Tukkukauppa on perinteisesti katteiden, volyymien ja logistisen tarkkuuden sektori. Data on ollut siellä keskiössä vuosikymmeniä — varastotasot, tilausrivit, toimittajahinnat, katelaskelmat. Tämä antaa vaikutelman, että sektorilla pitäisi olla etumatka AI:n alalla. Samalla data on usein hajallaan järjestelmissä, jotka eivät keskustele keskenään: vuosia vanha ERP-paketti, erillinen varasto-ohjelmisto, laskutuksesta irrallaan oleva CRM, taulukkolaskentaohjelmat, jotka paikkaavat järjestelmien jättämät aukot. Datan määrä ei siis ole hyvä ennustaja tälle sektorille tyypillisestä AI-kypsyydestä. Sen sijaan rakenne, jossa data on, on sitä.
Tämä ero ratkaisee, miten pilotit päättyvät. Tukkukauppa, joka investoi kysynnän ennustamiseen tai ostojen optimointiin tarkoitettuun AI-sovellukseen, huomaa usein, että ongelma ei ole mallissa, vaan siinä, mitä mallille syötetään. Varastotiedot, jotka eivät täsmää myyntidataan, toimipisteittäin eri tavalla järjestetty asiakassegmentointi, hintasopimukset, jotka ovat sähköpostikeskusteluissa eikä järjestelmässä. Pilotti toimii testiympäristössä ja jumittuu, kun sen pitää siirtyä organisaatioon.
Tukkukaupat vaihtelevat suuresti kooltaan ja organisaatiomuodoltaan — perheyrityksistä, joilla on kompakti rakenne, suuriin jakelijoihin, joilla on useita toimipisteitä ja kerroksellinen johto. Tämä vaihtelu vaikuttaa AI-kypsyyteen. Pienemmissä, selkeärakenteisissa organisaatioissa etäisyys johdon ja työntekijöiden välillä on lyhyt, mikä voi nopeuttaa datanhallintaa ja IT-infrastruktuuria koskevia päätöksiä, kunhan niiden merkitys ymmärretään. Suuremmissa, hajautetuissa organisaatioissa tämä etäisyys kulkee useiden kerrosten läpi, ja se, mikä yhdessä jakelukeskuksessa on huolellisesti läpiviety prosessi, voi toisessa olla vielä täysin jäsentymätöntä.
Juuri tästä syystä pilotointikierros paljastaa tällä sektorilla usein sellaista, jota yksittäinen keskustelu ei näytä. Kun toimitusjohtaja, operatiivinen johtaja, tietohallintojohtaja ja toimipisteen johtaja arvioivat toisistaan riippumatta samat seitsemän ulottuvuutta, käy usein ilmi, että johto arvioi datan laadun korkeammaksi kuin sen kanssa päivittäin työskentelevät ihmiset. Tämä ero ei ole mielipide-ero, joka pitäisi ratkaista — se on tietoa siitä, missä organisaatio todella on.
Kypsyysmittauksen seitsemän ulottuvuutta eivät ole järjestyksessä yhdenvertaisia. Organisaatio, IT-infrastruktuuri ja datanhallinta ovat perustavat ulottuvuudet: ne määrittävät, onko olemassa mitään, minkä päälle rakentaa. Ulottuvuudet kuten hallintomalli, taidot ja kulttuuri ovat niistä riippuvaisia. Tukkukauppa, joka haluaa aloittaa AI-pohjaisen ostoneuvonnan, mutta jonka varastotiedot ovat kolmessa järjestelmässä, jotka ovat keskenään ristiriidassa, ei kaipaa ambitiota vaan perustaa. Se ei ole kysymys enemmästä koulutuksesta tai enemmästä tuesta — se on datanhallinnan kysymys, joka tarvitsee vastauksen ensin.
Tämä järjestys selittää myös, miksi tukkukaupan pilotit jäävät usein tasolle foundation tai activation. Organisaatio on hankkinut tai teettänyt AI-sovelluksen — se on näkyvää ja osoitettavissa — mutta perustukset, joiden päällä tämän sovelluksen pitäisi toimia, ei ole koskaan saatettu kuntoon. Tuloksena on työkalu, joka on työn vierellä sen sijaan, että olisi sen osa.
Kysymys ei ole siitä, onko tukkukaupanne valmis AI:hin yleisessä mielessä — se on kysymys, jolla ei ole käyttökelpoista vastausta. Kysymys on, millä seitsemästä ulottuvuudesta organisaationne on vahvalla pohjalla ja millä ei, ja täsmääkö tämä kuva päätöksentekijöiden ja sen kanssa työskentelevien ihmisten välillä. Juuri tähän vertailuun kypsyysmittaus on rakennettu: viisi tasoa, seitsemän ulottuvuutta ja pilotointikierros, joka tuo hajonnan näkyväksi sen peittämisen sijaan.
Tulos vaihtelee suuresti yrityksestä toiseen, myös tukkukaupan sisällä. Osan tämän sektorin haasteista se jakaa kuljetusalan kanssa, jossa volyymivetoinen logistiikka vaatii yhtä lailla organisaationlaajuisesti toimivaa datanhallintaa. Muita yhtymäkohtia löytyy valmistavasta teollisuudesta, jossa tuotanto- ja varastoprosessit asettavat vastaavia vaatimuksia IT-infrastruktuurille. Ja ne, jotka käyvät kauppaa monien pienten, hajallaan olevien asiakassuhteiden kanssa, tunnistavat mahdollisesti samaa ilmiötä vähittäiskaupassa, jossa asiakas- ja transaktiodata ei myöskään päädy itsestään yhteen paikkaan.
hybridresourcingin kypsyysmittausta rakennetaan tällä hetkellä. Se, joka haluaa käydä mittauksen läpi sen valmistuttua, voi liittyä odotuslistalle. Tässä ei myydä mitään, mitä ei vielä ole olemassa — ainoastaan mahdollisuuden kuulla ensimmäisenä, kun se on olemassa.
Tämä mittaus vastaa kysymykseen, onko tukkukaupallanne perustukset, jotka kestävät AI:n — organisaatio, infrastruktuuri, datanhallinta, joiden päälle kaikki muu rakentuu. Se ei vastaa kysymykseen, mikä osa varastonhallinnan, tilausten käsittelyn tai ostotoiminnan työstä on todellisuudessa siirrettävissä AI:n tehtäväksi. Tämä kysymys kuuluu FTE TO AI:n työskannaukseen, joka laskee tehtävittäin, mikä osa työstä soveltuu siihen. Molemmat kysymykset kuuluvat yhteen, mutta kiinteässä järjestyksessä: ensin on tiedettävä, kantaako pohja, ja vasta sitten, mitä sen päälle voidaan rakentaa.
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.