Το λιανικό εμπόριο δεν είναι ένας ομοιόμορφος κλάδος όσον αφορά την ωριμότητα στην AI. Από τη μία πλευρά υπάρχουν οργανισμοί με ένα μεγάλο, αυτοματοποιημένο διαδικτυακό περιβάλλον, όπου η εξατομίκευση, η διαχείριση αποθεμάτων και η λογική τιμολόγησης βασίζονται εδώ και καιρό σε δεδομένα. Από την άλλη πλευρά βρίσκεται ο φυσικός χώρος του καταστήματος, όπου οι διαδικασίες συχνά εξακολουθούν να βασίζονται σε εμπειρία, χαρτί και προφορικές συμφωνίες μεταξύ καταστήματος και κεντρικών γραφείων. Εντός μίας και της αυτής αλυσίδας, αυτοί οι δύο κόσμοι μπορούν να συνυπάρχουν, και αυτή η διαφορά είναι μεγαλύτερη από ό,τι σε πολλούς άλλους κλάδους. Ενώ οι χρηματοοικονομικές υπηρεσίες δείχνουν συνήθως μια πιο ομοιόμορφη εικόνα μεταξύ κεντρικών γραφείων και εκτέλεσης, στο λιανικό εμπόριο βλέπετε τακτικά κεντρικά γραφεία που βρίσκονται πολύ μπροστά και έναν χώρο καταστήματος που πρέπει ακόμη να τα ακολουθήσει.
Αυτό το χάσμα είναι ο λόγος για τον οποίο τα πιλοτικά προγράμματα AI στο λιανικό εμπόριο συχνά ξεκινούν, αλλά δεν αναπτύσσονται περαιτέρω. Ένα πιλοτικό πρόγραμμα στα κεντρικά γραφεία λειτουργεί, επειδή εκεί τα δεδομένα, τα συστήματα και οι άνθρωποι είναι ήδη κάπως ευθυγραμμισμένα μεταξύ τους. Μόλις η ίδια προσέγγιση πρέπει να επεκταθεί προς τον χώρο του καταστήματος ή το κέντρο διανομής, συχνά λείπει η υποδομή για να τη στηρίξει. Όχι επειδή λείπει η φιλοδοξία, αλλά επειδή το θεμελιώδες επίπεδο δεν είναι ακόμη έτοιμο για αυτό.
Η μέτρηση ωριμότητας της hybridresourcing εξετάζει επτά διαστάσεις, κατανεμημένες σε πέντε επίπεδα: από baseline έως intelligence. Ένα μέρος αυτών των διαστάσεων είναι θεμελιώδες: ο ίδιος ο οργανισμός, η υποδομή IT και η διαχείριση δεδομένων. Ένα άλλο μέρος εξαρτάται από αυτό. Αυτό δεν είναι επιλογή στη σειρά, αλλά ο τρόπος με τον οποίο λειτουργεί το σύστημα. Μια αλυσίδα καταστημάτων μπορεί να αναπτύξει AI σε επίπεδο καταστήματος μόνο όταν τα δεδομένα από τα ταμεία, τα συστήματα αποθεμάτων και τον προγραμματισμό προσωπικού είναι αξιόπιστα και διασυνδεδεμένα μεταξύ τους. Χωρίς αυτή τη βάση, κάθε εφαρμογή παραμένει ένα μεμονωμένο πείραμα που δεν κλιμακώνεται.
Στο λιανικό εμπόριο βλέπουμε ότι οι θεμελιώδεις διαστάσεις είναι συχνά σε τάξη στα κεντρικά γραφεία, αλλά δεν έχουν εφαρμοστεί ομοιόμορφα προς τα καταστήματα. Η διαχείριση δεδομένων μπορεί να είναι ωριμότατη σε κεντρικό επίπεδο, ενώ τα δεδομένα που καταγράφονται στον χώρο του καταστήματος εξακολουθούν να είναι ασυνεπή, ελλιπή ή με καθυστέρηση. Αυτή η διαφορά κάνει τον οργανισμό ως σύνολο να βαθμολογείται σε χαμηλότερο επίπεδο από ό,τι θα υποδηλώνει το άθροισμα των μερών του.
Αυτό που κάνει το λιανικό εμπόριο ιδιαίτερο δεν είναι μόνο η διαφορά μεταξύ online και φυσικού, αλλά και η διαφορά ανάλογα με το ποιον ρωτάτε. Μια γύρος plot, όπου διαφορετικοί άνθρωποι εντός του ίδιου οργανισμού βαθμολογούν ξεχωριστά, δείχνει συχνά σε αυτόν τον κλάδο μεγάλη διασπορά. Ένας IT-manager στα κεντρικά γραφεία μπορεί να αξιολογήσει την υποδομή ως ωριμότατη, ενώ ένας διευθυντής καταστήματος αντιμετωπίζει καθημερινά τους περιορισμούς παρωχημένων συστημάτων. Και οι δύο εικόνες είναι αληθινές, αλλά υποδεικνύουν διαφορετικό σημείο στην αλυσίδα.
Αυτή η διασπορά είναι από μόνη της πληροφορία. Δείχνει πού μέσα στον οργανισμό διαφέρει η εικόνα της ετοιμότητας, και άρα πού πρέπει πρώτα να προκύψει συμφωνία πριν το επόμενο βήμα στην AI αποκτήσει νόημα. Αυτό το ζήτημα συμφωνίας είναι συχνά μεγαλύτερο στο λιανικό εμπόριο απ' όσο σε κλάδους με πιο συμπαγή οργανωτική δομή, όπως ο κλάδος ΤΠΕ, όπου τα κεντρικά γραφεία και η εκτέλεση βρίσκονται συνήθως πιο κοντά μεταξύ τους.
Η ένταση μεταξύ κεντρικά διαχειριζόμενων κεντρικών γραφείων και διασκορπισμένης εκτέλεσης δεν είναι μοναδική για το λιανικό εμπόριο. Η ίδια ένταση παρατηρείται και στην εστίαση, όπου μια αλυσίδα καταστημάτων πρέπει επίσης να βασίζεται σε συνεπείς βασικές διαδικασίες προτού η AI μπορέσει να λειτουργήσει σε επίπεδο τοποθεσίας, και στον κλάδο ακινήτων, όπου η κεντρική διαχείριση και η αποκεντρωμένη συντήρηση συχνά έχουν αναπτυχθεί ανεξάρτητα η μία από την άλλη. Σε όλους αυτούς τους κλάδους ισχύει η ίδια σειρά: η οργάνωση, η υποδομή και η διαχείριση δεδομένων πρέπει πρώτα να είναι σταθερές, προτού οι διαστάσεις που βασίζονται σε αυτές μπορούν να δώσουν κατεύθυνση.
Η μέτρηση ωριμότητας δεν εκφέρει κρίση για ποιο τμήμα καθυστερεί, και δεν δίνει συμβουλή για τι πρέπει να αλλάξει πρώτο. Αυτό που κάνει η μέτρηση είναι να καθιστά σαφές σε ποιο επίπεδο βρίσκεται ένας οργανισμός εντός καθεμιάς από τις επτά διαστάσεις, και πού η διασπορά μεταξύ των ανθρώπων που βαθμολογούν είναι μεγαλύτερη. Για μια αλυσίδα στο λιανικό εμπόριο αυτό σημαίνει συχνά μια σύγκρουση μεταξύ της εικόνας στα κεντρικά γραφεία και της πραγματικότητας στον χώρο του καταστήματος, και αυτή είναι ακριβώς η εικόνα που χρειάζεται για να καθοριστεί πού πρέπει ακόμη να τεθεί η βάση.
Το εργαλείο που εκτελεί αυτή τη μέτρηση βρίσκεται υπό κατασκευή. Όποιος θέλει να το χρησιμοποιήσει μόλις γίνει διαθέσιμο, μπορεί να εγγραφεί στη λίστα αναμονής. Δεν προσφέρεται τίποτα που δεν υπάρχει ακόμη, και δεν δίνεται καμία υπόσχεση σχετικά με το αποτέλεσμα της μέτρησης για τον οργανισμό σας.
Αυτή η σελίδα περιγράφει αν ο οργανισμός ως σύνολο είναι έτοιμος να στηρίξει την AI: αν η βάση της οργάνωσης, της υποδομής και των δεδομένων είναι αρκετά στέρεη προτού τα περαιτέρω βήματα αποκτήσουν νόημα. Αυτό είναι διαφορετικό ερώτημα από το ποιο μέρος της εργασίας μπορεί πραγματικά να αναλάβει η AI. Για αυτό το ερώτημα προορίζεται η werkscan της FTE TO AI: αυτή υπολογίζει ανά καθήκον ποιο μέρος της εργασίας μπορεί να μεταφερθεί στην AI, από τη διαχείριση αποθεμάτων έως την επικοινωνία με τους πελάτες. Όπου η μέτρηση ωριμότητας απεικονίζει τη φέρουσα ικανότητα του οργανισμού, η werkscan απεικονίζει το περιεχόμενο της ίδιας της εργασίας. Και οι δύο εικόνες είναι απαραίτητες για να γνωρίζετε πού πραγματικά βρίσκεστε.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.