Thị trường phân phối chung cư cao tầng tại Thành phố Hồ Chí Minh. Cuộc đối đầu giữa một nhân viên bán hàng xuất sắc dựa vào trực giác và một người mới dựa vào dữ liệu. Dưới hình thức tiểu thuyết, câu chuyện này sẽ giải thích cách công cụ Bayesian EXAWin trở thành vũ khí chiến thắng trong cuộc cạnh tranh bán bất động sản ở Đông Nam Á. Phần 1: Khoảng lặng trước cơn bão — Hai nhân viên bán hàng ở Sài Gòn.
20 min read
Bayesian
TiểuThuyết
BánBấtĐộngSản
SERIESLoạt bài: Xác suất ở Sài Gòn: Phần 3Business Decision Science
Kết cục của cuộc chiến mở bán 480 căn hộ tại Thành phố Hồ Chí Minh. Hợp đồng của Giám đốc Phan, sự thức tỉnh của Tuấn, và màn lật ngược tình thế được dẫn dắt bởi EXAWin của Park Jun-hyuk. Cuộc đối đầu giữa trực giác và dữ liệu cuối cùng cũng đi đến hồi kết.
Bài viết này là một câu chuyện mô tả quá trình giải quyết sự hỗn loạn cố hữu tại hiện trường sản xuất thông qua hệ thống tiên tiến gồm thuật toán Bayesian của EXA và động cơ lập lịch sản xuất. Thoát khỏi phương thức sản xuất đẩy hàng bừa bãi trong quá khứ, hệ thống đưa vào mô phỏng dựa trên dữ liệu và lập lịch ngược để kiểm soát chính xác điểm nghẽn của quy trình. Thông qua học dữ liệu theo thời gian thực, hệ thống thiết lập bộ đệm động và tái điều chỉnh ưu tiên theo hướng tối ưu hóa lịch dựa trên năng lực công đoạn nghẽn phục vụ tuân thủ ngày giao hàng, thay vì chỉ dựa trên tỷ lệ vận hành đơn giản. Kết quả là, bằng cách kìm hãm WIP không cần thiết và bảo đảm năng lực bảo vệ, nhà máy trải qua một thay đổi mang tính đổi mới: dù giảm thời gian vận hành vật lý, lợi nhuận và tỷ lệ trúng hạn giao hàng lại tăng lên. Đây là hình mẫu hoàn chỉnh của hệ thống sản xuất kéo theo nhu cầu(Pull), được hiện thực hóa bằng sự kết hợp giữa trực giác con người và tính toán dữ liệu lạnh lùng.
24 min read
Bayesian
Lập lịch sản xuất
SERIESLoạt bài: ExaWin Auto-Tuner: Phần 1Business Decision Science
EXA Bayesian Engine đã tính toán xác suất thắng đơn hàng, nhưng độ chính xác phụ thuộc vào tham số ban đầu do con người thiết lập. Khi 100 giao dịch lịch sử được tích lũy, engine đã sẵn sàng tự tiến hóa. Grid Search, MCMC Ensemble Sampling, và Cross-Validation — ba công cụ toán học phối hợp tìm kiếm tham số tối ưu. Được kể dưới dạng câu chuyện.
16 min read
Bayesian
Auto-Tuner
Grid Search
SERIESLoạt bài: ExaWin Auto-Tuner: Phần 2Business Theory
Trong 3,240 tổ hợp tham số, làm sao tìm được 'tối ưu'? Grid Search thực hiện quét toàn diện, và Youden's J Index tìm điểm cân bằng giữa Sensitivity và Specificity. Nguyên lý toán học để dữ liệu tự điều chỉnh trọng số giai đoạn (T) và độ nhạy tín hiệu (k) — trụ cột đầu tiên của Auto-Tuner — được giải thích cùng bối cảnh kinh doanh.
Nếu Grid Search tìm ra 'ngọn đồi cao nhất,' thì MCMC Ensemble Sampler là quá trình 256 nhà thám hiểm đạt đồng thuận rằng 'chiều cao đó chính xác.' Nguyên lý toán học đằng sau Emcee affine-invariant walker, R̂ convergence diagnostics, HDI 95% credible interval, 5-Fold cross-validation và Signal Lift analysis — được giải thích cùng bối cảnh kinh doanh.
19 min read
Bayesian
Auto-Tuner
MCMC
SERIESLoạt bài: Rủi ro đúng hạn của vật tư: Phần 2Bayesian
Bài viết này là phần đầu tiên trong chuỗi giải thích kỹ thuật nhằm làm rõ nguyên lý hoạt động của động cơ EXA, vốn đóng vai trò quan trọng trong loạt bài viết dạng tiểu thuyết [BA03 Vật tư về đúng hạn: Bayesian MCMC]. Vì loạt bài này đề cập đến Phân phối hỗn hợp (Mixture Distribution) và MCMC (Markov Chain Monte Carlo) Gibbs Sampling — những kỹ thuật cao cấp trong suy luận Bayesian — nên nội dung có thể sâu sắc và quá trình tính toán có phần phức tạp. Do đó, chúng tôi dự định tiếp cận vấn đề này theo từng bước chi tiết để người đọc dễ tiếp nhận nhất có thể. Để hiểu rõ bối cảnh chung, chúng tôi khuyên bạn nên đọc nguyên tác tiểu thuyết trước. Ngoài ra, vì lý thuyết Bayesian mở rộng khái niệm theo từng giai đoạn, việc xem xét các tập phim và giải thích toán học của BA01 và BA02 trước sẽ giúp ích rất nhiều trong việc nắm bắt nội dung này.
7 min read
Bayesian
Lấy mẫu Gibbs
khả năng
SERIESLoạt bài: Rủi ro đúng hạn của vật tư: Phần 1Bayesian