Myron Burke, Lider Zarządzania Rozwiązaniami w Sensormatic Solutions – Seria Wywiadów

Myron Burke, szef globalnego produktu i rozwiązań w Sensormatic Solutions, identyfikuje i wdraża nowe sposoby przyspieszania innowacji, zwiększania szybkości i dostarczania większej wartości klientom za pomocą strategicznej mapy rozwiązań.

Myron jest doświadczonym liderem z ponad 25-letnim doświadczeniem w handlu detalicznym, w tym w Walmart i Sam’s Club, dostarczając innowacje na dużą skalę. Ostatnio Myron założył Divergent Technology Advisors, firmę doradczą technologiczną dla handlu detalicznego, która wspiera dużych detalistów, dostawców technologii i startupy w zakresie strategii technologicznej, planowania wejścia na rynek, ekspansji na rynki międzynarodowe i więcej.

Sensormatic Solutions, wiodący globalny portfel rozwiązań handlu detalicznego Johnson Controls, umożliwia bezpieczne, zabezpieczone i bezproblemowe doświadczenia handlu detalicznego. Przez ponad 60 lat marka ta była na czele szybko rozwijającej się adopcji technologii w branży, zmieniając operacje handlu detalicznego na skalę globalną i przekształcając spostrzeżenia w działania. Sensormatic Solutions dostarcza połączony ekosystem rozwiązań zapobiegania stratom, inteligencji inwentaryzacji i wglądu w ruch, wraz z usługami i partnerami, aby umożliwić detalistom na całym świecie innowacje i podniesienie precyzyjności, łącząc wyniki oparte na danych, które kształtują przyszłość handlu detalicznego.

Spędziłeś ponad 25 lat na przecięciu operacji handlu detalicznego i wschodzących technologii — od kierowania strategią RFID i innowacjami w sklepach w Walmart i Sam’s Club, do inkubowania następnych pokoleń koncepcji w Store No. 8, a teraz kierujesz Globalnym Produktem i Rozwiązaniami w Sensormatic Solutions. Jak te doświadczenia ukształtowały twoją filozofię dotyczącą wdrożenia AI i technologii sensorycznych w środowiskach handlu detalicznego?

Zajmuję bardzo pragmatyczne podejście do wdrożenia AI i zachęcam swój zespół i klientów Sensormatic Solutions do tego samego. Moje doświadczenie po obu stronach równania udowodniło wielokrotnie, że budowanie w ten sposób jest kluczem do udanej transformacji.

Sensormatic Solutions działa na bardzo prostym założeniu przez ostatnie 60 lat: Technologia udaje się, gdy skuteczność operacyjna i prawdziwe wyzwania detalistów są w centrum. Wydaje się to oczywiste — szczególnie dla tych, którzy pozostają blisko nowych narzędzi — ale to podstawowe założenie zostało w pewnym stopniu zapomniane wśród wszystkiego szumu wokół AI.

Ciśnienie, aby działać szybko i nadążyć za rynkiem, było i pozostaje wysokie zarówno w rozwoju rozwiązań, jak i w przyjęciu przez klientów, ale budowanie narzędzi, które naprawdę wypełniają luki, jest bardziej wpływowe niż próby włączania funkcjonalności AI do każdego produktu. Jesteśmy skupieni na znalezieniu miejsc, w których uproszczony zbiór, fuzja, analiza i działanie napędzają pomiarowalne poprawy. To skupienie rozciąga się również na zestawy danych, których AI będzie używać — ukierunkowane, kontrolowane i oczyszczone zestawy danych są kluczem do dostarczania trwałej wartości AI, szczególnie wśród zróżnicowanych klientów.

Coś, co również mamy na uwadze, to to, że jest to prawdą we wszystkich możliwych użytkownikach: decydentach korporacyjnych, klientach i pracownikach. Z każdym nowym rozwiązaniem lub aktualizacją pytamy siebie, czy dostarczamy wartość wszystkim trzem interesariuszom w równym stopniu, ponieważ każda grupa jest niezbędna dla sukcesu handlu detalicznego.

Te wewnętrzne założenia naturalnie przekładają się na rozwiązania, które pomagają detalistom przyjąć podobne stanowisko, oferując narzędzia, które wspierają znaczącą poprawę za pomocą praktycznych, dostosowanych projektów systemów. Wdrożenie AI nie jest jednorazowe, a także programy, które budujemy z klientami.

Sensormatic Solutions coraz częściej prezentuje AI i zaawansowaną analitykę ML jako podstawowe elementy nowoczesnej inteligencji operacyjnej handlu detalicznego. Jak AI zmienia to, co oznacza „zapobieganie stratom” w świecie omnichannel?

Najprostsze odpowiedzi to widoczność z szybkością. AI pomaga naprawdę rozwiązać zagadkę strat i dostarczyć pełny widok całkowitych strat handlu detalicznego. Rzeczywistość jest taka, że możesz zauważyć tylko te straty, które możesz zobaczyć, prawda? Przez większość historii branży widoczność strat była możliwa tylko na podstawowym, powierzchniowym poziomie, z programami skoncentrowanymi na przedmiotach, które powinny być dostępne do sprzedaży, ale nie są. Możesz mieć pewne pojęcie, czy przedmiot został skradziony, uszkodzony podczas transportu czy uszkodzony na półce, ale śledzenie tych rodzajów rzeczy w skali było trudne, jeśli nie niemożliwe.

Podłączone analityki i systemy sensoryczne rozszerzyły to, co detalenci mogą zobaczyć, śledzić i zmierzyć. Pomyśl o tym, jak podkreślić 3% błędu, który jest ukryty w ogromnych ilościach generowanych danych. Te systemy sensoryczne odblokowują to, co, gdzie, kiedy i kto strat, co — samo w sobie — wywołuje transformację w zrozumieniu wokół strat i przesunięcie paradygmatu w kierunku „całkowitych strat handlu detalicznego”. To poszerzone zakres pozwala detalistom zobaczyć kolejną warstwę operacji i całkowicie nowy zestaw potencjalnych czynników strat związanych z odchyleniami procesowymi i lukami, a także z marnowanym czasem, zasobami i wysiłkiem.

Gdy wszystko to zostanie zidentyfikowane i oznaczone, można je przekształcić. To jest miejsce, w którym AI pojawia się. Łączy te nowe „kropki”, często w czasie rzeczywistym, aby wyświetlić całkowicie inny poziom danych. Przewidywalna, wysoko dokładna inteligencja i modelowanie mogą pomóc w ilościowaniu wpływu marnowania, ważeniu względnej wartości możliwych dostosowań i ilustrowaniu kosztu braku działania. Skutecznie umożliwia detalistom przesunięcie swojego stanowiska z reaktywnego na proaktywne, pomagając im przedefiniować straty jako okazje do poprawy.

Z technologią taką jak Re-ID i analityka ruchu pieszych zasilana przez AI, detalenci mogą teraz wyjść poza proste liczenie ludzi do głębszych spostrzeżeń behawioralnych i operacyjnych. Jakie najbardziej przełomowe przypadki użycia widzisz, które wynikają z tego przesunięcia?

Re-ID, dla mnie, jest potężnym przykładem małych, ukierunkowanych dostosowań, które mają ogromny wpływ na zrozumienie operacyjne.

Re-ID naprawdę robi jedną rzecz: udoskonala pomiary ruchu. Oczywiście, uzyskanie technologii, która może dokładnie oddzielić unikalnych klientów od ponownych wejść, personelu i innych kategorii odwiedzających, jest złożone, ale wynik jest bardzo prostą zmianą w zestawach danych, która napędza znaczącą poprawę zrozumienia.

Dane ruchu nadal podtrzymują szeroki zakres wskaźników w całej branży, z konwersją, być może najbardziej znaną. Po prostu przycinając rekordy, aby odzwierciedlić bardziej dokładne liczenie poszczególnych odwiedzających, może dramatycznie zmienić interpretacje, umożliwiając detalistom udoskonalić obsadę, plany pięter, komunikaty i wiele innych praktyk, aby poprawić doświadczenia klientów i wyniki finansowe.

To jest wcielenie etosu, o którym wcześniej dyskutowaliśmy, jako centralnym dla sukcesu Sensormatic Solutions w ciągu ostatnich 60 lat. Używamy AI, aby dokonywać ukierunkowanych, wysoko wartościowych dostosowań, które korzystają wszystkim w równym stopniu.

Sensormatic Solutions niedawno wprowadził Orbit AI i Video AI jako część swoich możliwości zachowań gości sklepu. Jakie strategiczne luki rozwiązuje to rozwiązanie dla detalistów, i jak różni się od innych platform inteligencji handlu detalicznego?

Podejście do każdego nowego rozwiązania z konkretnym wyzwaniem na uwadze. Dla Orbit AI i Video AI koncentrowaliśmy się na oddzieleniu „sygnału od szumu”, aby dać detalistom niezawodne, specyficzne i kontekstowe dane, które usuwają niepewność z decyzji.

Re-ID’s innowacyjna technologia rozpoznawania obiektów umożliwia Orbit AI i Video AI, aby pomóc detalistom:

• Zrozumieć wzorce czasu pobytu w całym sklepie.
• Odróżnić klientów od przechodniów.
• Śledzić podróże klientów, aby zidentyfikować trendy, które informują układ merchandisingu, plany promocyjne i reklamowe.
• Wykorzystać mapy cieplne, aby śledzić, gdzie odwiedzający spędzają najwięcej czasu.

Orbit AI i Video AI idą o krok dalej, ponieważ ich dostosowane modele uczenia maszynowego dostosowują się wraz z operacjami. System uczy się o każdej firmie i lokalizacji w czasie, ciągle dostosowując parametry, identyfikując źródła stronniczości i pracując nad usunięciem redundantnych lub niepełnych danych, które zniekształcają modele. To ciągłe udoskonalenie zapewnia, że każde spostrzeżenie odzwierciedla rzeczywistość sklepu teraz. Nie wczoraj; nie tydzień temu. To jest krytyczne, ponieważ trendy handlu detalicznego, presje i warunki zmieniają się w szybkim tempie.

Orbit AI i Video AI zostały zaprojektowane z myślą o łatwości integracji i z kluczowymi barierami dla adopcji. Zintegrowany projekt czujników, podejście na krawędzi i możliwości Re-ID pozwalają detalistom uzyskać te spostrzeżenia z mniejszą ilością urządzeń, ułatwiając wdrożenie i dostępność narzędzi analitycznych dla firm wszystkich rozmiarów. To jest kontynuacja naszych dekad pracy ukierunkowanej na udostępnianie inteligentnych spostrzeżeń branży w ogóle.

Podkreślałeś ustrukturyzowane wykorzystanie danych i fuzję sensoryczną jako podstawowe dla rewolucji handlu detalicznego. Jak łączenie wielu wejść sensorycznych tworzy przewagę konkurencyjną w porównaniu z narzędziami analitycznymi w izolacji?

Analityka oparta na chmurze pomaga łączyć operacje i usuwać izolację, ale również obejmuje szereg czynników marnowania i nieskuteczności — i wiele detalistów nawet nie zdaje sobie z tego sprawy, że te czynniki są obecne w ich systemach. Skutecznie, fuzja sensoryczna przenosi początkowe zadania przetwarzania i integracji do samego urządzenia (na krawędzi), redukując ilość danych, które muszą być przesyłane do centralnych serwerów i umożliwiając odpowiedź w czasie rzeczywistym w całym ekosystemie.

Weźmy na przykład analitykę behawioralną. W tradycyjnym środowisku opartym na chmurze czujniki wykonywałyby podstawowe zadania zbierania, ciągle (lub okresowo) wysyłając surowe dane do centralnego komputera do przetwarzania, analizy i działania. Powiedzmy, że analiza ujawnia sygnały podejrzanej aktywności na podłodze sprzedaży, co wyzwala serię protokołów odpowiedzi. Dobrze, ta informacja — potrzeba odpowiedzi — również musi być przesłana. I chociaż cały proces jest szybki według ludzkich standardów, już straciłeś czas, wysyłając i otrzymując informacje z A do B do C do B i tak dalej.

Z możliwościami fuzji Video AI i Orbit AI możemy wyeliminować te dodatkowe kroki. Zintegrowane narzędzia AI i ML analizują surowe dane w momencie ich zbierania i priorytetowo traktują następne kroki na podstawie swoich ustaleń, umożliwiając bardziej terminowe działanie. Dodatkowo, eliminując potrzebę ciągłych transferów do większych systemów, fuzja na krawędzi redukuje zapotrzebowanie na energię i obciążenie systemu centralnego.

Na skalę przedsiębiorstw, integracja globalnych platform sprzętowych, oprogramowania i danych jest notorycznie złożona. Jakie założenia architektoniczne lub podejścia inżynierii systemów są kluczowe dla uczynienia infrastruktury handlu detalicznego napędzanego przez AI naprawdę skalowalną?

Jest to niezbędne, aby zacząć od SAFe / Lean – Agile Systems Architecture. To podstawy umożliwiają bezpieczne, ekonomicznie rozsądne, elastyczne i dostosowalne (jeśli potrzebne) projektowanie i rozwój. Wierzę również w pracę nad wykorzystaniem podejścia agnostycznego do ekosystemów partnerskich — pozwalając nam spotkać partnerów tam, gdzie są oni w swojej cyfrowej podróży. To umożliwia nam stworzenie przewagi na poziomie konta i otwiera ścieżki do wspierania firm, które potrzebują więcej oferty SaaS lub tych unikalnych organizacji przedsiębiorstw, które chcą wszystkie systemy i dane na miejscu. Nasze podejście umożliwia wiele ścieżek do wdrożenia i wspiera szeroki zakres opcji sprzętowych.

Wielu detalistów ma trudności z przekładaniem analiz na wymierne ROI. Jak pomagasz organizacjom połączyć zaawansowane spostrzeżenia AI bezpośrednio z wynikami finansowymi i wydajnością operacyjną?

To pytanie pomogło napędzić rozwój Shrink Analyzer. Po pierwszym rodzaju inwestycji w digitalizację detalenci mieli góry danych inwentaryzacyjnych, strat i innych, ale brakowało im narzędzia, aby zrozumieć to wszystko.

Chociaż jego podstawowym celem jest ciągła poprawa, pierwszym zadaniem Shrink Analyzer jest zawsze ustalenie punktu odniesienia w momencie wdrożenia. To jest pierwszy krok, i jest to to, co umożliwia wszystkie poprawy następnie, a także służy jako punkt odniesienia do śledzenia postępu w kategoriach, które mają znaczenie dla biznesu. To jest krok, który wielu liderów przegapił w szumie wokół AI, i to jest powód, dla którego śledzenie ROI było takim wyzwaniem w całej branży.

Poprzez ujawnienie „czego, kiedy i gdzie” marnowania i strat na początku, Shrink Analyzer może przetłumaczyć to wszystko na coś, czego detalenci nie mieli wcześniej: wyraźny, ilościowy obraz, jak straty występują na dużą skalę.

Pokazuje, gdzie straty naprawdę występują, luki, które mają największy wpływ na wyniki, i okazje do zmian, które mogą pomóc obniżyć tę liczbę. Stamtąd detalenci mogą zacząć testować przypadki użycia, śledzić postępy i dostosowywać się, aby skompilować przekonywujące dowody, że ich inwestycje w AI i inne technologie przesuwają igłę.

Prywatność i zaufanie są centralnymi problemami, gdy sklepy stają się bardziej zinstrumentowane. Jak Sensormatic Solutions podchodzi do odpowiedzialnego wdrożenia AI, jednocześnie umożliwiając wysokowydajną inteligencję operacyjną?

Widzę tę kwestię jako część tego, o czym wcześniej dyskutowaliśmy — budowanie dla liderów, klientów i pracowników w równym stopniu. Tak, detalenci są ludźmi, którzy kupują nasze rozwiązania, ale nie możemy odnieść sukcesu, jeśli pracownicy i klienci nie są zadowoleni z systemów. Ich satysfakcja jest niezbędna dla naszych klientów i dla nas.

To napędza nasze podejście do prywatności od samego początku w całym procesie badawczo-rozwojowym. Innymi słowy, wbudowujemy konsumenckie bariery ochronne w rozwiązanie od samego początku, co utrzymuje nas ciekawych i kreatywnych.

Projekt Re-ID jest tego przykładem. Jego możliwości mapowania podróży i liczenia ruchu wykorzystują wariacje w i kombinacje indywidualnych, nieidentyfikujących szczegółów — takich jak styl i kolor włosów, projekt i akcesoria odzieży — aby przypisać unikalne ID odwiedzających. Możesz pomyśleć, że jest zbyt wiele nakładania się w ubiorze lub stylu, aby to było skuteczne, ale odkryliśmy, że gdy są one rozważane razem, te rodzaje spostrzeżeń są wystarczająco unikalne, aby z całą pewnością powiedzieć „ta osoba pracuje tutaj” lub „ta osoba odwiedziła godzinę temu”.

Nigdy byśmy nie wiedzieli, gdybyśmy nie byli zmuszeni do myślenia poza schematami od samego początku. Gdy regulacje zmieniają się, a obawy klientów dotyczące prywatności rosną, organizacje, które przyjmują ten punkt widzenia wcześnie, prawdopodobnie będą prowadzić w innowacjach, ponieważ są już przyzwyczajone do kreatywnego rozwiązywania problemów.

Detalenci nawigują przez ciągłe zakłócenia — zmienność łańcucha dostaw, zorganizowaną przestępczość detaliczną, presje na rynku pracy i konkurencję cyfrową. Jak infrastruktura handlu detalicznego napędzana przez AI może służyć jako stabilizująca siła, a nie jako kolejna warstwa złożoności?

Systemy oparte na danych zapewniają stabilność, wyznaczając organizację wokół jednej prawdy i wspólnego celu. Dodanie AI wzmacnia tę pewność.

Dane same w sobie nadal podlegają interpretacji, a wnioski decydentów są zabarwione przez ich własne priorytety. AI może złagodzić ten problem, analizując dane w całej operacji bez uprzedzeń wobec jednego punktu widzenia. Jeśli system działał zgodnie z założeniami, liderzy z konkurencyjnymi priorytetami osobistymi mogą ufaj, że analizy, zalecenia i modele predykcyjne odzwierciedlają rzeczywistość operacji biznesu. To wyrównuje pole, aby najlepszy następny krok wynurzył się na górze, ponieważ jego wartość jest jasna dla wszystkich.

Spójrzając w przyszłość pięć do dziesięciu lat, jak wygląda w pełni zoptymalizowane środowisko handlu detalicznego, a jakie strategiczne kroki powinni podejmować liderzy, aby przygotować się do tej przyszłości?

Nie ma jednej, pasującej do wszystkich mapy drogowej do naszej gotowości do AI, ponieważ to naprawdę jest o budowaniu systemów, które działają dla każdego detalisty. Jednak podstawa do tego jest w pewnym stopniu powszechna. Każdy detalista potrzebuje:

• Ujednoliconej bazy danych, która zapewnia kompletny zapis wszystkich obszarów operacji. Bez tego nawet najbardziej zdolne i zaawansowane modele nie będą w stanie dostarczyć użytecznych spostrzeżeń. Potrzebują one kontekstu, aby je dostarczyć.
• Nadaje się do zaufania punkty odniesienia oparte na istotnych danych biznesowych. To służy jako punkt startowy dla inwestycji i zapewnia punkt odniesienia do śledzenia postępu.
• Plany szkolenia i rozwoju. AI nie jest niezależnym aktorem. Może ono wiele zrobić, ale ludzie, którzy je używają, muszą zrozumieć jego funkcje i ograniczenia. Detalenci muszą zacząć planować i komunikować o technologii wcześnie i często, aby pracownicy i pracownicy byli gotowi, gdy nadejdzie czas.
• Liderzy, którzy się troszczą. Transformacja to długoterminowy projekt, a liderzy muszą być gotowi do zaangażowania się w inicjatywę na dłuższą metę i z entuzjazmem prowadzić organizację przez nią.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Sensormatic Solutions lub Divergent Technology Advisors.