Data Science is niet alleen een modewoord in de IT, het is de naam van het deel van de computerwetenschap dat gaat over het werken met gegevens, dat tegenwoordig zelfs zijn toepassing vindt in de mode-industrie. Eén ding is duidelijk: de toekomst is al aangebroken. Bovendien maken mode en technologie ons leven gemakkelijker en streven ze ernaar om verantwoorde consumptie naar een hoger plan te tillen. Aan de vooravond van de komende Fashion Tech Summit sprak de FWD redactie met een van de beste experts op het gebied van data-analyse en datamining (met andere woorden: Data Science) en vroeg hem waarom het belangrijk is voor de mode-industrie, hoe technologie gebruikt kan worden voor modehuizen en merken, en of mode kan bestaan zonder technologie.

Waarom is Data Science belangrijk voor de mode-industrie?

Data Science en business analytics in het algemeen zijn altijd belangrijk geweest voor elke industrie. De mode-industrie is daarop geen uitzondering.

Dankzij de Big Data-rage zijn gegevens mainstream en populair geworden. Dankzij toepassingen als kunstmatige intelligentie en machine learning staan we aan de vooravond van nieuwe ontdekkingen. Toch is dit een natuurlijk evolutionair proces van wat de mensheid altijd heeft geïnteresseerd: een situatie beter en dieper begrijpen om sneller beslissingen te kunnen nemen. Hammurabi bestuurde zijn koninkrijk een paar duizend jaar geleden met eenvoudige analysemethoden, mijn vader gebruikte voorspellende modellen om de boekhouding van onderdelen te optimaliseren in de jaren 60. Vandaag de dag hebben we meer gegevens, meer informatie en meer mogelijkheden. Tegenwoordig hebben we meer gegevens, meer tools en algoritmes tot onze beschikking.

Ik zou het probleem anders formuleren en het relateren aan de problemen die we hebben in de mode-industrie: op welke gebieden is er een gebrek aan kennis, begrip of efficiëntie? Op welke gebieden kan het menselijk brein alleen de dingen niet goed genoeg begrijpen om een weloverwogen beslissing te nemen? Op elk van deze gebieden kun je veel betere resultaten behalen dankzij Data Science.

Wat zijn de nieuwe benaderingen van het werken met gegevens en de bijzonderheden van het gebruik ervan in de mode-industrie?

Er zijn oneindig veel benaderingen en ze zijn afhankelijk van de taak van elk specifiek bedrijf en alleen zij kennen hun specifieke behoeften. Waar ze het gevoel hebben dat ze een diepere of bredere aanpak nodig hebben, zal data analytics worden toegepast.

Er zijn gebieden waar het werken met gegevens gewoon essentieel is:

- Overzicht van klanten - 360 om alles over klanten te begrijpen;
- Modellering van het koopproces om cross-sell mogelijkheden te voorspellen en het verkoopbedrag te verhogen;
- Logistieke optimalisatie voor een snelle levering van goederen;
- Marketinganalyses om de verkoop te verhogen;
- Social media analytics om social media te beïnvloeden.

Hoe kan hightech worden gebruikt in de mode-industrie?

Geavanceerde technologie vindt nieuwe en interessante toepassingen.

- Beeldanalyse kan automatische herkenning van kledingstukken mogelijk maken om de marketing te verbeteren of om advies te geven over de creatie van beelden;
- Virtual reality of augmented reality kunnen laten zien hoe je eruit ziet in bepaalde kleding;
- Modellen met kunstmatige intelligentie kunnen leren welke kleuren of stijlen het beste bij je passen;
- Geavanceerde statistieken kunnen patronen, clusters en trends in je klantenbestand identificeren om ze zo goed mogelijk van dienst te zijn.

Nogmaals, er zijn duizenden ideeën voor je zakelijke vragen.

Heb je ervaring met het werken met modebedrijven? Hoe kan een Data Science professional hen helpen?

Ik heb een zeer interessante startup geadviseerd, Savitude, die AI gebruikt om kleding op maat te maken. Het doel is om het makkelijker voor je te maken om te kiezen en om te voorkomen dat je dingen koopt die je niet goed passen voor je lichaamsbouw. Met deze technologie kun je eerst door het hele assortiment bladeren en vervolgens, aan de hand van je negen belangrijkste parameters en je levensstijlinformatie, aanbevelingen doen over wat het beste bij je past.

Ik heb ook gewerkt aan het analyseren van het gedrag van klanten: hoe ze door de winkel lopen, waar ze stoppen en wat hun aandacht vasthoudt. Je moet dit weten om te begrijpen hoe je merchandising beter kunt organiseren.

Vanuit een analyseperspectief kan alle bedrijfsinformatie nuttig zijn als deze wordt ondersteund door actie.

Neurale netwerken zijn al in staat om schilderijen te maken in de stijl van beroemde kunstenaars - het volstaat om bijvoorbeeld te denken aan het "New Rembrandt"-project dat werd gerealiseerd met de steun van Microsoft. Wanneer zullen neurale netwerken in staat zijn om onafhankelijke kunstwerken te creëren en niet alleen?

Kunst begint met de ziel, emoties, gevoelens: machines zullen dat nooit kunnen. Wat ze maken zijn producten, geen kunstwerken waar de kunstenaar zijn hele ziel in heeft gestopt.

Natuurlijk kunnen machines mooie dingen maken die een lust voor het oog zijn. Maar het zal nooit kunst zijn. Kunnen machines coole kleren maken? Absoluut. Maar ik zal me altijd beter voelen bij dingen waar een mens zijn ziel in heeft gestopt.

Als onderdeel van Fashion Tech Summit is er een startupwedstrijd. En hoe slaan startups data op?

Dat hangt af van het volume, de snelheid en het soort gegevens dat je opslaat. Aangezien de beste analyses nuttig zijn voor het bedrijf en kunnen worden toegepast, zou ik zeker kiezen voor oplossingen met flexibele evolutie en eenvoudige toegang voor het bedrijf, want uiteindelijk is het bedrijf de primaire gebruiker van die gegevens.

Hoe kan de gemiddelde persoon Data Science toepassen in het echte leven?

Het toepassen van algoritmen en gegevens voor geavanceerde visualisatie is vrij eenvoudig geworden. Na een minimale training kunnen we allemaal logistische regressies, random forest of de k-means methode gebruiken.

Niets super ingewikkelds dus. We moeten alleen rekening houden met een paar aspecten:

- Hebben we precies gedefinieerd waar we naar op zoek zijn? Zonder een duidelijke vraagstelling is statistische analyse zinloos.
- Hebben we toegang tot relevante gegevens? Datasets zijn niet altijd direct beschikbaar. Ze moeten verzameld worden voordat er geanalyseerd kan worden.
- Hebben we gegevens van goede kwaliteit? We moeten onthouden dat onvolledige gegevens, onbetrouwbare informatie en het gebruik van irrelevante variabelen uiteindelijk zullen leiden tot onnauwkeurige resultaten.
- Begrijpen we de essentie van algoritmen goed? Als we de betekenis van de "letters" in de resultaten niet kennen, krijgen we verwarrende vragen zoals "Is de waarde van P, Pr (> | t |) 0,278657 goed of slecht?" waardoor we nog meer verwarring krijgen over de betrouwbaarheid van het model.
- Kiezen we het juiste model voor voorspelling?
- Hoe robuust is het proces zodat we deze analyse regelmatig kunnen uitvoeren zonder tijd te verliezen?

Wat is mode zonder technologie?

Mode heeft geen technologie nodig, maar er zijn complexe problemen die wel technologie vereisen. Met meer interacties, snelle globalisering en minder tolerantie voor intuïtieve oplossingen moet de mode, net als elke andere branche, worden uitgerust met aanvullende intelligentie. Onze hersenen zijn niet genoeg om alles te zien, te begrijpen en te verwerken: dit is een gebied waar technologie helpt.

Fashion Tech Summit 2018 (31.08-2.09 2018) is een nieuw educatief evenement met als doel een kwaliteitsplatform te creëren voor interactie tussen de mode- en techindustrie. Een van de beste Data Science-experts ter wereld, die doceert aan Stanford University, zal spreken op de Summit. Gauthier zal spreken over nieuwe benaderingen van het werken met data en de bijzonderheden van het gebruik ervan in de mode-industrie.