Sprint naar content

Artificial Intelligence bij Mediamarkt

Vierdejaars student Toegepaste Wiskunde vertelt over zijn afstudeertraject bij

Sfeerafbeelding Fontys

Tijdens het laatste jaar van de opleiding toegepaste wiskunde, wordt er van studenten verwacht dat ze zelfstandig een onderzoek doen. Het onderzoek van Marco deed hij bij Mediamarkt. Hij vertelde enthousiast over artificial intelligence in zijn onderzoek.

Het onderzoek van Marco ging over het in kaart brengen van het gedrag van concurrenten van Mediamarkt tijdens promotie. Oftewel, wanneer Mediamarkt een product in de promotie deed, wat deden concurrenten op dat moment? Marco begon zijn onderzoek door veel gesprekken te voeren met de data scientist die bij Mediamarkt werkzaam zijn. Van hen leerde hij de beste aanpak, methodes en onderzoeksvragen voor zijn onderzoek. Doordat Marco nog binnen het oude curriculum viel, had hij geen machine learning geleerd. Gelukkig konden de data scientists bij Mediamarkt hem helpen. Hij leerde met machine learning (de mogelijkheid van systemen om automatisch te leren zonder geprogrammeerd te zijn) om algoritmes te gebruiken die bij zijn data zouden passen.

Tijdens het onderzoek werd steeds geschakeld met de data scientists (‘is dit logisch en nuttig voor Mediamarkt?’) maar ook met het pricing team; zij waren immers degenen die het onderzoek zouden gaan gebruiken.

Wanneer Marco concreet uitlegt wat voor data hij onderzocht, vertelt hij het volgende: “Ik keek naar historische data van Mediamarkt over wanneer er een promotie plaatsvond en ook wat voor promotie. Dat doe je voor losse artikelen, ofwel unieke codes. Van iedere code ga je dan zoeken naar welke informatie je kan vinden: welke concurrenten reageren op de promotie. Als ze reageren, hoe snel reageren ze dan en met wat voor reactie (m.a.w. welk percentage promotie). Al die gegeven die je dan verzamelt, leg je naast de gegevens van Mediamarkt. Dat stop je simpel gezegd in de machine, en die doet daar voorspellingen over.”

Dat klinkt als een makkelijk proces, maar Marco legde ook uit dat er toch veel bij komt kijken. Zo is het verzamelen van historische data soms lastig, als niet alles correct is opgeslagen. Daarna moet data opgeschoond worden, dus allerlei foutjes eruit gehaald worden. Als dan de dataset compleet is en het algoritme gedraaid wordt, kunnen er nog aan een boel knoppen gedraaid worden om precies het juiste uit de analyse te krijgen.

Uiteindelijk heeft Marco een verklarend model gemaakt, dus niet op voorspellingen gericht maar vooral terugkijkend eerdere gebeurtenissen. Dat verklarende model kan wel meegenomen worden wanneer er een voorspellend model gemaakt wordt. Zo kan bepaalde data op de juiste manier verzameld worden en weet Mediamarkt waarop te letten. Zo kunnen ze in een bepaalde maand wel of juist niet met een promotie komen, zodat die het gunstigste voor hen uitpakt.