Didmeninė prekyba nuo senų laikų yra maržų, apimčių ir logistinio tikslumo sektorius. Duomenys jame jau dešimtmečius yra centre — sandėlio lygiai, užsakymo eilutės, tiekėjų kainos, maržų skaičiavimai. Tai sukuria įspūdį, kad šis sektorius turėtų turėti pranašumą AI srityje. Tuo pačiu šie duomenys dažnai yra išsklaidyti sistemose, kurios nebendrauja tarpusavyje: prieš daugelį metų įsigyta ERP sistema, atskira sandėlio programinė įranga, CRM, atskirtas nuo sąskaitų išrašymo, skaičiuoklės, užkemšančios sistemų paliktas skyles. Todėl duomenų kiekis nėra geras AI brandumo šiame sektoriuje prognozuoklis. Struktūra, kurioje tie duomenys yra, yra tokia.
Šis skirtumas yra lemiamas tam, kaip baigiasi bandomieji projektai. Didmeninė prekybos įmonė, investuojanti į AI sprendimą paklausos prognozavimui ar pirkimų optimizavimui, dažnai atranda, kad problema nėra modelyje, o tame, kuo tas modelis maitinamas. Sandėlio duomenys, kurie nesutampa su pardavimų duomenimis, klientų segmentacija, kuri skirtingose padaliniuose organizuota skirtingai, kainų susitarimai, esantys elektroninio pašto laiškuose, o ne sistemoje. Bandomasis projektas veikia testinėje aplinkoje ir įklimpsta, kai reikia patekti į visą organizaciją.
Didmeninės prekybos įmonės labai skiriasi mastu ir organizacine forma — nuo šeimos verslų su kompaktiška struktūra iki didelių distributorių su keliais padaliniais ir sluoksniuota vadovybe. Šis skirtumas atsispindi AI brandume. Mažesnėse, aiškiau suprantamose organizacijose atstumas tarp vadovybės ir darbo vietos yra trumpas, o tai gali paspartinti sprendimus dėl duomenų valdymo ir IT infrastruktūros, kai suprantamas jų svarba. Didesnėse, decentralizuotose organizacijose šis atstumas eina per kelis lygius, ir tai, kas viename distribucijos centre yra išplėtotas procesas, kitame gali būti dar netvarkinga.
Tai tiksliai paaiškina, kodėl vertinimo ratas šiame sektoriuje dažnai atskleidžia tai, ko vienas pokalbis neparodo. Kai generalinis direktorius, operacijų direktorius, IT direktorius ir padalinio vadovas nepriklausomai vienas nuo kito vertina tas pačias septynias dimensijas, dažnai išaiškėja, kad vadovybė duomenų kokybę vertina aukščiau nei žmonės, kurie su ja dirba kasdien. Šis skirtumas nėra nuomonių skirtumas, kurį reikia išsprendžia — tai informacija apie tai, kur organizacija tikrai stovi.
Septynios brandumo vertinimo dimensijos nėra vienodos svarbos eilės tvarka. Organizacija, IT infrastruktūra ir duomenų valdymas yra pagrindinės dimensijos: jos nustato, ar yra kas ant ko statyti. Dimensijos, tokios kaip valdymas, įgūdžiai ir kultūra, priklauso nuo jų. Didmeninė prekybos įmonė, kuri norėtų pradėti su AI valdomu pirkimų patarimu, bet kurios sandėlio duomenys yra trijose sistemose, kurios prieštarauja vienas kitai, neturi trūkstamos ambicijos, o trūkstamo pagrindo. Tai nėra klausimas apie daugiau mokymų ar didesnę palaikymo bazę — tai duomenų valdymo klausimas, kuriam pirmiausia reikia atsakymo.
Ši tvarka taip pat paaiškina, kodėl bandomieji projektai didmeninėje prekyboje dažnai užstringa foundation arba activation lygyje. Organizacija yra įsigijusi ar užsakiusi pastatyti AI sprendimą — tai matoma ir įrodoma — bet pamatai, ant kurių tas sprendimas turėtų veikti, niekada nebuvo sutvarkyti. Rezultatas yra įrankis, kuris stovi šalia darbo, o ne jame.
Klausimas nėra tai, ar jūsų didmeninė prekybos įmonė yra pasirengusi AI bendrąja prasme — tai klausimas, neturintis naudingo atsakymo. Klausimas yra, kuriomis iš septynių dimensijų jūsų organizacija stovi tvirtai, o kuriomis ne, ir ar šis vaizdas sutampa tarp žmonių, kurie dėl to sprendžia, ir žmonių, kurie su tuo dirba. Šis palyginimas yra tiksliai tai, ant ko yra pastatytas brandumo vertinimas: penki lygiai, septynios dimensijos ir vertinimo ratas, kuris parodo išsiskaidymą, o ne jį nuslepia.
Rezultatas labai skiriasi kiekvienoje įmonėje, taip pat ir didmeninėje prekyboje. Kai kurie iššūkiai, kuriuos šis sektorius patiria, jis dalijasi su transporto sektoriumi, kuriame apimtimis pagrįsta logistika taip pat reikalauja duomenų valdymo, kuris veikia visoje organizacijoje. Kiti panašumai yra su gamybos pramone, kur gamybos ir sandėlio procesai keliami panašius reikalavimus IT infrastruktūrai. Ir tie, kurie prekiauja su daug mažų, išsklaidytų klientų santykių, gali atpažinti tai, kas vyksta mažmeninėje prekyboje, kur duomenys apie klientus ir sandorius taip pat savaime nesusirenka į vieną vietą.
hybridresourcing brandumo vertinimas šiuo metu yra kuriamas. Norintys atlikti vertinimą, kai jis bus pasiekiamas, gali užsiregistruoti į laukiančiųjų sąrašą. Čia nieko nėra parduodama, kas dar neegzistuoja — tik galimybė sužinoti pirmam, kai jis egzistuos.
Šis vertinimas atsako į klausimą, ar jūsų didmeninė prekybos įmonė turi pamatus, kad galėtų palaikyti AI — organizaciją, infrastruktūrą, duomenų valdymą, ant kurio visa kita remiasi. Jis neatsako į klausimą, kurią dalį darbo jūsų sandėlio valdyme, užsakymų apdorojime ar pirkimuose iš tikrųjų galima perduoti AI. Šis klausimas priklauso FTE TO AI darbo vertinimui, kuris pagal užduotį apskaičiuoja, kokia darbo dalis tam tinkama. Abu klausimai priklauso vienas kitam, bet fiksuota tvarka: pirmiausia žinoti, ar žemė laiko, tik tada, kas ant jos gali būti statoma.
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.