संक्षिप्त उत्तर: मेरी पहली गंभीर AI परियोजना बीयर माँग पूर्वानुमान थी — यह पूर्वानुमान लगाना कि कौन-सी बीयर बनानी है, और कितनी, ताकि ब्रूअरियाँ सही समय और स्थान पर बेचें। यह स्थापित, मौसमी उत्पादों के लिए साफ़ इतिहास के साथ वाकई अच्छी चली। यह नए रिलीज़ और एक-बारगी घटनाओं पर फ़्लॉप हुई, जहाँ एक सरल स्प्रेडशीट अपनी जगह बनाए रही। कठिन हिस्सा कभी मॉडल नहीं था; वह डेटा था। यह रहा ईमानदार पोस्टमॉर्टम।
हल करने लायक़ समस्या
माँग पूर्वानुमान उन सबसे उच्च-मूल्य चीज़ों में से एक है जिन्हें एक ब्रूअरी सही कर सकती है: अधिक उत्पादन करें और आप पैसा नाली में बहा देते हैं; कम उत्पादन करें और आप बिक्री चूक जाते हैं। यही वह समस्या है जिसके इर्द-गिर्द मैंने iWort में निर्माण किया — क्राफ़्ट और वाणिज्यिक ब्रूअरियों के लिए AI/डेटा पूर्वानुमान को किफ़ायती बनाना ताकि वे आपूर्ति को असली माँग से मिला सकें।
यह एक ऐसी समस्या भी है जहाँ आपके पास पहले से इकट्ठा किया गया डेटा होता है: बिक्री-इतिहास। इसी ने इसे सही पहली परियोजना बना दिया।
क्या चला
ट्रैक-रिकॉर्ड वाली बीयरों के लिए — साल भर के उत्पाद, स्पष्ट मौसमीयता, पर्याप्त साफ़ बिक्री-इतिहास — मशीन लर्निंग ने अपनी जगह कमाई। इसने मौसम, सप्ताह-के-दिन, छुट्टियों, और प्रोमोशन भर के ऐसे पैटर्न पकड़े जिन्हें स्प्रेडशीट जुगलबंदी करता एक व्यक्ति बस अपने दिमाग़ में रख नहीं सकता। कई-SKU, उच्च-मात्रा परिचालनों के लिए, यह असली पैसा बचाता है।
क्या फ़्लॉप हुआ
ईमानदार हिस्सा। मॉडल ठीक वहीं सबसे कमज़ोर था जहाँ मुझे सबसे ज़्यादा मदद चाहिए थी:
- नए रिलीज़ के पास कोई इतिहास नहीं था, इसलिए मॉडल सामान्य अनुमानों पर लौट आता — कभी-कभी एक ब्रूअर की समझ से भी बुरा।
- एक-बारगी घटनाएँ — एक त्योहार, एक वायरल पल, एक लू — इसके लिए अदृश्य थीं। यह केवल उसी से सीख सकता है जो उसने देखा है।
- पतला डेटा ओवरफ़िट हुआ। एक लचीले मॉडल को बहुत कम इतिहास दें और यह शोर «सीख» लेता है, फिर पूरे आत्मविश्वास के साथ उसे आपको वापस पूर्वानुमानित करता है।
पूर्वानुमान कब सार्थक है और कब नहीं, इस पर मैं ब्रूअरियों के लिए AI माँग पूर्वानुमान में गहराई से जाता हूँ। संक्षिप्त बात: कभी-कभी एक मौसमी स्प्रेडशीट मॉडल के कुछ प्रतिशत के भीतर थी — मुफ़्त, पारदर्शी, और काफ़ी अच्छी।
जो सबक टिक गया
मॉडल शायद काम का 20% था। बाक़ी 80% गंदे बिक्री-डेटा को सँभालना और इस बारे में ईमानदार रहना था कि पूर्वानुमान क्या देख सकता था और क्या नहीं। मेरी सबसे बड़ी शुरुआती ग़लती पतले डेटा से आए एक आत्मविश्वासी अंक पर भरोसा करना थी। वही ग़लती — और कुछ इससे बुरी — अगली पोस्ट का विषय है।
ब्रूअर से AI तक — भाग 5 का 8। पूरी श्रृंखला · अगला: जहाँ AI ने मुझे जलाया →
अक्सर पूछे जाने वाले प्रश्न
क्या AI बीयर माँग का पूर्वानुमान लगा सकती है? हाँ, स्थिर, मौसमी माँग और पर्याप्त साफ़ बिक्री-इतिहास वाली स्थापित बीयरों के लिए। यह नए रिलीज़ और एक-बारगी घटनाओं के साथ संघर्ष करती है, जहाँ यह अक्सर एक सावधान मानव अनुमान से बेहतर कुछ नहीं करती।
क्या माँग पूर्वानुमान के लिए मशीन लर्निंग स्प्रेडशीट से बेहतर थी? केवल कभी-कभी। उच्च-मात्रा, कई-SKU, मौसमी मामलों के लिए, ML ने असली मूल्य जोड़ा। छोटे कैटलॉग और नए उत्पादों के लिए, एक सरल मौसमी स्प्रेडशीट कुछ प्रतिशत के भीतर थी — शून्य लागत और पूर्ण पारदर्शिता पर।
एक ब्रूअरी पूर्वानुमान परियोजना का सबसे कठिन हिस्सा क्या है? डेटा, मॉडल नहीं। असंगत बिक्री-रिकॉर्ड, ऐसे उत्पाद जो पिछले साल मौजूद नहीं थे, और ऐसी घटनाओं से चलने वाली माँग जिन्हें मॉडल ने कभी देखा ही नहीं — व्यवहार में यही पूर्वानुमानों को तोड़ते हैं।