Richard Potter, Peakin Co-Founder & CEO – Haastattelusarja

Richard Potter on Peakin Co-Founder & CEO, joka on alusta, joka antaa data-insinööreille, data-tieteilijöille ja kaupallisten päätöksentekijöille kaiken tarvittavan rakentaa ja tukea tekoälypohjaisia ratkaisuja koko yrityksessä.

Voitko kertoa Peakin syntytarinaa?

Peak-idean syntyi alun perin keskusteluna pubissa kaikista tuolloin saatavilla olevista liiketoimintatiedon tuotteista. Minun perustajakumppanini, Atul Sharma ja David Leitch, ja minä ihmettelimme, miksi niin harvat yritykset pystyvät omaksumaan datan päätöksenteon apuvälineeksi. Halusimme keinoja yksinkertaisia asioita yrityksille, murtamaan siloja yritysten sisällä, jotta tiimit voivat työskennellä yhdessä ja jokainen voisi hyödyntää datan perusteella tehtyjä päätöksiä. Tämä johti meidät alustalle, joka yhdistää tiimit yhteisen tuotteen ympärille, joka on suunniteltu liiketoiminnan optimoimiseksi tekoälyllä.

Voitko kuvata, mitä Päätöksenteon Äly on meille?

Päätöksenteon Äly on tekoälyn soveltaminen liiketoimintapäätösten optimoimiseksi. Se on tuloksellinen, mikä tarkoittaa, että DI-ratkaisut on suunniteltu tuottamaan konkreettisia tuloksia, kuten myyntimäärän kasvua tai marginaalin parantamista.

Yksi ennustuksistasi vuoden 2022 alkuun on, että uusi tieteenala on kehittymässä. Voitko selittää tätä?

Kun tekoälyyn investoidaan enemmän ja data-tiede kypsyy, uusi tieteenala on kehittymässä, joka alkaa lopputuloksesta.

Perinteiset data-tiedeprojektit alkavat ymmärtämällä saatavilla olevaa dataa ja mitä sillä voidaan tehdä. Tuloksena on hypoteettisia ratkaisuja data-ongelmiin, eikä tekoälyratkaisuja, jotka voivat parantaa liiketoiminnan suorituskykyä.

Uusi tieteenala priorisoi ratkaisujen käyttöönoton alusta alkaen ja ymmärtää, mitä on käytännöllistä dataa käytettäväksi. Tämä mahdollistaa yritysten nopeamman tekoälystrategian käyttöönoton ja arvon lukemisen heidän tekoälystrategiastaan.

Peak on rakentanut tekoälyjärjestelmän, josta tulee yrityksen liiketoiminnan älykkyyden keskus. Se kerää dataa ja käyttää koneoppimista tuloksien tuottamiseksi. Mitä koneoppimisalgoritmeja käytetään?

Peak-alusta käyttää laajaa valikoimaa koneoppimis- ja mallinnusmenetelmiä – valinnanvaraa, jotta voimme käsitellä jokaista projektiä sopivimmalla tavalla. Käytämme valvottuja ja valvottuja menetelmiä, sekä ennustamis- tai optimointitekniikoita riippuen ratkaistavasta ongelmasta. Nämä voidaan rakentaa alustallamme käyttäen Pythonia, R:ää ja SQL:ää.

Tällä joustavuudella ja valinnanvaralla Peakin asiakkaat voivat rakentaa oman tekoälynsä, joka on yksilöllinen heidän liiketoimintansa tarpeisiin. Tämä on se, mitä yrityksille tarvitaan, jotta ne voivat todella omaksua Päätöksenteon Älyn.

Miten Peak mahdollistaa yritysten käytön suurimman hyödykkeen – datan – myynnin ja voiton kasvattamiseksi?

Peak-alusta suorittaa sovelluksia, jotka on suunniteltu tuottamaan tuloksia, olipa se myynnin kasvattaminen tai voiton kasvattaminen (tai molemmat!). Nämä sovellukset kattavat markkinoinnin, myynti, myynti, varastointi, hinnoittelu ja toimitusketjun. Koska se sijaitsee koko yrityksen datan yläpuolella, Peakin Päätöksenteon Äly-alusta voi optimoida koko arvoketjua, tarjoamalla reaaliaikaisia näkymiä ja suosituksia, jotka hyödyttävät jokaista yrityksen toimintoa. Tämä on monimutkainen matriisi, ja Päätöksenteon Äly on täydellinen työkalu varmistamaan, että jokainen tehty päätös on oikein.

Peak vaikuttaa ensi silmäyksellä täysin palveluna, tarvitsevatko yritykset, jotka käyttävät palvelua, tekoälyinsinöörejä käyttääksesi alustaa?

Peak-alusta on kolme ydinkapasiteettia, jotka sallivat käyttäjien:

1. Yhdistää dataa koko organisaatiosta ja tehdä siitä tekoälyvalmis.
2. Rakentaa ja kouluttaa keskitettyä älykkyyttä, joka käyttää tekoälymallia antamaan ennustettua näkemystä organisaatiosta.
3. Tarjoaa käyttöliittymän liiketoimintatiimille, jotta he voivat vuorovaikuttaa malleilla, jotka ohjaavat päätöksentekoa useissa toiminnossa.

Perustamisestaan lähtien vuonna 2015 Peak on tarjonnut mallin, jossa alustamme ja sovellukset on toteutettu asiakkaidemme kanssa asiakastyytyväisyyttä ja data-tiedeyksikköjemme kanssa. Näemme yhä useammin, että Peakin asiakkaat itse palvelujen käyttäjiä alustalla, rakentavat omia sovelluksiaan tai käyttävät Peakin vakio-sovelluksia itse.

Mitä esimerkkejä Peakista, joka mahdollistaa yritysten toimittaa optimaalisen toimitusketjun?

Hyvä esimerkki on varastopäällikkö, joka kohtaa varastointiongelman. Perinteisesti heidän olisi manuaalisesti korotettava tilauksia ylimyydetyille tuotteille, muuttaen tilausten määrää satunnaisesti ottaen huomioon kysynnän volatiliteetin.

DI-alustan avulla varastopäällikkö voi olla proaktiivinen sen sijaan, että reagoisi. Ottaen huomioon olosuhteet laajemmin koko yrityksessä, varastopäällikön DI-alusta suosittelee, että he vähentävät tilauksia toimittajalta. Vaikka se kuulostaakin vastoinäiseltä, jos on suuri kysyntä, DI-ratkaisu on tunnistanut, että yrityksellä on varasto, jossa on 2000 yksikköä tuotetta, jota ei myydä siellä. Se on jo hälyttänyt logistiikkaa ja ohjannut suunnitellun toimituksen varastoon noutamaan lisää tuotteita. Se jatkaa saman mallin suorittamista kaupallisiin tiimeihin koko yrityksessä, sopeuttaen suositeltua toimintaa, kun data-näkymät muuttuvat ja jokainen osasto tekee toimintaa.

Toinen käyttötapaus on jätemäärän ja energian vähentäminen, voitko antaa esimerkkejä asiakkaista, jotka ovat saavuttaneet tämän Peakin avulla?

Maailmanlaajuinen kulutushyödykkeiden jälleenmyyjä hyödyntää parhaillaan Päätöksenteon Älyä sekä optimoidakseen kuljetusverkostoaan että vähentääksesi hyödykeiden turhia siirtoja tehtaiden, jakelukeskusten ja myyntipisteiden välillä. Yrityksen tavoitteena on vähentää hiilidioksidipäästöjä ja kasvattaa voittojaan.

Käyttäen data-lähteitä tarjonnasta, kysynnästä ja varastoinnista, yhdistettynä sähköiseen myyntipisteen (EPOS) ja asiakastietoihin, yritys käyttää DI:ä optimoimaan varastotasoja kussakin jakelukeskuksessa ja koordinoimaan varastojen siirtoja useiden keskusten välillä, ottaen huomioon tekijöitä, kuten kysyntä (todellinen ja ennustettu), tuotannon määrä, käsittelykustannukset ja kuljetuskustannukset. Ratkaisu leikkasi logistiikkakustannukset 10 prosentilla ja vähensi kuorma-autoliikenteen jakelukeskusten välillä 200 000 kilometrillä, edustaen 147 metrisen tonnin vähennystä hiilidioksidipäästöissä kahdeksan kuukauden aikana sen käyttöönoton jälkeen.

Mitä on visiosi Peakin tulevaisuudelle?

Halumme asettaa Päätöksenteon Älyn jokaisen yrityksen käsiin ja rakentaa yrityksen, jota ihmiset rakastavat olla osana. Tämä tarkoittaa, että laajentuminen asiakkaiden tukemiseksi maailmanlaajuisesti on ensisijainen tavoitteemme, ja laajentumme sekä Yhdysvalloissa että Intiassa, avaamalla Clubhouse-tiloja New Yorkiin, Mumbaihin ja Puneen. Kestävä suorituskyky on avainasia; haluamme, että Peakersit ovat matkalla suuren osan urastaan, emme halua, että ihmiset tulevat ja palavat loppuun muutaman vuoden kuluttua.

Investoimme voimakkaasti tutkimukseen ja kehitykseen onnistuneen C-sarjan rahoituskierroksen jälkeen, joka sulkeutui viime vuonna elokuussa. Julkaistessamme uusia alustoimintoja ja laajentaessamme maailmanlaajuisesti, olemme innoissamme nähdä, mitä sovelluksia data-tieteen tiimit Peakin ulkopuolella kehittävät alustalla – suurin osa siitä, mitä DI pystyy tekemään, tullaan löytämään käytännössä.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Peak-sivustolla.