마이론 버크, 센서매틱 솔루션ズ의 솔루션 관리 책임자 – 인터뷰 시리즈

마이론 버크, 센서매틱 솔루션즈의 글로벌 제품 및 솔루션 책임자, 새로운 혁신 가속화 방법을 식별하고 고객에게 더 큰 가치를 제공하기 위해 전략적 솔루션 로드맵을 구현합니다.

마이론은 25년 이상의 소매 업계 경험을 보유한 검증된 리더로, 월마트와 샘스 클럽에서 근무하며 대규모 혁신을 구현했습니다. 최근에 그는 다이버전트 테크놀로지 어드바이저스를 설립했습니다. 이 회사는 주요 소매 업체, 기술 제공업체, 스타트업을 위한 기술 전략, 시장 진출 계획, 국제 시장 확장 등을 지원하는 소매 기술 자문 회사입니다.

센서매틱 솔루션즈, 존슨 컨트롤스의 주요 글로벌 소매 솔루션 포트폴리오, 안전하고 보안이 되고 원활한 소매 경험을 제공합니다. 60년 이상 동안 이 브랜드는 산업의 빠르게 움직이는 기술 채택의 선두에서 소매 운영을 재정의하고 통찰력을 행동으로 변환했습니다. 센서매틱 솔루션즈는 상실 예방, 재고 지능 및 트래픽 인사이트 솔루션을 제공하며 서비스와 파트너를 통해 전 세계 소매 업체가 정밀하게 혁신하고 향상할 수 있도록 지원합니다.

소매 운영과 새로운 기술의 교차점에서 25년 이상을 보낸 후, 센서매틱 솔루션즈의 글로벌 제품 및 솔루션 책임자가 된 현재, 물리적 소매 환경에서 AI와 센서 기술을 어떻게 배치해야 하는지에 대한 철학은 어떻게 형성되었습니다?

저는 AI 구현에 대해 매우 실용적인 접근 방식을 취하며, 센서매틱 솔루션즈의 팀과 소매 고객에게도 동일한 방식을 권장합니다. 저의 경험은 성공적인 변화를 위한 핵심이 이 방식임을 증명했습니다.

센서매틱 솔루션즈는 60년 동안 매우 간단한 믿음을 가지고 운영해 왔습니다. 기술은 운영 효율성과 실제 소매 업체의 도전이 중심에 있을 때 성공합니다. 이것은 새로운 도구에 가까운 사람들에게는 명백한 것으로 보이지만, 이 기본 원리는 AI에 대한 모든 열기에 묻혀 버렸습니다.

시장과 함께 움직이고 유지하는 압력이 높은데, 이는 솔루션 개발과 고객 채택 모두에서 마찬가지입니다. 그러나 실제로 간격을 메우는 도구를 구축하는 것이 모든 제품에 AI 기능을折入하려고 하는 것보다 더 영향력이 있습니다. 우리는 스트림라이닝된 수집, 융합, 분석 및 행동이 측정 가능한 개선을 驅動하는 곳을 찾는 데 집중하고 있습니다. 이焦點은 또한 AI가 사용할 데이터 세트에 확장됩니다. 대상, 제어, 정화된 데이터 세트는 특히 차별화된 고객을 통해 지속적인 AI 가치를 제공하는 데 핵심입니다.

우리가 항상 염두에 둔 또 하나의 사항은 이것이 모든 가능한 사용자에게 verdade입니다. 기업의 의사 결정자, 쇼퍼, 어소시에이트. 새로운 솔루션 또는 업데이트마다, 우리는 세 가지 이해관계자 모두에게 동일한 가치를 제공하는지 여부를 물어봅니다. 각 그룹은 소매 업계의 성공에 필수적입니다.

이 내부 에토스는 자연스럽게 소매 업체가 유사한 입장을 취할 수 있도록 도와주는 솔루션으로 변환됩니다. 우리는 실제, 맞춤형 시스템 디자인을 지원하는 도구를 제공합니다. AI 배치는 일괄 처리가 아니며, 우리가 고객과 함께 구축하는 프로그램도 그렇습니다.

센서매틱 솔루션즈는 점점 더 AI 및 ML 고급 분석을 현대적인 소매 운영 지능의 핵심으로 пози션하고 있습니다. 오므니채널 세계에서 “상실 예방”이란 무엇을 의미하는지 어떻게 재정의하고 있습니까?

가장 간단한答案은 가시성과 속도입니다. AI는 실제로 상실을 드러내고 총 소매 상실에 대한 완전한 시야를 제공하는 데 도움을 줍니다. 현실은 볼 수 있는 상실만을 기록할 수 있다는 것입니다. 대부분의 산업 역사에서, 상실에 대한 가시성은 기본적으로만 가능했습니다. 프로그램은 판매 가능한 항목이지만 없는 항목에 초점을 맞추었습니다. 도난, 운송 중 손상, 또는 선반에 있는 동안 손상된 항목일 수 있지만, 이러한 종류의 것을 대규모로 추적하는 것은 어려웠거나 불가능했습니다.

연결된 분석 및 센서 시스템은 소매 업체가 볼 수 있는 것을 확대했습니다. 3%의 오류를 강조하는 것을 생각해 보십시오. 이러한 센서 시스템은 상실의 무엇, 어디, 언제, 누구를.unlock합니다. 이것은 상실과 프로세스 편차 및 갭, 그리고 시간, 자원 및 노력의 낭비와 관련된 손실에 대한 새로운 이해의 변화를 촉발합니다.

이 모든 것이 식별되고 레이블링되면 변형할 수 있습니다. 그것이 AI가 들어오는 곳입니다. 새로운 “dots”을 연결하여 완전히 다른 데이터 계층을 표면화합니다. 예측 가능한, 매우 정확한 지능과 모델링은 업스트림 낭비의 영향을 정량화하고 가능한 조정의 상대적 가치를 평가하며 무작위의 비용을 설명하는 데 도움을 줄 수 있습니다. 효과적으로, 소매 업체가 반응적인 자세에서 프로액티브한 자세로 이동하도록 도와줍니다.

Re-ID 및 AI 기반 피트 트래픽 분석과 같은 기술을 사용하여, 소매 업체는 단순한 사람 수 세기에서 더 깊은 쇼퍼 행동 및 운영 통찰력을 얻을 수 있습니다. 이러한 전환에서 가장 변혁적인 사용 사례는 무엇입니까?

Re-ID는 작지만 대상화된 조정이 큰 영향을 미치는 운영 이해의 강력한 예입니다.

Re-ID는 실제로 한 가지 일을 합니다. 트래픽 측정을 정제합니다. 기술을 고유한 쇼퍼와 재진입, 직원 및 기타 방문자 범주를 정확하게 구분하는 것은 복잡하지만, 결과는 데이터 세트에 대한 간단한 변경으로서 상당한 개선을 驅動합니다.

트래픽 데이터는 아직도 다양한 지표를 지원하는 데 사용되며, 그 중에서 전환은 가장 주목할 만한 예입니다. 기록을 재진입을 반영하는 더 정확한 방문자 수로 트림하면 해석이劇的に 변경될 수 있습니다. 소매 업체는 고객 경험과 재정적 결과를 개선하기 위해 스태프, 플로어 플랜, 메시지 및 기타 관행을 정제할 수 있습니다.

이것은 이전에 논의한 센서매틱 솔루션즈의 에토스를體現합니다. 우리는 모든 이해관계자에게 혜택을 제공하는 대상화된, 고가치 조정을 위해 AI를 사용하고 있습니다.

센서매틱 솔루션즈는 최근 오비트 AI와 비디오 AI를 소개했습니다. 이 솔루션은 소매 업체에게 어떤 전략적 갭을 해결하며, 다른 소매 지능 플랫폼과 어떻게 차별화됩니까?

우리는 새로운 솔루션마다 특정한 도전을 염두에 둡니다. 오비트 AI와 비디오 AI의 경우, 우리는 소매 업체가 의사 결정에 대한 추측을 제거하고 신뢰할 수 있는, 구체적이고 상황에 맞는 데이터를 제공하는 데 중점을 두었습니다.

Re-ID의 혁신적인 오브젝트 인식 기술을 통해 오비트 AI와 비디오 AI는 소매 업체가 다음과 같은 것을 이해하도록 도와줍니다.

• 매장 전반에 걸친 체류 시간 패턴.
• 쇼퍼와 통행인之间의 구별.
• 쇼퍼의 여정을 추적하여 상품 레이아웃, 프로모션 및 광고 계획에 대한 트렌드를 식별합니다.
• 히트맵을 사용하여 방문객이 가장 많은 시간을 보낸 곳을 추적합니다.

오비트 AI와 비디오 AI는さらに 이를 발전시킵니다. 맞춤형 기계 학습 모델은 운영과 함께 적응하며, 매개 변수를 계속적으로 조정하고, 편향의 원인을 식별하며, 모델을歪曲하는 불필요하거나 불완전한 데이터를 제거합니다. 이러한 지속적인 개선은 각 통찰력이 현재의 현실을 반영하도록 합니다.昨日, 지난 주가 아니라. 이것은 소매 업계의 추세, 압력 및 조건이 빠르게 변경되는 것을 고려할 때 중요합니다.

센서매틱 솔루션즈는 데이터 사용과 센서 융합을 소매 혁신의 基 礎로 강조했습니다. 여러 센서 입력을 결합하여 경쟁 우위를 창출하는 방법은 무엇입니까?

클라우드 기반 분석은 운영을 연결하고 실로를 제거하는 데 도움을 주지만, 또한 낭비와 비효율성의 다양한 원인을 포함합니다. 많은 소매 업체는 이러한 문제가 시스템 내에 존재하는지조차 인식하지 못하고 있습니다. 효과적으로, 센서 융합은 초기 처리 및 통합 작업을 장치 자체(에지에서)로 이동시킵니다. 이는 중앙 서버에 전송되어야 하는 데이터 볼륨을 줄이고 전체 생태계에서 실시간 반응성을 가능하게 합니다.

예를 들어, 행동 분석을 고려해 보십시오. 전통적인 클라우드 기반 환경에서, 센서는 기본 수집 작업을 수행하며, 연속적으로 또는 주기적으로 원시 데이터를 중앙 컴퓨팅에 보내서 처리, 분석 및 행동을 취합니다. 예를 들어, 분석이 판매 플로어에서 의심스러운 행동의 신호를 나타낼 수 있습니다. 이는 일련의 응답 프로토콜을 트리거합니다. 이러한 정보(응답의 필요성)는 또한 전송되어야 합니다. 그리고虽然 전체 프로세스는 인간의 기준으로 빠르지만, 이미 정보를 A에서 B로, C에서 B로 보내는 시간을 잃었습니다.

비디오 AI와 오비트 AI의 융합 기능을 사용하면 이러한 추가적인 단계를 생략할 수 있습니다. 통합된 AI 및 ML 도구는 원시 데이터를 수집하는 즉시 분석하고, 그 결과에 따라 다음 단계를 우선순위로 정합니다. 이는 더욱 적절한 행동을 가능하게 합니다. 또한, 연속적인 전송을 제거함으로써, 에지 기반의 융합은 에너지需求을 줄이고 중앙 시스템의 부담을 줄입니다.

엔터프라이즈 규모에서 글로벌 하드웨어, 소프트웨어 및 데이터 플랫폼을 통합하는 것은 매우 복잡합니다. AI 기반 소매 인프라를真正로 확장 가능하게 만들기 위한 건축 원칙 또는 시스템 엔지니어링 접근 방식은 무엇입니까?

SAFe / Lean – Agile Systems Architecture에서 시작하는 것이 필수입니다. 이 기반은 안전하고, 경제적으로 스마트하고, 유연하며, 맞춤형(필요한 경우) 디자인 思考와 개발을 가능하게 합니다. 또한, 파트너 생태계에 대한 중립적인 접근 방식을 채택하는 것을 믿습니다. 이것은 파트너가 디지털 여정에서 어디에 있는지에 따라 그들을 만날 수 있도록 허용합니다. 이것은 계정 수준에서 레버리지를 만들고, SaaS 오퍼링이 필요한 회사나 모든 시스템/데이터를 온사이트에서 원하는 고유한 엔터프라이즈 조직을 지원하는 경로를 열어줍니다. 우리의 접근 방식은 다양한 활성화 경로를 지원하고, 하드웨어 옵션의 범위를 지원합니다.

많은 소매 업체는 분석을 측정 가능한 ROI로 연결하는 데 어려움을 겪습니다. 어떻게 조직이 고급 AI 통찰력을 직접 금융 결과와 운영 효율성에 연결하도록 도와줍니다?

이 질문은 Shrink Analyzer의 개발을 驅動했습니다. 디지털화 투자의 첫 번째 추진 이후, 소매 업체는 재고, 손실 및 기타 데이터의 산을 가지고 있었지만, 모든 것을 이해할 수 있는 도구가 없었습니다.

초기 목적은 지속적인 개선이지만, Shrink Analyzer의 첫 번째 작업은 항상 벤치마킹입니다. 이것이 이후 모든 개선의 基礎가 됩니다. 또한, 진행 상황을 추적하는 데 사용되는 참조 지점입니다. 이것이 많은 리더가 AI 열기에 빠진 이유이며, ROI를 추적하는 것이 इतन 어려웠던 이유입니다.

손실과 낭비의 “무엇, 언제, 어디”를 처음에 발견함으로써, Shrink Analyzer는 소매 업체가 전에 가지지 못했던 것을 제공합니다. 손실이 발생하는 방법에 대한 명확한, 정량화된 그림입니다. 실제로 손실이 발생하는 곳, 성과에 가장 큰 영향을 미치는 갭, 그리고 변경으로 인해 개선할 수 있는 기회를 보여줍니다. 여기서 소매 업체는 사용 사례를 테스트하고, 진행 상황을 추적하며, 증거를 컴파일하여 기술 투자가 성과를 개선하는 것을 확인할 수 있습니다.

가게가 더 많이 기기화됨에 따라, 개인 정보 보호와 신뢰는 중심적인 우려사입니다. 센서매틱 솔루션즈는 책임 있는 AI 배치를 어떻게 접근하고 있습니까?

저는 이 문제를 이전에 논의한 것과 같이 리더, 쇼퍼, 어소시에이트 모두를 위한 것으로 간주합니다. 소매 업체는 우리의 솔루션을 구입하는 사람들입니다. 그러나 어소시에이트와 쇼퍼가 시스템에 동의하지 않는다면, 우리는 성공할 수 없습니다. 그들의 만족도는 우리의 고객과 우리에게 필수적입니다.

이것이 우리의 개인 정보 보호 설계 접근 방식을 驅動합니다. 즉, 우리는 솔루션의 처음부터 소비자 가드레일을 구축합니다. 이것은 우리를 호기심 많고 창의적으로 만듭니다.

Re-ID의 설계는 이를 보여줍니다. 그들의 여정 매핑 및 트래픽 카운팅 기능은 개별 세부 사항의 변형과 조합을 사용하여 방문객에게 고유한 ID를 할당합니다. 이것은 효과적입니다.

소매 업체는 상실 예방, 재고 관리, 고객 경험을 개선하기 위해 데이터 驅動 시스템을 사용할 수 있습니다. 센서매틱 솔루션즈는 이러한 시스템을 제공하여 소매 업체가 운영을 최적화하고, 손실을 줄이고, 고객 만족도를 높일 수 있도록 지원합니다.

소매 업체는 공급망 불안정성, 조직화된 소매 범죄, 노동 압력, 디지털 경쟁과 같은不断한 혼란을 겪고 있습니다. AI 기반 인프라는 어떻게 안정화 요소로 작용할 수 있습니까?

데이터 驅動 시스템은 조직을 단일한 진실과 공유된 목표로 정렬함으로써 안정성을 제공합니다. AI를 추가하면 이 안정성을 강화합니다.

데이터 자체는 여전히 해석의 여지가 있습니다. 이해관계자의 결론은 자신의 우선순위에 의해 영향을 받습니다. AI는 이 문제를 완화할 수 있습니다. 데이터를 분석하면서, 운영에 대한 편향을 가지지 않습니다. 시스템이 의도한 대로 작동한다면, 개인의 우선순위가 다른 리더는 분석, 추천 및 예측 모델이 비즈니스의 운영 현실을 반영한다는 것을 신뢰할 수 있습니다. 이것은 공平한 게임 필드를 만듭니다. 따라서 가장好的 다음 단계가 모든 사람에게 가치가 있기 때문에浮上합니다.

5년에서 10년 후를 내다보면, 완전히 AI 최적화된 물리적 소매 환경은 어떠한 모습일까요? 그리고 리더들은 그 미래를 준비하기 위해 지금 어떤 전략적 단계를 취해야 합니까?

모든 소매 업체의 AI 준비도를 위한 일괄적인 로드맵을 가리킬 수는 없습니다. 그러나 기초는 어느 정도 보편적입니다. 모든 소매 업체는 다음을 필요로 합니다.

• 통합 데이터베이스는 운영의 모든 영역에 대한 포괄적인 기록을 제공합니다. 이것이 없으면, 가장 능력 있고 발전된 모델도 유용한 통찰력을 제공할 수 없습니다. 그들은 컨텍스트가 필요합니다.
• 신뢰할 수 있는 벤치마크는 관련 비즈니스 데이터에 기반합니다. 이것은 투자에 대한 출발점을 제공하고, 진행 상황을 측정하는 데 사용되는 참조 지점입니다.
• 교육 및 업스킬링 계획. AI는 독립적인 배우자가 아닙니다. 많은 것을 할 수 있지만, 이를 사용하는 사람들은 그 기능과 제한을 이해해야 합니다. 소매 업체는 기술에 대한 계획과 소통을 초기에 시작해야 하며, 어소시에이트와 직원이 준비되도록 해야 합니다.
• 리더십. 변革은 장기 프로젝트입니다. 리더는 이니셔티브에 자원을 투입하고, 조직을 통해 안내하기 위해 준비되어야 합니다.

감사합니다. 더 많은 정보를 원하는 독자는 센서매틱 솔루션즈 또는 다이버전트 테크놀로지 어드바이저스를 방문할 수 있습니다.