Інтерв’ю
Рохіт Аггарвал, COO у DecisionNext – Серія інтерв’ю
Рохіт Аггарвал є головним операційним директором у DecisionNext, провідній платформі штучного інтелекту, яка дозволяє компаніям оптимізувати покупку або продаж товарів у найкращий можливий час і за найкращою можливою ціною. Він використовує сильний досвід у сфері ланцюгів поставок та управління продуктами, а також досвід прямого керівництва великими командами для виконання складних багатофункціональних проєктів та досягнення бізнес-результатів. Рохіт раніше займав посади управління продуктами та операціями в компанії Google та Amazon.
Ви працювали в Amazon і нещодавно в Google. Які були деякі з ваших ключових досягнень під час цих 경험?
В Amazon мені довелося керувати різноманітною командою з 250 працівників для запуску найкращих операційних об’єктів. Я також підтримував впровадження інновацій, таких як доставка в день замовлення, робототехніка та інші нові технології. Потім у Google я використовував свої навички для зв’язку між продуктом та операціями. Це включало будівництво додатків з нуля для управління новим стилем процесу виконання, серед інших нових пропозицій.
Чи можете ви пояснити, як DecisionNext використовує штучний інтелект і машинне навчання для покращення прогнозування ціни та поставок товарів?
DecisionNext використовує штучний інтелект і машинне навчання для споживання тисяч наборів даних і знаходження історичних та поточних зв’язків між ключовими факторами. Потім він вчиться з цієї інформації і будує відповідні моделі для будь-якої товарної позиції. На ринку сільського господарства та природних ресурсів наші інструменти допомагають клієнтам краще прогнозувати ціни, приймати більш обдумані рішення, знижувати ризик і збільшувати прибуток по всьому ланцюгу поставок. Ми також працюємо над використанням великих мовних моделей (LLM) для спрощення складних глобальних рішень з ризико-обізнаними рішеннями.
Які є ключові переваги використання платформи DecisionNext порівняно з традиційними методами прогнозування?
Глобальні покупці та продавці товарів часто використовують правила і таблиці для спрощення складної системи, вартість якої становить мільярди доларів у транзакціях. Це залишає значні гроші на столі. Ці таблиці працювали чудово і підтримували сотні підприємств. Однак, оскільки змінюються динаміка робочої сили і глобальні ринки стають менш передбачуваними, вони стають менш ефективними. DecisionNext провела роки, досконалюючи платформу штучного інтелекту, яка перетворює глобальну складність у дієві рекомендації у великому масштабі – суттєво покращуючи фінансові результати.
Наші клієнти мають експертів у певній галузі чи галузі з 30-річним досвідом. І коли приходять нові покоління, дуже важливо зберегти весь цей досвід у використовуваній формі. DecisionNext допомагає цьому, будуючи повні бібліотеки рішень, інтегруючи експертні думки та вчення з минулого.
Таким чином, платформа DecisionNext зменшує ризик і невизначеність у бізнес-рішеннях по всім бізнес-підрозділам і окремим особам, встановлюючи масштабний спосіб прийняття цих рішень. Вона також покращує прибутковість у щоденних транзакціях, довгострокових позиціях і майбутніх стратегічних планах.
Яка роль відіграє динамічна дані у процесі прийняття рішень, керованому штучним інтелектом DecisionNext, і як ці дані інтегруються та використовуються?
Динамічні та актуальні дані дуже важливі для будівництва найкращих моделей. Однак швидкість і складність, з якою дані можуть бути оброблені та змодельовані, не є єдиним фактором. Наприклад, як модель знає вагу останньої точки даних (наприклад, шок у системі) і що їй потрібно інакше поводитися? Наші користувачі можуть взаємодіяти з моделями через патентовану технологію для введення своїх думок і будівництва аналізу “що якщо” для використання даних, яких модель або система просто не знає ще. Це дозволяє нашим клієнтам отримувати нові ідеї, яких інакше не було б можливим. Вони також можуть краще зрозуміти вплив глобальних зрушень у постачанні або нових торгових регуляцій, серед безлічі інших потенційних ситуацій.
Якими способами платформа DecisionNext революціонізувала бізнес-рішення на ринку товарів?
Наша найкраща платформа революціонізувала стандартний підхід до ціноутворення, прогнозування попиту та пропозиції, надаючи нашим користувачам не тільки прогноз, а й можливість швидко зрозуміти ризик, невизначеність і проаналізувати складні рішення за допомогою кількох кліків миші. DecisionNext має ряд випадків використання по ланцюгах поставок у сільському господарстві та гірництві. Це включає оптимізацію ціни закупівлі та продажу, бізнес-планування, географічну та продуктову арбітраж, формування мінімальної вартості та управління ризиком, серед багатьох інших.
Як DecisionNext забезпечує точність і надійність своїх моделей прогнозування штучного інтелекту для торгівлі товарами?
Ми забезпечуємо точність і надійність наших моделей прогнозування штучного інтелекту шляхом інтенсивного тестування. DecisionNext створила сувору систему, яка能够 швидко протестувати тисячі структур моделей і надати користувачеві повне розуміння того, наскільки точними були моделі. Це можна зробити зрозумілим способом, який також дозволяє нам використовувати цю точність для прогнозування невизначеності в майбутньому.
Чи можете ви поділитися прикладом або випадком використання того, як DecisionNext допомогла компанії орієнтуватися на ринку волатильності за допомогою ваших інструментів штучного інтелекту?
З DecisionNext великий виробник залізної руди збільшив свій прибуток у середньому на 6-8% на спотових продажах. Наше рішення допомогло їм оптимізувати стратегію ціноутворення та зменшити час, необхідний для прийняття ключових рішень щодо географічної арбітражі. Аналогічно, ми допомагаємо виробникам м’яса приймати рішення про те, де і коли продавати м’ясо, отримане з туш.
У обидвох випадках DecisionNext надала точний і обґрунтований короткостроковий і довгостроковий прогноз для оптимізації стратегії планування продажів. Наші інструменти візуалізації дозволили виробникам швидко оцінити кілька стратегій продажів поряд для найкращого мінімізації ризику, оптимізації прийняття рішень і більш ефективного збільшення маржі.
Без DecisionNext компанії змушені покладатися на історичні середні значення, ринки ф’ючерсів (якщо вони доступні) і досвід для ціноутворення товарів. Хоча це було ефективним у минулому, з нашими все більш волатильними ринками товарів компанії залишають мільйони доларів на столі.
Чи можете ви обговорити значення інтерактивних моделей прогнозування для користувачів, і як DecisionNext забезпечує, щоб ці моделі були зручними для користування?
Старий, застарілий “чорний ящик” моделі прогнозування не каже людям, чому прогноз такий, яким він є. Він також не може допомогти у тому, як перетворити прогноз у дієві рішення. Тому в цій ситуації користувачі можуть не використовувати навіть ідеальний прогноз і повернутися до старих методів.
DecisionNext допомагає своїм клієнтам краще зрозуміти як ризик ринку, так і ризик бізнесу, і чому вони повинні бути взаємопов’язані при прогнозуванні. DecisionNext надає повну видимість джерел даних і структур моделей разом з стратегічною ясністю і напрямком.
Все це подається через зручну панель управління, розроблену для постійного взаємодії.
Якими способами пандемія і недавні геополітичні події вплинули на розвиток і використання штучного інтелекту в торгівлі товарами у DecisionNext?
COVID-19 перевернув глобальну ланцюг цінності м’яса, і один клієнт, який був особливо постраждав від кризи, спадає на думку. З великими кількостями заморожених продуктів, призначених для скоро затихаючих каналів обслуговування, клієнт використовував аналітику DecisionNext для швидкої та оптимальної ліквідації запасів, коли карантини поширювалися по США, а також для планування того, як і коли відновити ці запаси.
Використовуючи платформу DecisionNext, клієнт побудував і порівняв чотири складні альтернативи продажів і закупівель, щоб побачити очікувані ринкові результати і порівняти ризики. Вам вдалося успішно ліквідувати надлишкові запаси по декількох різним видам, і ці транзакції забезпечили повернення у 5 разів проти інвестицій у програмне забезпечення DecisionNext за один місяць.
Які майбутні досягнення у сфері штучного інтелекту і машинного навчання, на вашу думку, вплинуть на ринок товарів, і як DecisionNext готується до них?
DecisionNext знаходиться на передовому краю зусиль з використання штучного інтелекту і машинного навчання для того, щоб зробити ринки товарів більш ефективними, прибутковими і сталими. Коли світ продовжує боротися з величезними викликами, такими як зміна клімату і політична нестабільність, розумна технологія буде все більш важливим компонентом у тому, як ми успішно ними навигуємо. Ми пишаємося тим, що нашими клієнтами і партнерами довіряють нам надавати платформу для допомоги у цьому.
Дякуємо за чудове інтерв’ю. Читачам, які бажають дізнатися більше, слід відвідати DecisionNext.
