面，这些好处对blasé年轻的品类经理来说并不太令人吃惊。这不会彻底改变采购——相反，这将导致支出和数据分析变得更准确，生成速度也快得多。坦率地说，一旦我们拥有了它，每个人都会认为它是理所当然的。但对于任何革命性的技术来说，不也是如此吗?你有多少次会有意识地想起你的智能手机到底有多棒?
但与以往一样，竞争优势将属于那些知道如何采用这些先进技术并真正利用它们的人，而不是那些坚持使用基于excel的花块的人。如果你有机会看到和听到Paddy Lawton的演讲，这是非常值得的——他是一个罕见的真正的“极客”，一个深刻的技术主题专家，同时也是一个有说服力和有趣的沟通者!
讨论: