Pratik Mital
Pratik Mital
亚马逊研究科学经理
他于2015年在乔治亚理工学院(Georgia Institute of Technology)获得工业工程博士学位。获得博士学位后，他在Revenue Analytics工作了超过五年半，在那里他领导了旅游和交通垂直领域的科学团队。之后，他加入亚马逊，从事异常检测、采购计划优化、sub- day fulfillment和直接进口采购等相关项目。他目前领导北美Fulfillment Network团队的数据科学团队。他在收入管理、供应链、材料处理系统和教育系统等领域的高级分析应用方面发表了大量论文。
专业
专场:收益管理与定价
自动购买系统中的异常检测
亚马逊的自动购买系统每年向数十个国家的数千个配送中心订购价值数千亿美元的库存和数百万种产品。这些系统每年提供数千亿的供应商产品入站推荐。这些决策是在最后负责任的时刻做出的，以最大化长期自由现金流，并为客户提供最佳的服务水平。这些模型使用了来自100多个系统的输入，并考虑了诸如需求、产品价格、供应商成本、供应商交货时间不确定性、供应商约束、供应风险、经济术语的变异性、客户需求转换、剩余价值以及在遵守网络约束的情况下，在不同交付速度下的库存价值等因素。这就需要开发自动化系统来识别可能导致次优决策的有缺陷的输入。在本次演讲中，我们将介绍基于机器学习的自动异常检测方法，通过将历史背景的意识构建到实时购买决策中，来减轻不良输入的影响。这些方法的目标是阻止过分的自动化购买，并减少对输入/输出大规模变化的反应时间。这直接影响到亚马逊的盈利能力。我们也会分享一些真实世界的例子。
