Applying Artificial Intelligence (AI) to software programming for forecasting and optimizing business management decisions
تُظهر هذه الدراسة أن تطبيق الذكاء الاصطناعي، ولا سيما الشبكات العصبية الاصطناعية، في برمجة البرمجيات يُمكّن الشركات من تحسين القرارات الإدارية وتعظيم العائد على الاستثمار من خلال التنبؤ بدقة بأداء المبيعات وتحديد العتبات المثلى لميزانية التسويق.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في الاقتصاد الرقمي الحديث، تواجه الشركات تحديًا مستمرًا: كيف تنفق أموالها بحكمة لتحقيق النمو. لعقود من الزمن، اعتمد المديرون على الحدس والرسوم البيانية البسيطة لتخمين مقدار ما يجب استثماره في الإعلانات أو المنتجات الجديدة. ومع ذلك، يشهد اليوم تحولًا قويًا؛ حيث تتعلم الحواسيب إيجاد أنماط في كميات هائلة من البيانات التاريخية، وهو مجال يُعرف باسم تعلم الآلة. يتيح هذا النهج للمؤسسات تجاوز مرحلة التخمين واستخدام المحاكاة بدلاً من ذلك للتنبؤ بالنتائج المستقبلية. الفكرة الجوهرية بسيطة: من خلال تغذية الحاسوب بسجلات الإنفاق والمبيعات الماضية، يمكن للآلة أن تتعلم العلاقة بين الاثنين وتقترح المسار الأكثر فعالية للمضي قدمًا. لا يتعلق الأمر باستبدال الحكم البشري، بل بمنح المديرين خريطة أوضح مدعومة بالبيانات للتنقل في سوق متقلب تتغير فيه عادات المستهلكين بسرعة وتشتد فيه المنافسة.
تستكشف دراسة حديثة أجراها "ترينه كوانغ مينه" من جامعة كان توه، كيف يمكن تطبيق أدوات الكمبيوتر هذه في قرارات الأعمال الواقعية. سعى الباحث إلى اختبار ثلاثة أنواع مختلفة من نماذج الذكاء الاصطناعي لمعرفة أي منها يعمل بشكل أفضل للتنبؤ بالمبيعات بناءً على ميزانيات التسويق. كان الهدف هو إيجاد "النقطة المثالية" للإنفاق — وهي المبلغ المحدد من المال الذي يحقق أعلى عائد دون إهدار الموارد. وللقيام بذلك، أنشأ الفريق محاكاة باستخدام بيانات تحاكي بائع تجزئة للهواتف المحمولة في فيتنام. فقد قاموا بتغذية الحاسوب بسجلات تاريخية تظهر مقدار الأموال التي أُنفقت على التسويق وعدد الهواتف التي بيعت استجابةً لذلك. وتراوحت البيانات من عشرة مليارات دونغ فيتنامي أُنفقت على الإعلانات وصولاً إلى خمسين مليار دونغ.
قارنت الدراسة بين ثلاثة مناهج متميزة. كان المنهج الأول هو نموذج الانحدار الخطي، وهو طريقة بسيطة تفترض أن المبيعات تنمو بمعدل ثابت ومتوقع مع زيادة الإنفاق. والثاني هو شجرة القرار، والتي تعمل مثل مخطط انسيابي، حيث تقسم البيانات إلى فروع للتعامل مع التغيرات المفاجئة أو القفزات في السلوك. أما الثالث فهو الشبكة العصبية الاصطناعية، وهي نظام معقد مصمم لمحاكاة قدرة الدماغ البشري على التعرف على الأنماط المعقدة وغير الخطية. وعندما أجرى الباحثون عمليات المحاكاة الخاصة بهم، كشفت النتائج أن الأداة الأفضل تعتمد كليًا على الموقف. فقد عمل النموذج الخطي البسيط بشكل جيد للنمو الثابت والمتوقع، حيث توقع أن إنفاق خمسين مليار دونغ سيؤدي إلى بيع حوالي 236 وحدة. ومع ذلك، توقعت الشبكة العصبية الأكثر تعقيدًا أن الاستثمار نفسه سيحقق 240 وحدة، مما يشير إلى أنها كانت أفضل في التقاط الحقائق الدقيقة والمضطربة للسوق.
حددت المحاكاة عتبة محددة للنجاح؛ حيث قررت أن الإنفاق بين خمسين وخمسة وخمسين مليار دونغ فيتنامي هو المستوى الأمثل لتعظيم الكفاءة. وتحت هذا المستوى، مثل الإنفاق ثلاثين وخمسة وثلاثين مليار فقط، توقعت النماذج مبيعات أقل بكما، مما يشير إلى فرصة ضائعة. وفوق هذا المستوى، بدأت العوائد في التناقص، مما يعني أن الأموال الإضافية المنفقة لم تولد مبيعات إضافية كافية لتبرير التكلفة. وقد أثبت نموذج شجرة القرار أنه مفيد بشكل خاص لفهم التحولات المفاجئة، مثل إطلاق منتج رائد أو تخفيضات موسمية كبرى، حيث يتغير سلوك المستهلك فجأة بدلاً من التغير تدريجيًا. في هذه السيناريوهات، استطاع نموذج الشجرة التنبؤ بمبيعات قدرها 200 وحدة عند إنفاق أربعين مليار دونغ، متفوقًا على النموذج الخطي الأبسط الذي توقع 190 وحدة فقط.
تقدم النتائج دليلًا واضحًا لقادة الأعمال. فبالنسبة للشركات الصغيرة ذات البيانات المحدودة والأسواق المستقرة، غالبًا ما يكون النموذج الخطي البسيط كافيًا وسهل الفهم. أما بالنسبة للشركات التي تواجه أسواقًا متقلبة حيث يقفز سلوك العملاء بشكل غير متوقع، فإن شجرة القرار توفر رؤية أكثر مرونة وبداهة. وبالنسبة للمنظمات الكبيرة التي تمتلك كميات هائلة من البيانات المعقدة، توفر الشبكة العصبية أعلى درجات الدقة، رغم صعوبة شرح كيفية توصلها إلى استنتاجاتها. وتخلص الدراسة إلى أنه لا يوجد نموذج واحد "أفضل" لكل موقف. بدلاً من ذلك، يجب على المديرين اختيار الأداة التي تناسب بياناتهم وظروف سوقهم المحددة. ومن خلال اتخاذ هذا الخيار، يمكنهم الانتقال من الاعتماد على الشعور الداخلي إلى اتخاذ قرارات عقلانية للغاية ومدعومة بالبيانات، مما يعظم عائد استثمارهم ويؤمن مكانتهم في اقتصاد رقمي سريع التغير.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.