Vairumtirdzniecība kopš seniem laikiem ir maržu, apjomu un loģistikas precizitātes nozare. Dati tajā ir centrā jau desmitgadēm — krājumu līmeņi, pasūtījumu pozīcijas, piegādātāju cenas, maržu aprēķini. Tas rada iespaidu, ka šai nozarei būtu jābūt priekšrocībai AI jomā. Tajā pašā laikā šie dati bieži ir izkaisīti pa sistēmām, kas nesarunājas vienai ar otru: gadiem senā ERP pakete, atsevišķa krājumu programmatūra, CRM, kas nav saistīts ar rēķinu izrakstīšanu, izklājlapas, kas aizpilda robus, ko sistēmas atstāj. Datu apjoms tātad nav labs AI gatavības prognozētājs šajā nozarē. Struktūra, kurā šie dati atrodas, tomēr ir.
Šī atšķirība nosaka, kā izpaliek pilotprojekti. Vairumtirgotājs, kurš iegulda AI risinājumā pieprasījuma prognozēšanai vai iepirkumu optimizācijai, bieži atklāj, ka problēma nav modelī, bet gan tajā, ko modelis saņem par barību. Krājumu dati, kas neatbilst pārdošanas datiem, klientu segmentācija, kas katrā nodaļā organizēta atšķirīgi, cenu vienošanās, kas fiksētas e-pasta sarakstē, nevis sistēmā. Pilotprojekts darbojas testa vidē, bet aizķeras, tiklīdz tam jāieiet organizācijā.
Vairumtirgotāji ievērojami atšķiras pēc mēroga un organizatoriskās formas — no ģimenes uzņēmumiem ar kompaktu struktūru līdz lieliem distributoriem ar vairākām nodaļām un slāņotu vadību. Šī atšķirība ietekmē AI gatavību. Mazākās, pārskatāmās organizācijās distances starp vadību un darba grīdu ir īsas, kas var paātrināt lēmumus par datu pārvaldību un IT infrastruktūru, tiklīdz tiek atzīta to nozīme. Lielākās, decentralizētās organizācijās šī distance iet caur vairākiem līmeņiem, un tas, kas viena izplatīšanas centra ir izstrādāts process, citā var būt tikai izkaisīts materiāls.
Tieši tāpēc pilnīga vērtēšanas kārta šajā nozarē bieži atklāj to, ko atsevišķa saruna neparāda. Kad izpilddirektors, operāciju direktors, IT direktors un nodaļas vadītājs neatkarīgi viens no otra vērtē pēc tām pašām septiņām dimensijām, regulāri izrādās, ka vadība novērtē datu kvalitāti augstāk nekā tie, kas ar to strādā ik dienu. Šī atšķirība nav domstarpība, kas jāizlīdzina — tā ir informācija par to, kur organizācija patiesībā atrodas.
Septiņas gatavības mērījuma dimensijas nav vienlīdzīgas secībā. Organizācija, IT infrastruktūra un datu pārvaldība ir pamata dimensijas: tās nosaka, vai ir kaut kas, ko var būvēt tālāk. Dimensijas, tādas kā pārvaldība, prasmes un kultūra, ir no tā atkarīgas. Vairumtirgotājam, kas vēlas sākt ar AI vadītiem iepirkumu ieteikumiem, bet kura krājumu dati atrodas trīs sistēmās, kas ir savstarpējā pretrunā, nepietrūkst ambīciju, bet gan pamata. Tas nav vairāk apmācības vai lielākas atbalsta veidošanas jautājums — tas ir datu pārvaldības jautājums, kam vispirms nepieciešama atbilde.
Šī secība arī paskaidro, kāpēc pilotprojekti vairumtirdzniecībā bieži paliek foundation vai activation līmenī. Organizācija ir iegādājusies vai likusi izveidot AI risinājumu — tas ir redzams un pierādāms — bet pamati, uz kuriem šim risinājumam vajadzētu darboties, nekad nav bijuši sakārtoti. Rezultāts ir rīks, kas stāv līdzās darbam, nevis tā ietvaros.
Jautājums nav, vai jūsu vairumtirdzniecības uzņēmums vispārīgā nozīmē ir gatavs AI — tas ir jautājums bez lietojama atbildes. Jautājums ir, uz kurām no septiņām dimensijām jūsu organizācija stāv stabili un uz kurām nē, un vai šis attēls sakrīt starp cilvēkiem, kuri par to lemj, un cilvēkiem, kuri ar to strādā. Šis salīdzinājums ir tieši tas, uz kā ir būvēts gatavības mērījums: pieci līmeņi, septiņas dimensijas un pilnīga vērtēšanas kārta, kas padara atšķirības redzamas, nevis noslēpj tās.
Rezultāts stipri atšķiras katram uzņēmumam, arī vairumtirdzniecībā. Dažas šai nozarei pazīstamas problēmas tā dala ar transporta nozari, kur apjomu vadīta loģistika tāpat prasa datu pārvaldību, kas darbojas visā organizācijā. Citas līdzības rodamas ražošanas nozarē, kur ražošanas un krājumu procesi izvirza līdzīgas prasības IT infrastruktūrai. Un tie, kas tirgojas ar daudzām mazām, izkaisītām klientu attiecībām, iespējams, atpazīs sevi tajā, kas notiek mazumtirdzniecībā, kur dati par klientiem un transakcijām tāpat pats no sevis nesakopojas vienā vietā.
Hybridresourcing gatavības mērījums šobrīd tiek izstrādāts. Tie, kas vēlas veikt mērījumu, tiklīdz tas būs pieejams, var pierakstīties gaidīšanas sarakstā. Šeit netiek pārdots nekas, kas jau nepastāv — tikai iespēja pirmajiem uzzināt, kad tas pastāvēs.
Šis mērījums atbild uz jautājumu, vai jūsu vairumtirdzniecības uzņēmumam ir pamati, kas var nest AI — organizācija, infrastruktūra, datu pārvaldība, uz kā viss cits balstās. Tas neatbild uz jautājumu, kuru daļu no darba jūsu krājumu pārvaldībā, pasūtījumu apstrādē vai iepirkumos AI patiešām var uzņemties. Šis jautājums pieder FTE TO AI darba skenēšanai (werkscan), kas katram uzdevumam aprēķina, kāda daļa darba tam ir piemērota. Abi jautājumi pieder kopā, bet noteiktā secībā: vispirms jāzina, vai pamati nes, tikai tad — ko uz tiem var būvēt.
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.