Ostrukturerad data går att använda systematiskt.Tekniken är nere på ett vettigt pris, så nu går det att hitta samband och få insikter på ett sätt som tidigare verkade ouppnåeligt. Det menar Bengt Eliasson, detaljhandelsexpert på IBM.
Självlärande teknik, som på egen hand samlar och kombinerar ostrukturerad data, hjälper detaljhandeln att förstå vad som händer i den värld där deras kunder rör sig. Att maskinerna vet vad konsumenter på individnivå tycker är snyggt, gott och roligt är en tanke kanske skrämmer, men samtidigt så finns otåligheten och kräsenheten hos kunderna –  om inte handlaren ger det just jag vill ha så går jag snabbt vidare. En person som avskyr volanger vill inte mötas av rader av sådana för att det råkar vara trendigt. E-handlare har länge vässat verktygen för att anpassa budskapen och detta har gjort att kunden börjar ställa samma krav på de fysiska butikerna.
dagenshandel.se fick ett samtal med Bengt Eliasson om hur intelligenta maskiner kan hjälpa handlare att nå sina kunder med rätt budskap i rätt tid.

Watson har lärt sig
IBM har utvecklat Watson, en dator som från början var rätt dum, men som för några år sedan slog världen med häpnad genom att vinna Jeopardy och som i somras knappt blev slagen av ett gäng prisbelönta kockar  i en tävling om att komponera en smaklig måltid utifrån givna råvaror.
Bengt Eliasson värjer sig lite mot begreppet Artificiell Intelligens, som han anser leder tankarna åt fel håll. Vad det handlar om är att maskinen samlat enorma mängder data och hittat mönstren – den ”vet” vilka data som driver kundernas beslut. Augmented –  förhöjd intelligens är vad det handlar om.
I handlarens och kundernas tjänst.
– 80 procent av all data är ostrukturerad och 90 procent av all ostrukturerad data har samlats in de senaste 2 åren, säger Bengt Eliasson. Mätpunkterna har blivit så många fler:
–Taxiföretag får betalt för att de har vädersensorer på sina bilar som kontinuerligt tickar väderdata. Data samlas via sensorer på exempelvis besöksräknare, belysnings-och värmesystem och hushållsmaskiner. Det gör att maskiner kan hålla reda på var människor rör sig och hur de agerar både i offentliga miljöer och i smarta hem.

Förutser
Alla denna data gör det möjligt att förutse beteenden. Vi vet inte bara att det kommer att bli kallt – utan vi vet också hur människor reagerar – behov av att gå in och värma sig ger utslag i besökssiffrorna på gallerior – det går att se vilka lunchrätter som går bäst i kylan och vilka produkter som säljs.
– Det fina är att algoritmerna inte är påverkade av människors fördomar, utan baseras helt på data.
All denna kunskap ställer krav på att de bakomliggande systemen blir mer flexibla så att det går att reagera snabbt när vädret slår om eller ett evenemang ska genomföras. Att apoteket har öppet och laddat med Alvedon och skavsårsplåster efter målgången i Stockholm Maraton kan vara ett resultat av maskininlärning.
Bengt Eliasson menar att det är bråttom att börja arbeta med frågorna.
­– I dag finns det inte tid för långa projekt som lanseras när allt är testat och fungerar klanderfritt. Utvecklingen går så fort.  
Han förordar att man börjar testa internt och ger varje projekt 6-10 veckor för att man ska hitta vad som fungerar i det egna företaget.
En bra början är att testa IBMs Watson API:er. Det finns ett antal färdiga som kan analysera exemplevis tonläge i skriven text, innebörden av meddelanden i tal och skrift, ger insikter om personligheter med hjälp av data från sociala medier och mycket mer.
– Etablerade handelsföretag behöver verkligen ta tag i frågorna nu. Det finns rader av startup-företag som står beredda att ta marknadsandelar med hjälp av den nya tekniken, säger han.

Bengt Eliasson talar på E-commerce Stockholm den 10 maj kl.9.45  på scen 2.

Källa: IBM