Richard Potter, Peak’in Kurucu Ortağı ve CEO’su – Röportaj Serisi

Richard Potter, Peak‘in Kurucu Ortağı ve CEO’sudur, veri mühendislerine, veri bilimcilerine ve ticari karar vericilere AI sürümlü çözümleri tüm şirket boyunca oluşturmak ve desteklemek için her şeyi sunan bir platformdur.

Peak’in arkasındaki köken hikayesini paylaşabilir misiniz?

Peak fikri ilk olarak o dönemdeki çeşitli iş zekası ürünlerinden bahsettiğimiz bir pub’ta başladı. Kurucu ortaklarım Atul Sharma ve David Leitch ve ben, neden bu kadar az şirketin karar alma için verileri kullanabildiğini merak ettik. İşletmeler için şeyleri basitleştirmek istedik, şirketler içindeki siloları kırmak ve takımların birlikte çalışabilmesi ve herkesin verilere dayalı yararlı sonuçları kullanabilmesi için bir yol istedik. Bu, AI ile işi optimize etmek için inşa edilmiş bir ürün etrafında takımları birleştiren platforma bizi götürdü.

Karar Zekası’nı (Decision Intelligence) bizim okuyucularımız için tanımlayabilir misiniz?

Karar Zekası, ticari kararları optimize etmek için AI’ın uygulanmasıdır. Sonuç odaklıdır, yani DI çözümleri somut bir sonuç elde etmek için inşa edilmiştir, Örneğin, daha yüksek satış oranı veya marj.

2022’ye girerken yaptığı bir tahminden, veri bilimi disiplininin yeni bir disiplininin ortaya çıktığı yönündedir. Bunu açıklar mısınız?

AI’a ticari yatırım arttıkça ve veri bilimi olgunlaştıkça, sonuçla başlayan bir veri bilimi disiplini ortaya çıkıyor.

Geleneksel veri bilimi projeleri, mevcut verilerin anlaşılması ve onlarla neler yapılabileceğinin anlaşılmasıyla başlar. Sonuç, veri sorunlarına yönelik hipotetik çözümlerdir, iş performansını iyileştirebilecek AI çözümleri değil.

Proje başlangıcından itibaren sonuçlara odaklanarak ve mevcut verilerin neler yapabileceğini anlayarak, bu yeni veri bilimi disiplini, çözümleri dağıtmak için sonu düşünerek başlar. İşletmelere AI’lerini dağıtmalarını ve AI stratejilerinden daha hızlı değer elde etmelerini sağlar.

Peak, bir şirketin işinin merkezi zekası haline gelen bir yapay zeka sistemini inşa etti. Verileri toplar ve makine öğrenimi dağıtır, ardından sonuçları çıkarır. Hangi tür makine öğrenimi algoritmaları kullanılır?

Peak platformu, her projeye en uygun yöntemi uygulamak için geniş bir makine öğrenimi ve modelleme teknikleri yelpazesi kullanır. Denetimli ve denetimsiz yöntemler, ayrıca öngörme veya optimizasyon teknikleri kullanabiliriz, çözülen problema bağlı olarak. Bunlar platformumuzda Python, R ve SQL kullanarak inşa edilebilir.

Bu esneklik ve seçim genişliğiyle, Peak müşterileri kendi işlerine özgü AI inşa edebilir. Bu, şirketlerin gerçekten Karar Zekası’nı benimsemeleri için neler gerektiğini anlamalarına yardımcı olur. Her şirketin standart AI’ye sahip olmaması, kendi işine özgü bir şey inşa etmesi gerekir.

Peak, şirketlerin en büyük varlıklarından biri olan verileri kullanarak satışları ve karları artırmalarına nasıl olanak tanır?

Peak platformu, özellikle satışları artırmak veya karı büyütmek (veya her ikisini!) için tasarlanmış uygulamaları çalıştırır. Bu uygulamalar, pazarlama, satış, merchandising, envanter yönetimi, fiyatlandırma ve tedarik zinciri dünyasını kapsar. Tüm şirket veritabanı boyunca oturduğu için, Peak’in Karar Zekası platformu tüm değer zincirini optimize edebilir, her bir işlev için gerçek zamanlı içgörüler ve öneriler sunabilir. Bu, her kararın doğru olması için mükemmel bir araçtır.

Peak ilk bakışta tam hizmet sunuyor gibi görünüyor, şirketlerin bu hizmeti kullanmak için AI mühendislerine ihtiyacı var mı?

Peak platformu üç temel yeteneğe sahiptir:

1. Şirketin tüm organizasyonundan verileri birleştirmek ve bunları AI’ye hazır hale getirmek.
2. AI modelleri kullanarak şirketin öngörülü bir görünümünü sunan merkezi bir zekayı oluşturmak ve eğitmek.
3. İşletme içindeki çeşitli işlevler için karar alma rehberliğinde bulunmak üzere modellerle etkileşim kurmak için işletme kullanıcıları için bir arayüz sunmak.

2015’te kurulduğundan beri, Peak müşterileri için platformumuz ve uygulamalarımızı müşteri başarı ve veri bilimi ekiplerimiz tarafından uygulamaya koyuyoruz. Artık Peak müşterilerinin platformda kendilerine hizmet vererek, kendi uygulamalarını inşa etmelerini veya Peak’in standart uygulamalarını kendileri dağıtmalarını görüyoruz.

Peak’in şirketlere tedarik zincirlerini optimize etmesini sağlayan bazı örnekler nelerdir?

İyi bir örnek, stok sorunuyla uğraşan bir depo yöneticisidir. Geleneksel olarak, họ manuel olarak yüksek talep gören SKU’lar için siparişleri artırmak zorunda kalırlardı, talepteki volatiliteyi hesaba katmak için sipariş hacimlerini rasgele değiştirirlerdi.

Ancak, Karar Zekası platformunun yardımıyla, depo yöneticisi tepkisel olmak yerine proaktif olabilir. Şirketin daha geniş çapında koşullarını dikkate alarak, yöneticinin DI platformu, tedarikçiden siparişleri azaltmasını önerir. Yüksek talep varsa karşılaştırılabilir gibi görünmeyebilir, ancak DI çözümü, şirketin bir ilçe ötesindeki bir depoda 2.000 adet SKU’nun satılmadığını tespit etmiştir. Lojistik ekibini alreadyertmiştir ve planlanan teslimatı o depodan geçecek şekilde yönlendirmiştir. Aynı modeli şirketin ticari takımlarına çalıştırmaya devam edecek ve her bölüm eylem aldıkça önerilen eylemi ayarlayacaktır.

Diğer bir kullanım örneği, atık ve enerjiyi azaltmaktır, Peak’i kullanan müşterilerin bunu başardığı bazı örnekler nelerdir?

Küresel bir tüketim malları perakendecisi, hem ulaşım ağını optimize etmek hem de fabrikalar, dağıtım merkezleri ve mağazalar arasında malların hareketlerini azaltmak için Karar Zekası’nı kullanıyor. Şirketin amacı, karbon emisyonlarını azaltmak ve kar marjlarını artırmaktır.

Talep ve envanter dahil olmak üzere tedarik, talep ve envanterden veri kaynaklarını birleştiren ve Elektronik Nokta Satış (EPOS) ve müşteri verilerini kullanan şirket, DI’yı kullanarak her bir dağıtım merkezi için stok seviyelerini optimize ediyor ve stok hareketlerini koordine ediyor, talebi (gerçek ve öngörülen), üretim çıktısı, işleme maliyetleri ve ulaşım maliyetleri gibi faktörleri dikkate alıyor. Çözüm, ilk sekiz ayda lojistik maliyetlerini %10 azalttı ve merkezler arasındaki kamyon yolculuklarını 200.000 km azalttı, bu da 147 Metrik Ton (MT) karbon emisyonunda bir azalma anlamına geliyordu.

Benzer şekilde, inşaat sektörüne agregat üreten ve tedarik eden bir lider, 400 araçlık bir filoya sahip, DI planlama çözümüyle işleri %15 artırdı ve her iş için mili %3 azalttı, iş talebini ve iptallerini öngören, araç verimliliğini en üst düzeye çıkaran ve araç rotalarını planlayan bir çözümdü.

Peak için gelecekteki vizyonunuz nedir?

Her şirketin eline Karar Zekası’nı koymak ve insanların seveceği bir şirket inşa etmek istiyoruz. Bu, daha fazla müşteriyi desteklemek için öncelikli hedefimizdir ve hem ABD’de hem de Hindistan’da genişliyoruz, New York, Mumbai ve Pune’de Clubhouse açıyoruz. Sürdürülebilir yüksek performans anahtardır; Peaker’ların bizimle birlikte uzun süre kalmasını istiyoruz, birkaç yıl içinde yanmak üzere gelen insanları istemiyoruz.

Geçen yıl Ağustos ayında kapandığı Series C turunun ardından, Ar-Ge’ye ağır bir şekilde yatırım yapıyoruz. Platformumuzun daha fazla heyecan verici özelliğini ve dünya çapındaki genişlememizi yayınladıkça, Peak dışında veri bilimi takımlarının platformumuzla geliştireceği uygulamaları görmek için sabırsızlanıyoruz – DI’nin neye能力 olduğu büyük ölçüde uygulamada keşfedilecek.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular Peak‘i ziyaret edebilir.