机器学习是一种由大规模数据驱动的人工智能技术，它使计算机能够在无需明确编程的情况下进行学习，将在未来几年彻底改变零售业的面貌。
据客户科学公司Dunnhumby称，机器学习将带来与19世纪工业革命规模相当或更大的变革。信息也会随着时间的推移而变得更好——它们获得的数据和反馈越多，信息就越完善。这项技术的影响在于，它通过可扩展、不知疲倦且质量一致的数字劳动力，提供了我们过去认为只有人类才能完成的任务。
机器学习正帮助我们的生活变得更加便利、高效和顺畅。这些学习技术已被人们所知已有三四十年，但直到并行计算速度大幅提升和数据集规模急剧扩大之后，机器学习才真正证明了其价值。
预测未来
Dunnhumby南非分公司总经理Graeme Tulloch评论道：“通过新的数据科学技术以及可用数据的增加，该公司现在利用机器学习协助零售商预测未来，通过模拟能够预测结果并在海量可能性中确定关键行动领域的场景。”
“大多数零售商已经在某种程度上进行预测。当产品促销时，他们大致能预期到可能多卖出的产品数量，然而，很大一部分促销活动并不盈利，因此使用先进的机器学习（以取代简单的线性回归）来准确预测促销效果至关重要。提高可预测性有助于确保促销活动带来良好的投资回报率，并优化订单库存，以确保店内有货，避免顾客不满。”
数据逐步增加
零售商（如同许多其他商业领域一样）从未拥有过如此多的数据，然而在将来，他们的数据量却可能变得极少。关于产品、价格、销售表现、成本、可用性、物流活动和消费者行为的丰富数据现已可得。商店配送渠道、产品和耗时冗长的产品属性的结合，创造了一个需要监控的庞大指标领域。
每种形式的数据都可以针对每个类别进行分析，这再次放大了原本就已庞大的数据量。此外，由于数据点众多，即使是经验最丰富的零售商也难以识别表现不佳和表现优异的关键领域。得益于机器学习，零售商和品类经理现在能够更好地理解产品趋势，这不仅通过分析结构化的销售历史，还通过分析非结构化数据（如社交网络和呼叫中心数据）。
利用机器学习收集和分析客户的情感反馈，有助于零售商比以往更快地识别趋势，从而带来显著的竞争优势，并提升销售业绩和客户忠诚度。
复杂预测仍属未来
有些事物的预测要复杂得多。经济、社会、立法和技术变化会对消费者行为产生巨大影响。例如，对含糖产品征收糖税可能会因价格变动而降低需求，但也可能出现其他不可预见的变化，比如公众对给儿童提供含糖饮料的接受度发生变化，或零售商在特定地点销售某些商品的意愿改变。基于代理的建模和强化学习等工具将使企业能够调查自身行动与外部力量共同作用所带来的后果。
就机器学习对零售行业的影响规模而言，这仅仅是冰山一角。然而，对于愿意在数据科学领域迈出下一步的零售商来说，革命已经到来。