Rohit Aggarwal, COO bei DecisionNext – Interview-Reihe

Rohit Aggarwal ist Chief Operating Officer bei DecisionNext, einer führenden KI-Plattform, die es Unternehmen ermöglicht, den Kauf oder Verkauf von Rohstoffen zum besten möglichen Zeitpunkt und Preis zu optimieren. Er nutzt seine starke Erfahrung in der Lieferkette und im Produktmanagement sowie seine Erfahrung bei der Leitung sehr großer Teams, um komplexe, multidisziplinäre Projekte durchzuführen und Geschäftsergebnisse zu liefern. Rohit war zuvor in Produkt- und Betriebsmanagement-Rollen bei Google (GOOGL ) und Amazon (AMZN ) tätig.

Sie haben bei Amazon und zuletzt bei Google gearbeitet. Was waren einige Ihrer wichtigsten Erfahrungen aus diesen Zeiten?

Bei Amazon hatte ich die Gelegenheit, ein diverses Team von 250 cross-funktionellen Mitarbeitern zu leiten, um beste-in-Klasse-Betriebsanlagen zu starten. Ich unterstützte auch die Einführung von Innovationen wie Same-Day-Lieferung, Robotik und anderen aufkommenden Technologien. Dann nutzte ich bei Google meine Fähigkeiten, um die Lücke zwischen Produkt und Betrieb zu schließen. Dies beinhaltete den Aufbau von Anwendungen von Grund auf, um einen neuen Stil des Erfüllungsprozesses zu verwalten, unter anderem neue Angebote.

Können Sie erklären, wie DecisionNext KI und maschinelles Lernen nutzt, um die Preis- und Lieferprognose für Rohstoffe zu verbessern?

DecisionNext nutzt künstliche Intelligenz und maschinelles Lernen, um Tausende von Datensätzen zu verarbeiten und historische und aktuelle Beziehungen zwischen Schlüsselfaktoren zu finden. Es lernt dann aus dieser Information und baut relevante Modelle für jeden Rohstoff. In den Märkten für Landwirtschaft und natürliche Ressourcen helfen unsere Tools den Kunden, Preise besser vorherzusagen, intelligente Entscheidungen zu treffen, Risiken zu reduzieren und Gewinne über globale Lieferketten hinweg zu steigern. Wir arbeiten auch daran, Large Language Models (LLMs) zu nutzen, um komplexe globale Entscheidungen mit risikobewussten Lösungen zu vereinfachen.

Was sind die wichtigsten Vorteile der Verwendung von DecisionNexts KI-Plattform im Vergleich zu traditionellen Prognosemethoden?

Globale Rohstoff-Käufer und -Verkäufer greifen oft auf Faustregeln und Tabellen zurück, um ein komplexes System im Wert von Milliarden von Dollar in Transaktionen zu vereinfachen. Dies lässt erhebliches Geld auf dem Tisch. Diese Tabellen haben Wunder gewirkt und Hunderte von Unternehmen unterstützt. Allerdings werden sie mit der Veränderung der Arbeitskräfte-Dynamik und der zunehmenden Unvorhersehbarkeit der globalen Märkte weniger effektiv. DecisionNext hat Jahre damit verbracht, eine KI-Plattform zu perfektionieren, die globale Komplexitäten in handhabbare Empfehlungen umwandelt – und damit die finanzielle Leistung erheblich verbessert.

Unsere Kunden haben Fachleute, die 30 Jahre oder mehr in einem bestimmten Bereich oder einer bestimmten Branche tätig sind. Und wenn neue Generationen hereinkommen, ist es extrem wichtig, all diese Erfahrung auf eine nutzbare Weise zu bewahren. DecisionNext hilft dabei, indem es umfassende Bibliotheken von Entscheidungen aufbaut, Expertenmeinungen integriert und aus der Vergangenheit lernt.

Dadurch reduziert die DecisionNext-Plattform das Risiko und die Unsicherheit bei Geschäftsentscheidungen über Geschäftseinheiten und Einzelpersonen hinweg und etabliert eine skalierbare Möglichkeit, diese Entscheidungen zu treffen. Sie verbessert auch die Rentabilität bei täglichen Transaktionen, langfristigen Positionen und zukunftsorientierter strategischer Planung.

Wie wichtig ist dynamische Daten bei DecisionNexts KI-getriebenen Entscheidungsprozess, und wie werden diese Daten integriert und genutzt?

Dynamische und aktuelle Daten sind extrem wichtig, wenn es darum geht, beste-in-Klasse-Modelle zu erstellen. Allerdings ist die Geschwindigkeit und Komplexität, mit der die Daten verarbeitet und modelliert werden können, nicht der einzige Faktor. Zum Beispiel: Wie weiß ein Modell, welches Gewicht der neuesten Datenpunkte (z. B. ein Schock im System) hat und dass es diesen anders behandeln muss? Unsere Benutzer können mit den Modellen über patentierte Technologie interagieren, um ihre Meinungen einzugeben und What-if-Analysen zu erstellen, um Daten zu nutzen, die das Modell oder System einfach noch nicht kennt. Dies ermöglicht es unseren Kunden, neue Erkenntnisse zu gewinnen, die sonst nicht möglich wären. Sie können auch besser verstehen, wie globale Verschiebungen in der Lieferkette oder neue Handelsregulierungen usw. sich auswirken.

Wie hat DecisionNexts KI-Plattform die Geschäftsentscheidungen im Rohstoffmarkt revolutioniert?

Unsere beste-in-Klasse-Plattform hat den Standardansatz für Preisfestlegung, Liefer- und Nachfrageprognose revolutioniert, indem sie unseren Benutzern mehr als nur eine Prognose bietet. Mit unserem Tool können sie schnell Risiken, Unsicherheiten verstehen und komplexe Entscheidungen mit wenigen Mausklicks analysieren. DecisionNext hat eine Reihe von Anwendungsfällen über Lieferketten in der Landwirtschaft und im Bergbau. Dazu gehören Optimierung von Beschaffungs- und Verkaufspreisen, Geschäftsplanung, geografische und Produktarbitrage, günstigste Formulierung und Risikomanagement, unter anderem.

Wie stellt DecisionNext die Genauigkeit und Zuverlässigkeit seiner KI-Prognosemodelle für den Rohstoffhandel sicher?

Wir stellen die Genauigkeit und Zuverlässigkeit unserer KI-Prognosemodelle durch intensive Backtesting sicher. DecisionNext hat ein strenges System entwickelt, das in der Lage ist, Tausende von Modellstrukturen schnell zu testen und dem Benutzer ein umfassendes Verständnis dafür zu vermitteln, wie genau die Modelle sind. Dies kann auf eine einfache Weise erfolgen, die es uns auch ermöglicht, diese Genauigkeit zu nutzen, um Unsicherheiten in der Zukunft vorherzusagen.

Können Sie ein Beispiel oder eine Fallstudie nennen, wie DecisionNext einem Unternehmen geholfen hat, Marktvolatilität mit Ihren KI-Tools zu meistern?

Mit DecisionNext erhöhte ein großer Eisenerzproduzent seine Gewinne um durchschnittlich 6-8 % bei Spot-Verkäufen. Unsere Lösung half ihm, die Preisstrategie zu optimieren und die Zeit zu reduzieren, die für wichtige Entscheidungen über geografische Arbitrage benötigt wurde. Ebenso können wir Rinderproduzenten helfen, die Entscheidung darüber zu treffen, wo und wann sie das Rindfleisch aus ihren Kadavern verkaufen.

In beiden Fällen bot DecisionNext eine genaue und verteidigungsfähige Kurz- und Langfristprognose, um die Verkaufsplanungsstrategie zu optimieren. Unsere Visualisierungstools ermöglichten es den Produzenten, mehrere Verkaufsstrategien schnell nebeneinander zu bewerten, um Risiken zu mindern, die Entscheidungsfindung zu rationalisieren und die Margen effektiver zu erhöhen.

Ohne DecisionNext sind Unternehmen gezwungen, auf historische Durchschnittswerte, Futures-Märkte (wenn verfügbar) und Erfahrung zurückzugreifen, um Preise festzulegen. Obwohl dies in der Vergangenheit effektiv war, lassen Unternehmen in unseren zunehmend volatilen Rohstoffmärkten Millionen von Dollar auf dem Tisch.

Können Sie die Bedeutung interaktiver Prognosemodelle für Benutzer diskutieren und wie DecisionNext sicherstellt, dass diese Modelle benutzerfreundlich sind?

Das alte, veraltete “Black-Box”-Modell der Prognose sagt den Menschen nicht, warum die Prognose so ist. Es kann auch nicht helfen, wie die Prognose in handhabbare Entscheidungen übersetzt wird. In diesem Szenario können Benutzer also auch eine perfekte Prognose nicht nutzen und zu alten Methoden zurückkehren.

DecisionNext hilft seinen Kunden, ein besseres Verständnis von Markt- und Geschäftsrisiken zu erlangen und warum diese beiden bei der Prognose miteinander verknüpft sein sollten. DecisionNext bietet vollständige Transparenz über Datenquellen und Modellstrukturen sowie strategische Klarheit und Richtung.

All dies wird über ein benutzerfreundliches Dashboard geliefert, das für eine kontinuierliche Interaktion konzipiert ist.

Wie haben die Pandemie und jüngste geopolitische Ereignisse die Entwicklung und den Einsatz von KI im Rohstoffhandel bei DecisionNext beeinflusst?

COVID-19 hat die globale Fleisch-Wertschöpfungskette auf den Kopf gestellt, und ein Kunde, der besonders von der Krise betroffen war, kommt mir in den Sinn. Mit großen Mengen an gefrorenem Essen, das für bald stillgelegte Lebensmittelkanäle bestimmt war, nutzte der Kunde die DecisionNext-Analytics, um das Inventar schnell und optimal zu liquidieren, als Lockdowns in den USA verbreitet wurden, und zu planen, wie und wann diese Inventare wieder aufgebaut werden sollten.

Mit der DecisionNext-Plattform baute der Kunde vier komplexe Verkaufs- und Beschaffungsalternativen auf und verglich sie, um die erwarteten Marktergebnisse und Risiken zu vergleichen. Er konnte das überschüssige Inventar erfolgreich über mehrere Schnitte hinweg liquidieren, und diese Transaktionen boten eine 5-fache Rückkehr gegen die Investition in die DecisionNext-Software in nur einem Monat.

Welche zukünftigen Fortschritte in KI und maschinellem Lernen sehen Sie voraus, die den Rohstoffmarkt beeinflussen werden, und wie bereitet sich DecisionNext darauf vor?

DecisionNext ist an der Spitze des Bemühens, KI und maschinelles Lernen zu nutzen, um den Rohstoffmarkt effizienter, rentabler und nachhaltiger zu machen. Wenn die Welt weiterhin mit riesigen Herausforderungen wie dem Klimawandel und politischer Instabilität zu kämpfen hat, wird intelligente Technologie ein immer wichtigerer Bestandteil sein, um diese erfolgreich zu meistern. Wir sind geehrt, von unseren Kunden und Partnern vertraut zu werden, um eine Plattform zu bieten, die dazu beitragen kann, dies zu erreichen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten DecisionNext besuchen: DecisionNext.