Myron Burke, Người lãnh đạo Quản lý Giải pháp tại Sensormatic Solutions – Loạt phỏng vấn

Myron Burke, người đứng đầu sản phẩm và giải pháp toàn cầu tại Sensormatic Solutions, xác định và triển khai các cách thức mới để tăng tốc đổi mới, tăng tốc độ và mang lại giá trị lớn hơn cho khách hàng thông qua một bản đồ giải pháp chiến lược.

Myron là một nhà lãnh đạo có kinh nghiệm với hơn 25 năm kinh nghiệm trong lĩnh vực bán lẻ, bao gồm thời gian làm việc tại Walmart và Sam’s Club, mang lại đổi mới trên quy mô lớn. Gần đây nhất, Myron đã thành lập Divergent Technology Advisors, một công ty tư vấn công nghệ bán lẻ hướng dẫn các nhà bán lẻ lớn, nhà cung cấp công nghệ và các công ty khởi nghiệp về chiến lược công nghệ, lập kế hoạch tiếp thị, mở rộng thị trường quốc tế và hơn thế nữa.

Sensormatic Solutions, danh mục giải pháp bán lẻ toàn cầu hàng đầu của Johnson Controls, cung cấp trải nghiệm bán lẻ an toàn, bảo mật và không gián đoạn. Trong hơn 60 năm, thương hiệu này đã đứng ở vị trí hàng đầu trong việc áp dụng công nghệ nhanh chóng của ngành, định nghĩa lại hoạt động bán lẻ trên quy mô toàn cầu và biến thông tin thành hành động. Sensormatic Solutions cung cấp một hệ sinh thái liên kết của các giải pháp phòng chống mất mát, thông minh hàng tồn kho và thông tin lưu lượng, cùng với các dịch vụ và đối tác để cho phép các nhà bán lẻ trên toàn thế giới đổi mới và nâng cao với độ chính xác, kết nối các kết quả dựa trên dữ liệu định hình tương lai của bán lẻ.

Bạn đã dành hơn 25 năm tại giao điểm của hoạt động bán lẻ và công nghệ mới nổi — từ việc lãnh đạo chiến lược RFID và đổi mới cửa hàng tại Walmart và Sam’s Club, đến ấp ủ các khái niệm thế hệ tiếp theo tại Store No. 8, đến việc hiện đang đứng đầu Sản phẩm và Giải pháp Toàn cầu tại Sensormatic Solutions. Làm thế nào những kinh nghiệm đó đã định hình triết lý của bạn về cách AI và công nghệ cảm biến nên được triển khai trong môi trường bán lẻ vật lý ngày nay?

Tôi tiếp cận việc triển khai AI một cách thực tế, và tôi khuyến khích đội ngũ của mình và khách hàng bán lẻ của Sensormatic Solutions cũng làm như vậy. Kinh nghiệm của tôi trên cả hai phía của phương trình đã chứng minh một lần nữa rằng việc xây dựng theo cách này là chìa khóa để chuyển đổi thành công.

Sensormatic Solutions đã hoạt động trên một niềm tin rất đơn giản trong 60 năm qua: Công nghệ thành công khi hiệu quả hoạt động và thách thức của bán lẻ thực tế được đặt ở trung tâm. Điều này có vẻ rõ ràng — đặc biệt là đối với những người ở gần với các công cụ mới nổi — nhưng nguyên tắc cơ bản này đã bị lãng quên phần nào trong tất cả sự cường điệu xung quanh AI.

Áp lực phải di chuyển nhanh và theo kịp thị trường vẫn cao cả trong phát triển giải pháp và việc áp dụng của khách hàng, nhưng việc xây dựng các công cụ thực sự lấp đầy khoảng trống là có tác động lớn hơn nhiều so với việc cố gắng gấp các chức năng AI vào mọi sản phẩm. Chúng tôi tập trung vững chắc vào việc tìm kiếm những nơi mà việc thu thập, hợp nhất, phân tích và hành động được sắp xếp hợp lý mang lại sự cải thiện có thể đo lường được. Sự tập trung này cũng mở rộng đến các tập dữ liệu mà AI sẽ sử dụng – các tập dữ liệu được nhắm mục tiêu, kiểm soát và làm sạch là chìa khóa để cung cấp giá trị AI bền vững, đặc biệt là trên các khách hàng khác biệt.

Điều gì đó chúng tôi cũng lưu ý là điều này đúng đối với tất cả người dùng có thể: những người ra quyết định cấp cao, người mua sắm và cộng sự. Với mỗi giải pháp mới hoặc cập nhật, chúng tôi tự hỏi mình liệu chúng tôi có đang cung cấp giá trị cho cả ba bên liên quan như nhau hay không, vì mỗi nhóm là yếu tố quan trọng cho thành công của bán lẻ.

Nội bộ này tự nhiên chuyển thành các giải pháp giúp các nhà bán lẻ áp dụng một lập trường tương tự, cung cấp các công cụ hỗ trợ cải thiện có ý nghĩa thông qua thiết kế hệ thống được tùy chỉnh một cách thực tế. Việc triển khai AI không phải là một kích cỡ phù hợp với tất cả, và neither là các chương trình chúng tôi xây dựng với khách hàng.

Sensormatic Solutions đang ngày càng định vị AI và phân tích nâng cao ML như những công cụ cốt lõi của trí tuệ hoạt động bán lẻ hiện đại. AI đang định nghĩa lại “phòng chống mất mát” như thế nào trong một thế giới bán lẻ đa kênh?

Các câu trả lời đơn giản nhất là khả năng hiển thị với tốc độ. AI đang giúp làm rõ ràng thực sự về sự thu hẹp và cung cấp một cái nhìn đầy đủ về tổng mất mát bán lẻ. Thực tế là bạn chỉ có thể ghi lại những mất mát mà bạn có thể nhìn thấy, đúng không? Đối với hầu hết lịch sử của ngành, khả năng hiển thị vào mất mát chỉ có thể ở mức cơ bản, với các chương trình tập trung vào các mặt hàng nên có sẵn để bán nhưng không có. Bạn có thể có một số ý tưởng về việc liệu một mặt hàng có bị đánh cắp, bị hỏng trong quá trình vận chuyển hoặc bị hư hỏng trên kệ hay không, nhưng việc theo dõi những loại điều này trên quy mô lớn là khó khăn, nếu không muốn nói là không thể.

Các hệ thống phân tích và cảm biến kết nối đã mở rộng những gì các nhà bán lẻ có thể nhìn thấy, theo dõi và định lượng. Hãy nghĩ về việc làm nổi bật 3% lỗi ẩn trong lượng dữ liệu lớn được tạo ra ngày nay. Những hệ thống cảm biến này mở khóa “cái gì, ở đâu, khi nào và ai” của mất mát, điều mà — theo mình — tạo ra một sự chuyển đổi trong việc hiểu về thu hẹp và chuyển đổi sang “tổng mất mát bán lẻ”. Phạm vi mở rộng này cho phép các nhà bán lẻ nhìn thấy một lớp hoạt động khác và một tập hợp hoàn toàn mới các driver tiềm năng của mất mát liên quan đến sự偏差 quy trình và khoảng trống, cùng với thời gian, tài nguyên và nỗ lực bị浪费.

Khi tất cả những điều đó được xác định và dán nhãn, bạn có thể chuyển đổi nó. Đó là nơi AI xuất hiện. Nó kết nối những “điểm” mới này, thường theo thời gian thực, để hiển thị một lớp dữ liệu hoàn toàn khác. Trí tuệ dự đoán, chính xác cao và mô hình hóa có thể giúp định lượng tác động của浪费 thượng nguồn, cân nhắc giá trị tương đối của các điều chỉnh có thể và minh họa chi phí của việc không hành động. Hiệu quả là, nó cho phép các nhà bán lẻ chuyển đổi từ phản ứng sang chủ động, giúp họ định nghĩa lại mất mát như cơ hội để cải thiện.

Với công nghệ như Re-ID và phân tích lưu lượng chân người được hỗ trợ bởi AI, các nhà bán lẻ hiện có thể vượt ra ngoài việc đếm người đơn giản để có được thông tin chi tiết về hành vi người mua sắm và hoạt động. Những trường hợp sử dụng chuyển đổi nhất bạn đang thấy xuất hiện từ sự thay đổi này?

Re-ID, đối với tôi, là một ví dụ mạnh mẽ về những điều chỉnh nhỏ, có mục tiêu có tác động lớn đến việc hiểu hoạt động.

Re-ID thực sự chỉ làm một việc: tinh chỉnh các biện pháp lưu lượng. Tất nhiên, để công nghệ chính xác phân biệt giữa người mua sắm độc nhất và tái nhập cảnh, nhân viên và các loại khách truy cập khác là phức tạp, nhưng kết quả là một sự thay đổi rất đơn giản đối với các tập dữ liệu mang lại sự cải thiện đáng kể về việc hiểu.

Dữ liệu lưu lượng tiếp tục là nền tảng cho nhiều chỉ số trên toàn ngành, với việc chuyển đổi có thể là ví dụ đáng chú ý nhất. Chỉ cần cắt các bản ghi để phản ánh số lượng khách truy cập độc nhất chính xác hơn có thể thay đổi đáng kể cách giải thích, cho phép các nhà bán lẻ tinh chỉnh nhân viên, sơ đồ sàn, thông điệp và nhiều thực hành khác để giúp cải thiện trải nghiệm khách hàng và kết quả tài chính.

Điều này thể hiện tinh thần mà chúng tôi đã thảo luận trước đó — xây dựng cho các nhà lãnh đạo, người mua sắm và cộng sự như nhau. Chúng tôi đang sử dụng AI để tạo ra những điều chỉnh có giá trị cao, có lợi cho mọi người trong phương trình.

Sensormatic Solutions đã giới thiệu gần đây Orbit AI và Video AI như một phần của khả năng Hành vi Khách hàng Cửa hàng. Giải pháp này giải quyết khoảng trống chiến lược nào cho các nhà bán lẻ, và nó khác với các nền tảng trí tuệ bán lẻ khác như thế nào?

Chúng tôi tiếp cận mọi giải pháp mới với một thách thức cụ thể. Đối với Orbit AI và Video AI, chúng tôi tập trung vào việc tách “tín hiệu từ tiếng ồn”, để cung cấp cho các nhà bán lẻ dữ liệu đáng tin cậy, cụ thể và được ngữ cảnh hóa mà loại bỏ việc đoán mò trong việc ra quyết định.

Re-ID’s công nghệ nhận dạng đối tượng sáng tạo cho phép Orbit AI và Video AI giúp các nhà bán lẻ:

• Hiểu các mẫu thời gian lưu lại trên toàn cửa hàng.
• Phân biệt giữa người mua sắm và người đi ngang.
• Theo dõi hành trình người mua sắm để xác định xu hướng thông tin về bố cục hàng hóa, kế hoạch quảng cáo và quảng cáo.
• Sử dụng bản đồ nhiệt để theo dõi nơi khách truy cập dành nhiều thời gian nhất.

Orbit AI và Video AI đi một bước xa hơn, vì các mô hình học máy tùy chỉnh của chúng thích nghi cùng với hoạt động. Hệ thống học về từng doanh nghiệp và vị trí theo thời gian, liên tục điều chỉnh tham số, xác định nguồn gốc của sự thiên vị và làm việc để loại bỏ dữ liệu dư thừa hoặc không đầy đủ mà làm sai lệch mô hình. Sự tinh chỉnh liên tục này đảm bảo rằng mỗi thông tin đều phản ánh thực tế của cửa hàng hiện tại. Không phải ngày hôm qua; không phải tuần trước. Và điều này rất quan trọng vì xu hướng bán lẻ, áp lực và điều kiện thay đổi nhanh chóng.

Orbit AI và Video AI được xây dựng để dễ dàng tích hợp và với các rào cản chính cho việc áp dụng. Thiết kế cảm biến tích hợp, cách tiếp cận tại rìa và khả năng Re-ID cho phép các nhà bán lẻ có được những thông tin này với ít thiết bị hơn, làm cho việc triển khai trở nên dễ dàng hơn và các công cụ phân tích có sẵn cho các doanh nghiệp mọi quy mô. Đây là sự tiếp tục của nhiều thập kỷ làm việc của chúng tôi tập trung vào việc làm cho các thông tin thông minh có sẵn cho toàn ngành.

Bạn đã nhấn mạnh việc sử dụng dữ liệu tinh gọn và sự hợp nhất cảm biến như nền tảng cho việc tái tạo lại bán lẻ. Việc kết hợp nhiều đầu vào cảm biến tạo ra lợi thế cạnh tranh so với các công cụ phân tích riêng lẻ như thế nào?

Các phân tích dựa trên đám mây giúp kết nối hoạt động và loại bỏ các silo, nhưng chúng cũng bao gồm một loạt các driver của lãng phí và kém hiệu quả — và nhiều nhà bán lẻ thậm chí không nhận ra những điều này hiện diện trong hệ thống của họ. Hiệu quả là, sự hợp nhất cảm biến chuyển các nhiệm vụ xử lý và tích hợp ban đầu sang chính thiết bị (trên rìa), giảm lượng dữ liệu cần được truyền đến máy chủ trung tâm và cho phép phản hồi theo thời gian thực trên toàn hệ sinh thái.

Lấy phân tích hành vi làm ví dụ. Trong một môi trường dựa trên đám mây truyền thống, các cảm biến sẽ thực hiện các nhiệm vụ thu thập cơ bản, liên tục (hoặc định kỳ) gửi dữ liệu thô đến máy tính trung tâm để xử lý, phân tích và hành động. Giả sử rằng phân tích đó tiết lộ tín hiệu của hành vi đáng ngờ trên sàn bán hàng, điều này kích hoạt một loạt các giao thức phản hồi. Well, thông tin đó — nhu cầu phản hồi — cũng cần được truyền. Và mặc dù toàn bộ quá trình rất nhanh theo tiêu chuẩn của con người, bạn đã mất thời gian gửi và nhận thông tin từ A đến B đến C đến B và như vậy.

Với khả năng hợp nhất của Video AI và Orbit AI, chúng tôi có thể cắt bỏ những bước thừa đó. Các công cụ AI và ML tích hợp phân tích dữ liệu thô khi nó được thu thập và ưu tiên các bước tiếp theo dựa trên phát hiện của chúng, cho phép hành động kịp thời hơn. Ngoài ra, bằng cách loại bỏ nhu cầu chuyển liên tục đến các hệ thống lớn hơn, sự hợp nhất dựa trên rìa giảm nhu cầu năng lượng và căng thẳng trên hệ thống trung tâm.

Ở quy mô doanh nghiệp, việc tích hợp phần cứng, phần mềm và nền tảng dữ liệu toàn cầu là cực kỳ phức tạp. Những nguyên tắc kiến trúc hoặc phương pháp kỹ thuật hệ thống nào là quan trọng để làm cho cơ sở hạ tầng bán lẻ được hỗ trợ bởi AI thực sự có thể mở rộng?

Điều quan trọng là phải bắt đầu với SAFe / Lean – Kiến trúc Hệ thống Agile. Nền tảng này cho phép thiết kế an toàn, thông minh về mặt kinh tế, linh hoạt và có thể tùy chỉnh (nếu cần) suy nghĩ và phát triển. Tôi cũng tin vào việc làm việc để tận dụng một cách tiếp cận trung lập đối với hệ sinh thái đối tác — cho phép chúng tôi gặp gỡ các đối tác ở nơi họ đang trên hành trình kỹ thuật số. Điều này cho phép chúng tôi tạo ra đòn bẩy ở cấp tài khoản và cũng mở ra con đường để hỗ trợ các công ty cần nhiều hơn một dịch vụ SaaS hoặc những tổ chức doanh nghiệp độc đáo muốn tất cả các hệ thống / dữ liệu trên trang web. Cách tiếp cận của chúng tôi cho phép nhiều con đường để kích hoạt và cũng hỗ trợ một loạt các tùy chọn phần cứng.

Nhiều nhà bán lẻ gặp khó khăn trong việc dịch các phân tích thành ROI có thể đo lường được. Bạn giúp các tổ chức kết nối các thông tin chi tiết nâng cao của AI trực tiếp với kết quả tài chính và hiệu quả hoạt động như thế nào?

Câu hỏi đó đã giúp thúc đẩy sự phát triển của Shrink Analyzer. Sau cú thúc đầu tiên của đầu tư số hóa, các nhà bán lẻ đã có những ngọn núi dữ liệu hàng tồn kho, mất mát và các dữ liệu khác nhưng thiếu một công cụ để hiểu tất cả.

Mặc dù mục đích chính của nó là cải thiện liên tục, nhưng nhiệm vụ ban đầu của Shrink Analyzer luôn là tạo điểm chuẩn tại thời điểm triển khai. Đó là bước đầu tiên, và đó là điều cho phép bất kỳ cải thiện nào sau đó, cũng như phục vụ như một điểm tham chiếu để theo dõi tiến度 đó theo các thuật ngữ quan trọng đối với doanh nghiệp. Đó là bước mà nhiều nhà lãnh đạo đã bỏ lỡ trong sự cường điệu xung quanh AI, và đó là lý do tại sao việc theo dõi ROI đã là một thách thức trên toàn ngành.

Bằng cách tiết lộ “cái gì, khi nào và ở đâu” của lãng phí và mất mát ngay từ đầu, Shrink Analyzer có thể dịch tất cả thành một thứ mà các nhà bán lẻ chưa từng có trước đây: một bức tranh rõ ràng, có thể định lượng về cách mất mát xảy ra trên quy mô lớn.

Nó cho thấy nơi mất mát thực sự đang xảy ra, các khoảng trống có tác động lớn nhất đến hiệu suất và các cơ hội thay đổi có thể giúp đưa con số đó xuống. Từ đó, các nhà bán lẻ có thể bắt đầu kiểm tra các trường hợp sử dụng, theo dõi tiến度 và điều chỉnh khi họ đi để biên soạn bằng chứng thuyết phục rằng các khoản đầu tư công nghệ AI và khác của họ đang di chuyển kim chỉ nam.

Quyền riêng tư và niềm tin là những mối quan tâm trung tâm khi các cửa hàng trở nên được trang bị nhiều hơn. Sensormatic Solutions đang tiếp cận việc triển khai AI có trách nhiệm trong khi vẫn cho phép trí tuệ hoạt động cao?

Tôi coi vấn đề này là một phần của những gì chúng tôi đã thảo luận trước đó — xây dựng cho các nhà lãnh đạo, người mua sắm và cộng sự như nhau. Vâng, các nhà bán lẻ là những người mua giải pháp của chúng tôi, nhưng chúng tôi không thể thành công nếu cộng sự và người mua sắm không đồng tình với các hệ thống. Sự hài lòng của họ là điều cần thiết cho khách hàng của chúng tôi và cho chúng tôi.

Điều này thúc đẩy cách tiếp cận “quyền riêng tư theo thiết kế” của chúng tôi trên tất cả các quy trình nghiên cứu và phát triển. Nói cách khác, chúng tôi nướng các hàng rào tiêu dùng vào giải pháp từ đầu, điều này giữ cho chúng tôi tò mò và sáng tạo.

Thiết kế Re-ID thể hiện điều này. Khả năng lập bản đồ hành trình và đếm lưu lượng của nó sử dụng các biến thể trong và kết hợp các chi tiết không xác định cá nhân — như kiểu tóc và màu tóc, thiết kế quần áo và phụ kiện — để gán ID duy nhất cho khách truy cập. Bạn có thể nghĩ rằng có quá nhiều sự chồng chéo trong trang phục hoặc phong cách cho điều này để có hiệu quả, nhưng chúng tôi đã tìm thấy rằng, khi xem xét cùng nhau, những loại thông tin này là duy nhất đủ để tự tin nói “người đó làm việc ở đây” hoặc “người đó đã đến một giờ trước”.

Chúng tôi không bao giờ biết nếu chúng tôi không bị buộc phải nghĩ ra khỏi hộp từ đầu. Khi các quy định thay đổi và lo ngại về quyền riêng tư của người tiêu dùng tăng lên, các tổ chức áp dụng quan điểm này từ sớm có thể sẽ dẫn đầu trong đổi mới vì họ đã quen với việc giải quyết vấn đề sáng tạo.

Các nhà bán lẻ đang điều hướng sự gián đoạn liên tục — sự bất ổn của chuỗi cung ứng, tội phạm bán lẻ có tổ chức, áp lực lao động và cạnh tranh kỹ thuật số. Cơ sở hạ tầng bán lẻ được hỗ trợ bởi AI có thể phục vụ như một lực lượng ổn định thay vì chỉ là một lớp phức tạp khác không?

Các hệ thống dựa trên dữ liệu cung cấp sự ổn định bằng cách căn chỉnh tổ chức xung quanh một sự thật duy nhất và mục tiêu chung. Thêm AI củng cố sự chắc chắn đó.

Dữ liệu tự nó vẫn còn mở để giải thích, và kết luận của các bên liên quan bị ảnh hưởng bởi các ưu tiên cá nhân của họ. AI có thể giảm thiểu vấn đề đó, vì nó phân tích dữ liệu trên toàn hoạt động mà không thiên vị về một quan điểm nào. Nếu hệ thống hoạt động như dự định, các nhà lãnh đạo với các ưu tiên cá nhân cạnh tranh có thể tin tưởng rằng các phân tích, khuyến nghị và mô hình dự đoán phản ánh thực tế của hoạt động kinh doanh. Nó san bằng sân chơi, vì vậy bước tiếp theo tốt nhất nổi lên vì giá trị của nó rõ ràng với mọi người.

Nhìn về tương lai 5 đến 10 năm, môi trường bán lẻ vật lý được tối ưu hóa hoàn toàn bởi AI sẽ trông như thế nào, và những bước chiến lược nào mà các nhà lãnh đạo nên thực hiện ngay bây giờ để chuẩn bị cho tương lai đó?

Không có con đường một kích cỡ phù hợp với tất cả mà tôi có thể trỏ đến sự sẵn sàng của AI, vì nó thực sự là về việc xây dựng các hệ thống hoạt động cho từng nhà bán lẻ riêng lẻ. Tuy nhiên, nền tảng cho điều này là khá phổ quát. Mỗi nhà bán lẻ cần:

• Cơ sở dữ liệu thống nhất cung cấp một bản ghi toàn diện về tất cả các lĩnh vực hoạt động. Không có điều này, ngay cả những mô hình tiên tiến và mạnh mẽ nhất cũng sẽ không thể cung cấp thông tin hữu ích. Họ cần ngữ cảnh để cung cấp.
• Điểm chuẩn đáng tin cậy dựa trên dữ liệu kinh doanh liên quan. Điều này phục vụ như một điểm khởi đầu cho các khoản đầu tư và cung cấp một điểm tham chiếu để đo lường tiến度.
• Kế hoạch đào tạo và nâng cao kỹ năng. AI không phải là một diễn viên độc lập. Nó có thể làm được nhiều việc, nhưng những người sử dụng nó cần hiểu các chức năng và hạn chế của nó. Các nhà bán lẻ cần bắt đầu lập kế hoạch và giao tiếp về công nghệ sớm và thường xuyên, để các cộng sự và nhân viên sẵn sàng khi thời điểm đến.
• Những nhà lãnh đạo quan tâm. Chuyển đổi là một dự án dài hạn, và các nhà lãnh đạo cần sẵn sàng cam kết tài nguyên cho sáng kiến trong thời gian dài và hào hứng hướng dẫn tổ chức của họ thông qua nó.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm nên truy cập Sensormatic Solutions hoặc Divergent Technology Advisors.