Як запустити машинне навчання з Azure. Історія компанії PepsiCo

Транснаціональна американська компанія «PepsiCo» реалізує в усьому світі свої газовані напої «Pepsi», закуски «Frito-Lay» та різноманітні вівсяні пластівці «Quaker». Своїм багатомільярдним бізнесом PepsiCo керує насамперед за допомогою роботи з великими даними. Керівництво об’єднує знання про галузь, ринок, звички споживачів щодо покупок та на їхній основі ухвалює рішення.

«Здатність аналізувати дані, швидко отримувати з них корисні ідеї та перетворювати їх на план дій — це ключ до успіху бізнесу», — впевнений старший віцепрезидент PepsiCo Джефф Сверінген.

Компанія «PepsiCo» щодня генерує величезний обсяг інформації про обсяг продажів, запаси продукції на складах та моделі закупівель. Протягом останніх 20 років працівники витрачали багато часу лише на організацію цих даних, наприклад, розподіл інформації між багатьма електронними таблицями, PDF-файлами, Word-документами, базами даних, електронними листами тощо. З розвитком технологій PepsiCo почала шукати альтернативні методи для цієї роботи, що й привело компанію до таких технологій, як штучний інтелект та машинне навчання.

Щоб об’єднати розрізнені джерела інформації, PepsiCo перемістила свої великі дані у хмарну платформу Microsoft Azure. Це дозволило побачити вміст цих даних та почати впроваджувати у свою роботу сервіс Azure Machine Learning.

«Ми хотіли застосувати дуже детальний, розумний та перспективний підхід до роботи з даними, і машинне навчання в Azure відкрило для нас багато можливостей. Ви можете використовувати будь-яку мову програмування, будь-які алгоритми на ваш смак, і платформа підтримуватиме вас від початку до кінця», — поділився Майкл Клівінгер, старший директор із дослідження даних та розширеної аналітики Shopper Insights у PepsiCo.

Щоб вивчати споживацький попит на продукцію компанії, співробітники PepsiCo щотижня відвідують понад 200 тисяч торгових точок у США. Вони приходять до магазинів з довгим списком того, що вони мають зробити: як розставити продукцію, який товар треба довезти зі складу тощо. Усе це працівники зазвичай робили на основі власної інтуїції та даних за минулі роки, чого було не достатньо. Часто губилися зовнішні фактори, такі як погода в регіоні, великі спортивні події чи навіть розклад уроків у школі поблизу супермаркету.

Зокрема, важливо було враховувати ще тисячі змінних, таких як демографічні дані, споживацьку поведінку, дії конкурентів тощо. Щоб об’єднати всі ці дані та надати працівникам відповідні рекомендації, PepsiCo розробила додаток під назвою «Store DNA», що в перекладі означає «ДНК магазину».

Для розробки «Store DNA» PepsiCo використала можливості Azure Machine Learning. За допомогою сервісу компанія створила моделі машинного навчання, які аналізують дані про магазин та його клієнтів. Результати надають працівникам на місцях разом із рекомендаціями.

«Тепер ми можемо використовувати дані, щоб розповісти нашим польовим співробітникам, які продукти матимуть найбільший вплив на цьому тижні, на що їм слід звернути увагу, що слід зробити, щоб якомога більше відповідати очікуванням клієнтів», — каже Клівінгер.

Вперше додаток «Store DNA» компанія випробувала на ринку Північного Техасу, де розташовано понад 700 роздрібних магазинів, і отримала позитивні відгуки від своїх партнерів. Вони виконали понад 85% рекомендацій програми, що покращило прогнози продажів на 40%. На основі такого успіху, PepsiCo розширила дію Store DNA на 14 ринків у чотирьох різних регіонах США. Для кожного з ринків дослідники розробили свої власні моделі машинного навчання разом з Azure Machine Learning.

Глобальна хмарна платформа Microsoft Azure містить у собі понад 600 сервісів для різноманітних бізнес-потреб компаній, зокрема для збереження та обробки даних, для полегшення розробки та запуску нових ІТ-продуктів тощо. У хмарній службі Azure Machine Learning Microsoft зібрала інструменти, які дозволяють компаніям прискорити життєвий цикл проєкту машинного навчання та полегшити керування ним.

У Azure Machine Learning компанії можуть створити нову модель або ж використати модель, побудовану на базі платформи з відкритим кодом, наприклад, PyTorch, TensorFlow або scikit-learn. Водночас засоби Machine Learning Operations (MLOps) допомагають відстежувати, перенавчати та повторно розгортати моделі.

Azure Machine Learning дає можливість:

• скоротити час розробки та навчання нових ML-моделей;
• прискорити та автоматизувати повсякденні робочі процеси;
• інтегрувати моделі у програми або служби;
• працювати спільно над проєктом різним командам тощо.

«У PepsiCo ми використовуємо Azure як сучасну аналітичну платформу наступного покоління. Ми почали з базових можливостей Azure і тісно співпрацювали з нашими бізнес-партнерами, щоб додати більш розширені функції та послуги. Без сумніву, можливості Azure Machine Learning сприяли кращій координації роботи між бізнес-відділом та ІТ-спеціалістами PepsiCo», — говорить Атул Джайн, директор з розширеної аналітики в PepsiCo.

Разом з Azure Machine Learning дослідники даних та розробники PepsiCo можуть легко відстежувати роботу всіх ML-моделей з єдиного центрального порталу, а також без зайвих зусиль підтримувати їхню точність та повторюваність, не допускаючи випадкових помилок. Це різко скоротило витрати часу на рутинні завдання та спростило роботу працівників з даними.

Типовий життєвий цикл машинного навчання вміщує в себе низку повторюваних кроків: розробка ML-моделі, підготовка даних, модельне навчання та обслуговування тощо. Саме через такий чітко визначений процес, машинне навчання не завжди сумісне з традиційними інструментами DevOps. Тому PepsiCo із задоволенням для себе відкрила, що Azure Machine Learning надає доступ до можливостей Machine Learning Operations, які спеціально були розроблені для розвитку машинного навчання.

MLOps або Machine Learning Operations — це набір методів, які використовуються для оптимізації всього життєвого циклу машинного навчання. MLOps допомагає усунути розрив між процесами проєктування, розробки моделі та її експлуатації, що значно прискорює роботу з ML-моделями.

«Ми використали засоби MLOps в Azure Machine Learning, щоб спростити весь процес машинного навчання. Це дозволяє зосередитися на роботі безпосередньо з даними у той час, як саме Azure Machine Learning дбає про організаційну частину. Це важливо, бо не всі люди у наші команді мають досвід ІТ-розробки. Щобільше, завдяки сервісу та MLOps наші науковці та аналітики даних отримали можливості, які не дають традиційні інструменти DevOps», — каже Майкл Клівінгер, старший директор із дослідження даних та розширеної аналітики Shopper Insights у PepsiCo.

Зокрема, завдяки тому, що MLOps в Azure дає можливість тримати все в одному місці, фахівцям PepsiCo не потрібно переходити між різними програмами та платформами. Також з Azure Machine Learning кожна команда може працювати окремо над своєю частиною рішення, а потім дуже плавно об’єднати все разом. Це економить багато часу. Раніше, щоб довести модель до виробничого рівня, потрібен був рік роботи, а зараз PepsiCo може завершити процес всього за чотири місяці.

Можливості глобальної платформи Azure доступні й українським компаніям завдяки її стратегічному партнерові в Україні — компанії «Київстар». Щоб дізнатися більше про продукти Microsoft, залиште заявку на сайті. Спеціалісти Київстар зв’яжуться з вами та допоможуть обрати оптимальне рішення саме для вашого бізнесу.