Data Science er ikke bare et modeord inden for IT, det er navnet på den del af datalogien, der handler om at arbejde med data, og som i dag finder anvendelse selv i modebranchen. En ting står klart: Fremtiden er allerede kommet. Desuden gør mode og teknologi vores liv lettere og stræber efter at hæve det ansvarlige forbrug til en højere værdi. På tærsklen til det kommende Fashion Tech Summit talte FWD-redaktionen med en af de bedste eksperter inden for dataanalyse og datamining (med andre ord Data Science) og spurgte ham om, hvorfor det er vigtigt for modebranchen, hvordan man bruger teknologi til modehuse og -mærker, og om mode kan eksistere uden teknologi.

Hvorfor er Data Science vigtigt for modebranchen?

Datavidenskab og forretningsanalyse generelt vil og har altid været vigtigt for enhver branche. Modebranchen er ingen undtagelse.

Takket være bølgen af Big Data-dille er data blevet mainstream og populært. Takket være kunstig intelligens og maskinlæringsapplikationer står vi på tærsklen til nye opdagelser. Ikke desto mindre er dette en naturlig udviklingsproces af det, der altid har interesseret menneskeheden: at forstå en situation bedre og dybere for at kunne træffe hurtigere beslutninger. Hammurabi styrede sit rige med simple analyser for et par tusinde år siden, og min far brugte forudsigelige modeller til at optimere reservedelsregnskabet i 60'erne. I dag har vi flere data, flere værktøjer og algoritmer til rådighed.

Jeg vil omformulere problemet og relatere det til de problemer, vi har i modebranchen: På hvilke områder er der mangel på viden, forståelse eller effektivitet? På hvilke områder kan den menneskelige hjerne ikke alene forstå tingene godt nok til at træffe en informeret beslutning? På alle disse områder kan du få meget bedre resultater takket være Data Science.

Hvad er de nye tilgange til at arbejde med data, og hvad er det særlige ved at bruge dem i modebranchen?

Der er et uendeligt antal tilgange, og de afhænger af den enkelte virksomheds opgave, og kun de kender deres specifikke behov. Uanset hvor de føler, at de har brug for en dybere eller bredere tilgang, vil der være en anvendelse af dataanalyse.

Der er områder, hvor det simpelthen er afgørende at arbejde med data:

- Kundeoverblik - 360 for at forstå alt om kunderne;
- Modellering af købsprocessen for at forudsige krydssalgsmuligheder og øge salgsbeløbet;
- Logistikoptimering for at sikre hurtig levering af varer;
- Marketinganalyse for at øge salget;
- Analyse af sociale medier for at påvirke de sociale medier.

Hvordan kan højteknologi bruges i modebranchen?

Højteknologien finder nye og interessante anvendelser.

- Billedanalyse kan muliggøre automatisk genkendelse af beklædningsgenstande for at forbedre markedsføringen eller for at rådgive om skabelsen af billeder;
- Virtual reality eller augmented reality kan vise dig, hvordan du ser ud i bestemt tøj;
- Modeller med kunstig intelligens kan lære, hvilke farver eller stilarter der passer bedst til dig;
- Avanceret statistik kan identificere mønstre, klynger og tendenser i din kundebase, så du kan betjene dem bedst muligt.

Igen er der tusindvis af ideer til dine forretningsspørgsmål.

Har du erfaring med at arbejde med modevirksomheder? Hvordan kan en Data Science-professionel hjælpe dem?

Jeg rådgav en meget interessant startup ved navn Savitude, som bruger kunstig intelligens til at tilpasse tøjet, så det passer. Målet er at gøre det nemmere for dig at vælge og forhindre dig i at købe ting, der ikke passer til din kropsbygning. Denne teknologi giver dig mulighed for først at gennemse hele produktsortimentet og derefter, ved hjælp af dine ni nøgleparametre og dine livsstilsoplysninger, komme med anbefalinger til, hvad der passer dig bedst.

Jeg har også arbejdet med at analysere kundernes adfærd: hvordan de går rundt i butikken, hvor de stopper op, og hvad der fastholder deres opmærksomhed. Man er nødt til at vide det for at forstå, hvordan man bedre kan organisere merchandising.

Fra et analytisk perspektiv kan enhver forretningsinformation være nyttig, hvis den bakkes op af handling.

Neurale netværk er allerede i stand til at male billeder i stil med berømte kunstnere - det er nok at huske for eksempel projektet "New Rembrandt", der blev realiseret med støtte fra Microsoft. Hvornår vil neurale netværk være i stand til at skabe selvstændige kunstværker og ikke kun det?

Kunst starter med sjælen, følelserne: Det vil maskiner aldrig kunne gøre. Det, de producerer, er produkter, ikke kunstværker, som kunstneren har lagt hele sin sjæl i.

Selvfølgelig kan maskiner skabe smukke ting, der er en fryd for øjet. Men det bliver aldrig kunst. Kan maskiner producere fedt tøj? Ja, helt sikkert. Men jeg vil altid føle mig bedre tilpas i ting, som et menneske har lagt sin sjæl i.

Som en del af Fashion Tech Summit vil der være en startup-konkurrence. Og hvordan gemmer startups data?

Det afhænger af mængden, hastigheden og typen af data, du gemmer. Og da de bedste analyser er dem, der er nyttige for virksomheden og kan anvendes, ville jeg helt sikkert vælge løsninger, der indebærer fleksibel udvikling og nem adgang for virksomheden, for i sidste ende er det virksomheden, der er den primære bruger af disse data.

Hvordan kan den gennemsnitlige person anvende viden om datavidenskab i det virkelige liv?

Det er blevet ret enkelt at anvende algoritmer og data til avanceret visualisering. Efter minimal træning kan vi alle bruge logistiske regressioner, random forest eller k-means-metoden.

Der er ikke noget superkompliceret i det. Vi behøver kun at overveje nogle få aspekter:

- Har vi defineret præcis, hvad vi leder efter? Uden et klart spørgsmål er statistisk analyse ligegyldig.
- Har vi adgang til relevante data? Datasæt er ikke umiddelbart tilgængelige. De skal indsamles før enhver analyse.
- Har vi data af god kvalitet? Vi skal huske, at ufuldstændige data, upålidelige oplysninger og brug af irrelevante variabler i sidste ende vil føre til unøjagtige resultater.
- Forstår vi essensen af algoritmer korrekt? Hvis vi ikke kender betydningen af "bogstaverne" i resultaterne, får vi forvirrende spørgsmål som "Er værdien af P, Pr (> | t |) 0,278657 god eller dårlig?", hvilket yderligere forvirrer os med hensyn til modellens pålidelighed.
- Vælger vi den rigtige model til forudsigelse?
- Hvor robust er processen, så vi kan udføre denne analyse regelmæssigt uden at spilde tid?

Hvad er mode uden teknologi?

Mode har ikke brug for teknologi, men der er komplekse spørgsmål, som kræver teknologi. Med flere interaktioner, hurtig globalisering og mindre tolerance for intuitive løsninger skal mode, som enhver anden branche, udstyres med ekstra intelligens. Vores hjerner er ikke nok til at se, forstå og behandle det hele: Det er et område, hvor teknologien hjælper.

Fashion Tech Summit 2018 (31.08-2.09 2018) er en ny form for uddannelsesbegivenhed, der har til formål at skabe en kvalitetsplatform for interaktion mellem mode- og teknologibranchen. En af verdens bedste Data Science-eksperter, som underviser på Stanford University, vil være en af talerne på topmødet. Gauthier vil tale om nye tilgange til at arbejde med data og de særlige forhold, der gør sig gældende for brugen af dem i modebranchen.