Myron Burke, Leiter der Lösungsmanagement bei Sensormatic Solutions – Interview-Serie

Myron Burke, Leiter des globalen Produkt- und Lösungsmanagements bei Sensormatic Solutions, identifiziert und implementiert neue Wege, um Innovation zu beschleunigen, die Geschwindigkeit zu erhöhen und den Kunden mehr Wert zu bieten, durch eine strategische Lösungsroadmap.

Myron ist ein erfahrener Leiter mit mehr als 25 Jahren Erfahrung im Einzelhandel, einschließlich seiner Tätigkeiten bei Walmart und Sam’s Club, wo er Innovationen im großen Maßstab umsetzte. Zuletzt gründete Myron Divergent Technology Advisors, eine Beratungsfirma für Einzelhandelstechnologie, die großen Einzelhändlern, Technologieanbietern und Start-ups bei der Technologiestrategie, der Markteinführung, der internationalen Markterweiterung und mehr hilft.

Sensormatic Solutions, das führende globale Retail-Lösungsportfolio von Johnson Controls, ermöglicht sichere, sichere und nahtlose Einzelhandels Erfahrungen. Seit über 60 Jahren ist die Marke an der Spitze der schnelllebigen Technologieadoption der Branche, definiert Einzelhandelsoperationen auf globaler Ebene neu und wandelt Erkenntnisse in Aktionen um. Sensormatic Solutions bietet ein vernetztes Ökosystem von Lösungen für Verlustprävention, Inventarintelligenz und Verkehrserkenntnisse, sowie Dienstleistungen und Partner, um Einzelhändlern weltweit zu ermöglichen, mit Präzision zu innovieren und zu erhöhen, und Daten-getriebene Ergebnisse zu verbinden, die die Zukunft des Einzelhandels prägen.

Sie haben mehr als 25 Jahre an der Schnittstelle zwischen Einzelhandelsoperationen und aufstrebender Technologie verbracht – von der Leitung der RFID-Strategie und der Store-Innovation bei Walmart und Sam’s Club bis hin zur Inkubation von Next-Generation-Konzepten bei Store No. 8 und jetzt als Leiter des globalen Produkt- und Lösungsmanagements bei Sensormatic Solutions. Wie haben diese Erfahrungen Ihre Philosophie darüber geprägt, wie AI- und Sensortechnologien in physischen Einzelhandelsumgebungen eingesetzt werden sollten?

Ich nehme einen sehr pragmatischen Ansatz bei der Implementierung von KI und ermutige mein Team und die Einzelhandelskunden von Sensormatic Solutions, dies auch zu tun. Meine Erfahrungen auf beiden Seiten der Gleichung haben wiederholt bewiesen, dass der Aufbau auf diese Weise der Schlüssel zum erfolgreichen Wandel ist.

Sensormatic Solutions hat in den letzten 60 Jahren an einem sehr einfachen Glaubenssatz gearbeitet: Technologie ist erfolgreich, wenn operative Effektivität und reale Herausforderungen der Einzelhändler im Mittelpunkt stehen. Es scheint offensichtlich – insbesondere für diejenigen, die sich nahe an aufstrebenden Werkzeugen halten -, aber dieses grundlegende Prinzip wurde irgendwie in all dem Hype um KI vergessen.

Der Druck, schnell zu handeln und mit dem Markt Schritt zu halten, war und bleibt hoch, sowohl in der Lösungsentwicklung als auch in der Kundenadoption, aber der Aufbau von Werkzeugen, die tatsächlich Lücken füllen, ist wirkungsvoller als der Versuch, KI-Funktionen in jedes Produkt einzubauen. Wir konzentrieren uns fest darauf, die Stellen zu finden, an denen die gestreamte Erfassung, Fusion, Analyse und Aktion messbare Verbesserungen vorantreiben. Diese Konzentration erstreckt sich auch auf die Datensätze, die KI verwenden wird – gezielte, kontrollierte und gereinigte Datensätze sind entscheidend für die Bereitstellung von nachhaltigem KI-Wert, insbesondere bei unterschiedlichen Kunden.

Etwas, das wir auch im Auge behalten, ist, dass dies für alle möglichen Benutzer gilt: Unternehmensentscheider, Einkäufer und Mitarbeiter. Mit jeder neuen Lösung oder Aktualisierung fragen wir uns, ob wir Wert für alle drei Interessengruppen in gleichem Maße liefern, denn jede Gruppe ist integraler Bestandteil des Einzelhandelserfolgs.

Diese interne Ethik übersetzt sich natürlich in Lösungen, die Einzelhändlern helfen, eine ähnliche Haltung einzunehmen, und bietet Werkzeuge, die bedeutende Verbesserungen durch praktische, maßgeschneiderte Systemdesigns unterstützen. Die KI-Implementierung ist nicht einheitlich, und auch die Programme, die wir mit Kunden aufbauen, sind es nicht.

Sensormatic Solutions positioniert KI und ML-Advanced-Analytics immer mehr als Kern-Enabler der modernen Einzelhandelsoperationen. Wie definiert KI den Begriff “Verlustprävention” in einer omnichannel-Welt um?

Die einfachsten Antworten sind Sichtbarkeit mit Geschwindigkeit. KI hilft dabei, den Verlust wirklich zu entmystifizieren und einen vollständigen Überblick über den gesamten Einzelhandelsverlust zu liefern. Die Realität ist, dass man nur die Verluste sehen kann, die man sehen kann, oder? Für den größten Teil der Geschichte der Branche war die Sichtbarkeit in Verlusten nur auf der grundlegendsten, oberflächlichen Ebene möglich, mit Programmen, die sich auf Artikel konzentrierten, die zum Verkauf stehen sollten, aber nicht vorhanden waren. Man könnte eine Vorstellung davon haben, ob ein Artikel gestohlen, auf dem Transportweg beschädigt oder auf dem Regal beschädigt wurde, aber die Verfolgung dieser Dinge im großen Maßstab war schwierig, wenn nicht unmöglich.

Verbundene Analysen und Sensorsysteme erweiterten, was Einzelhändler sehen, verfolgen und quantifizieren können. Denken Sie daran, die 3% der Fehler zu hervorheben, die in den großen Datenmengen verborgen sind, die heute generiert werden. Diese Sensorsysteme entsperren das Was, Wo, Wann und Wer des Verlusts, was – für sich genommen – eine Transformation in der Verständigung um Verlust und eine Verschiebung des Paradigmas in Richtung “gesamter Einzelhandelsverlust” bewirkt. Dieser erweiterte Umfang ermöglicht es Einzelhändlern, eine weitere Ebene der Betriebsabläufe und eine ganze neue Reihe von potenziellen Verlusttreibern im Zusammenhang mit Prozessabweichungen und Lücken sowie verschwendeter Zeit, Ressourcen und Anstrengung zu sehen.

Wenn all dies identifiziert und beschriftet wird, kann man es dann transformieren. Das ist der Punkt, an dem KI ins Spiel kommt. Sie verbindet diese neuen “Punkte” oft in Echtzeit, um eine völlig andere Ebene von Daten zu liefern. Prädiktive, hochgenaue Intelligenz und Modellierung können helfen, die Auswirkungen von Aufwandsverschwendung, die relative Wertigkeit möglicher Anpassungen und die Kosten der Untätigkeit zu quantifizieren. Effektiv ermöglicht es Einzelhändlern, ihre Haltung von reaktiv zu proaktiv zu ändern und Verluste als Chancen zur Verbesserung umzudeuten.

Mit Technologien wie Re-ID und KI-gesteuerter Fußverkehrsanalyse können Einzelhändler nun über einfache Personen-zählen hinausgehen und tiefer in die Kaufverhaltens- und betrieblichen Erkenntnisse eintauchen. Welche transformierenden Anwendungsfälle sehen Sie aus dieser Verschiebung entstehen?

Re-ID ist für mich ein leistungsfähiges Beispiel für kleine, gezielte Anpassungen, die einen großen Einfluss auf das betriebliche Verständnis haben.

Re-ID tut eigentlich nur eines: Es verfeinert die Verkehrsmaße. Natürlich ist es komplex, die Technologie so zu entwickeln, dass sie eindeutige Einkäufer von Wiedereintritten, Mitarbeitern und anderen Kategorien von Besuchern genau trennen kann, aber das Ergebnis ist eine sehr einfache Änderung der Datensätze, die eine signifikante Verbesserung des Verständnisses vorantreibt.

Verkehrsdaten bilden weiterhin die Grundlage für eine Vielzahl von Kennzahlen in der Branche, wobei die Konversion vielleicht das auffälligste Beispiel ist. Schon die bloße Kürzung der Aufzeichnungen, um die genauere Zählung der einzelnen Besucher widerzuspiegeln, kann die Interpretationen dramatisch verändern und es Einzelhändlern ermöglichen, die Personalbesetzung, die Ladenplanung, die Botschaften und unzählige andere Praktiken zu verfeinern, um die Kundenerfahrung und die finanziellen Ergebnisse zu verbessern.

Es ist die Verkörperung der Ethik, die wir zuvor als zentral für den Erfolg von Sensormatic Solutions in den letzten 60 Jahren diskutiert haben. Wir verwenden KI, um gezielte, wertvolle Anpassungen vorzunehmen, die allen Beteiligten nützen.

Sensormatic Solutions hat kürzlich Orbit AI und Video AI als Teil seiner Store Guest Behaviors-Fähigkeiten eingeführt. Welche strategische Lücke löst diese Lösung für Einzelhändler, und wie unterscheidet sie sich von anderen Einzelhandels-Intelligence-Plattformen?

Wir gehen bei jeder neuen Lösung mit einem bestimmten Herausforderung im Blickfeld an. Für Orbit AI und Video AI konzentrierten wir uns darauf, das “Signal vom Rauschen” zu trennen, um Einzelhändlern zuverlässige, spezifische und kontextualisierte Daten zu liefern, die die Unsicherheit bei der Entscheidungsfindung beseitigen.

Re-ID’s innovative Objekterkennungstechnologie ermöglicht es Orbit AI und Video AI, Einzelhändlern zu helfen:

• Verweilzeitmuster im gesamten Laden zu verstehen.
• Zwischen Einkäufern und Passanten zu unterscheiden.
• Kaufreisen zu verfolgen, um Trends zu identifizieren, die die Warenlayout-, Werbe- und Werbepläne beeinflussen.
• Heatmapping zu verwenden, um zu verfolgen, wo Besucher die meiste Zeit verbringen.

Orbit AI und Video AI gehen jedoch noch einen Schritt weiter, da ihre maßgeschneiderten Machine-Learning-Modelle sich parallel zu den Betrieben anpassen. Das System lernt über jedes Unternehmen und jeden Standort im Laufe der Zeit, passt kontinuierlich Parameter an, identifiziert Quellen von Voreingenommenheit und arbeitet daran, redundante oder unvollständige Daten zu entfernen, die Modelle verzerren. Diese kontinuierliche Verfeinerung stellt sicher, dass jede Erkenntnis die Realität des Ladens genau widerspiegelt – nicht gestern, nicht letzte Woche, sondern so, wie es jetzt ist. Und das ist entscheidend, weil Einzelhandelstrends, Druck und Bedingungen sich schnell ändern.

Orbit AI und Video AI wurden für eine einfache Integration entwickelt und mit wichtigen Barrieren für die Adoption im Blick. Die integrierte Design der Sensoren, der Edge-Ansatz und die Re-ID-Fähigkeiten ermöglichen es Einzelhändlern, diese Erkenntnisse mit weniger Geräten zu gewinnen, was die Bereitstellung einfacher und die Analyse-Tools für Unternehmen aller Größen zugänglich macht. Es ist eine Fortsetzung unserer jahrzehntelangen Arbeit, die darauf abzielt, intelligente Erkenntnisse der Branche zur Verfügung zu stellen.

Sie haben die gestreamte Datennutzung und die Sensorfusion als grundlegend für die Neuerfindung des Einzelhandels hervorgehoben. Wie schafft die Kombination mehrerer Sensor-Eingaben im Vergleich zu isolierten Analyse-Tools einen Wettbewerbsvorteil?

Cloud-basierte Analysen helfen dabei, Betriebe zu verbinden und Silos zu entfernen, aber sie beinhalten auch eine Reihe von Treibern von Verschwendung und Ineffizienz – und viele Einzelhändler sind sich dieser nicht einmal bewusst, dass sie in ihren Systemen vorhanden sind. Effektiv verschiebt die Sensorfusion die anfänglichen Verarbeitungs- und Integrationsaufgaben auf das Gerät selbst (am Rand), verringert das Datenvolumen, das an zentrale Server übertragen werden muss, und ermöglicht Echtzeit-Reaktionsfähigkeit im gesamten Ökosystem.

Nehmen wir beispielsweise die Verhaltensanalyse. In einer traditionellen Cloud- Umgebung würden die Sensoren grundlegende Erfassungsaufgaben ausführen und kontinuierlich (oder periodisch) rohe Daten an den zentralen Rechner senden, um sie zu verarbeiten, zu analysieren und zu handeln. Nehmen wir an, dass die Analyse Signale von verdächtigem Verhalten auf dem Verkaufsflächen zeigt, was eine Reihe von Reaktionsprotokollen auslöst. Nun muss diese Information – die Notwendigkeit einer Reaktion – auch übertragen werden. Und obwohl der gesamte Prozess schnell ist, haben Sie bereits Zeit verloren, indem Sie Informationen von A nach B nach C nach B und so weiter übertragen.

Mit den Fusionsfähigkeiten von Video AI und Orbit AI können wir diese zusätzlichen Schritte ausschalten. Die integrierten KI- und ML-Tools analysieren rohe Daten, während sie gesammelt werden, und priorisieren die nächsten Schritte basierend auf ihren Ergebnissen, was eine zeitnahe Reaktion ermöglicht. Darüber hinaus reduziert die Edge-basierte Fusion durch die Beseitigung der Notwendigkeit kontinuierlicher Übertragungen an größere Systeme den Energiebedarf und die Belastung des zentralen Systems.

Im großen Maßstab ist die Integration globaler Hardware-, Software- und Datenplattformen berüchtigt komplex. Welche architektonischen Prinzipien oder System-Engineering-Ansätze sind entscheidend, um AI-getriebene Einzelhandels-Infrastruktur wirklich skalierbar zu machen?

Es ist wichtig, mit SAFe / Lean-Agile-Systemarchitektur zu beginnen. Diese Grundlage ermöglicht sichere, wirtschaftlich sinnvolle, flexible und anpassbare (wenn erforderlich) Design-Denken und -Entwicklung. Ich glaube auch an die Arbeit, um einen agnostischen Ansatz für Partner-Ökosysteme zu nutzen – was es uns ermöglicht, Partner dort zu treffen, wo sie in ihrer digitalen Reise sind. Dies ermöglicht es uns, Hebelwirkung auf der Kontoebene zu schaffen und auch Wege zu unterstützen, um Unternehmen zu unterstützen, die mehr eine SaaS-Angebot oder Unternehmen benötigen, die alle Systeme/Daten vor Ort haben möchten. Unser Ansatz ermöglicht mehrere Wege zur Ermöglichung und unterstützt auch eine breite Palette von Hardware-Optionen.

Viele Einzelhändler kämpfen darum, Analytics in messbare ROI umzusetzen. Wie helfen Sie Organisationen, fortgeschrittene KI-Erkenntnisse direkt mit finanziellen Ergebnissen und betrieblicher Effizienz zu verbinden?

Diese Frage half bei der Entwicklung des Shrink Analyzers. Nach dem ersten Schub der digitalen Investitionen hatten Einzelhändler Berge von Inventar-, Verlust- und anderen Daten, aber ihnen fehlte ein Werkzeug, um all dies zu verstehen.

Obwohl sein Hauptzweck die laufende Verbesserung ist, ist die erste Aufgabe des Shrink Analyzers immer die Benchmarking bei der Implementierung. Das ist der erste Schritt, und es ist das, was alle Verbesserungen danach ermöglicht, sowie als Referenzpunkt für die Verfolgung des Fortschritts in Begriffen, die für das Geschäft von Belang sind. Dieser Schritt ist es, den viele Führungskräfte in der KI-Hype verpasst haben, und es ist der Grund, warum die Verfolgung von ROI in allen Branchen eine Herausforderung war.

Indem der Shrink Analyzer das “Was, Wann und Wo” der Verschwendung und des Verlusts zu Beginn aufdeckt, kann er all dies in etwas übersetzen, das Einzelhändler noch nicht hatten: ein klares, quantifizierbares Bild davon, wie Verluste im großen Maßstab entstehen.

Es zeigt, wo die Verluste wirklich entstehen, die Lücken, die den größten Einfluss auf die Leistung haben, und die Chancen für Veränderungen, die helfen können, diese Zahl zu senken. Von dort aus können Einzelhändler beginnen, Anwendungsfälle zu testen, den Fortschritt zu verfolgen und anzupassen, um überzeugende Beweise zu sammeln, dass ihre KI- und andere Technologieinvestitionen den Nagel treffen.

Privatsphäre und Vertrauen sind zentrale Bedenken, da Geschäfte immer mehr instrumentiert werden. Wie geht Sensormatic Solutions verantwortungsvolle KI-Implementierung an, während gleichzeitig hochauflösende betriebliche Erkenntnisse ermöglicht werden?

Ich betrachte diese Frage als Teil dessen, was wir zuvor diskutiert haben – den Aufbau für Führungskräfte, Einkäufer und Mitarbeiter in gleichem Maße. Ja, Einzelhändler sind die Menschen, die unsere Lösungen kaufen, aber wir können nicht erfolgreich sein, wenn Mitarbeiter und Einkäufer nicht mit den Systemen einverstanden sind. Ihre Zufriedenheit ist für unsere Kunden und für uns von entscheidender Bedeutung.

Das treibt unseren Ansatz “Privatsphäre durch Design” über alle unsere Forschungs- und Entwicklungsprozesse hinweg. Mit anderen Worten, wir backen Verbraucherschutz in die Lösung von Anfang an, was uns neugierig und kreativ hält.

Die Re-ID-Design-Demonstration zeigt dies. Ihre Journey-Mapping- und Verkehrs-Zähl-Fähigkeiten verwenden Variationen in und Kombinationen von individuellen, nicht identifizierenden Details – wie Haarstil und -farbe, Kleidungsdesign und Accessoires – um eindeutige IDs für Besucher zuweisen. Man könnte denken, dass es zu viel Überschneidung in der Kleidung oder im Stil gibt, um dies effektiv zu machen, aber wir fanden heraus, dass diese Art von Erkenntnissen, wenn sie zusammen betrachtet werden, eindeutig genug sind, um mit Sicherheit zu sagen: “Diese Person arbeitet hier” oder “Diese Person hat vor einer Stunde besucht”.

Wir hätten es nicht gewusst, wenn wir nicht gezwungen worden wären, außerhalb der Box zu denken. Wenn sich die Vorschriften ändern und die Verbraucherprivatsphäre-Bedenken zunehmen, werden Organisationen, die diese Perspektive frühzeitig annehmen, wahrscheinlich die Führung in der Innovation übernehmen, da sie bereits an kreatives Problemlösen gewöhnt sind.

Einzehändler navigieren ständige Störungen – Lieferketten-Volatilität, organisierter Einzelhandelskriminalität, Arbeitskräfte-Druck und digitalem Wettbewerb. Wie kann AI-getriebene Infrastruktur als stabilisierende Kraft dienen und nicht nur als weitere Schicht der Komplexität?

Daten-getriebene Systeme bieten Stabilität, indem sie die Organisation um eine einzige Wahrheit und ein gemeinsames Ziel ausrichten. Die Hinzufügung von KI verstärkt diese Gewissheit.

Daten allein sind noch immer der Interpretation ausgesetzt, und die Schlussfolgerungen der Interessengruppen sind durch ihre eigenen Prioritäten gefärbt. KI kann dieses Problem mildern, da sie Daten über den Betrieb analysiert, ohne Vorurteile gegenüber einer bestimmten Sichtweise. Wenn das System wie beabsichtigt funktioniert, können Führungskräfte mit konkurrierenden persönlichen Prioritäten vertrauen, dass Analysen, Empfehlungen und prädiktive Modelle die Realität der Betriebsabläufe des Unternehmens widerspiegeln. Es ebnet das Spielfeld, sodass der beste nächste Schritt ans Licht kommt, weil sein Wert für jeden offensichtlich ist.

Auf die nächsten fünf bis zehn Jahre vorausblickend, wie sieht eine vollständig KI-optimierte physische Einzelhandelsumgebung aus, und welche strategischen Schritte sollten Führungskräfte jetzt unternehmen, um sich auf diese Zukunft vorzubereiten?

Es gibt keinen einheitlichen Fahrplan, auf den ich bei unserer KI-Bereitschaft hinweisen kann, denn es geht wirklich darum, Systeme zu bauen, die für jeden Einzelhändler funktionieren. Die Grundlage dafür ist jedoch einigermaßen universell. Jeder Einzelhändler benötigt:

• Ein einheitliches Datenbank-System, das einen umfassenden Nachweis aller Betriebsbereiche bietet. Ohne dies können auch die leistungsfähigsten und fortschrittlichsten Modelle nicht nützliche Erkenntnisse liefern. Sie benötigen Kontext, um Ergebnisse zu liefern.
• Zuverlässige Benchmarks basierend auf relevanten Geschäftsdaten. Dies dient als Ausgangspunkt für Investitionen und bietet einen Bezugspunkt, um den Fortschritt zu messen.
• Schulungs- und Weiterbildungspläne. KI ist nicht ein unabhängiger Akteur. Sie kann viel tun, aber die Menschen, die sie verwenden, müssen ihre Funktionen und Grenzen verstehen. Einzelhändler müssen beginnen, frühzeitig zu planen und über die Technologie zu kommunizieren, damit Mitarbeiter und Mitarbeiter bereit sind, wenn es soweit ist.
• Führungskräfte, die sich kümmern. Transformation ist ein Langfristprojekt, und Führungskräfte müssen bereit sein, Ressourcen für die Initiative über einen langen Zeitraum zu verpflichten und begeistert sein, die Organisation durch diesen Prozess zu führen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Sensormatic Solutions oder Divergent Technology Advisors besuchen.