Interviews

Steven Keith Platt, Co-Founder & Chief Development Officer von RetailPredict.ai – Interview-Serie

mm
Veröffentlicht am
Aktualisiert am
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

Steven Keith Platt ist Direktor und Forschungsstipendiat am Platt Retail Institute (PRI). Er ist Adjunct Professor an der Northwestern University und dient als Forschungsdirektor im Retail Analytics Council, einer Initiative zwischen der Medill School, Integrated Marketing Communications Department, Northwestern University und PRI.

Er ist auch der Co-Founder & Chief Development Officer von RetailPredict.ai, einem Unternehmen, das darauf abzielt, nachhaltige Umsatz- und Gewinnsteigerungen zu ermöglichen, indem es künstliche Intelligenz-gestützte Vorhersagemodelle bereitstellt, die einfach zu implementieren und schnell zu deployen sind.

Was hat Sie ursprünglich zur Retail-KI hingezogen?

Ich arbeite seit über 25 Jahren im Bereich Retail-Analytics. Die Branche hatte immer viele Daten, aber die Analytics, die angewendet wurden, um aus diesen Informationen zu lernen und das Geschäft zu operationalisieren, waren unzureichend. Die Fähigkeit, Big Data zu managen, war die erste große Veränderung, und als die künstliche Intelligenz vor etwa fünf Jahren mainstream wurde, war es eine natürliche Entwicklung, zu fortgeschritteneren Rechenmethoden überzugehen.

Können Sie die Entstehungsgeschichte hinter RetailPredict.ai teilen?

RetailPredict.ai war das Ergebnis meiner Laborarbeit an der Northwestern University, wo ich einen Retail-KI-Kurs unterrichte. Jedes Quartal arbeiten wir mit einem Einzelhändler zusammen, um ein Geschäftsproblem durch die Anwendung von KI-Lösungen zu lösen. Diese Use Cases haben bewiesen, dass es eine bestehende Nachfrage gibt, diese Probleme zu lösen, und dass wir dies durch die Anwendung von KI tun können. Also führen wir im Labor POCs durch; bei RetailPredict.ai nehmen wir diese Erkenntnisse, industrialisieren die Modelle und bringen sie in die kommerzielle Produktion.

Warum haben Sie sich entschieden, sich auf Retail-KI zu konzentrieren?

Verschiedene Gründe, einschließlich:

Viel Daten. Viele ansprechbare Probleme. Sobald man die großen Player (z.B. Walmart (WMT ), Target, Home Depot) überwunden hat, haben viele Einzelhändler mit einem Umsatz von unter 10 Milliarden Dollar nicht die Ressourcen, um Lösungen in-house zu entwickeln, und haben Schwierigkeiten, das erforderliche Talent zu finden. Also sehen wir viele Möglichkeiten, zu helfen.

Wie können Unternehmen KI in einem Retail-Umfeld am besten nutzen?

Der Erfolg erfordert die Akzeptanz und Umsetzung auf der Führungsebene. KI kann neue Wege erfordern, wie Unternehmen Dinge erreichen, und kulturelle Hindernisse für Veränderungen können Herausforderungen darstellen. Also ist ein Fahrplan erforderlich. Außerdem ist ein Verständnis dafür erforderlich, was KI kann und was nicht. Schließlich ist ein Fokus auf kurzfristige Erfolge, um Glaubwürdigkeit zu etablieren, anstatt einem boil-the-ocean-Ansatz, hilfreich.

Welche Art von Produktivitätssteigerungen wurden durch die Implementierung von KI im Retail-Bereich gesehen?

Das Spektrum der Lösungen ist ziemlich unbegrenzt. Von Online-Bestellungen bis hin zur Lieferkette ist das Spektrum der Anwendungsfälle, die gelöst werden können, riesig. Bei RetailPredict.ai liegt unser initialer Fokus auf Labor-Optimierung (Vorhersage des Ladenverkehrs für bis zu fünf Wochen im Voraus), um die Arbeitskräfte besser mit den Kunden abzustimmen. Zum Beispiel kann man das Personal reduzieren, wenn weniger Kunden erwartet werden, oder mehr hinzufügen, wenn der Kundenverkehr erwartet wird. Außerdem ermöglichen unsere stündlichen Vorhersagen es den Ladenmanagern, die Aufgaben besser zu verwalten (z.B. wir erwarten einen Ansturm zu dieser Zeit, also sollten wir einige zusätzliche Mitarbeiter an der Kasse haben). Unser anderes Produkt vorhersagt die Nachfrage nach Produkten, um Verkäufe auszuschließen, den Überschuss an langsam beweglichen Produkten zu eliminieren, die Nachfrage nach neuen Produkten zu testen und die Preissenkungen um die erwartete Nachfrage und Preiselastizität zu verwalten.

Gibt es noch etwas, das Sie über RetailPredict.ai teilen möchten?

Unsere Herangehensweise ist einzigartig auf dem Markt. Sehr günstig, einfache Onboarding-Use-Cases, die keine umfangreiche Integration erfordern und schnell gestartet werden können. Wir kombinieren dies mit benutzerfreundlichen Dashboards für eine einfache Dateninterpretation. Warnungen können programmiert werden, um Manager über Änderungen der Bedingungen zu informieren. Schließlich ist das Vertrauen in die Modelle wichtig, also integrieren wir eine Vielzahl von Leistungsmetriken.

Vielen Dank für das Interview. Leser, die mehr erfahren möchten, sollten RetailPredict.ai besuchen.

mm

Antoine ist eine visionäre Führungspersönlichkeit und Gründungspartner von Unite.AI. Ihn treibt eine unerschütterliche Leidenschaft an, die Zukunft von KI und Robotik zu gestalten und voranzubringen. Als Serienunternehmer ist er überzeugt, dass KI die Gesellschaft ebenso grundlegend verändern wird wie die Elektrizität. Er spricht häufig begeistert über das Potenzial bahnbrechender Technologien und künstlicher allgemeiner Intelligenz (AGI).

Als Futurist widmet er sich der Frage, wie diese Innovationen unsere Welt prägen werden. Darüber hinaus ist er Gründer von Securities.io, einer Plattform mit Schwerpunkt auf Investitionen in Spitzentechnologien, die die Zukunft neu definieren und ganze Branchen umgestalten.