Rohit Aggarwal, COO de DecisionNext – Série d’entretiens

Rohit Aggarwal est le directeur des opérations de DecisionNext, une plateforme d’intelligence artificielle de premier plan qui permet aux entreprises d’optimiser l’achat ou la vente de matières premières au meilleur moment et au meilleur prix. Il tire parti d’une solide expérience dans la chaîne d’approvisionnement et la gestion de produits, ainsi que d’une expérience directe dans la direction de très grandes équipes pour exécuter des projets complexes et multidisciplinaires et obtenir des résultats commerciaux. Rohit a précédemment occupé des postes de gestion de produits et d’exploitation chez Google (GOOGL ) et Amazon (AMZN ).

Vous avez travaillé chez Amazon et plus récemment chez Google. Quels étaient certains de vos points forts lors de ces expériences ?

Chez Amazon, j’ai eu l’occasion de gérer une équipe diverse de 250 employés aux fonctions variées pour lancer des installations opérationnelles de classe mondiale. J’ai également soutenu la mise en œuvre d’innovations telles que la livraison le même jour, la robotique et d’autres technologies émergentes. Ensuite, chez Google, j’ai utilisé mes compétences pour combler le fossé entre les produits et les opérations. Cela a impliqué la création d’applications à partir de zéro pour gérer un nouveau style de processus de réalisation, entre autres nouvelles offres.

Pouvez-vous expliquer comment DecisionNext utilise l’intelligence artificielle et l’apprentissage automatique pour améliorer la prévision des prix et des approvisionnements de matières premières ?

DecisionNext utilise l’intelligence artificielle et l’apprentissage automatique pour consommer des milliers de jeux de données et trouver des relations historiques et actuelles entre les facteurs clés. Il apprend ensuite à partir de ces informations et crée des modèles pertinents pour n’importe quelle matière première. Dans les marchés agricoles et des ressources naturelles, nos outils aident les clients à prévoir mieux les prix, à prendre des décisions plus intelligentes, à réduire les risques et à augmenter les profits sur les chaînes d’approvisionnement mondiales. Nous travaillons également à utiliser les grands modèles de langage (LLM) pour simplifier les décisions mondiales complexes avec des solutions conscientes des risques.

Quels sont les principaux avantages de l’utilisation de la plateforme d’intelligence artificielle de DecisionNext par rapport aux méthodes de prévision traditionnelles ?

Les acheteurs et les vendeurs de produits de matières premières mondiaux ont souvent recours à des règles empiriques et à des tableaux pour simplifier un système complexe d’une valeur de milliards de dollars en transactions. Cela laisse une somme d’argent considérable sur la table. Ces tableaux ont fait des merveilles et ont soutenu des centaines d’entreprises. Cependant, à mesure que la dynamique de la main-d’œuvre change et que les marchés mondiaux deviennent plus imprévisibles, ils deviennent moins efficaces. DecisionNext a passé des années à perfectionner une plateforme d’intelligence artificielle qui transforme les complexités mondiales en recommandations actionnables à grande échelle, améliorant ainsi considérablement les performances financières.

Nos clients ont des experts en la matière qui ont travaillé dans un espace ou un secteur particulier pendant 30 ans ou plus. Et à mesure que de nouvelles générations arrivent, il est extrêmement important de conserver toute cette expérience d’une manière utilisable. DecisionNext aide à cela en créant des bibliothèques complètes de décisions, en intégrant les opinions d’experts et en apprenant du passé.

En faisant cela, la plateforme DecisionNext réduit les risques et les incertitudes dans les décisions commerciales à travers les unités commerciales et les individus, tout en établissant une manière évolutives de prendre ces décisions. Elle améliore également la rentabilité dans les transactions quotidiennes, les positions à long terme et la planification stratégique prospective.

Quel rôle les données dynamiques jouent-elles dans le processus de prise de décision basé sur l’intelligence artificielle de DecisionNext, et comment ces données sont-elles intégrées et utilisées ?

Les données dynamiques et à jour sont extrêmement importantes lorsqu’il s’agit de créer des modèles de classe mondiale. Cela étant dit, la vitesse et la complexité avec lesquelles les données peuvent être traitées et modélisées ne sont pas les seuls facteurs. Par exemple, comment un modèle sait-il le poids du point de données le plus récent (disons un choc dans le système) et qu’il doit le traiter différemment ? Nos utilisateurs peuvent interagir avec les modèles via une technologie brevetée pour saisir leurs opinions et créer des analyses de scénarios pour utiliser des données que le modèle ou le système ne peut simplement pas connaître encore. Cela permet à nos clients d’obtenir de nouvelles informations qui ne seraient pas possibles autrement. Ils sont également en mesure de mieux comprendre l’impact des changements mondiaux dans l’offre ou de nouvelles réglementations commerciales, parmi un nombre infini d’autres situations potentielles.

De quelle manière la plateforme d’intelligence artificielle de DecisionNext a-t-elle révolutionné les décisions commerciales sur le marché des matières premières ?

Notre plateforme de classe mondiale a révolutionné l’approche standard de la tarification, de la prévision de l’offre et de la demande en fournissant à nos utilisateurs plus qu’une simple prévision. Avec notre outil, ils peuvent rapidement comprendre les risques, les incertitudes et analyser des décisions complexes avec quelques clics de souris. DecisionNext a un certain nombre de cas d’utilisation à travers les chaînes d’approvisionnement dans l’agriculture et l’exploitation minière. Cela inclut l’optimisation des prix d’achat et de vente, la planification commerciale, l’arbitrage géographique et de produits, la formulation du coût le plus bas et la gestion des risques, entre autres.

Comment DecisionNext assure-t-il l’exactitude et la fiabilité de ses modèles de prévision basés sur l’intelligence artificielle pour le commerce des matières premières ?

Nous nous assurons de l’exactitude et de la fiabilité de nos modèles de prévision basés sur l’intelligence artificielle grâce à des tests de rétrocompatibilité intensifs. DecisionNext a construit un système rigoureux capable de tester rapidement des milliers de structures de modèles et de fournir à l’utilisateur une compréhension complète de la manière dont les modèles ont été précis. Cela peut être fait de manière facile à comprendre qui nous permet également d’utiliser cette précision pour prédire l’incertitude dans le futur.

Pouvez-vous partager un exemple ou une étude de cas de la manière dont DecisionNext a aidé une entreprise à naviguer dans la volatilité du marché en utilisant vos outils d’intelligence artificielle ?

Avec DecisionNext, un grand producteur de minerai de fer a augmenté ses bénéfices d’un pourcentage moyen de 6 à 8 % sur les ventes spot. Notre solution les a aidés à optimiser leur stratégie de tarification et à réduire le temps nécessaire pour prendre des décisions clés autour de l’arbitrage géographique. De même, nous sommes en mesure d’aider les producteurs de bétail à prendre la même décision sur où et quand vendre la viande provenant de leurs carcasses.

Dans les deux cas, DecisionNext a fourni une prévision précise et défendable à court et à long terme pour optimiser la planification des ventes. Nos outils de visualisation ont permis aux producteurs d’évaluer rapidement plusieurs stratégies de vente côte à côte pour atténuer les risques, rationaliser la prise de décision et augmenter plus efficacement les marges.

Sans DecisionNext, les entreprises sont obligées de s’appuyer sur les moyennes historiques, les marchés à terme (si disponibles) et l’expérience pour tarifer les biens. Bien que cela ait été efficace dans le passé, avec nos marchés de matières premières de plus en plus volatils, les entreprises laissent des millions de dollars sur la table.

Pouvez-vous discuter de l’importance des modèles de prévision interactifs pour les utilisateurs et de la manière dont DecisionNext assure que ces modèles sont conviviaux ?

Le vieux modèle de prévision obscur ne dit pas aux gens pourquoi la prévision est telle qu’elle est. Il ne peut pas non plus aider à traduire la prévision en décisions actionnables. Donc, dans ce scénario, les utilisateurs peuvent ne pas utiliser même une prévision parfaite et revenir aux anciennes méthodes.

DecisionNext aide ses clients à mieux comprendre à la fois les risques de marché et les risques commerciaux et pourquoi les deux devraient être interconnectés lors de la prévision. DecisionNext fournit une visibilité complète sur les sources de données et les structures de modèles, ainsi qu’une clarté et une direction stratégiques.

Tout cela est livré via un tableau de bord convivial, conçu pour un engagement continu.

De quelle manière la pandémie et les événements géopolitiques récents ont-ils influencé le développement et l’utilisation de l’intelligence artificielle dans le commerce des matières premières chez DecisionNext ?

La COVID-19 a bouleversé la chaîne de valeur mondiale de la viande, et un client qui a été particulièrement touché par la crise me vient à l’esprit. Avec de grandes quantités de nourriture congelée destinées à des canaux de restauration qui allaient bientôt être inactifs, le client a utilisé les analyses DecisionNext pour liquider rapidement et de manière optimale les stocks à mesure que les confinements se propageaient aux États-Unis, et planifier comment et quand reconstruire ces stocks.

En utilisant la plateforme DecisionNext, le client a élaboré et comparé quatre alternatives de vente et d’approvisionnement complexes pour voir les résultats de marché attendus et comparer les risques. Ils ont pu liquider avec succès les stocks excédentaires sur plusieurs coupes, et ces transactions ont fourni un rendement 5 fois supérieur à l’investissement dans le logiciel DecisionNext en un seul mois.

Quelles avancées futures dans l’intelligence artificielle et l’apprentissage automatique prévoyez-vous avoir un impact sur le marché des matières premières, et comment DecisionNext se prépare-t-il à ces avancées ?

DecisionNext est à la pointe de l’effort pour exploiter l’intelligence artificielle et l’apprentissage automatique pour rendre les marchés de matières premières plus efficaces, plus rentables et plus durables. Alors que le monde continue de lutter contre des défis massifs comme le changement climatique et l’instabilité politique, la technologie intelligente sera de plus en plus importante pour naviguer avec succès dans ces défis. Nous sommes honorés d’être confiés par nos clients et nos partenaires pour fournir une plateforme pour aider à faire cela.

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