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 Learning technieken. 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 worden gebruikt om de toekomstige sales beter te voorspellen voor Vlaamse Kmo's. Dit laat hen toe om hun productie- en capaciteitsplanning te verbeteren, maar ook het inkoopbeleid en voorraadbeheer te 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 verkoopvoorspellingen 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 domeinspecifieke 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 expertisecentrum Business Management 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.