DecisionNext 首席运营官罗希特·阿加瓦尔（Rohit Aggarwal）- 采访系列

罗希特·阿加瓦尔（Rohit Aggarwal）是 DecisionNext 的首席运营官，DecisionNext 是一家领先的 AI 平台，能够帮助公司在最好的时间和价格下优化商品的购买或销售。他利用自己在供应链和产品管理方面的丰富背景，以及直接领导大型团队执行复杂的多学科项目和实现业务成果的经验。罗希特此前曾在谷歌和亚马逊担任产品和运营管理职位。

您曾在亚马逊和谷歌工作，能否分享您在这些经历中的一些关键亮点？

在亚马逊，我有机会管理一个由 250 名跨职能员工组成的团队，以推出最佳的运营设施。我还支持实施创新，如同日配送、机器人技术和其他新兴技术。然后在谷歌，我利用自己的技能来弥合产品和运营之间的差距。这涉及从头开始构建应用程序，以管理新的履行方式，以及其他新功能。

您能否解释 DecisionNext 如何利用 AI 和机器学习来改进商品价格和供应预测？

DecisionNext 使用人工智能和机器学习来消耗成千上万的数据集，并找到历史和当前关系之间的关键因素。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中，我们的工具帮助客户更好地预测价格，做出更明智的决定，减少风险，并在全球供应链中增加利润。我们还正在使用大型语言模型（LLM）来简化复杂的全球决策，并提供风险意识的解决方案。

使用 DecisionNext 的 AI 平台与传统预测方法相比，有哪些关键的好处？

全球商品买家和卖家通常使用规则和电子表格来简化一个价值数十亿美元的复杂系统。这会留下大量的钱。这些电子表格曾经支持了数百家企业，并且效果很好。然而，随着工作力学的变化和全球市场变得更加不可预测，它们变得不那么有效。DecisionNext 已经花费多年时间完善一个 AI 平台，该平台可以将全球复杂性转化为大规模的可行建议——大大提高了财务表现。

我们的客户拥有特定领域或行业 30 年或以上的专家。随着新一代的到来，保留所有这些经验以便使用至关重要。DecisionNext 通过构建决策的综合库，整合专家意见，并从过去学习来帮助客户实现这一目标。

通过这样做，DecisionNext 平台可以在业务单位和个人之间减少风险和不确定性，同时为决策建立可扩展的方式。它还可以提高日常交易、长期位置和未来战略规划中的盈利能力。

动态数据在 DecisionNext 的 AI 驱动决策过程中扮演着什么角色，该数据如何被集成和利用？

动态和最新的数据在构建最佳模型时至关重要。然而，处理和建模数据的速度和复杂性并不是唯一的因素。例如，模型如何知道最新数据点的权重（例如系统中的冲击），并且需要以不同的方式对待它？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，以使用模型或系统无法知道的数据。这使我们的客户能够获得以前不可能的新见解。他们还可以更好地了解全球供应或新贸易法规等全球转变的影响，以及其他无数可能的情况。

DecisionNext 的 AI 平台如何革新商品市场的商业决策？

我们的最佳平台已经革新了对价格、供应和需求预测的标准方法，为我们的用户提供了不仅仅是预测的东西。使用我们的工具，他们可以快速了解风险、不确定性，并通过鼠标点击分析复杂的决策。DecisionNext 在农业和采矿领域的供应链中有多个用例，包括采购和销售价格优化、业务规划、地理和产品套利、最低成本配方和风险管理等。

DecisionNext 如何确保其 AI 预测模型对于商品交易的准确性和可靠性？

我们通过强大的回测来确保我们的 AI 预测模型的准确性和可靠性。DecisionNext 已经建立了一个能够快速测试数千个模型结构的严格系统，并为用户提供了对模型准确性的全面理解。这种方式很容易理解，并且还可以使用这种准确性来预测未来的不确定性。

您能否分享一个 DecisionNext 如何帮助一家公司使用 AI 工具应对市场波动的例子或案例研究？

使用 DecisionNext，一家大型铁矿石生产商在现货销售中平均增加了 6-8% 的利润。我们的解决方案帮助他们优化了价格策略，并减少了地理套利等关键决策所需的时间。同样，我们还可以帮助牛肉生产商决定在哪里和何时出售来自他们的尸体的牛肉。

在这两种情况下，DecisionNext 提供了准确且有据可查的短期和长期预测，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个销售策略，减少风险，简化决策，并更有效地增加利润率。

没有 DecisionNext，公司不得不依赖历史平均值、期货市场（如果有）和经验来定价商品。虽然过去这种方法有效，但在我们日益波动的商品市场中，公司正在把数百万美元留在桌面上。

您能否讨论交互式预测模型对于用户的重要性，以及 DecisionNext 如何确保这些模型是用户友好的？

旧的、过时的“黑盒”预测模型无法告诉人们为什么预测是这样的，也无法帮助将预测转化为可行的决策。因此，用户可能不会使用甚至完美的预测，并且会回到旧的方法。

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这两者联系起来。DecisionNext 提供了对数据源和模型结构的完整可见性，以及战略清晰度和方向。

所有这些都通过为持续参与而设计的用户友好仪表板来提供。

疫情和最近的地缘政治事件如何影响 DecisionNext 商品交易中的 AI 开发和使用？

COVID-19 颠覆了全球肉类价值链，我想起了一位特别受到疫情影响的客户。由于大量冷冻食品即将进入即将停摆的食品服务渠道，该客户使用 DecisionNext 分析快速和最优地清理库存，并计划如何以及何时重建这些库存，因为美国的封锁正在蔓延。

使用 DecisionNext 平台，该客户构建和比较了四个复杂的销售和采购替代方案，以查看预期的市场结果并比较风险。他们能够成功地清理多个切割的过剩库存，这些交易在一个月内为 DecisionNext 软件投资带来了 5 倍的回报。

您预见哪些未来在 AI 和机器学习方面的进步将影响商品市场，以及 DecisionNext 如何为这些进步做准备？

DecisionNext 正在努力利用 AI 和机器学习使商品市场更加高效、盈利和可持续。随着世界继续应对气候变化和政治不稳定等巨大的挑战，智能技术将在我们成功应对这些挑战的过程中发挥越来越重要的作用。我们感到荣幸的是，我们的客户和合作伙伴信任我们为他们提供一个平台来帮助实现这一目标。

感谢这次精彩的采访，希望了解更多的读者可以访问 DecisionNext。