成立于2015年的工业B2B电子商务独角兽企业Moglix，为超过50万家中小微企业提供解决方案。
印度分析》杂志与Moglix战略与运营部高级副总裁Sandeep Goel取得了联系。他是印度科学研究所（IISc）的校友，负责制定Moglix的发展战略。桑迪普在科技行业拥有超过25年的经验。
"今天，每个组织都在开发针对其需求的解决方案。不过，可移植的模型将在一段时间内出现，一个组织开发的模型将很容易被其他组织重用，从而加快AI/ML解决方案的部署，"Sandeep说。
AIM：你的公司是如何实施人工智能/ML/分析技术来推动增长的？通过列举客户的成功故事或使用案例来简要讨论一下。
**桑迪普。**在Moglix，我们利用 人工智能和机器学习算法实现以下目标。
- **数据清理。**一个干净的目录对我们的业务至关重要。缺少属性、重复项目或错误分类等情况会对我们的业务产生不利影响。人工智能/ML帮助我们保持我们的目录清洁。
- **搜索。**B2C已经引领了搜索用例的发展，其中消费者更喜欢搜索产品，而不是在各种类别中导航。确切的用例开始适用于B2B世界，而且搜索结果必须准确。鉴于印度的语言多样性，英语也变成了Hinglish（印度语和英语的混合体），AI/ML成为运行自然语言处理（NLP）算法以产生准确搜索结果的强大工具。
- 决策。数 据是新的原材料，而AI/ML是提取价值的采矿机。数据驱动的决策对于B2B商务场景中更好的效率、成本优化和治理至关重要。
- 效率的提高。从将客户需求映射到我们的产品，到预测潜在的错误地址，AI/ML帮助我们做出多项决策。我们能够实现4倍的效率提升，并在前期抓住错误的地址，以避免产品退货。
- 成本优化。订单处理流程涉及各种决策点，如选择供应商或物流服务提供商，影响到交易成本。我们正在使用AI/ML来做出这样的决定，从而实现成本优化。
- **更好的管理。**B2B商务交易很容易出现人为错误，包括有意和无意的错误。光学字符识别（OCR）等技术在很大程度上帮助我们避免了这种错误。
AIM：有多大比例的资源被集中在实施最先进的技术上？
桑迪普。 在Moglix，我们的重点是为我们的内部消费和客户建立产品和解决方案。我们在供应链数字化、主数据管理、数据挖掘和采购分析方面的经验是我们业务的核心。
目前，我们10%的技术员工专门从事与人工智能/ML有关的项目工作。
AIM：在招聘数据科学家/ML工程师时，你们寻找什么样的技能？
**桑迪普。**数据科学家有两个关键方面。
- 首先是理解和解释数据的能力。这种技能通常来自于领域经验，一个人必须在这个行业花足够的时间来获得这种技能。
- 对人工智能/ML工具和算法的理解。学院和在线学习平台提供各种课程。
我们希望聘用在上述两个领域有专长的人。我们喜欢第一原则的问题解决者，我们的数据科学家很少是本土的。
AIM：招聘印度人才的主要挑战是什么？
**桑迪普。**第一个挑战是是否有合适的人才。印度的技术垂直领域一直在从服务心态过渡到产品心态。然而，这种转变并没有完全发生，人们经常混淆项目经理和产品经理的角色。印度科技企业需要产品经理，他们能够从概念化到调试的过程中对产品进行端到端的掌控。虽然市场上有很多机构提供数据科学的课程，但由于缺乏正确的数据和场景，大多数机构没有能力提供准确的数据科学经验。
第二个挑战是稳定性，这种稳定性在大流行期间更加恶化。在任何地方工作都影响了资源的稳定性，人才战引发了加薪所带来的减员，而加薪是不可持续的。
AIM：你的数据科学团队主要使用哪些编程语言？你们团队的工具栈是什么样子的？
桑迪普。我们的数据科学/分析团队主要使用的一些编程语言是Java、Scala、PHP、Python和Angular。
我们的工具栈包括Scikit、SpaCy、RabbitMQ、Cassandra、Mongo、ElasticSearch和Apache。其他库包括Pandas, Numpy, FBProphet, NLTK, SciPy, PDFminer, Pytesseract, APScheduler。对于数据库管理，我们使用了一个SQL服务器。另外，我们使用Matplotlib、Seaborn、Plotly进行可视化，并使用GitHub进行跟踪。
AIM：你们的团队面临什么样的AI/ML部署挑战？你更喜欢拥有自己的内部研发团队，还是将创新工作外包？
**桑迪普。**适量的优质学习数据对于数据科学家检查和构建模型至关重要，无论是标记的还是未标记的数据或搜索日志。因此，制造业供应链生态系统中的技术整合是稀少的。一个具有人工智能和ML能力的应用程序以用户行为数据为基础，不断改进自己。缺乏用户采用，削弱了应用程序和用户之间的反馈回路。
那些处于试点炼狱阶段的企业面临着数据分散在筒仓、职能团队和部门，以及用户的个人设备上的挑战。整合互不相干的数据碎片是一个挑战。其他企业已经投资于不同的遗留系统，不得不浏览多个解决方案来完成一个任务的端到端周期。同样，在许多情况下，审批工作流程和数据治理模式也没有明确的概述。这就造成了他们的供应商基地、客户基地、仓储管理系统和库存管理系统中存在多种不洁数据的情况。
创新永远不可能被外包。它必须由一个对我们的业务有深刻理解的内部团队来推动。然而，我们确实与合作伙伴接触，共同创新并从他们的经验中学习。
AIM：你如何看待印度的人工智能/ML在你的领域中的发展情况？
**桑迪普。**印度的制造业很快就会达到1万亿美元大关，它将需要更快的决策能力来处理这一增长。这种增长造成的数据爆炸将是人类无法承受的，他们将需要熟悉技术。人工智能和ML将在创造效率、治理和决策方面发挥关键作用。
诸如基于NLP的搜索，基于深度学习的图像处理解决方案，或预测和分类的算法等领域将成为制造业和B2B商务的一个组成部分。今天，每个组织都在开发针对其需求的解决方案。不过，可移植的模型将在一段时间内变得可用，一个组织开发的模型将很容易被其他组织重用，为AI/ML解决方案的部署带来速度。
The postHow AI & ML Is Accelerating the Growth Trajectory at Moglixappeared first onAnalytics India Magazine.
