快速自助的「機器學習」（Machine learning )
和統計模型解決進入市場的速度和能力 @Explora

以往的商業運作要求人類擁有很强的理工知识和商业感觉去執行和管理。 連零售和製造業，財務保險業，物業管理等的日常業務包含需求預測，採購和資源計劃也是全人手编排，計劃，修改和訂購。  大家知道尤其需求預測非常重要來決定企業的供應和來貨而連繫着分秒必爭的需求。 疫情的考驗波及經濟環境影響引致市場和企業需求時高時低，企業怎能有效率地預測需求而訂貨？ 訂貨出現太多或太少也影響企業運作和成本效應。 採購員煩忙為企業在生產時程上出現的勞動力以及原料需求的短期改變作規劃和調整也面臨種種困難。

這類型的需求規劃和採購工序需要員工漫長的時間去執行和核對務求採購資源能夠準和快，企業意想減低採購資源和成本的浪費和避免決貨的風險或過份充貨（overstock)。 我們Explora發展新進方案能解決需求預測（demand forecast ） 的困難提高準成度跟連貫性,和有效加速補貨供應自動化的效果。 這樣快速自助的方案叫“Jumpstart onboarding ML factory ” by Explora , 此方案能解決了計算機科學中的一個重要問題：如何在最少的幫助下讓機器解決複雜的問題，第一方案是需求預測的機器學習。 當然，真正的考驗是如何將這種方法應用到更複雜的問題上，也讓很多人關心它將如何做到。 這就是我們和AWS合作用AWS雲端大數據和機器學習Sagemaker研發的動機。

在方案的機器學習中，應用統計學習技術來自動識別數據模型，還可用於進行高度準確的預測貨物/服務需求的名稱和數量以補充每件貨品的供應來滿足企業和市場需求，務求快速地解決採購企業和buyer的煩惱。 尤其現時的天氣，環境，季節，和消費者購買力和生活習慣等等因素也令需求预测時常轉變。 Explora 利用AWS雲端製造數據平台而創建簡單易用的機器學習模型，目標是通過識別和編碼數據模型來逼近顯示真實的情況， 透過數據視像化企業可以看到每一件關注的貨品和服務需求預測的結果預求準成高和現實相似從而有效率地管理成本和提升利潤。

由以前的三至六個月才能製成數據的機器學習（Machine learning ) 來提升業務的效率至現在只用一至兩星期就可以協助企業製造屬於他們的需求預測“demand forecast ” 的機器學習模塊 (Machine learning model)和基礎。 這樣快速的 “onboarding ” 和基地建立好讓企業客戶藉此承接模塊平台進行分析，加減條件/尺度和調改模塊。 這一切也緊貼大數據科學和顧問服務的大躍進而務求方案简单易用，快捷和準確，有效率地提升和加速企業自動化和生產力 ，價值非凡！

“需求預測”是整個發展平台的第一個引擎，第二個就來面世的引擎叫“customer segmentation machine learning “是客戶管理工具去分門別類研究客戶、 進行有效客戶評估， 從而合理分配服務資源、成功實施客戶策略的基本原則，為企業充分獲取客戶價值提供理論和方法指導。 這引擎可以發現客戶最喜歡或不喜歡的價格（price analytics),受歡迎的貨品種類（what ) 和客戶喜歡被招呼的方法（how they want to be served )等等。 最後這方案也不斷更新提供更多新的機器学習引擎和數據視像化功能去服務各行各業，運用简单的大數據和機器學習只需兩星期內就擁有, 承接和生效，務求企業開心經營運用科技擁戴速度和自動化！

---