ستيفن كيث بلات، المؤسس المشارك ومدير التطوير في RetailPredict.ai – سلسلة المقابلات

ستيفن كيث بلات هو مدير وأستاذ باحث في معهد بلات للبيع بالتجزئة (PRI). وهو أستاذ مساعد في جامعة نورث وسترن ويعمل كمدير أبحاث في مجلس تحليلات البيع بالتجزئة، وهي مبادرة بين مدرسة Медил، قسم الاتصالات التسويقية المتكاملة، جامعة نورث وسترن و PRI.

كما أنه المؤسس المشارك ومدير التطوير في RetailPredict.ai، شركة تركز على تمكين تحسين الإيرادات والربحية المستدامين من خلال تقديم نماذج التنبؤ مدعومة بالذكاء الاصطناعي التي يمكن تنفيذها بسهولة ويمكن نشرها بسرعة

ما الذي جذبك في البداية إلى مجال الذكاء الاصطناعي للبيع بالتجزئة؟

لقد عملت في تحليلات البيع بالتجزئة لمدة أكثر من 25 عامًا. كانت الصناعة دائمًا تمتلك الكثير من البيانات، ولكن التحليلات التي تم تطبيقها لتعلم من هذه المعلومات الغنية لتشغيل الأعمال كانت ناقصة. كانت القدرة على إدارة البيانات الكبيرة هي التغيير الأول الكبير، ثم مع ظهور الذكاء الاصطناعي بشكل أكثر انتشارًا حول خمس سنوات مضت، كان التطور الطبيعي هو الانتقال إلى أساليب حسابية أكثر تقدمًا.

يمكنك أن تشاركنا قصة نشأة RetailPredict.ai؟

كان RetailPredict.ai نتيجة عمل المختبر في جامعة نورث وسترن، حيث أدرّس دورة في الذكاء الاصطناعي للبيع بالتجزئة. في كل فصل دراسي، نعمل مع بائع تجزئة لحل مشكلة تجارية عن طريق تطبيق حلول الذكاء الاصطناعي. أثبتت تلك الحالات أن هناك طلبًا موجودًا لحل تلك المشكلات وأننا يمكن أن نفعل ذلك بتطبيق حلول الذكاء الاصطناعي. لذلك، في المختبر، ننفذ مشاريع إثبات概念؛ في RetailPredict.ai، نأخذ تلك النتائج، ونصنع منها نماذج صناعية ونضعها في الإنتاج التجاري.

لماذا اخترت التركيز على الذكاء الاصطناعي للبيع بالتجزئة؟

لعدة أسباب، بما في ذلك:

الكثير من البيانات. الكثير من القضايا التي يمكن حلها. بمجرد أن تتجاوز الشركات الكبيرة (أي وول مارت، تارجيت، هوم ديبوت)، فإن العديد من البائعين بالتجزئة الذين لديهم مبيعات أقل من 10 مليارات دولار لا يمتلكون الموارد لتطوير الحلول داخل الشركة ويواجهون تحديات في العثور على المواهب لمساعدتهم. لذلك، نرى العديد من الفرص لمساعدتهم.

كيف يمكن للشركات الاستفادة بشكل أفضل من الذكاء الاصطناعي في بيئة البيع بالتجزئة؟

النجاح يتطلب تبنيًا واعتمادًا على مستوى القيادة. يمكن للذكاء الاصطناعي أن يتطلب طرقًا جديدة للشركات لإنجاز الأشياء، ويمكن أن تطرح العوائق الثقافية للاستحواذ تحديات. لذلك، يتطلب الأمر خطة طريق. كما يتطلب فهمًا لما يمكنه فعله وما لا يمكنه فعله. وأخيرًا، التركيز على الانتصارات قصيرة الأمد لتأسيس السمعة، بدلاً من نهج الغمر بالمياه الساخنة، هو مفيد.

ما نوع التحسينات في الإنتاجية التي تم رؤيتها من تنفيذ الذكاء الاصطناعي في البيع بالتجزئة؟

مدى الحلول هو كبير جدًا. من تقديرات الطلبات عبر الإنترنت إلى سلسلة التوريد، مدى الحالات التي يمكن حلها هي واسع جدًا. في RetailPredict.ai، التركيز الأول هو حول تحسين العمالة (توقعات حركة المرور في المتجر لمدة تصل إلى خمس أسابيع مقدمًا) لمطابقة العمالة مع العملاء بشكل أفضل. على سبيل المثال، تقليل الموظفين عندما تُتوقع أعداد أقل من العملاء، ربما إضافة المزيد عندما يتوقع زيادة حركة المرور. كما تمكن توقعاتنا الساعية من تمكين مديري المتاجر من إدارة المهام بشكل أفضل (نحن نتوقع اندفاعًا في هذا الوقت، لذا دعونا نمتلك بعض الأفراد الإضافيين في نقاط الدفع). كما يتوقع منتجنا الآخر الطلب على المنتجات لتقليل انخفاضات المخزون، وإlimination الاستثمار الزائد في المنتجات البطيئة الحركة، واختبار الطلب على المنتجات الجديدة، وإدارة الخصومات حول الطلب المتوقع والملاءمة السعرية.

هل هناك أي شيء آخر تود مشاركته حول RetailPredict.ai؟

منهجنا فريد في السوق. نماذج استخدامية منخفضة التكلفة، سهلة التنفيذ، لا تتطلب تكاملًا واسعًا، ويمكن إطلاقها بسرعة. نقترن ذلك مع لوحات تحكم سهلة الاستخدام لسهولة تفسير البيانات. يمكن برمجة التنبيهات لإبلاغ المديرين بتغيرات الظروف. وأخيرًا، الثقة في النماذج مهمة، لذلك ندمج مجموعة متنوعة من مقاييس الأداء.

شكرًا على المقابلة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة RetailPredict.ai.