Richard Potter, Współzałożyciel i Dyrektor Generalny Peak – Seria Wywiadów

Richard Potter jest Współzałożycielem i Dyrektorem Generalnym Peak, platformy, która zapewnia inżynierom danych, naukowcom i osobom podejmującym decyzje handlowe wszystko, co niezbędne do budowy i obsługi rozwiązań opartych na sztucznej inteligencji w całej firmie.

Czy mógłbyś podzielić się historią powstania Peak?

Pomysł na Peak zaczął się jako rozmowa w pubie na temat różnych produktów business intelligence, które były dostępne w tamtym czasie. Moi współzałożyciele, Atul Sharma i David Leitch, i ja zastanawialiśmy się, dlaczego tak niewiele firm może wykorzystywać dane do podejmowania decyzji. Chcieliśmy znaleźć sposób, aby uprościć rzeczy dla firm, aby zburzyć bariery wewnątrz przedsiębiorstw, aby zespoły mogły współpracować i każdy mógł wykorzystywać użyteczne wyniki oparte na danych. To doprowadziło nas do platformy, która łączy zespoły wokół produktu zaprojektowanego do optymalizacji biznesu za pomocą sztucznej inteligencji.

Czy mógłbyś opisać, co to jest Inteligencja Decyzyjna dla naszej publiczności?

Inteligencja Decyzyjna to zastosowanie sztucznej inteligencji do optymalizacji decyzji handlowych. Jest ukierunkowana na wynik, co oznacza, że rozwiązania DI są zaprojektowane do dostarczania namacalnego wyniku, takiego jak wyższy wskaźnik sprzedaży lub marży.

Jedną z Twoich prognoz na rok 2022 jest to, że pojawia się nowa dyscyplina nauki o danych. Czy mógłbyś wyjaśnić to?

Ponieważ inwestycje handlowe w sztuczną inteligencję rosną, a nauka o danych dojrzewa, pojawia się nowa dyscyplina nauki o danych, która zaczyna się od końca.

Tradycyjne projekty nauki o danych zaczynają się od zrozumienia dostępnych danych i tego, co można z nimi zrobić. Rezultatem są hipotetyczne rozwiązania problemów z danymi, a nie rozwiązania sztucznej inteligencji, które mogą poprawić wyniki biznesowe.

Poprzez koncentrowanie się na wynikach od samego początku projektu i zrozumieniu, co jest praktyczne z dostępnymi danymi, nowa dyscyplina nauki o danych priorytetem jest wdrożeniem rozwiązań, zaczynając od końca. Umożliwia firmom szybsze wdrożenie sztucznej inteligencji i odblokowanie wartości z ich strategii sztucznej inteligencji.

Peak zbudował system sztucznej inteligencji, który staje się centralnym systemem inteligencji w firmie. Agreguje dane i wdraża uczenie maszynowe, aby następnie wyświetlić wyniki. Jakie typy algorytmów uczenia maszynowego są używane?

Platforma Peak wykorzystuje szeroki zakres technik uczenia maszynowego i modelowania – wybór pozwala nam podejść do każdego projektu w najbardziej odpowiedni sposób. Możemy używać zarówno metod nadzorowanych, jak i nienadzorowanych, a także technik przewidywania lub optymalizacji, w zależności od rozwiązywanego problemu. Mogą one być zbudowane na naszej platformie przy użyciu języków Python, R i SQL.

Z tą elastycznością i szerokim wyborem Peak umożliwia swoim klientom budowanie własnej sztucznej inteligencji, unikalnej dla ich biznesu. To jest to, czego potrzebują firmy, aby naprawdę zaadoptować Inteligencję Decyzyjną. Każda firma nie powinna mieć standardowej sztucznej inteligencji, ale coś zbudowanego specjalnie dla nich.

Jak Peak umożliwia firmom wykorzystanie ich największego aktywa – danych – do zwiększenia sprzedaży i zysków?

Platforma Peak uruchamia aplikacje zaprojektowane specjalnie do dostarczania wyników, takich jak zwiększenie sprzedaży lub wzrost zysków (lub obu!). Te aplikacje obejmują świat marketingu, sprzedaży, merchandisingu, zarządzania zapasami, cen i łańcucha dostaw. Ponieważ znajduje się ona w całej bazie danych organizacji, platforma Decision Intelligence Peak może optymalizować cały łańcuch wartości, dostarczając w czasie rzeczywistym wglądy i rekomendacje, które korzystają każdej funkcji w firmie. Jest to złożona macierz, a Inteligencja Decyzyjna jest idealnym narzędziem do zapewnienia, że każda podjęta decyzja jest słuszna.

Peak wydaje się być w pełni obsługiwany, czy firmy korzystające z usługi muszą mieć inżynierów sztucznej inteligencji, aby korzystać z platformy?

Platforma Peak ma trzy podstawowe możliwości, które pozwalają użytkownikom:

1. Połączyć dane z całej organizacji i uczynić je gotowymi do sztucznej inteligencji.
2. Zbudować i przeszkolić scentralizowaną inteligencję, która wykorzystuje modele sztucznej inteligencji, aby zapewnić przewidywalny widok ich organizacji.
3. Zapewnić interfejs dla użytkowników linii biznesowych, aby współpracować z modelami, które prowadzą podejmowanie decyzji w wielu funkcjach.

Od momentu powstania w 2015 roku Peak oferował model, w którym nasza platforma i aplikacje są wdrażane dla naszych klientów przez nasze zespoły sukcesu klienta i nauki o danych. Coraz częściej widzimy coraz większą liczbę klientów Peak, którzy samodzielnie korzystają z platformy, budując własne aplikacje lub wdrażając standardowe aplikacje Peak samodzielnie.

Jakie są przykłady Peak umożliwiające firmom optymalizację łańcucha dostaw?

Dobrym przykładem może być menedżer magazynu, który ma do czynienia z problemem zapasów. Tradycyjnie musiałby on ręcznie zwiększać zamówienia w przypadku przeszeregowanych SKU, zmieniając objętość zamówień nieregularnie, aby uwzględnić zmienność popytu.

Ale dzięki pomocy platformy DI, menedżer magazynu może być proaktywny, a nie reaktywny. Biorąc pod uwagę okoliczności w firmie w szerszym zakresie, platforma DI menedżera poleca, aby zmniejszyć zamówienia od dostawcy. Brzmi to sprzecznie, jeśli jest duży popyt, ale rozwiązanie DI zidentyfikowało, że firma ma magazyn z depozytem w sąsiednim hrabstwie z 2000 jednostek tego SKU, które nie sprzedają się tam. Już powiadomiło zespół logistyczny i skierowało zaplanowaną dostawę przez ten magazyn, aby podjąć dodatkowe jednostki SKU. Będzie nadal uruchamiać ten sam model dla zespołów handlowych w całej firmie, dostosowując zalecane działanie, gdy wglądy z danych i każdy działający zespół zmieniają się.

Inny przykład to redukcja marnowania i energii, czy mógłbyś podać przykłady klientów, którzy osiągnęli to, korzystając z Peak?

Globalny detalista CPG wykorzystuje obecnie Inteligencję Decyzyjną do optymalizacji sieci transportowej i redukcji ilości marnowanych ruchów towarów między fabrykami, centrami dystrybucyjnymi i sklepami. Celem firmy jest zmniejszenie emisji dwutlenku węgla i zwiększenie marży zysku.

Wykorzystując źródła danych z całej podaży, popytu i zapasów, połączone z danymi elektronicznych punktów sprzedaży (EPOS) i danych klientów, firma wykorzystuje DI do optymalizacji poziomów zapasów w każdym centrum dystrybucyjnym i koordynowania ruchów zapasów między wieloma centrami, biorąc pod uwagę takie czynniki, jak popyt (rzeczywisty i prognozowany), produkcja, koszty przetwarzania i koszty transportu. Rozwiązanie obcięło koszty logistyczne o 10% i zmniejszyło liczbę podróży ciężarówek między centrami o 200 000 km, co stanowiło redukcję o 147 metrycznych ton (MT) emisji dwutlenku węgla w pierwszych ośmiu miesiącach wdrożenia.

Jaki jest Twój wizja przyszłości Peak?

Chcemy umieścić Inteligencję Decyzyjną w rękach każdej firmy i zbudować firmę, którą ludzie kochają być częścią. Oznacza to, że rozszerzenie, aby wspierać więcej klientów na całym świecie, jest naszym najwyższym priorytetem, a my rozszerzamy się zarówno w Stanach Zjednoczonych, jak i w Indiach, otwierając Kluby w Nowym Jorku, Mumbaju i Pune. Zrównoważona wysoka wydajność jest kluczem do tego; chcemy, aby Peakers byli na naszej drodze przez dużą część swojej kariery, nie chcemy ludzi, którzy przyjdą i będą wypaleni w ciągu kilku lat.

Wkładamy dużo w badania i rozwój po naszej udanej rundzie Series C, która zakończyła się w sierpniu ubiegłego roku. Wraz z wprowadzaniem nowych, ekscytujących funkcji platformy i rozszerzaniem się na całym świecie, jesteśmy podekscytowani, aby zobaczyć aplikacje, które zespoły nauki o danych spoza Peak opracują z platformą – wiele z tego, co DI jest w stanie osiągnąć, zostanie odkryte w praktyce.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Peak.