Richard Potter, Co-Fondateur et PDG de Peak – Série d’entretiens

Richard Potter est le Co-Fondateur et PDG de Peak, une plateforme qui offre aux ingénieurs de données, aux scientifiques de données et aux décideurs commerciaux tout ce dont ils ont besoin pour construire et soutenir des solutions pilotées par l’IA à travers l’entreprise.

Pouvez-vous partager l’histoire de la création de Peak ?

L’idée de Peak a commencé comme une conversation dans un pub sur tous les différents produits d’intelligence commerciale disponibles à l’époque. Mes co-fondateurs, Atul Sharma et David Leitch, et moi nous demandions pourquoi si peu d’entreprises pouvaient adopter les données pour la prise de décision. Nous voulions trouver un moyen de simplifier les choses pour les entreprises, de briser les silos au sein des entreprises afin que les équipes puissent travailler ensemble et que tout le monde puisse tirer parti de résultats utiles basés sur les données. Cela nous a menés à la plateforme, qui unit les équipes autour d’un produit conçu pour optimiser les entreprises avec l’IA.

Pouvez-vous décrire ce qu’est l’intelligence de décision pour notre audience ?

L’intelligence de décision est l’application de l’IA pour optimiser les décisions commerciales. Elle est axée sur les résultats, ce qui signifie que les solutions DI sont conçues pour fournir un résultat tangible, tel qu’un taux de vente plus élevé ou une marge plus élevée.

L’une de vos prédictions pour 2022 est que une nouvelle discipline de science des données émerge. Pouvez-vous élaborer sur ce point ?

À mesure que les investissements commerciaux dans l’IA augmentent et que la science des données mûrit, une nouvelle discipline de science des données émerge, qui commence par la fin en tête.

Les projets de science des données traditionnels commencent par comprendre les données disponibles et ce qui peut être fait avec elles. Le résultat est des solutions hypothétiques aux problèmes de données, plutôt que des solutions d’IA qui peuvent améliorer les performances commerciales.

En se concentrant sur les résultats dès le début d’un projet et en comprenant ce qui est pratique avec les données disponibles, cette nouvelle discipline de science des données donne la priorité au déploiement de solutions en commençant par la fin en tête. Elle permet aux entreprises de déployer leur IA et de libérer la valeur de leur stratégie d’IA plus rapidement.

Peak a construit un système d’intelligence artificielle qui devient un système d’intelligence central au sein d’une entreprise. Il agrège les données et déploie l’apprentissage automatique, puis fournit des résultats. Quels types d’algorithmes d’apprentissage automatique sont utilisés ?

La plateforme Peak utilise une large gamme de techniques d’apprentissage automatique et de modélisation – le choix signifie que nous pouvons aborder chaque projet avec la méthode la plus appropriée. Nous pouvons utiliser des méthodes supervisées et non supervisées, ainsi que des techniques de prévision ou d’optimisation en fonction du problème à résoudre. Ceux-ci peuvent être construits sur notre plateforme à l’aide de Python, R et SQL.

Avec cette flexibilité et cette largeur de choix, les clients de Peak peuvent construire leur propre IA unique à leur entreprise. C’est ce dont les organisations ont besoin pour vraiment adopter l’intelligence de décision. Chaque entreprise ne devrait pas avoir une IA standard, mais quelque chose de construit spécifiquement pour elle.

Comment Peak permet-il aux entreprises d’utiliser leur plus grand atout – les données – pour augmenter les ventes et les profits ?

La plateforme Peak exécute des applications conçues spécifiquement pour fournir des résultats, qu’il s’agisse d’augmenter les ventes ou de faire croître les profits (ou les deux !). Ces applications couvrent le monde du marketing, des ventes, de la merchandising, de la gestion des stocks, de la tarification et de la chaîne d’approvisionnement. Puisqu’elle s’étend sur l’ensemble des données de l’entreprise, la plateforme d’intelligence de décision de Peak peut optimiser l’ensemble de la chaîne de valeur, fournissant des insights et des recommandations en temps réel qui profitent à chaque fonction de l’entreprise. C’est une matrice complexe et l’intelligence de décision est l’outil parfait pour garantir que chaque décision prise est correcte.

Peak semble être entièrement servi, les entreprises qui utilisent le service ont-elles besoin d’avoir des ingénieurs en IA à bord pour utiliser la plateforme ?

La plateforme Peak a trois capacités de base qui permettent aux utilisateurs de :

1. Combinez les données de toute l’entreprise et rendez-les prêtes pour l’IA.
2. Construisez et formez une intelligence centralisée qui utilise des modèles d’IA pour fournir une vue prédictive de leur organisation.
3. Fournissez une interface pour les utilisateurs de lignes d’activité pour interagir avec les modèles qui guident la prise de décision sur plusieurs fonctions.

Depuis sa création en 2015, Peak a proposé un modèle dans lequel notre plateforme et nos applications sont mises en œuvre pour nos clients par nos équipes de réussite client et de science des données. Nous voyons de plus en plus de clients de Peak qui s’autoservent sur la plateforme, construisent leurs propres applications ou déployant les applications standard de Peak eux-mêmes.

Pouvez-vous donner des exemples de Peak permettant aux entreprises d’optimiser leurs chaînes d’approvisionnement ?

Un bon exemple serait un gestionnaire de stock qui fait face à un problème de stock. Traditionnellement, ils devraient augmenter manuellement les commandes sur les SKUs surexploités, en modifiant les volumes de commande de manière sporadique pour tenir compte de la volatilité de la demande.

Mais, avec l’aide d’une plateforme d’IA, le gestionnaire de stock peut être proactif plutôt que réactif. En tenant compte des circonstances plus larges de l’entreprise, la plateforme d’IA du gestionnaire recommande de diminuer les commandes auprès du fournisseur. Cela peut sembler contre-intuitif s’il y a une forte demande, mais la solution d’IA a identifié que l’entreprise a un entrepôt avec un dépôt dans le comté voisin avec 2 000 unités de cet SKU qui ne se vendent pas là-bas. Il a déjà averti l’équipe logistique et a routé la livraison prévue via cet entrepôt pour récupérer les SKU supplémentaires. Il continuera à exécuter le même modèle pour les équipes commerciales de l’entreprise, en ajustant l’action recommandée à mesure que les insights des données changent et que chaque département prend des mesures.

Un autre cas d’utilisation est la réduction des déchets et de l’énergie, pouvez-vous donner des exemples de clients qui atteignent cela en utilisant Peak ?

Un détaillant CPG mondial utilise actuellement l’intelligence de décision pour optimiser à la fois son réseau de transport et réduire les mouvements de marchandises gaspillés entre les usines, les centres de distribution et les magasins. L’objectif de l’entreprise est de réduire les émissions de carbone et d’augmenter ses marges bénéficiaires.

En utilisant des sources de données provenant de l’approvisionnement, de la demande et des stocks, combinées avec des données de point de vente électronique (EPOS) et des données client, l’entreprise utilise l’IA pour optimiser les niveaux de stock dans chaque centre de distribution et coordonner les mouvements de stock entre plusieurs centres, en tenant compte de facteurs tels que la demande (réelle et prévue), la production, les coûts de traitement et les coûts de transport. La solution a réduit les coûts logistiques de 10 % et a réduit les trajets de camion entre les centres de 200 000 km, ce qui représente une réduction de 147 tonnes métriques (MT) d’émissions de CO2 au cours des huit premiers mois de son déploiement.

De même, un producteur et fournisseur de matériaux de construction leader, avec une flotte totale de 400 véhicules, a pu augmenter les emplois par conducteur de 15 % et réduire les kilomètres parcourus de 3 % pour chaque emploi avec une solution de planification automatique d’IA qui prédit la demande d’emploi et les annulations, maximise la productivité des véhicules et planifie les itinéraires des véhicules.

Quelle est votre vision pour l’avenir de Peak ?

Nous voulons mettre l’intelligence de décision à la portée de chaque entreprise et construire une entreprise que les gens aiment faire partie. Cela signifie que l’expansion pour soutenir plus de clients dans le monde entier est notre priorité absolue et nous nous développons à la fois aux États-Unis et en Inde, en ouvrant des Clubhouses à New York, Mumbai et Pune. La performance durable est essentielle à cela ; nous voulons que les Peakers soient sur notre parcours pour une grande partie de leur carrière, nous ne voulons pas de personnes qui viendront et seront brûlées en quelques années.

Nous investissons massivement dans la R&D suite à notre série C réussie qui s’est clôturée en août de l’année dernière. À mesure que nous lançons plus de fonctionnalités de plateforme passionnantes et que nous nous développons dans le monde, nous sommes impatients de voir les applications que les équipes de science des données en dehors de Peak développeront avec la plateforme – une grande partie de ce que l’IA est capable de faire sera découverte dans la pratique.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Peak.