AI voor sales predictie in een omgeving met beperkte historische data

De laatste jaren is er veel onderzoek gedaan rond Artificiële Intelligentie(AI) en Machine Learningtechnieken. Dit heeft geresulteerd in veel beschikbare modellen en open-source code die vrij te gebruiken is. In dit project willen we bekijken hoe AI kan gebruikt worden om de toekomstige sales beter te voorspellen voor Vlaamse Kmo's.

Dit laat hen toe omhun productie-en capaciteitsplanning te verbeteren, maar ook het inkoopbeleid en voorraadbeheer te optimaliseren. Meestal heeft AI echter erg veel data nodig om predicties te doen. Terwijl dit geen probleem is voor grote bedrijven zoals bijvoorbeeld Amazon, Bol.com of Coolblue, vormt dit vaak -naast modelkennis en IT infrastructuur -een grote drempel voor Kmo'som met AI aan de slag te gaan.

Met de steeds toenemende globalisering strijden de Kmo's met ongelijke wapens tegen de concurrentie van multinationals. Dit onderzoeksproject wil AI-techniekentoepassen om goede verkoop voorspellingen te maken, ook waar er weinig data is. We willen modellen implementeren die de hiërarchische(verborgen) structuur van de data uitbuiten in combinatie met data-arme modellen en ensemble methoden.

In de bedrijfscases willen we het AI model domein specifieke kennis laten opbouwen door human-in-the-loop learning om zo een gecombineerd algoritme te ontwikkelen.

We willen de expertise opgebouwd met dit project in het expertisecentrumBusiness Management uitdragen naar bedrijfswereld door publicaties, projectenen navorming in de context van Levenslang Leren. Verder kan dit project bijdragen tot het verrijken van data en AI-vakkenbinnen VIVES, en studenten klaarmaken voor een praktijkomgeving die vaak weinig bedrijfsdata voor handen heeft.