DecisionNext 首席运营官 Rohit Aggarwal – 访谈系列

Rohit Aggarwal 是 决策下一步，这是一个领先的人工智能平台，可帮助企业以最佳时间和价格优化商品的购买或销售。他拥有丰富的供应链和产品管理经验，并直接领导大型团队执行复杂的多学科项目并取得业务成果。Rohit 之前曾在 Google 和 Amazon 担任产品和运营管理职务。

您曾在亚马逊工作过，最近又在谷歌工作过。这些经历给您留下了哪些深刻印象？

在亚马逊，我有机会管理一支由 250 名跨职能员工组成的多元化团队，以推出一流的运营设施。我还支持实施当日送达、机器人技术和其他新兴技术等创新。然后在谷歌，我利用我的技能弥合产品和运营之间的差距。这包括从头开始构建应用程序来管理新式履行流程以及其他新产品。

您能解释一下 DecisionNext 如何利用人工智能和机器学习来改善商品价格和供应预测吗？

DecisionNext 使用人工智能和机器学习来处理数千个数据集，并找到关键因素之间的历史和当前关系。然后，它从这些信息中学习并为任何商品构建相关模型。在农业和自然资源市场，我们的工具可帮助客户更好地预测价格、做出更明智的决策、降低风险并提高全球供应链的利润。我们还致力于使用大型语言模型 (LLM) 通过风险感知解决方案简化复杂的全球决策。

与传统预测方法相比，使用 DecisionNext 的 AI 平台有哪些主要优势？

全球大宗商品买家和卖家经常依靠经验法则和电子表格来简化价值数十亿美元交易的复杂系统。这样一来，大量资金就白白浪费了。这些电子表格发挥了奇效，为数百家企业提供了支持。然而，随着劳动力动态的变化和全球市场变得更加不可预测，它们的效率正在下降。DecisionNext 多年来一直在完善一个 AI 平台，将全球复杂性转化为可大规模操作的建议，从而大大提高了财务绩效。

我们的客户拥有在特定领域或行业工作了 30 年或更长时间的主题专家。随着新一代人的加入，以可用的方式保留所有这些经验至关重要。DecisionNext 通过建立全面的决策库、整合专家意见和从过去吸取教训来帮助实现这一点。

通过这种方式，DecisionNext 平台降低了各业务部门和个人在业务决策中的风险和不确定性，同时建立了一种可扩展的决策方式。它还提高了日常交易、长期职位和面向未来的战略规划的盈利能力。

动态数据在DecisionNext的AI驱动决策过程中扮演什么角色，以及如何整合和利用这些数据？

在构建一流的模型时，动态和最新的数据极其重要。话虽如此，数据处理和建模的速度和复杂性并不是唯一因素。例如，模型如何知道最新数据点（比如系统中的冲击）的权重，以及需要以不同的方式处理它？我们的用户可以通过专利技术与模型交互，输入他们的意见并构建假设分析，以使用模型或系统尚无法知道的数据。这使我们的客户能够获得原本不可能获得的新见解。他们还能够更好地了解全球供应变化或新贸易法规的影响，以及无数其他潜在情况。

DecisionNext 的 AI 平台如何彻底改变了商品市场的商业决策？

我们一流的平台为用户提供的不仅仅是预测，它彻底改变了定价、供需预测的标准方法。借助我们的工具，他们可以快速了解风险、不确定性，只需点击几下鼠标即可分析复杂的决策。DecisionNext 在农业和采矿业的供应链中拥有大量用例。其中包括采购和销售价格优化、业务规划、地理和产品套利、最低成本制定和风险管理等。

DecisionNext 如何确保其大宗商品交易 AI 预测模型的准确性和可靠性？

我们通过密集的回测来确保我们的 AI 预测模型的准确性和可靠性。DecisionNext 建立了一个严格的系统，能够快速测试数千个模型结构，并让用户全面了解模型的准确性。这可以通过一种易于理解的方式完成，同时还允许我们利用这种准确性来预测未来的不确定性。

您能否分享一个例子或案例研究，说明 DecisionNext 如何利用您的 AI 工具帮助公司应对市场波动？

借助 DecisionNext，一家大型铁矿石生产商的现货销售利润平均增加了 6-8%。我们的解决方案帮助他们优化定价策略，并缩短了围绕地理套利做出关键决策所需的时间。同样，我们能够帮助养牛户做出同样的决定，决定在何时何地出售来自其胴体的牛肉。

在这两种情况下，DecisionNext 都提供了准确且可靠的短期和长期预测，以优化销售规划策略。我们的可视化工具使生产商能够快速评估多种销售策略，以最大程度地降低风险、简化决策并更有效地提高利润。

如果没有 DecisionNext，公司就不得不依靠历史平均水平、期货市场（如果有的话）和经验来为商品定价。尽管这种方法在过去很有效，但随着大宗商品市场波动性越来越大，公司将损失数百万美元。

您能否讨论一下为用户提供交互式预测模型的意义，以及 DecisionNext 如何确保这些模型的用户体验良好？

过时的“黑箱”预测模型无法告诉人们预测结果背后的原因。它也无法帮助人们将预测结果转化为可执行的决策。因此，在这种情况下，用户可能不会使用哪怕是完美的预测结果，而是回到旧方法。

DecisionNext 帮助客户更好地了解市场风险和业务风险，以及为什么在预测时应将两者相互关联。DecisionNext 提供对数据源和模型结构的完全可视性以及战略清晰度和方向。

所有这些都是通过一个用户友好的仪表板实现的，旨在实现持续参与。

疫情和最近的地缘政治事件对 DecisionNext 在大宗商品交易中人工智能的开发和使用有何影响？

COVID-19 颠覆了全球肉类价值链，我想到了一个受危机影响特别大的客户。由于大量冷冻食品即将运往即将停业的餐饮服务渠道，该客户利用 DecisionNext 分析在全美范围内实施封锁措施时快速、最佳地清算库存，并规划如何以及何时重建上述库存。

使用 DecisionNext 平台，客户构建并比较了四种复杂的销售和采购方案，以了解预期的市场结果并比较风险。他们能够通过多种方式成功清算过剩库存，这些交易在一个月内就为 DecisionNext 软件投资带来了 5 倍的回报。

您预见到人工智能和机器学习的未来进步会对大宗商品市场产生什么影响？DecisionNext 如何为此做好准备？

DecisionNext 走在利用人工智能和机器学习提高商品市场效率、盈利能力和可持续性的前沿。随着世界继续应对气候变化和政治不稳定等巨大挑战，智能技术将成为我们成功应对这些挑战的重要组成部分。我们很荣幸能够获得客户和合作伙伴的信任，提供一个平台来帮助实现这一目标。

感谢您的精彩采访，想要了解更多信息的读者可以访问 决策下一步.