Rohit Aggarwal, COO w DecisionNext – seria wywiadów

Rohit Aggarwal jest Dyrektorem Operacyjnym w DecisionNext, wiodącej platformie AI, która umożliwia firmom optymalizację kupowania lub sprzedaży towarów w najlepszym możliwym czasie i cenie. Wykorzystuje on swoje doświadczenie w łańcuchu dostaw i zarządzaniu produktem, a także doświadczenie w bezpośrednim kierowaniu bardzo dużymi zespołami w celu wykonania złożonych projektów wielodyscyplinarnych i osiągnięcia wyników biznesowych. Rohit wcześniej pełnił role zarządzania produktem i operacjami w Google (GOOGL ) i Amazon (AMZN ).

Pracowałeś w Amazon i niedawno w Google. Jakie były twoje najważniejsze doświadczenia z tych miejsc?

W Amazon miałem okazję zarządzać zróżnicowanym zespołem 250 pracowników w celu uruchomienia najlepszych na rynku obiektów operacyjnych. Wspierałem również wdrożenie innowacji, takich jak dostawa w tym samym dniu, robotyka i inne wschodzące technologie. Następnie w Google wykorzystałem swoje umiejętności, aby pomóc w zamykaniu luki między produktem a operacjami. Obejmowało to tworzenie aplikacji od podstaw w celu zarządzania nowym stylem procesu realizacji, wśród innych nowych ofert.

Czy możesz wyjaśnić, w jaki sposób DecisionNext wykorzystuje AI i machine learning, aby poprawić prognozowanie cen i dostaw towarów?

DecisionNext wykorzystuje sztuczną inteligencję i machine learning, aby spożytkować tysiące zestawów danych i znaleźć historyczne i bieżące relacje między kluczowymi czynnikami. Następnie uczy się z tych informacji i tworzy odpowiednie modele dla każdego towaru. W rynkach rolnych i surowców nasze narzędzia pomagają klientom lepiej prognozować ceny, podejmować rozsądniejsze decyzje, redukować ryzyko i zwiększać zyski w globalnych łańcuchach dostaw. Pracujemy również nad wykorzystaniem Large Language Models (LLM), aby uproszczać złożone decyzje globalne z rozwiązaniami świadomymi ryzyka.

Jakie są kluczowe korzyści z korzystania z platformy AI DecisionNext w porównaniu z tradycyjnymi metodami prognozowania?

Globalni kupcy i sprzedawcy towarów często używają reguł kciuka i arkuszy kalkulacyjnych, aby uprościć złożony system wart miliardy dolarów transakcji. Pozostawia to znaczną ilość pieniędzy na stole. Te arkusze kalkulacyjne działały cuda i wspierały setki firm. Jednak wraz ze zmianą dynamiki siły roboczej i globalnych rynków stają się one mniej skuteczne. DecisionNext spędził lata na udoskonalaniu platformy AI, która zmienia globalne złożoności w zalecenia działania w skali – znacznie poprawiając wyniki finansowe.

Nasi klienci mają specjalistów, którzy spędzili 30 lat lub więcej w określonym sektorze lub branży. A gdy nowe pokolenia wkraczają, jest niezwykle ważne, aby zachować całe to doświadczenie w sposób użyteczny. DecisionNext pomaga w tym, tworząc kompleksowe biblioteki decyzji, integrując opinie ekspertów i ucząc się z przeszłości.

W ten sposób platforma DecisionNext redukuje ryzyko i niepewność w decyzjach biznesowych w jednostkach biznesowych i indywidualnych, jednocześnie ustanawiając skalowalny sposób podejmowania tych decyzji. Poprawia również zyskowność w transakcjach dnia codziennego, długoterminowych pozycjach i planowaniu strategicznym.

Jaka jest rola dynamicznych danych w procesie podejmowania decyzji napędzanym przez AI w DecisionNext, i jak te dane są integrowane i wykorzystywane?

Dynamiczne i aktualne dane są niezwykle ważne, gdy chodzi o tworzenie najlepszych modeli. Jednak szybkość i złożoność, z jaką dane mogą być przetwarzane i modelowane, nie są jedynymi czynnikami. Na przykład, jak model wie, jaki jest ciężar najnowszych danych (np. szoku w systemie) i że musi go traktować inaczej? Nasi użytkownicy mogą wchodzić w interakcje z modelami za pomocą opatentowanej technologii, aby wprowadzać swoje opinie i tworzyć analizy “co, jeśli”, aby wykorzystywać dane, których model lub system po prostu nie może jeszcze znać. Pozwala to naszym klientom na uzyskanie nowych spostrzeżeń, które w przeciwnym razie nie byłyby możliwe. Mogą również lepiej zrozumieć wpływ globalnych zmian w podaży lub nowych regulacji handlowych, wśród nieskończonej liczby innych potencjalnych sytuacji.

W jaki sposób platforma AI DecisionNext rewolucjonizowała decyzje biznesowe na rynku towarów?

Nasza najlepsza platforma rewolucjonizowała standardowe podejście do ustalania cen, prognozowania podaży i popytu, dostarczając naszym użytkownikom czegoś więcej niż tylko prognozy. Z naszym narzędziem mogą oni szybko zrozumieć ryzyko, niepewność i analizować złożone decyzje za pomocą kilku kliknięć myszy. DecisionNext ma wiele przypadków użycia w łańcuchach dostaw w rolnictwie i górnictwie. Obejmują one optymalizację ceny zakupu i sprzedaży, planowanie biznesowe, arbitraż geograficzny i produktowy, formułę najniższej ceny i zarządzanie ryzykiem, wśród wielu innych.

Jak DecisionNext zapewnia dokładność i niezawodność swoich modeli prognozowania AI dla handlu towarami?

Zapewniamy dokładność i niezawodność naszych modeli prognozowania AI za pomocą intensywnego testowania wstecznego. DecisionNext zbudował rygorystyczny system, który może szybko przetestować tysiące struktur modeli i dostarczyć użytkownikowi pełnego zrozumienia, jak dokładne są modele. Może to być zrobione w sposób łatwy do zrozumienia, który również pozwala nam wykorzystywać tę dokładność do przewidywania niepewności w przyszłości.

Czy mógłbyś podzielić się przykładem lub studium przypadku, jak DecisionNext pomógł firmie nawigować po zmienności rynkowej za pomocą twoich narzędzi AI?

Z DecisionNext duży producent rudy żelaza zwiększył swoje zyski o średnio 6-8% w sprzedaży hurtowej. Nasze rozwiązanie pomogło im zoptymalizować strategię cenową i skrócić czas potrzebny do podjęcia kluczowych decyzji dotyczących arbitrażu geograficznego. Podobnie, jesteśmy w stanie pomóc producentom bydła w podejmowaniu decyzji o tym, gdzie i kiedy sprzedać wołowinę pochodzącą z ich tusz.

W obu przypadkach DecisionNext dostarczył dokładną i uzasadnioną krótko- i długoterminową prognozę w celu optymalizacji planowania sprzedaży. Nasze narzędzia wizualizacji umożliwiły producentom szybko ocenić wiele strategii sprzedaży obok siebie, aby najlepiej zminimalizować ryzyko, usprawnić podejmowanie decyzji i skuteczniej zwiększyć marże.

Bez DecisionNext firmy są zmuszone polegać na średnich historycznych, rynkach futures (jeśli dostępne) i doświadczeniu, aby ustalić ceny towarów. Chociaż były one skuteczne w przeszłości, w naszych coraz bardziej zmieniających się rynkach towarów firmy pozostawiają miliony dolarów na stole.

Czy możesz omówić znaczenie posiadania interaktywnych modeli prognozowania dla użytkowników i jak DecisionNext zapewnia, że te modele są przyjazne dla użytkownika?

Stary, przestarzały model “czarnej skrzynki” prognozowania nie mówi ludziom, dlaczego prognoza jest taka, jaka jest. Nie może również pomóc w tym, jak przetłumaczyć prognozę na decyzje działania. Więc w tym scenariuszu użytkownicy mogą nie używać nawet idealnej prognozy i wrócić do starych metod.

DecisionNext pomaga swoim klientom lepiej zrozumieć zarówno ryzyko rynkowe, jak i biznesowe, oraz dlaczego powinny one być połączone, gdy chodzi o prognozowanie. DecisionNext zapewnia pełną widoczność źródeł danych i struktur modeli, wraz z klarownością strategiczną i kierunkiem.

Wszystko to jest dostarczane za pomocą przyjaznego dla użytkownika pulpitu, zaprojektowanego dla ciągłego zaangażowania.

W jaki sposób pandemia i niedawne wydarzenia geopolityczne wpłynęły na rozwój i użycie AI w handlu towarami w DecisionNext?

COVID-19 wywrócił globalny łańcuch wartości mięsa, a jeden z klientów, który został szczególnie dotknięty przez kryzys, przychodzi mi na myśl. Z dużymi ilościami mrożonek przeznaczonych dla kanałów gastronomicznych, które wkrótce miały zostać wyłączone, klient wykorzystał analitykę DecisionNext, aby szybko i optymalnie likwidować zapasy, gdy lockdowny rozprzestrzeniały się po USA, a także planować, jak i kiedy odbudować te zapasy.

Korzystając z platformy DecisionNext, klient zbudował i porównał cztery złożone alternatywy sprzedaży i zakupu, aby zobaczyć oczekiwane wyniki rynkowe i porównać ryzyko. Udało im się z powodzeniem likwidować nadmiarowe zapasy w różnych cięciach, a transakcje te przyniosły 5-krotny zwrot z inwestycji w oprogramowanie DecisionNext w ciągu jednego miesiąca.

Jakie przyszłe postępy w AI i machine learning przewidujesz, które będą miały wpływ na rynek towarów, i jak DecisionNext przygotowuje się do nich?

DecisionNext jest na czele wysiłków, aby wykorzystać AI i machine learning, aby uczynić rynek towarów bardziej efektywnym, zyskownym i zrównoważonym. W miarę jak świat będzie nadal mierzyć się z ogromnymi wyzwaniami, takimi jak zmiana klimatu i polityczna niestabilność, inteligentna technologia będzie coraz ważniejszym składnikiem w tym, jak będziemy z powodzeniem nawigować. Jesteśmy honorowani, że zostaliśmy zaufani przez naszych klientów i partnerów, aby dostarczyć platformę, która pomoże to osiągnąć.

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