DOSP-VHR-002262 | AI voor sales predictie in een omgeving met beperkte historische data

Het belang van Artificiële Intelligentie (AI) stijgt razendsnel in de bedrijfswereld. Dit was reeds bij de start van het originele PWO-project een centraal uitgangspunt en deze evolutie versnelt daarenboven nog verder. Door AI te gebruiken om de toekomstige sales beter te voorspellen kunnen de Vlaamse KMO's hun productie- en capaciteitsplanning verbeteren, maar ook het inkoopbeleid en voorraadbeheer optimaliseren. Meestal heeft AI echter erg veel data nodig om voorspellingen 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's om 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-technieken toepassen om goede verkoop voorspellingen te maken, ook wanneer er weinig data is. In het voorgaande PWO hebben we een framework ontwikkeld die de verborgen structuren (o.a. via data frequentie enhierarchische structuur) in de data kan uitbuiten in combinatie met data-arme modellen, en toegepast op verschillende bedrijfscases. In dit vervolgproject willen we onderzoeken hoe we ook data intensieve Deep Learning modellen kunnen gebruiken binnen dit bestaande framework. Deze hebben een betere voorspellingskracht en accuratere voorspellingen, wat belangrijk is voor KMO´s aangezien minder accurate voorspellingen een grote impact kunnen hebben op de kosten. Deze modellen vereisen echter meer data, meer rekenkracht en zijn minder transparant. Deze punten geven aanleiding tot verschillende onderzoeksvragen op vlak van data groepering, explainability en economische trade-off om deze modellen bruikbaar te maken binnen een bedrijfscontext van KMO´s. We willen de expertise opgebouwd met dit project uitdragen naar bedrijfswereld door publicaties, projecten en navorming in de context van Levenslang Leren. Verder kan dit project bijdragen tot het verrijken van data en AI-vakken binnen VIVES, en studenten klaarmaken voor een praktijkomgeving die vaak weinig bedrijfsdata voor handen heeft.