Les systèmes Recommender, également appelés systèmes de recommandation en allemand, sont très répandus et peuvent être trouvés en ligne sur n’importe quelle plateforme plus large. L’objectif d’un tel système est toujours d’établir un lien entre une personne et d’éventuels sujets d’expérience. La décision ou le choix d’une solution de remplacement n’est fait qu’à partir d’un sous-ensemble de toutes les possibilités. Il s’agit d’alléger la charge qui pèse sur l’homme.

Dans l’industrie, un grand nombre de décisions sont prises avec une grande liberté. Peu importe à cet égard qu’il s’agisse du développement de produits par des ingénieurs ou de la stratégie publicitaire actuelle.

Il existe deux types de systèmes de calcul. Dans les systèmes de base de contenu, des contenus similaires sont sélectionnés dans un ensemble de données de base. Dans les systèmes collaboratifs, l’information sur ce qui est recommandé est générée par l’utilisateur. En fonction des données disponibles et du cas d’utilisation, un système de recommandation sur mesure peut être mis en place sur la base de données.

La transparence des recommandations est parfois difficile à réaliser. Toutefois, dans l’application, les incertitudes inhérentes à un tel système de sélection des propositions sont compensées par l’expert ayant le pouvoir de décision.

Le graphique ci-dessous montre les différences fondamentales dans la conception des services de recommandation. À gauche, on calcule la similitude entre deux ou plusieurs produits et propose des produits similaires à l’utilisateur. À droite, la similitude entre deux utilisateurs ou plus (par exemple sur la base du comportement d’achat ou d’évaluations et d’intérêts similaires des produits) sera calculée et des produits consommés par des utilisateurs similaires seront proposés.

Lors de la mise en œuvre technique, la distance mathématique entre les points de données (produits ou personnes) est calculée. Plus la distance est faible, plus la similitude est élevée. Les produits sont décrits mathématiquement, par exemple au moyen de méta-données (mots clés) ou de paramètres, de personnes par leur comportement d’achat ou de notation de produits.

Des scénarios d’intervention possibles sont disponibles partout où des décisions doivent être prises. Les systèmes informatisés appuient les décisions.

Par exemple, des modèles peuvent être trouvés lors de l’établissement des bons de livraison/de commande. Les suggestions dans les champs concernés peuvent considérablement réduire le temps nécessaire pour remplir.

La modularisation est très répandue dans le secteur de la construction mécanique. Les modèles disponibles dans la configuration d’un projet peuvent être appris par des systèmes informatisés. Dans ce cas également, les entreprises et les travailleurs bénéficient de l’aide de l’intelligence artificielle, notamment sous la forme d’économies de temps.

Utilisez notre radar technologique pour suivre les principales technologies pertinentes pour les PME!