يقول أناند: “تحاول علوم البيانات حل المشكلات التي كانت غير قابلة للحل سابقًا بشكل فعال. تُستخدم هذه التقنية لتصنيف المعاملات المتشابهة التي تبدو مختلفة على السطح. لكنها متشابهة من أسفل.”

أناند عضو كبير في معهد مهندسي الكهرباء والإلكترونيات IEEE، وقد أمضى حياته المهنية في استخدام علوم البيانات، والذكاء الاصطناعي، والنماذج الرياضية والإحصائية لمساعدة الشركات على حل المشكلات واتخاذ قرارات أكثر ذكاءً. 🎉🚀

في العام الماضي، كرم بحث AIM جهود أناند في تحويل صناعة التجزئة بجائزة AI100، التي تُمنح لأكثر 100 قائد مؤثر في مجال الذكاء الاصطناعي في الولايات المتحدة. 🥇🏆 [رابط بحث AIM]

رحلة أناند في عالم البيانات

نشأ أناند في غوبالغانج، الهند، ووضع نصب عينيه أن يصبح طبيباً. في عام 2006 التحق بالمعهد الهندي للعلوم والتدريب العلمي (IISER) في بونة بقصد حصوله على شهادة طبية. لكن في فصله الدراسي الأول، أحبّ دروس الرياضيات التمهيدية أكثر من دروس الأحياء. ساعدته مشروع تصميم برنامج إحصائي لتحديد أفضل طريقة لتطعيم الناس (قبل جائحة كوفيد-19) على إدراك أن الرياضيات هي مجال أفضل له. 🤓

“هذا كان أول تعرّفي على تقنيات التحسين”، يقول أناند، مضيفاً أنه وجد أنه يحبّ حقاً تحديد ما إذا كان النظام يعمل بكفاءة ممكنة.

كما أن مشروع التطعيم أثار اهتمامه بالتعرف على المزيد من الهندسة الصناعية وبحوث العمليات، والتي تستخدم النمذجة الرياضية والتقنيات التحليلية لمساعدة الأنظمة المعقدة على العمل بسلاسة.

تخرج أناند عام 2011 من برنامج IISER للدراسات العلمية المزدوجة لمدة خمس سنوات، وحصل على درجات البكالوريوس والماجستير، مع تخصص في الرياضيات. ثم حصل على درجة الماجستير في بحوث العمليات عام 2012 من جامعة كولومبيا. 🎓 كولومبيا

يقول أناند إنه كان أحد أكثر الدورات التي أثارته في كولومبيا تحسين عملية تحديد تحمل المخاطر للشخص عند اتخاذ خيارات الاستثمار. وقد ساعدته هذه التدريبات والتدريب الداخلي في شركة استثمارية على الحصول على وظيفته الأولى في شركة ماركيت، التي أصبحت الآن جزءًا من S&P Global، وهي وكالة تصنيف ائتماني في مدينة نيويورك. S&P Global. ابتكر نماذج رياضية وذكاء اصطناعي لمعاملات مالية مثل تسعير الأدوات النقدية والأدوات الائتمانية، بما في ذلك عقود السندات الائتمانية. وعقد السندات الائتمانية هو أداة مالية تتيح للمستثمرين تبادل أو تعويض مخاطر الائتمان لديهم مع تلك الخاصة بمستثمر آخر.

وتولى أناند، الذي بدأ كمحلل في عام 2013، منصب نائب الرئيس المساعد في عام 2015.

في وقت لاحق من ذلك العام، تم تجنيده من قبل سيتي جروب، وهي بنك استثماري وشركة خدمات مالية في مدينة نيويورك. سيتي جروب كنائب رئيس مساعد، طور نماذج علم البيانات والتعلم الآلي لتسعير السندات بدقة أكبر. كما قاد فريقًا من محللي الكمّية المسؤولين عن تصميم وتسعير وحساب قيمة المشتقات الائتمانية مثل CDS في الأسواق الناشئة. التعلم الآلي

ترك سيتي في عام 2018 للانضمام إلى زيليانت، وهي شركة استشارية لتحسين الأسعار والإيرادات في أوستن. زليانت. كعالم بيانات كبير، ثم باعتباره عالم بيانات رئيسي ومدير علم، قاد فريقًا قام ببناء وصيانة نماذج مخصصة لتحسين الأسعار لعملاء في قطاعات السيارات، والإلكترونيات، والتجزئة، والطعام والمشروبات.

يقول أناند: «كنا نُقدّر مرونات الطلب، وهي عنصر أساسي لتسعير المنتجات. تُظهر مرونة السعر مدى تغير الطلب على منتج عند تغيير تكلفته. «لم تكن الخوارزميات الحالية فعالة. في عدد من الحالات، كان حساب المرونة يستغرق أيامًا، وقمنا بتقليص هذه العملية إلى بضع ساعات».

كان مديرًا للعلوم في شركة زيليانت عندما غادر للانضمام إلى شركة جاب، حيث يشرف على ثلاثة فرق فرعية للعلوم البيانات: تحسين الأسعار، وإدارة المخزون، وتحسين التسليم.

يقول أناند: “في صناعة الأزياء، يتم تجديد غالبية تشكيلات المنتجات باستمرار، لذلك الهدف هو بيعها بأكبر قدر ممكن من الربحية وبأسرع وقت ممكن. يميل الملابس إلى أن تكون موسمية، وتُفسح المتاجر مساحة على رفوفها للمنتجات الجديدة لتجنب زيادة المخزون والخصومات. ⏳

يقول أناند: “إنها توازن بين الإنتاجية والربحية. أساس التسعير هو نهج ثلاثي الأوجه. تريد الاحتفاظ بالبضائع المخزنة لبيعها بربحية أكبر، وتفريغ الرفوف إذا كانت هناك بضائع مخزنة غير منتجة زائدة، واكتساب عملاء جدد من خلال حملات ترويجية استراتيجية.”

يمكن أن يكون إدارة المخزون تحديًا، لأن غالبية بضائع الأزياء المباعة في الولايات المتحدة تُصنع في آسيا. ويقول أناند إن هذا يعني فترات انتظار طويلة للتسليم إلى مراكز توزيع Gap لضمان توفر المنتجات في الوقت المناسب للموسم المناسب. وتحدث تأخيرات الشحن غير المتوقعة لعدة أسباب. 🤔

مفتاح إدارة المخزون هو تجنب الإفراط في التخزين أو النقص فيه، كما يقول أناند. لا يساعد علم البيانات فقط في تقدير متوسط أوقات التسليم المتوقعة من مختلف البلدان وعوامل تأخيرات الشحن، بل يُمكنه أيضاً تحديد الكميات المثلى للشراء. ونظراً للأوقات الطويلة المطلوبة، يصعب تصحيح خطأ نقص الشراء، بينما يؤدي الإفراط في الشراء إلى وجود مخزون غير مباع، كما يقول.

حتى وقت قريب، كان الخبراء يُقدّرون وقت النقل بناءً على متوسط أوقات التسليم، ويقومون بتخمينات مدروسة حول كمية المخزون اللازمة لكل سلعة. وفي معظم الحالات، لا يوجد إجابة صحيحة أو خاطئة قطعية، كما يقول أناند.

يقول أناند: “بناءً على ملاحظاتي في دوري الحالي، بالإضافة إلى تجربتي السابقة في زيليانت حيث تعاونت مع مجموعة متنوعة من المنظمات – بما في ذلك شركات من قائمة فورچون 500 في مختلف الصناعات – غالباً ما تتفوق نماذج علم البيانات على خبراء الموضوع.”

بناء شبكة مهنية

انضمّ أناند إلى معهد مهندسي الكهرباء والإلكترونيات (IEEE) العام الماضي بناءً على إلحاح زوجته، المهندسة الحاسوبية ريشا ديوا. ريشا ديوا، وهي عضوة. 🤝

بسبب كون مجال علوم البيانات حقلًا جديدًا نسبيًا، يقول، فقد كان من الصعب العثور على منظمة مهنية تضمّ أشخاصًا متشابهي التفكير. شجعته ديوا على الاتصال بأعضاء IEEE عبر حسابها على لينكدإن. 👩‍💻

بعد العديد من المحادثات المثمرة مع عدد من الأعضاء، يقول، شعر أن معهد مهندسي الكهرباء والإلكترونيات (IEEE) هو المكان الذي ينتمي إليه. 💡

“لقد ساعدني معهد مهندسي الكهرباء والإلكترونيات (IEEE) على بناء شبكة مهنية كنت أبحث عنها”، يقول أناند. 🌐

المصدر: المقال الأصلي