Vähittäiskauppa ei ole yhtenäinen toimiala AI-kypsyyden suhteen. Toisaalta on organisaatioita, joilla on laaja, automatisoitu verkkoympäristö, jossa personointi, varastonohjaus ja hintalogiikka ovat jo pitkään nojanneet dataan. Toisaalta on fyysinen myymälälattia, jossa prosessit nojaavat usein edelleen kokemukseen, paperiin ja suullisiin sopimuksiin myymälän ja pääkonttorin välillä. Yhden ja saman ketjun sisällä nämä kaksi maailmaa voivat elää rinnakkain, ja tämä ero on suurempi kuin monella muulla toimialalla. Siinä missä rahoituspalvelualalla nähdään yleensä tasaisempi kuva pääkonttorin ja toteutuksen välillä, vähittäiskaupassa näkee säännöllisesti pääkonttorin, joka on pitkällä edellä, ja myymälälattian, joka on vielä jäljessä.
Tämä kuilu on syy siihen, että AI-pilotit vähittäiskaupassa käynnistyvät usein kyllä, mutta eivät kasva laajemmiksi. Pääkonttorissa toteutettu pilotti toimii, koska sinne data, järjestelmät ja ihmiset on jo jossain määrin sovitettu yhteen. Kun sama lähestymistapa pitäisi viedä myymälälattialle tai jakelukeskukseen, infrastruktuuri sen kannattelemiseksi puuttuu usein. Ei koska ambitio puuttuisi, vaan koska perustaso ei ole siihen vielä valmis.
hybridresourcingin kypsyysmittaus tarkastelee seitsemää ulottuvuutta, jaettuna viiteen tasoon: perustasosta älykkyyteen. Osa näistä ulottuvuuksista on perustavanlaatuisia: organisaatio itse, IT-infrastruktuuri ja datahallinta. Toinen osa on niistä riippuvainen. Kyse ei ole valinnasta järjestyksen suhteen, vaan siitä, miten se toimii käytännössä. Ketju voi ottaa AI:n käyttöön myymälätasolla vasta kun kassajärjestelmien, varastojärjestelmien ja henkilöstösuunnittelun data on luotettavaa ja yhteen liitettyä. Ilman tätä perustaa jokainen sovellus jää erilliseksi kokeiluksi, joka ei skaalaudu.
Vähittäiskaupassa näemme, että perustavanlaatuiset ulottuvuudet ovat usein kunnossa pääkonttorissa, mutta niitä ei ole viety yhtenäisesti myymälöihin. Datahallinta voi olla kypsää keskitetyllä tasolla, kun taas myymälälattialla kirjattu data on edelleen epäjohdonmukaista, puutteellista tai viivästynyttä. Tämä ero johtaa siihen, että organisaatio kokonaisuutena pisteytyy alemmalle tasolle kuin osiensa summa antaisi olettaa.
Vähittäiskaupan erityispiirre ei ole vain verkkokaupan ja fyysisen myymälän välinen ero, vaan myös ero siinä, keneltä asiaa kysytään. Plot-kierros, jossa eri ihmiset samassa organisaatiossa pisteyttävät erikseen, näyttää tällä toimialalla usein suurta hajontaa. Pääkonttorin IT-johtaja voi arvioida infrastruktuurin kypsäksi, kun taas myymäläpäällikkö kohtaa päivittäin vanhentuneiden järjestelmien rajoitukset. Molemmat kuvat ovat totta, mutta ne viittaavat ketjun eri kohtiin.
Tämä hajonta on itsessään tietoa. Se osoittaa, missä organisaation sisällä käsitys valmiudesta eroaa toisistaan, ja siten missä yksimielisyyden on ensin synnyttävä ennen kuin seuraava askel AI:ssa on mielekäs. Tämä yksimielisyyskysymys on vähittäiskaupassa usein suurempi kuin toimialoilla, joilla on kompaktimpi organisaatiorakenne, kuten ICT-alalla, jossa pääkonttori ja toteutus ovat yleensä lähempänä toisiaan.
Jännite keskitetysti johdetun pääkonttorin ja hajautetun toteutuksen välillä ei ole ainutlaatuinen vähittäiskaupalle. Sama jännite näkyy ravintola-alalla, jossa toimipisteiden ketjun on samoin tukeuduttava johdonmukaisiin perusprosesseihin ennen kuin AI voi toimia toimipistetasolla, ja kiinteistöalalla, jossa keskitetty hallinta ja hajautettu ylläpito ovat usein kehittyneet toisistaan erillään. Kaikilla näillä toimialoilla pätee sama järjestys: organisaation, infrastruktuurin ja datahallinnan on ensin oltava kunnossa, ennen kuin niiden päälle rakentuvat ulottuvuudet voivat antaa suuntaa.
Kypsyysmittaus ei anna arviota siitä, mikä osasto jää jälkeen, eikä neuvoa siitä, mitä pitäisi muuttaa ensin. Sen sijaan mittaus tekee selväksi, millä tasolla organisaatio on kunkin seitsemän ulottuvuuden osalta, ja missä hajonta pisteyttäjien välillä on suurin. Vähittäiskaupan ketjulle tämä tarkoittaa usein pääkonttorin käsityksen ja myymälälattian todellisuuden kohtaamista, ja se on juuri se kuva, jota tarvitaan sen määrittämiseksi, mihin perusta pitää vielä rakentaa.
Työkalu, joka toteuttaa tämän mittauksen, on rakenteilla. Se, joka haluaa käyttää sitä sen valmistuttua, voi ilmoittautua jonotuslistalle. Mitään ei tarjota, mitä ei vielä ole olemassa, eikä luvata mitään mittauksen tuloksesta organisaatiolle.
Tämä sivu kuvaa, onko organisaatio kokonaisuutena valmis kannattelemaan AI:ta: onko organisaation, infrastruktuurin ja datan perusta riittävän vakaa ennen kuin jatkoaskeleet ovat mielekkäitä. Tämä on eri kysymys kuin se, minkä osan työstä AI voi tosiasiassa ottaa hoitaakseen. Tähän kysymykseen on tarkoitettu FTE TO AI:n työskannaus: se laskee tehtäväkohtaisesti, mikä osa työstä voidaan siirtää AI:lle, varastonhallinnasta asiakasviestintään. Siinä missä kypsyysmittaus kuvaa organisaation kantokykyä, työskannaus kuvaa itse työn sisältöä. Molempia kuvia tarvitaan, jotta tiedetään, missä todella olette.
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.