ריצ’רד פוטר, מייסד-שותף ומנכ”ל של Peak – סדרת ראיונות

ריצ’רד פוטר הוא מייסד-שותף ומנכ”ל של Peak, פלטפורמה שנותנת למהנדסי נתונים, מדעני נתונים וקבלני החלטות מסחריות הכל כדי לבנות ולתמוך בפתרונות המונעים על ידי AI ברחבי החברה.

האם תוכל לשתף את סיפור המקור מאחורי Peak?

הרעיון ל-Peak התחיל כשיחה בפאב על כל המוצרים של בינטליגנציה עסקית שהיו זמינים באותה תקופה. שותפיי להקמה, Atul Sharma ו-David Leitch, ואני שאלנו למה כל כך מעט חברות יכולות לאמץ נתונים לקבלת החלטות. היינו רוצים דרך לפשט את הדברים עבור עסקים, לשבור סילואים בתוך חברות כך שצוותים יוכלו לעבוד ביחד וכולם יוכלו לנצל תוצאות מועילות על בסיס נתונים. זה הוביל אותנו לפלטפורמה, שמאחדת צוותים סביב מוצר שנבנה לאופטימיזציה עסקית עם AI.

האם תוכל לתאר מהו Decision Intelligence עבור קהלנו?

Decision Intelligence הוא יישום של AI כדי לאופטימיזציה של החלטות מסחריות. הוא מתמקד בתוצאות, כלומר פתרונות DI נבנים כדי לספק תוצאה מוחשית, כגון שיעור מכירות גבוה יותר או שולי רווח.

אחת מהנבואות שלך לקראת 2022, היא שתחום חדש של מדע נתונים צומח. האם תוכל להרחיב על כך?

ככל שההשקעה המסחרית ב-AI גדלה ומדע הנתונים מבשיל, תחום חדש של מדע נתונים צומח שמתחיל מהסוף.

פרויקטים מסורתיים של מדע נתונים מתחילים בהבנת הנתונים הזמינים ומה שניתן לעשות איתם. התוצאה היא פתרונות היפותטיים לבעיות נתונים, במקום פתרונות AI שיכולים לשפר את ביצועי העסק.

בכך שמתמקדים בתוצאות מתחילת הפרויקט ומבינים מה מעשי עם הנתונים הזמינים, תחום חדש זה של מדע נתונים מעדיף פריסת פתרונות בכך שמתחילים מהסוף. הוא מאפשר לעסקים להשיג את AI שלהם ולנעול את הערך מאסטרטגיית ה-AI שלהם מהר יותר.

Peak בנתה מערכת AI שהופכת למערכת מודיעין מרכזית בתוך מערכת עסקית של חברה. היא מרכזת נתונים ומפריסה למידת מכונה, ואז מפיקה תוצאות. מהסוגים של אלגוריתמי למידת מכונה משמשים?

פלטפורמת Peak משתמשת במגוון רחב של טכניקות למידת מכונה ודגמים – הבחירה אומרת שאנו יכולים לטפל בכל פרויקט עם השיטה המתאימה ביותר. אנו יכולים להשתמש בשיטות מוכוונות ולא מוכוונות, כמו גם טכניקות תחזית או אופטימיזציה, בהתאם לבעיה שמתורגמת. אלו יכולים להיבנות בפלטפורמה שלנו באמצעות Python, R ו-SQL.

עם גמישות ורוחב הבחירה הזה, לקוחות Peak יכולים לבנות את AI הייחודי שלהם לעסקים. זה מה שחברות צריכות באמת כדי לאמץ Decision Intelligence. כל חברה לא צריכה להיות עם AI סטנדרטי, אלא משהו שנבנה במיוחד עבורה.

כיצד Peak מאפשרת לחברות להשתמש בנכס הגדול ביותר שלהן – נתונים – כדי להגדיל מכירות ורווחים?

פלטפורמת Peak רצה יישומים ספציפיים שנועדו לספק תוצאות, היינו הגדלת מכירות או גידול רווח (או שניהם!). היישומים האלה חוצים את עולם השיווק, מכירות, מרצ’נדייז, ניהול מלאי, מחירים ושרשרת אספקה. מאחר שהוא יושב על כל מאגר הנתונים של הארגון, פלטפורמת Decision Intelligence של Peak יכולה לאופטימיזציה ברחבי כל שרשרת הערך, ולספק תובנות והמלצות בזמן אמת שיביאו תועלת לכל תפקיד בתוך העסק. זהו מטריצה מורכבת, ו-Decision Intelligence הוא הכלי המושלם לוודא שכל החלטה שמתקבלת היא נכונה.

Peak נראית במבט ראשון כמוגמרת לחלוטין, האם חברות המשתמשות בשירות צריכות להיות עם מהנדסי AI על הספינה כדי להשתמש בפלטפורמה?

פלטפורמת Peak היא עם שלושה יכולות ליבה שמאפשרות למשתמשים:

1. לאחד נתונים מכל רחבי הארגון ולהכין אותם ל-AI.
2. לבנות ולאמן מודיעין מרכזי שמשתמש במודלים AI כדי לספק תמונה צפויה של הארגון.
3. לספק ממשק למשתמשים בקו העסקי ליצור קשר עם מודלים שמנחים קבלת החלטות בתפקידים מרובים.

מאז הוקמה ב-2015, Peak הציעה מודל שבו הפלטפורמה והיישומים שלה מיושמים עבור לקוחותיה על ידי צוותי הצלחת הלקוחות ומדע הנתונים. אנו רואים בהדרגה יותר ויותר לקוחות Peak המשרתים את עצמם על הפלטפורמה, בונים את היישומים שלהם או מפריסים את היישומים הסטנדרטיים של Peak בעצמם.

מהם כמה דוגמאות של Peak המאפשרת לעסקים לאופטימיזציה של שרשראות אספקה?

דוגמה טובה היא מנהל מחסן המתמודד עם בעיה של מלאי. בדרך כלל הוא היה צריך להגדיל ידנית הזמנות על פריטים מועדפים, לשנות כמויות הזמנה באופן ספוראדי לחשבון תנודות בביקוש.

אבל, עם עזרת פלטפורמת DI, מנהל המחסן יכול להיות פרואקטיבי במקום ריאקטיבי. לוקח בחשבון נסיבות ברחבי העסק, מנהל ה-DI ממליץ שירידה בהזמנות מהספק. זה נשמע סותר אם יש ביקוש גבוה, אבל פתרון DI זיהה שהחברה היא מחסן עם מחסן במחוז אחר עם 2,000 יחידות של אותו SKU שאינן נמכרות שם. הוא כבר התריע על צוות הלוגיסטיקה והסיט את המשלוח המתוכנן דרך המחסן ההוא כדי לאסוף את היחידות הנוספות. הוא ימשיך לרוץ את אותו המודל לצוותים המסחריים ברחבי העסק, מותאם את הפעולה המומלצת ככל שתובנות הנתונים משתנות וכל מחלקה לוקחת פעולה.

דוגמה נוספת היא הפחתת בזבוז ואנרגיה, האם תוכל לתת כמה דוגמאות של לקוחות המשיגים זאת באמצעות Peak?

קמעונאי CPG גלובלי כרגע מנצל Decision Intelligence כדי לאופטימיזציה את רשת התחבורה שלו ולהפחית את כמות התנועות הבזבזניות של סחורות בין מפעלים, מרכזים לוגיסטיים וחנויות. מטרת החברה היא להפחית את פליטת הפחמן ולהגדיל את שולי הרווח.

באמצעות מקורות נתונים מרחבי האספקה, ביקוש ומלאי, בשילוב עם נתוני EPOS ולקוחות, החברה משתמשת ב-DI כדי לאופטימיזציה את רמות המלאי בכל מרכז לוגיסטי ולתאם תנועות מלאי בין מרכזים מרובים, לוקח בחשבון גורמים כגון ביקוש (ממשי ומתוכנן), תפוקה, עלויות עיבוד ועלויות תחבורה. הפתרון קיצץ את עלויות הלוגיסטיקה ב-10% והפחית את מסעות המשאיות בין המרכזים ב-200,000 ק”מ, מה שייצג הפחתה של 147 טון מטרי של CO2 בשמונה החודשים הראשונים של הפריסה.

באופן דומה, יצרן וספק מוביל של חומרים לתעשיית הבנייה, עם צי של 400 כלי רכב, הצליח להגדיל את מספר העבודות לנהג ב-15% ולהפחית את הקילומטראז’ ב-3% לכל עבודה, עם פתרון DI אוטומטי שחוזה ביקוש לעבודות וביטולים, מקסם את הפרודוקטיביות של הרכב ומתכנן מסלולים.

מהו חזונך לעתיד של Peak?

אנו רוצים לשים Decision Intelligence בידי כל עסק ולבנות חברה שאנשים אוהבים להיות חלק ממנה. זה אומר שהתרחבות כדי לתמוך בלקוחות רבים יותר ברחבי העולם היא העדיפות העליונה שלנו, ואנו מתרחבים הן בארצות הברית והן בהודו, פותחים Clubhouses בניו יורק, מומבאי ופונה. ביצועים בריאים ויעילים הם מפתח לכך; אנו רוצים ש-Peakers י