Richard Potter, mede-oprichter en CEO van Peak – Interviewreeks

Richard Potter is de mede-oprichter en CEO van Peak, een platform dat data-engineers, data-wetenschappers en commerciële beslissers alles biedt om AI-gedreven oplossingen te bouwen en te ondersteunen in het hele bedrijf.

Kunt u het verhaal achter Peak delen?

Het idee voor Peak begon als een gesprek in een pub over alle verschillende business intelligence-producten die op dat moment beschikbaar waren. Mijn mede-oprichters, Atul Sharma en David Leitch, en ik vroegen ons af waarom zo weinig bedrijven data konden omarmen voor besluitvorming. We wilden een manier vinden om dingen voor bedrijven te vereenvoudigen, om silo’s binnen ondernemingen af te breken zodat teams samen konden werken en iedereen in staat zou zijn om nuttige resultaten op basis van data te behalen. Dit leidde ons naar het platform, dat teams verenigt rond een product dat is gebouwd om bedrijven met AI te optimaliseren.

Kunt u Decision Intelligence voor ons publiek beschrijven?

Decision Intelligence is de toepassing van AI om commerciële beslissingen te optimaliseren. Het is gericht op resultaten, wat betekent dat DI-oplossingen zijn gebouwd om een tastbaar resultaat te leveren, zoals een hoger verkooppercentage of marge.

Een van uw voorspellingen voor 2022 is dat een nieuwe discipline van datawetenschap ontstaat. Kunt u hier meer over vertellen?

Naarmate de commerciële investeringen in AI toenemen en datawetenschap volwassener wordt, ontstaat een nieuwe discipline van datawetenschap die begint met het einddoel in gedachten.

Traditionele datawetenschapsprojecten beginnen met het begrijpen van de beschikbare data en wat er mee kan worden gedaan. Het resultaat zijn hypothetische oplossingen voor data-problemen, in plaats van AI-oplossingen die de bedrijfsprestaties kunnen verbeteren.

Door vanaf het begin van een project te focussen op resultaten en te begrijpen wat praktisch is met de beschikbare data, prioriteert deze nieuwe discipline van datawetenschap het implementeren van oplossingen door vanaf het eind te beginnen. Het stelt bedrijven in staat om hun AI sneller te implementeren en de waarde van hun AI-strategie te ontsluiten.

Peak heeft een kunstmatig intelligentiesysteem gebouwd dat een centraal intelligentiesysteem binnen een bedrijf vormt. Het aggregatieert data en implementeert machine learning om resultaten te produceren. Welke soorten machine learning-algoritmen worden gebruikt?

Het Peak-platform gebruikt een breed scala aan machine learning- en modelleringstechnieken – de keuze betekent dat we elk project met de meest geschikte methode kunnen aanpakken. We kunnen gebruikmaken van begeleide en onbegeleide methoden, evenals voorspellings- of optimalisatietechnieken, afhankelijk van het probleem dat wordt opgelost. Deze kunnen in ons platform worden gebouwd met behulp van Python, R en SQL.

Met deze flexibiliteit en breedte van keuze kunnen klanten van Peak hun eigen unieke AI voor hun bedrijf bouwen. Dit is wat organisaties nodig hebben om echt Decision Intelligence te omarmen. Elk bedrijf zou geen standaard AI moeten hebben, maar iets dat specifiek voor hen is gebouwd.

Hoe stelt Peak bedrijven in staat om hun grootste activa – data – te gebruiken om verkoop en winst te verhogen?

Het Peak-platform draait toepassingen die specifiek zijn ontworpen om resultaten te leveren, of het nu gaat om het verhogen van de verkoop of het vergroten van de winst (of beide!). Deze toepassingen omvatten de wereld van marketing, verkoop, merchandising, voorraadbeheer, prijsstelling en supply chain. Aangezien het zich uitstrekt over de gehele dataset van een organisatie, kan het Decision Intelligence-platform van Peak optimaliseren over de hele waardeketen, waardoor real-time inzichten en aanbevelingen worden geboden die elke functie binnen een bedrijf ten goede komen. Dit is een complexe matrix en Decision Intelligence is het perfecte instrument om ervoor te zorgen dat elke beslissing die wordt genomen, correct is.

Peak lijkt op het eerste gezicht volledig geserviced, moeten bedrijven die de dienst gebruiken AI-engineers in dienst hebben om het platform te gebruiken?

Het Peak-platform heeft drie kernmogelijkheden die gebruikers in staat stellen:

1. Data vanuit het hele bedrijf te combineren en AI-klaar te maken.
2. Een centrale intelligentie te bouwen en te trainen die AI-modellen gebruikt om een voorspellend beeld van hun organisatie te bieden.
3. Een interface te bieden voor gebruikers van de business om interactie te hebben met modellen die besluitvorming over meerdere functies leiden.

Sinds de oprichting in 2015 heeft Peak een model aangeboden waarin ons platform en toepassingen voor onze klanten worden geïmplementeerd door ons klantensucces- en datawetenschapsteam. We zien steeds vaker een groeiend aantal Peak-klanten die zelfstandig op het platform werken, hun eigen toepassingen bouwen of de standaardtoepassingen van Peak zelf implementeren.

Kunt u enkele voorbeelden geven van hoe Peak bedrijven in staat stelt om hun supply chain te optimaliseren?

Een goed voorbeeld zou een magazijnbeheerder zijn die te maken heeft met een voorraadprobleem. Traditioneel zouden ze handmatig bestellingen voor overschreven SKU’s moeten verhogen, bestelvolumes sporadisch moeten aanpassen om rekening te houden met de volatiliteit van de vraag.

Maar met de hulp van een DI-platform kan de magazijnbeheerder proactief zijn in plaats van reactief. Door omstandigheden in het bredere bedrijf te overwegen, beveelt het DI-platform van de beheerder aan om bestellingen van de leverancier te verlagen. Het klinkt tegenintuïtief als er een hoge vraag is, maar het DI-platform heeft vastgesteld dat het bedrijf een magazijn heeft met een depot in een naburige county met 2.000 eenheden van die SKU die daar niet worden verkocht. Het heeft het logistieke team al gewaarschuwd en heeft de geplande levering via dat magazijn gerouteerd om de extra SKU’s op te halen. Het zal hetzelfde model blijven uitvoeren voor commerciële teams in het hele bedrijf, waarbij de aanbevolen actie wordt aangepast naarmate de inzichten van de data veranderen en elke afdeling actie onderneemt.

Nog een use case is het terugdringen van afval en energieverbruik, kunt u enkele voorbeelden geven van klanten die dit bereiken met Peak?

Een wereldwijde CPG-detaillist maakt momenteel gebruik van Decision Intelligence om zowel het transportnetwerk te optimaliseren als de verspilling van goederen tussen fabrieken, distributiecentra en winkels te verminderen. Het doel van het bedrijf is om koolstofemissies te verminderen en de winstmarge te verhogen.

Met behulp van data uit voorraad, vraag en voorraad, evenals Electronic Point of Sale (EPOS) en klantgegevens, gebruikt het bedrijf DI om de voorraadniveaus in elk distributiecentrum te optimaliseren en de beweging van voorraad tussen meerdere centra te coördineren, waarbij factoren zoals vraag (feitelijk en voorspeld), productie-uitvoer, verwerkingskosten en transportkosten worden meegenomen. De oplossing verlaagde de logistieke kosten met 10% en vermindert het aantal vrachtwagenritten tussen centra met 200.000 km, wat overeenkomt met een reductie van 147 Metric Tonnes (MT) aan CO2-uitstoot in de eerste acht maanden van de implementatie.

Een toonaangevende producent en leverancier van aggregaten voor de bouwsector, met een totale vloot van 400 voertuigen, kon het aantal banen per chauffeur met 15% verhogen en het aantal kilometers per baan met 3% verlagen met een geautomatiseerde DI-planningoplossing die de vraag naar banen en annuleringen voorspelt, de productiviteit van voertuigen maximaliseert en voertuigroutes plant.

Wat is uw visie voor de toekomst van Peak?

We willen Decision Intelligence in handen van elk bedrijf leggen en een bedrijf bouwen waar mensen graag deel van uit willen maken. Dit betekent dat uitbreiding om meer klanten wereldwijd te ondersteunen onze topprioriteit is en we uitbreiden in zowel de VS als India, met Clubhouses in New York, Mumbai en Pune. Duurzame hoge prestaties zijn daarbij essentieel; we willen dat Peakers een groot deel van hun carrière bij ons doorbrengen, we willen geen mensen die binnen een paar jaar uitgebrand raken. .

We investeren zwaar in R&D na onze succesvolle Series C-rondes die vorig jaar augustus werden afgesloten. Naarmate we meer spannende platformfuncties vrijgeven en wereldwijd uitbreiden, zijn we enthousiast om de toepassingen te zien die datawetenschapsteams buiten Peak met het platform ontwikkelen – veel van wat DI kan, zal in de praktijk worden ontdekt.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Peak bezoeken.