Optimal informiert entscheiden
Rohstoffeinkäufer müssen immer zu den aktuellen Markt- und Preisentwicklungen im Bilde sein. Angesichts der Nachrichtenfülle ist das keine leichte Aufgabe. pmOne entwickelte für den Procurement- Bereich der Evonik Industries AG, ein weltweit führendes Unternehmen der Spezialchemie, einen lernfähigen News-Recommender. Das System läuft über die Cloud Technologien von Microsoft Azure. Es erstellt priorisierte Lesevorschläge und wird durch Ratings automatisch besser. Dadurch konnte die Nachrichtenfülle deutlich gesenkt und die Qualität der Nachrichten erhöht werden.
Das System filtert themenrelevante News heraus und ermöglicht den Nutzern, diese zu bewerten. | |
Per Machine Learning berücksichtigt das Tool die Ratings und kann eine Einschätzung zur Nachrichtenrelevanz abgeben. |
Das sagen unsere Kunden...
Relevante Informationen auf Abruf in einem lernfähigem System
Die Marktrecherche ist ein mühsamer und zeitaufwändiger Teil im digitalen Informationszeitalter. Mit unserem Tool sparen die Sourcing Manager nicht nur Zeit, sondern verfügen über relevantere Informationen auf einen Blick. Und, da das System
lernfähig ist, verbessert sich diese Analyse kontinuierlich.“
Herausforderung.
Nachrichtenfülle VS. Relevanz
Mehrwert.
Mehr Zeit für strategische Entscheidungen
Durch Einführung des Tools konnte der Leseaufwand für die Mitarbeiter:innen aus dem Bereich Procurement bei Evonik Industries deutlich gesenkt werden. Dabei wertet es täglich insgesamt zig Tausende Nachrichten aus, ordnet sie Themenbereichen zu und sortiert sie nach Relevanz. So haben die Experten mehr Zeit für strategische Entscheidungen. Aktuell überlegt Evonik Industries, ähnliche Systeme auch für andere Fachbereiche einzuführen, um hier ebenfalls schneller zu gut informierten Entscheidungen zu gelangen.
Lösung.
Training der Klassifizierung per Rating
Im ersten Schritt legen Nutzer bei Evonik Industries die Relevanz von eingehenden Nachrichten fest. Mithilfe dieser Ratings wird für jedes Thema ein eigener Relevanz- Classifier trainiert und täglich aktualisiert. Dadurch ist das System imstande, die Relevanz eingehender Nachrichten vorherzusagen. Dieses Verfahren wird mit Topic-Definitionen ergänzt, die als Filter dienen und entsprechend themenrelevante Nachrichten auf Basis der für das jeweilige Thema festgelegten Begriff e auswählen. Die Nutzer können anschließend im System zunächst nach Themen sortieren und sich dann die Nachrichten nach
absteigender Relevanz anzeigen lassen.