Сбор данных стремительно расширяется. Согласно исследованию Statista, объем данных, создаваемых, потребляемых и хранимых во всем мире, к 2025 г. увеличится более чем на 50%. Атул Шарма, соучредитель и технический директор Peak, обсуждает на портале Information Age, как интеллектуальное принятие решений (decision intelligence, DI) помогает организациям раскрыть потенциал собранных данных.

Предприятия понимают, что более эффективная оценка данных обеспечивает конкурентное преимущество, и что этот потенциал раскроет именно искусственный интеллект, а не BI. Тем не менее, существует поразительный разрыв между масштабами инвестиций в ИИ и ощутимой отдачей от него. Компании из списка Fortune 500 тратят в среднем 75 млн. долл. на инновации в области ИИ, но только 10% всех моделей машинного обучения реально внедряются в производство. Преодолеть разрыв между теоретическим и производственным ИИ призвано DI.

DI помогает работникам в режиме реального времени использовать ИИ-инсайты для принятия более эффективных бизнес-решений — от выбора способа целевого расходования рекламного бюджета до сокращения выбросов углерода в цепочках поставок. Gartner прогнозирует, что более трети крупных организаций будут использовать DI в течение следующих двух лет, поэтому для компаний сейчас самое подходящее время изучить потенциальные возможности этой технологии.

Азы DI

Если ИИ может быть несколько туманным понятием, то DI — более конкретное. Это связано с тем, что оно ориентировано на результат: DI-система должна обеспечивать ощутимую отдачу от инвестиций. Модель для лучшего управления запасами, которая установлена на компьютере специалиста по исследованию данных, не является DI. Полностью производственная модель, которая позволяет команде склада эффективно и уверенно перемещаться в зоне комплектации, экономя время и капитальные затраты, — это уже DI.

Поскольку DI ориентировано на бизнес-результат, оно требует построения моделей с учетом поставленной цели и поэтому устраняет многие болевые точки предприятий, которые в настоящее время испытывают трудности с количественной оценкой своей стратегии ИИ. Отталкиваясь от цели, компании могут создавать необходимые решения и быстрее раскрывать ценность ИИ.

DI в действии

Допустим, заведующая складом, назовем ее Сара, занимается проблемой дефицита запасов. Используя имеющиеся у нее данные по складу, она увеличивает заказы на 200 складских единиц (SKU). Через месяц она снова сталкивается с очередной нехваткой. Но с помощью DI Сара может принять решение, которое обычно недоступно отдельному работнику: решение на основе обширных данных, к которым применяется интеллектуальный подход, обеспечивающий прогнозирование. Принимая во внимание обстоятельства в целом по предприятию, DI-платформа рекомендует ей сократить заказы у поставщика. Затем система выясняет, что у компании есть склад, где хранятся 2000 непроданных единиц требуемой номенклатуры. Платформа предупреждает команду логистики и направляет запланированную поставку через этот склад, чтобы забрать дополнительные единицы SKU. Далее DI-система использует ту же модель для коммерческих команд по всему предприятию, корректируя рекомендуемые действия по мере изменения данных.

В свою очередь, руководители отделов и менеджеры получают представление о том, как их решения на высшем уровне влияют на более мелкие решения на уровне процессов. Они могут мгновенно видеть проблемы и преимущества различных сценариев для разных уровней бизнеса и принимать более разумные решения в темпе и масштабе.

Некоторые глобальные компании уже начали применять DI-решения, используя их для повышения прибыльности и устойчивости, снижения потребностей в капитале и оптимизации бизнес-операций. Рассмотрим несколько примеров, демонстрирующих мощь и потенциал этой технологии.

Создание более экологичных и эффективных цепочек поставок. Люди, работающие в цепочке поставок, наверняка знакомы со «складскими каникулами» и огромными затратами, которые они влекут за собой для предприятий. Это происходит следующим образом: в распределительном центре А не хватает запасов, поэтому его берут из распределительного центра Б. Через две недели запасов не хватает уже в Б, поэтому товар приходится перемещать обратно. Каждая транспортировка товара — финансовые затраты, дополнительная логистическая работа для загруженных команд, а также выбросы углерода из-за дополнительных перевозок (сокращение пробега грузовиков на 200 000 км эквивалентно 147 т выбросов CO2).

Используя DI, команды могут оптимизировать уровни запасов и их распределение в одной глобальной компании по производству потребительских товаров, значительно сократив перемещение запасов между распределительными центрами. Этого удается достичь благодаря анализу нескольких факторов, включая спрос (фактический и прогнозируемый), объем производства, затраты на обработку и транспортные расходы.

Оптимизация складов для повышения качества обслуживания клиентов. Складская логистика — сложная и запутанная система. Крошечное решение может повлиять на то, чтобы посылка прибыла к клиенту вовремя, а не со значительной задержкой.

Одному ведущему интернет-магазину модной одежды требовалось обеспечить своевременную доставку товаров на следующий день. Чтобы добиться этого, нужно было найти приемлемый способ увеличить количество подборов товара на одного работника склада в минуту. Были собраны все необходимые данные и использовано DI для создания решения на основе МО, которое предсказывало оптимальный график заказов для каждой волны комплектации. Результатом стало увеличение количества подборов на 5% на человека в минуту и значительное снижение затрат на доставку. Легко понять, как влияние этого решения распространяется на всю цепочку создания ценности, от склада до обслуживания клиентов.

Следующий важный шаг для ИИ

В течение многих лет ИИ был на слуху, но чем больше мы смотрим на него через призму реальных способов применения DI, тем более ощутимым становится его потенциал. В настоящее время 78% компаний, инвестирующих в технологии хранения данных, еще не полностью окупили свои инвестиции. DI может помочь им вывести данные из хранилищ и передать их в руки коммерческих команд. Именно эти команды смогут вернуть ценность данных в бизнес и в более широкий мир. А если учесть потенциальное влияние решений на основе ИИ на такие актуальные глобальные проблемы, как устойчивое развитие, то становится ясно, что нельзя терять время, чтобы реализовать трансформационный потенциал ИИ с помощью DI.