Crisp julkaisee Halon tuodakseen vähittäiskaupan tekoälyn yritysten pilviympäristöihin

Crisp on julkaissut Halon, vähittäiskaupan tekoälyalustan, jota voidaan käyttää yrityksen omassa pilviympäristössä. Näin myynnin ja toimitusketjun analysointi saadaan lähemmäs dataa ja hallintajärjestelmiä, joita yritykset jo käyttävät. Alustasta ilmoitettiin 29. lokakuuta, ja se on suunnattu pakattujen kulutustavaroiden valmistajille, vähittäiskauppiaille, jakelijoille ja välittäjille.

Julkaisulla pyritään ratkaisemaan tuttu vähittäiskaupan ongelma: tiimit saattavat havaita muutoksen myynnissä tai varastossa mutta joutuvat silti käyttämään tuntikausia sen selittämiseen tarvittavan taustatiedon kokoamiseen. Crispin Haloa koskevassa ilmoituksessa kuvataan järjestelmää, joka yhdistää vähittäiskaupan datan, toimialakohtaisen logiikan ja agenttipohjaiset työkalut, jotta käyttäjät voivat tutkia toimintaa ja päättää, mitä tehdä seuraavaksi.

Vähittäiskaupan dataperusta tekoälyn taustalla

Halossa hyödynnettävä arkkitehtuuri alkaa vähittäiskauppiailta ja jakelijoilta saapuvasta tiedosta. Crispin alustan yleiskuvauksessa perusta jakautuu datan integrointiin, hallintaan ja mallintamiseen, joiden päälle rakennetaan agenttipohjaisia työkaluja ja eri rooleille tarkoitettuja sovelluksia.

Tämä rakenne on tärkeä, sillä kauppakumppanit saattavat kuvata tuotetta, myymälää tai raportointijaksoa eri tavoin. Varastovajetta koskeva kysymys on hyödyllisempi, kun taustalla olevat järjestelmät ovat samaa mieltä siitä, mitä tuotetta, sijaintia ja ajanjaksoa kysymys koskee.

Crisp kuvaa lähestymistapaansa vertikaaliseksi tekoälyksi: data puhdistetaan ja sitä täydennetään vähittäiskaupan käsitteistöllä ennen analysointia. Yhtiön tausta-aineistossa vähittäiskauppiaiden kalenterit, tuotehierarkiat, toimitusasteet ja loppuunmyyntianalyysi mainitaan esimerkkeinä tarvittavasta liiketoimintaympäristöstä. Crispin mukaan sen palveluita käyttää yli 7 000 asiakasta, mukaan lukien 90 sadasta suurimmasta pakattujen kulutustavaroiden yrityksestä; nämä luvut ovat yhtiön ilmoittamia tietoja palveluiden käyttöönotosta.

Toiminta asiakkaan pilviympäristössä

Halo on saatavilla joko isännöitynä alustana tai asiakkaan ympäristössä Databricksin, Snowflaken tai Google Cloudin päällä. Jälkimmäinen vaihtoehto tarjoaa yrityksille mahdollisuuden välttää vähittäiskaupan analytiikkatietojen siirtäminen toiseen ulkoisesti isännöityyn sovellukseen.

Crispin Databricks-arkkitehtuurin dokumentaatio tarjoaa tästä konkreettisen esimerkin. Siinä vähittäiskaupan data tallennetaan Delta-tauluihin, joita hallitaan Unity Catalogin kautta. Sovelluksia ja agentteja isännöidään Databricks Appsissa, ja Lakebase-tietokantaa käytetään sovelluksen tilan, keskustelujen ja agenttien muistin tallentamiseen. Mallikutsut kulkevat Model Servingin ja AI Gatewayn kautta, kun taas semanttiset kyselyt suoritetaan valitussa SQL-tietovarastossa.

Crispin mukaan omistusoikeudellinen data pysyy asiakkaan ympäristössä, kun taas ei-omistusoikeudellisia toimintalokeja ja telemetriatietoja jaetaan sen keskusjärjestelmien kanssa. Tämä on täsmällisempi kuvaus kuin väite siitä, ettei käyttöönottoon liittyisi lainkaan ulkoista viestintää. Crisp mainitsee etenemissuunnitelmansa kohtina myös MLflow-integraation sekä semanttisten malliensa julkaisemisen Unity Catalog Metric Views -näkyminä.

IT-tiimeille merkitys on käytännön toiminnassa: käyttöoikeuksien hallinta, päättelyvalinnat ja käytön seuranta voidaan sovittaa jo käytössä olevaan infrastruktuuriin. Pelkkä käyttöönottopaikka ei kuitenkaan osoita vastauksen paikkansapitävyyttä eikä automatisoidun toimenpiteen sopivuutta.

Portfoliota koskevista kysymyksistä vähittäiskauppakohtaisiin päätöksiin

Julkaisun yhteydessä esitellään Central Desk ja Customer Desk. Central Desk tarjoaa pääkonttorien tiimeille näkymän koko vähittäiskaupan asiakasportfolioon, ja sitä voidaan käyttää myyntistrategian, tuoteryhmähallinnan ja toimitusketjun suunnittelun tehtävissä. Customer Desk on suunnattu asiakkuustiimeille, jotka tarvitsevat yksittäisen vähittäiskauppiaan mittareita, terminologiaa ja toimintalogiikkaa.

Kuvitellaan, että brändi selvittää tietyn tuotteen heikentynyttä myyntiä. Olennaista on selvittää, johtuuko muutos kysynnästä, saatavuudesta, jakelusta vai jostakin muusta toiminnallisesta tekijästä. Analyysin yhdistäminen myymälä- ja tuotetason tietueisiin voi auttaa tiimejä rajaamaan selvitystä sen sijaan, että koko asiakasportfolion laajuista laskua käsiteltäisiin yhtenä ongelmana.

Tämä on käytännön ero keskustelukäyttöliittymän ja vähittäiskaupan sovelluksen välillä: jälkimmäisen on ymmärrettävä kysymyksen taustalla olevat liiketoimintakohteet ja niiden väliset suhteet. Halon laajempi alusta kokoaa ominaisuuksia myös toimintojen, kuten täydennystilausten, tuoteryhmäsuunnittelun ja toimittajayhteistyön, ympärille.

Jäljitettävät vastaukset ja toistettavat työnkulut

Crispin tekoälyagentteja koskevassa aineistossa kuvataan työkaluja, jotka hyödyntävät päivittäisiä myymälä- ja tuotetason tietoja analyysin ja toiminnan tukena. Yhtiö mainitsee Halon keskeisiksi käyttötavoiksi keskustelumuotoiset kysymykset, säännöllisesti laadittavat raportit, työnkulkujen automatisoinnin ja mukautetut sovellukset.

Julkaisuaineistossa painotetaan sitä, että suositukset voidaan jäljittää lähdedataan ja niiden tuottamisessa käytettyyn logiikkaan. Tällainen alkuperätieto voi helpottaa vastauksen tarkastamista: analyytikko voi tutkia suosituksen taustalla olevia tietueita ja päättelyä sen sijaan, että hyväksyisi sujuvasti muotoillun selityksen sellaisenaan.

Alustaa arvioivien yritysten on selvitettävä selitysten lisäksi myös niiden käytännön toteutus: mitkä toimenpiteet ovat sallittuja, mitkä vaativat tarkistuksen ja miten muutoksia mitataan käyttöönoton jälkeen. Julkaistussa aineistossa kuvataan ominaisuuksia ja käyttöönottoarkkitehtuuria, ei riippumatonta vertailutestiä ennustamisen tarkkuudesta tai taloudellisista tuotoista.

Hal​on vahvin valtti on näiden kerrosten välinen yhteys. Vähittäiskaupan toimintaympäristö tarjoaa tekoälyjärjestelmälle hyödyllisempää tietoa hyödynnettäväksi, käyttöönotto asiakkaan pilviympäristössä voi sopia yhteen olemassa olevien hallintakäytäntöjen kanssa, ja roolikohtaiset työnkulut tuovat analyysin niiden henkilöiden käyttöön, jotka vastaavat varastosta ja kaupallisista päätöksistä.