Handel hurtowy od dawna jest sektorem marż, wolumenów i logistycznej precyzji. Dane od dziesięcioleci stanowią w nim centralny element — poziomy zapasów, pozycje zamówień, ceny dostawców, kalkulacje marż. To sprawia wrażenie, że ten sektor powinien mieć przewagę w zakresie AI. Jednocześnie te dane są często rozproszone po systemach, które nie komunikują się ze sobą: pakiet ERP z minionych lat, oddzielne oprogramowanie do zarządzania zapasami, CRM funkcjonujący niezależnie od fakturowania, arkusze kalkulacyjne wypełniające dziury pozostawione przez systemy. Ilość danych nie jest więc dobrym prognostykiem dojrzałości AI w tym sektorze. Dobrym prognostykiem jest struktura, w której te dane funkcjonują.
Ta różnica jest decydująca dla przebiegu pilotaży. Firma hurtowa inwestująca w zastosowanie AI do prognozowania popytu lub optymalizacji zakupów często odkrywa, że problem nie leży w modelu, ale w tym, czym ten model jest zasilany. Dane o zapasach niepasujące do danych sprzedażowych, segmentacja klientów zorganizowana inaczej w każdej placówce, ustalenia cenowe zapisane w wymianie mailowej, a nie w systemie. Pilotaż działa w środowisku testowym i zawodzi, gdy musi wejść do organizacji.
Firmy hurtowe różnią się znacznie skalą i formą organizacyjną — od firm rodzinnych o zwartej strukturze do dużych dystrybutorów z wieloma placówkami i wielopoziomowym zarządzaniem. Ta różnorodność przekłada się na dojrzałość AI. W mniejszych, przejrzystych organizacjach odległość między zarządem a pracownikami operacyjnymi jest niewielka, co może przyspieszyć decyzje dotyczące zarządzania danymi i infrastruktury IT, gdy dostrzeżone zostanie ich znaczenie. W większych, zdecentralizowanych organizacjach ta odległość przebiega przez wiele warstw, i to, co w jednym centrum dystrybucyjnym jest opracowanym procesem, w innym może być jeszcze niezorganizowane.
Właśnie dlatego runda oceny w tym sektorze często ujawnia to, czego nie pokazuje pojedyncza rozmowa. Gdy CEO, COO, CIO i kierownik placówki niezależnie od siebie oceniają te same siedem wymiarów, regularnie okazuje się, że zarząd ocenia jakość danych wyżej niż osoby, które codziennie z nimi pracują. Ta różnica nie jest różnicą opinii, którą trzeba rozstrzygnąć — to informacja o tym, gdzie organizacja rzeczywiście się znajduje.
Siedem wymiarów pomiaru dojrzałości nie jest równorzędnych w kolejności. Organizacja, infrastruktura IT i zarządzanie danymi to fundamentalne wymiary: one decydują, czy jest coś, na czym można budować. Wymiary takie jak governance, umiejętności i kultura są od nich zależne. Firma hurtowa, która chce zacząć od doradztwa zakupowego opartego na AI, ale której dane o zapasach znajdują się w trzech systemach, które sobie wzajemnie zaprzeczają, nie ma braku ambicji, lecz braku podstaw. To nie jest kwestia więcej szkoleń czy większego wsparcia — to zagadnienie zarządzania danymi, które najpierw wymaga odpowiedzi.
Ta kolejność wyjaśnia też, dlaczego pilotaże w handlu hurtowym często zatrzymują się na poziomie foundation lub activation. Organizacja zakupiła lub zleciła zbudowanie zastosowania AI — to jest widoczne i możliwe do wykazania — ale fundamenty, na których to zastosowanie powinno działać, nigdy nie zostały uporządkowane. Rezultatem jest narzędzie, które stoi obok pracy, a nie w niej.
Pytanie nie brzmi, czy Państwa firma hurtowa jest gotowa na AI w ogólnym sensie — to pytanie bez użytecznej odpowiedzi. Pytanie brzmi, na których z siedmiu wymiarów Państwa organizacja stoi solidnie, a na których nie, i czy ten obraz jest zgodny między osobami, które o tym decydują, i osobami, które z tym pracują. To porównanie jest właśnie tym, na czym zbudowany jest pomiar dojrzałości: pięć poziomów, siedem wymiarów oraz runda oceny, która ujawnia rozproszenie, a nie je zamazuje.
Wynik różni się znacznie w zależności od firmy, także wewnątrz handlu hurtowego. Niektóre trudności, jakie ten sektor doświadcza, dzieli z sektorem transportowym, gdzie logistyka oparta na wolumenach również wymaga zarządzania danymi spójnego w całej organizacji. Inne podobieństwa dotyczą przemysłu wytwórczego, gdzie procesy produkcyjne i magazynowe stawiają podobne wymagania wobec infrastruktury IT. A ci, którzy handlują z wieloma małymi, rozproszonymi relacjami klienckimi, mogą rozpoznać siebie w tym, co dzieje się w handlu detalicznym, gdzie dane o klientach i transakcjach również nie trafiają samoistnie w jedno miejsce.
Pomiar dojrzałości hybridresourcing jest obecnie budowany. Kto chce przejść przez pomiar, gdy będzie już dostępny, może zapisać się na listę oczekujących. Nie sprzedaje się tu niczego, co jeszcze nie istnieje — jedynie możliwość, by jako pierwszy usłyszeć, kiedy już będzie istnieć.
Ten pomiar odpowiada na pytanie, czy Państwa firma hurtowa ma fundamenty, by nieść AI — organizację, infrastrukturę, zarządzanie danymi, na których wszystko dalej się opiera. Nie odpowiada na pytanie, którą część pracy w Państwa zarządzaniu zapasami, przetwarzaniu zamówień czy zakupach faktycznie można przejąć za pomocą AI. To pytanie należy do skanu pracy FTE TO AI, który dla każdego zadania wylicza, jaka część pracy się do tego nadaje. Obie kwestie łączą się, ale w ustalonej kolejności: najpierw trzeba wiedzieć, czy gleba utrzyma ciężar, a dopiero potem, co na niej można zbudować.
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.