Інтерв’ю
Річард Поттер, співзасновник та CEO Peak – Серія інтерв’ю
Річард Поттер є співзасновником та CEO Peak, платформи, яка надає інженерам даних, вченим-дата та комерційним рішенням wszystнє необхідне для створення та підтримки рішень, керованих штучним інтелектом, по всьому підприємству.
Чи можете ви поділитися історією походження Peak?
Ідея Peak виникла як розмова в пабі про різні продукти бізнес-інтелекту, які були доступні на той час. Мої співзасновники, Атул Шарма і Девід Лейтч, і я запитали себе, чому так мало компаній можуть використовувати дані для прийняття рішень. Ми хотіли знайти спосіб спростити все для бізнесу, розбити сілі всередині підприємств, щоб команди могли працювати разом і кожен міг використовувати корисні результати на основі даних. Це привело нас до платформи, яка об’єднує команди навколо продукту, створеного для оптимізації бізнесу з допомогою штучного інтелекту.
Чи можете ви описати, що таке Decision Intelligence для нашої аудиторії?
Decision Intelligence – це застосування штучного інтелекту для оптимізації комерційних рішень. Це орієнтоване на результат, тобто рішення DI створюються для надання відчутного результату, такого як вищий рівень продаж або маржа.
Одна з ваших прогнозів на 2022 рік полягає в тому, що виникає нова дисципліна даних науки. Чи можете ви розповісти про це?
По мірі зростання комерційних інвестицій у штучний інтелект і дозрівання даних науки, виникає нова дисципліна даних науки, яка починається з кінцевої мети.
Традиційні проекти даних науки починаються з розуміння доступних даних і того, що можна зробити з ними. Результатом є гіпотетичні рішення даних проблем, а не рішення штучного інтелекту, які можуть покращити бізнес-діяльність.
Фокусуючись на результатах з початку проекту і розуміючи, що є практичним з доступними даними, ця нова дисципліна даних науки пріоритезує розгортання рішень, починаючи з кінцевої мети. Це дозволяє підприємствам швидше розгорнути свій штучний інтелект і відкрити цінність своєї стратегії штучного інтелекту.
Peak створила штучну систему інтелекту, яка стає центральною системою інтелекту всередині бізнесу компанії. Вона агрегує дані і розгортає машинне навчання, а потім видає результати. Які типи алгоритмів машинного навчання використовуються?
Платформа Peak використовує широкий спектр методів машинного навчання і моделювання – вибір означає, що ми можемо підходити до кожного проекту з найбільш підходящим методом. Ми можемо використовувати супервізовані і несупервізовані методи, а також методи прогнозування або оптимізації, залежно від проблеми, яку потрібно вирішити. Це можна побудувати на нашій платформі за допомогою Python, R і SQL.
З цією гнучкістю і шириною вибору клієнти Peak можуть створювати свій власний штучний інтелект, унікальний для їхнього бізнесу. Це те, чого потребують організації, щоб справді прийняти Decision Intelligence. Кожна компанія не повинна мати стандартний штучний інтелект, а щось створене спеціально для них.
Як Peak дозволяє компаніям використовувати свій найбільший актив – дані – для збільшення продажів і прибутку?
Платформа Peak запускає програми, спеціально створені для надання результатів, будь то збільшення продажів або зростання прибутку (або обоє!). Ці програми охоплюють весь світ маркетингу, продажів, мерчандайзингу, управління запасами, ціноутворення і ланцюга поставок. Оскільки вона розташована по всьому набору даних організації, платформа Decision Intelligence Peak може оптимізувати весь ланцюг цінності, надаючи реальні інсайти і рекомендації, які приносять користь кожній функції всередині бізнесу. Це складна матриця, і Decision Intelligence – це ідеальний інструмент для забезпечення того, щоб кожне рішення було правильним.
Peak на перший погляд повністю обслужується, компанії, які використовують цю послугу, потребують інженерів штучного інтелекту, щоб використовувати платформу?
Платформа Peak має три основні можливості, які дозволяють користувачам:
- Об’єднати дані з усієї організації і зробити їх готовими до штучного інтелекту.
- Побудувати і навчати центральний інтелект, який використовує моделі штучного інтелекту для надання передбачуваного погляду на організацію.
- Надати інтерфейс для користувачів лінії бізнесу для взаємодії з моделями, які спрямовують прийняття рішень по декілька функцій.
З часу заснування в 2015 році Peak пропонує модель, в якій наша платформа і програми реалізуються для наших клієнтів нашими командами успіху клієнтів і даних науки. Ми все частіше бачимо, що клієнти Peak самостійно обслуговуються на платформі, створюють свої власні програми або розгортають стандартні програми Peak самостійно.
Які приклади того, як Peak дозволяє підприємствам оптимізувати ланцюги поставок?
Хороший приклад буде складський менеджер, який справляється зі складською проблемою. Традиційно їм потрібно було вручну збільшувати замовлення по всім товарам, змінюючи об’єми замовлень нерегулярно, щоб врахувати волатильність попиту.
Але з допомогою платформи DI складський менеджер може бути проактивним, а не реактивним. Враховуючи обставини по всьому бізнесу, платформа DI рекомендує менеджеру зменшити замовлення від постачальника. Це може здатися контрінтуїтивним, якщо є високий попит, але рішення DI визначило, що компанія має склад з депо в одному повіті з 2000 одиниць цього товару, які не продаються там. Воно вже попередило логістичну команду і маршрутизувало заплановану доставку через цей склад, щоб підібрати додаткові одиниці товару. Воно продовжить запускати ту саму модель для комерційних команд по всьому бізнесу, змінюючи рекомендації дій, коли дані інсайти змінюються, і кожен відділ приймає рішення.
Інший випадок використання – зменшення відходів і енергії, чи можете ви надати приклади клієнтів, які досягли цього за допомогою Peak?
Глобальний рітейлер споживчих товарів зараз використовує Decision Intelligence для оптимізації свого транспортного мережі і зменшення кількості марних рухів товарів між заводами, розподільчими центрами і магазинами. Метою компанії є зменшення викидів вуглекислого газу і збільшення прибуткових марж.
Використовуючи дані джерел з постачання, попиту і запасів, а також електронної точки продажу (EPOS) і клієнтських даних, компанія використовує DI для оптимізації рівня запасів на кожному розподільчому центрі і координації рухів запасів між декількома центрами, враховуючи такі фактори, як попит (фактичний і прогнозований), виробнича потужність, витрати на обробку і транспортні витрати. Рішення скоротило логістичні витрати на 10% і знизило кількість поїздок вантажівок між центрами на 200 000 км, що представляє собою зменшення на 147 метричних тонн викидів вуглекислого газу за перші вісім місяців розгортання.
Аналогічно, провідний виробник і постачальник агрегатів для будівельної промисловості, який має флот з 400 транспортних засобів, зміг збільшити кількість робіт на одного водія на 15% і зменшити пробіг на 3% для кожної роботи за допомогою автоматизованого рішення DI, яке передбачає попит на роботу і скасування, максимізує продуктивність транспортних засобів і планує маршрути транспортних засобів.
Яка ваша бачення майбутнього Peak?
Ми хочемо поставити Decision Intelligence в руки кожного бізнесу і створити компанію, яку люди люблять бути частиною. Це означає, що розширення для підтримки більшої кількості клієнтів по всьому світу є нашим головним пріоритетом, і ми розширюємося в США і Індії, відкриваючи клубні будинки в Нью-Йорку, Мумбаї і Пуне. Сталий високоэффективний розвиток є ключем до цього; ми хочемо, щоб люди Peak були на нашому шляху протягом великої частини своєї кар’єри, ми не хочемо людей, які прийдуть і будуть вигоріти протягом декількох років.
Ми вкладаємо великі кошти в дослідження і розвиток після нашого успішного раунду серії C, який був закритий у серпні минулого року. Коли ми випускаємо більше цікавих функцій платформи і розширюємося по всьому світу, ми раді бачити застосування, які команди даних науки поза Peak розробляють з платформою – більша частина того, чого здатний DI, буде відкрита на практиці.
Дякуємо за велике інтерв’ю, читачі, які бажають дізнатися більше, повинні відвідати Peak.
