Steven Keith Platt, spoluzakladatel a Chief Development Officer společnosti RetailPredict.ai – Interview Series

Steven Keith Platt je ředitel a výzkumný pracovník v Platt Retail Institute (PRI). Je adjunktním profesorem na Northwestern University a působí jako výzkumný ředitel v Retail Analytics Council, iniciativě mezi Medill School, Integrated Marketing Communications Department, Northwestern University a PRI.

Je také spoluzakladatelem a Chief Development Officer společnosti RetailPredict.ai, která se zaměřuje na umožnění udržitelného růstu výnosů a zisku poskytováním předpovědních modelů založených na umělé inteligenci, které jsou snadno implementovatelné a lze je rychle nasadit.

Co vás最初 přitáhlo k Retail AI?

Pracuji v oblasti retailové analytiky již více než 25 let. Průmysl vždy měl spoustu dat, ale analytika aplikovaná na získání znalostí z tohoto rozsáhlého množství informací pro operacionalizaci podnikání chyběla. Schopnost spravovat velké množství dat byla první velkou změnou a poté, co se umělá inteligence stala kolem před pěti lety mainstreamem, byl přirozený vývoj přechod k pokročilejším výpočetním metodám.

Můžete sdílet příběh vzniku RetailPredict.ai?

RetailPredict.ai byl výsledkem mé laboratorní práce na Northwestern University, kde učím kurz retail AI. Každý čtvrtletí pracujeme s maloobchodníkem na řešení obchodního problému aplikací řešení založených na umělé inteligenci. Tyto použití prokázaly, že existuje poptávka po řešení těchto problémů a že můžeme dělat toto aplikací umělé inteligence. Takže v laboratoři běžíme POC; v RetailPredict.ai bereme tyto výsledky, industrializujeme modely a uvádíme je do komerční produkce.

Proč jste se rozhodl zaměřit se na Retail AI?

Různé důvody, včetně:

Spousta dat. Spousta řešitelných problémů. Jakmile jste přes hlavní (tj. Walmart, Target, Home Depots), mnoho maloobchodníků s prodejem pod 10 miliard dolarů nemá dostatečné zdroje na vývoj řešení v rámci společnosti a mají problémy najít talent, který by jim pomohl. Takže vidíme spoustu příležitostí, jak pomoci.

Jak mohou společnosti nejlépe využít AI v maloobchodním prostředí?

Úspěch vyžaduje přijetí/pověření na úrovni vedení. AI může vyžadovat nové způsoby, jak společnosti dosáhnou věcí, a kulturní překážky pro změnu mohou představovat výzvy. Takže je vyžadován roadmap. Také porozumění tomu, co může a nemůže udělat. Nakonec se zaměřuje na krátkodobé výhry, aby se etablovala důvěryhodnost, spíše než přístup “vařit oceán”, je užitečný.

Jaký typ produktivity zlepšení byl viděn z implementace AI v maloobchodě?

Rozsah řešení je khá neomezený. Od odhadů online objednávek až po dodavatelský řetězec, rozsah použití případů k řešení je obrovský. V RetailPredict.ai je naše počáteční zaměření kolem optimalizace práce (předpovídání provozu obchodů až pět týdnů dopředu) pro lepší sladění práce se zákazníky. Například snížení personálu, když se očekává méně zákazníků, možná přidání více, když se očekává zvýšení konverze. Také naše hodinové předpovědi umožňují manažerům obchodů lépe spravovat úkoly (tj. očekáváme nápor v tomto čase, takže dejme si nějaké extra lidi na pokladně). Naše další produkt předpovídá poptávku po produktech, aby se snížily prodlevy, eliminovaly nadměrné investice do pomalu se pohybujících produktů, testovaly poptávky po nových produktech a spravovaly slevy kolem očekávané poptávky a cenové elasticity.

Je něco jiného, co byste chtěl sdílet o RetailPredict.ai?

Náš přístup je jedinečný na trhu. Velmi levné, snadno integrovatelné případové modely, které nevyžadují rozsáhlou integraci a lze je rychle spustit. K tomu přidáváme uživatelsky přívětivé řídicí panely pro snadnou interpretaci dat. Upozornění lze naprogramovat, aby informovala manažery o změnách podmínek. Nakonec je důvěra v modely důležitá, takže zahrnujeme různé výkonnostní metriky.

Děkuji za rozhovor, čtenáři, kteří si chtějí přečíst více, by měli navštívit RetailPredict.ai.