Memecahkan Masalah Dunia Nyata dengan Algoritma Tetangga terdekat - dummies

Algoritma pengelompokan hirarkis - dan metode tetangga terdekat, khususnya - digunakan secara luas untuk memahami dan menciptakan nilai dari pola dalam data bisnis ritel. Dalam paragraf berikut ada dua kasus kuat dimana algoritma sederhana ini digunakan untuk menyederhanakan manajemen dan keamanan dalam operasi ritel setiap hari.

Melihat algoritma tetangga terdekat k yang bertindak

Teknik tetangga K-terdekat untuk pengenalan pola sering digunakan untuk pencegahan pencurian dalam bisnis ritel modern. Tentu saja, Anda terbiasa melihat kamera CCTV di hampir setiap toko yang Anda kunjungi, namun kebanyakan orang tidak tahu bagaimana data yang dikumpulkan dari perangkat ini digunakan.

Anda mungkin membayangkan ada seseorang di ruang belakang yang memantau kamera ini karena aktivitas mencurigakan, dan mungkin begitulah hal yang dilakukan di masa lalu. Tapi hari ini, sistem pengawasan modern cukup cerdas untuk menganalisa dan menafsirkan data video sendiri, tanpa memerlukan bantuan manusia.

Sistem modern sekarang dapat menggunakan tetangga k-terdekat untuk pengenalan pola visual untuk memindai dan mendeteksi paket tersembunyi di keranjang bagian bawah keranjang belanja saat check-out. Jika objek terdeteksi, itu sama persis dengan objek yang tercantum dalam database, maka harga produk yang terlihat bahkan dapat ditambahkan secara otomatis ke tagihan pelanggan. Sementara praktik penagihan otomatis ini tidak banyak digunakan saat ini, teknologi telah dikembangkan dan tersedia untuk digunakan.

K-tetangga terdekat juga digunakan secara eceran untuk mendeteksi pola penggunaan kartu kredit. Banyak aplikasi perangkat lunak pencatatan transaksi baru menggunakan algoritma kNN untuk menganalisis data register dan menemukan pola yang tidak biasa yang menunjukkan aktivitas yang mencurigakan.

Misalnya, jika data register menunjukkan bahwa banyak informasi pelanggan dimasukkan secara manual dan bukan melalui pemindaian otomatis dan gesekan, ini bisa menunjukkan bahwa karyawan yang menggunakan register tersebut sebenarnya mencuri informasi pribadi pelanggan. Atau jika data register menunjukkan bahwa barang tertentu dikembalikan atau dipertukarkan berkali-kali, ini bisa mengindikasikan bahwa karyawan menyalahgunakan kebijakan pengembalian atau mencoba menghasilkan uang dari melakukan pengembalian palsu.

Melihat algoritma tetangganya terdekat rata-rata dalam tindakan

Rata-rata klasifikasi algoritma tetangga terdekat dan deteksi pola titik dapat digunakan dalam ritel grosir untuk mengidentifikasi pola kunci dalam perilaku pembelian pelanggan, dan kemudian meningkatkan penjualan dan kepuasan pelanggan. dengan mengantisipasi perilaku pelanggan.Perhatikan cerita berikut:

Seperti halnya toko bahan makanan lainnya, perilaku pembeli di (fiksi) Waldorf Food Co-op cenderung mengikuti pola yang sangat mantap. Para manajer bahkan berkomentar mengenai fakta aneh bahwa anggota kelompok usia tertentu cenderung mengunjungi toko tersebut selama jendela waktu khusus yang sama, dan mereka bahkan cenderung membeli jenis produk yang sama.

Suatu hari, Manajer Mike menjadi sangat proaktif dan memutuskan untuk menyewa seorang ilmuwan data untuk menganalisis data pelanggannya dan memberikan rincian yang tepat tentang tren aneh yang dia saksikan. Ketika Data Scientist Dan masuk ke sana, dia dengan cepat menemukan sebuah pola di antara laki-laki dewasa setengah baya yang bekerja dewasa - mereka cenderung mengunjungi toko kelontong hanya pada akhir pekan atau di penghujung hari di hari kerja, dan jika mereka datang ke toko di Kamis, mereka hampir selalu membeli bir.

Nah, ketika Manajer Mike dipersenjatai dengan fakta-fakta ini, dia dengan cepat menggunakan informasi ini untuk memaksimalkan penjualan bir pada Kamis malam dengan menawarkan potongan harga, bundel, dan spesial. Tidak hanya pemilik toko yang senang dengan peningkatan pendapatan, namun pelanggan pria Waldorf Food Co-op senang karena mereka mendapatkan lebih banyak dari apa yang mereka inginkan, kapan mereka menginginkannya.