AI-nyhederSpandan Ghose Chowdhury retter skæv butiksdata
Ny forskning fra Spandan Ghose Chowdhury korrigerer skævheder i detailhandlens data, så butikker kan træffe bedre beslutninger.
Problemet
Når butikker analyserer kundedata, er der tit huller – fordi nogle kunder handler oftere end andre, eller fordi bestemte varer kun sælges i visse butikker. Det giver skæve resultater, som kan føre til fejlbudgetter og dårlige indkøb. Spandan Ghose Chowdhury har udviklet en metode, der retter op på disse skævheder.
Løsningen
Metoden bruger AI til at korrigere data, så de afspejler virkeligheden bedre. Den er testet på data fra detailbranchen og kan hjælpe butikker med at se, hvilke varer der faktisk sælger – og hvorfor. Det giver et mere retvisende billede af kundernes adfærd, når man skal planlægge lagre og kampagner.
Hvad betyder det
For almindelige forbrugere betyder det, at butikkerne kan få større styr på udbud og efterspørgsel. Det kan betyde færre udsolgte varer og bedre priser. Forskeren bag håber, at metoden også kan bruges i andre brancher, hvor data er ufuldstændige – for eksempel i transport eller sundhed.
- Forskeren Spandan Ghose Chowdhury står bag en ny metode til at korrigere skævheder i detailhandelsdata.
- Metoden bruger AI til at identificere og rette skævheder, der opstår, når kundedata er ufuldstændige.
- Skæve data kan give butikker et forkert billede af, hvilke varer der sælger bedst.
- Korrekt data kan hjælpe butikker med at planlægge lagre og markedsføring mere præcist.
- Metoden er testet på detaildata og kan potentielt bruges i andre brancher som transport og sundhed.
- Forskningen er publiceret på arXiv under kategorien cs.AI.
For dig som forbruger kan metoden betyde færre udsolgte varer i butikkerne – fordi butikkerne får et mere præcist billede af, hvad folk faktisk køber, og kan planlægge derefter.
Kilder:
arXiv cs.AI →
Genfortalt i egne ord af AI-nyheder.com · Tjek altid originalkilden, før du handler på vigtige oplysninger.