广告
01/12/2021
赞助内容

零售2021:新十年的AI级别

人工智能零售投资(AI)是向上培训:根据a研究据Juniper Research预测,到2022年,全球每年在人工智能上的零售支出将达到73亿美元,高于2018年估计的20亿美元。在此期间,对人工智能预测和规范性分析的投资将增加一倍以上。是什么推动了这种变化?更重要的是,零售商如何采取明智的方法来实现这种变化?RIS新闻用NTT数据的高管坐下来查明。

RIS:零售被认为是AI的顶级行业。为什么零售商应该考虑AI,他们可以应用AI创造新的商业价值吗?

Theresa Kushner是NTT Data的AI/分析、电信/媒体和数据顾问。

AI/分析、电信/媒体和作为资产的数据顾问Theresa Kushner:AI已经是我们全部。作为消费者,我们使用启用AI的应用程序,例如Siri或智能手机上的Siri或Alexa等摄像机或地图或语音助手,这使我们的生活更容易。启用AI的虚拟助手无处不在,集成了一系列设备,包括扬声器和连接的家用设备。

事实是,过去几年,许多零售商已经在探索人工智能和预测分析,以保持在颠覆性竞争中的领先地位。随着大流行,人工智能的应用加快。例如,随着非接触需求的增加,人工智能虚拟代理已经从实验室到售货亭和零售环境。机器人过程自动化(RPA)已经成为维持效率的核心,而预测分析使响应能力在动荡的市场中成为可能。

最近的一次研究NTT DATA和Oxford Economics在人工智能和自动化方面的研究发现近四分之三(70%)的高管表示,人工智能已被战略性地应用于关键职能,以优化特定流程,但只有约10%的高管在整个业务范围内全面实施了这项技术。

该研究揭示了三件关键的事情:人工智能的应用正在发生现在96%的受访高管计划在美国投资。其次,人工智能是危急为了成功,超过40%的高管相信他们将失去客户或潜在的员工,如果他们没有实施ai,他们的底线会受到影响。最后,艾提高了在采用人工智能方面走得最远的公司报告了更强劲的业务业绩,证明了这一点。

里斯:零售商如何使用高级分析和AI来改善其业务?

Vijay Krishnanji是NTT DATA客户体验创新总监。

Vijay Krishnanji,总监,数字与客户体验创新:那些不使用分析技术、不将人工智能应用于数据的零售商将处于劣势,因为它们将缺乏竞争对手所具备的洞察力和远见。根据数据显示,预测分析列出了“下一个最佳行动”——例如,如何最好地移动产品,如何合理利用店内空间,应该利用哪些在线功能,等等。最终的结果是更锐利的竞争优势和更强的风险管理能力。

完整、准确、公正的数据是所有人工智能的基石。但是需要注意的是,如果数据没有被正确收集、刷新、监控和管理,那么预测分析将很难执行。例如,如果它仅仅依赖历史数据,一个异常可能被解释为一个持续的趋势。想想看:在截至2020年8月的第二季度,克罗格经历了一场相同销售额增加14.6%(无燃料)和数字销售增加127%.当我们恢复正常时,这是一个不会再看到的东西。因此,该算法需要基于当前洞察力来改变。

让商店员工的生活更轻松是关键,尤其是在零售商必须用更少的钱做更多的时候。例如,NTT DATA的智能零售运营数据分析平台旨在实现对异常事件的主动沟通——例如与计划、定价或促销相关的缺货情况或合规问题。它处理来自几乎所有数据源的数据,包括物联网传感器,并将其转化为可操作的智能。这有助于加速智能商店试点项目,并随后扩展到许多商店。

客户希望他们的忠诚度奖励更灵活的计划和差异化的经验。为了加强客户忠诚度,零售商必须通过对其兴趣量身定制的超个性化福利进行主动互动。AI解决方案可以根据过去的行为模式生成产品建议和早期流失警报。例如,使用客户购买中的数据,您可以预测客户将购买哪些新鲜和预先煮熟的菜肴。

顾客希望有一个快速、简单和安全的购物体验。NTT DATA正与商店合作,提供无人驾驶购物体验。该方法结合了人工智能、机器学习、物联网传感器和基于计算机视觉的算法,以增强消费者的体验。要使用它,客户需要下载一个专用的应用程序,选择他们喜欢的支付方式,并在店内抓取产品。客户无需扫描产品即可退出。

RIS:零售商应该如何解决人工智能不断引发的道德和隐私问题?

库什纳:我的同事丽莎伍德利,揭示了“设计道德客户体验随着人工智能等技术变得越来越先进,有时“我们应该做什么”的问题会变成“我们能做什么”的问题。我们所能做的往往会引起伦理问题。当被滥用时,人工智能为公司操纵和滥用客户提供了一个真正的机会,尤其是在零售领域。如果我们能从人类的角度看待技术创新,我们就能推动积极的伦理变革。

伦理上的考虑以偏见为中心。作为人类,我们天生就会有偏见,但有了人工智能,这些偏见会比以往任何时候都更快地浮出水面,带来更大的危害。对于那些想要防止盗窃和库存丢失的零售商来说,面部识别可能很重要。然而,执行与这些数据相关的人工智能程序需要认识到微妙的含义。比如,最近在有线Online以这句话开头:“男人经常判断女人的外表。结果,电脑也这样做。“It reports that researchers had sent images of congressmembers through Google’s image recognition service, which applied annotations to the individuals’ physical appearances, then labeled the male images as “official” or “businessperson” and the female images as “smile” or “chin.” This is a good example of perpetuating a long-time gender bias.

由于隐私问题,人工智能也给商业带来了挑战。自从互联网诞生以来,隐私就一直是一个话题。欧洲的《一般数据保护法》(GDPA)、加州隐私权法(CPRA)和巴西Lei Geral de Proteção de Dados (LGPD)列出了必须如何保护个人隐私,并规定了对不合规公司的重罚。这些新法律也适用于算法中数据的使用,包括利用人工智能的算法,使得不可能应用可以以任何方式识别个人的数据。因此,人工智能数据科学家必须非常了解他们开发人工智能程序的国家以及部署这些程序的国家的隐私法律。

为避免偏见和违反客户隐私,因此需要由不同的团队创建AI应用程序。这意味着在种族,性别等中的多样性中的多样性。这支球队的第一个任务应该是评估将与算法一起使用的数据,以确保它被收集,管理和策划而没有偏见与隐私考虑线。

RIS:据说人们是数字转型的真正关键。金博宝彩票这是如何在一个涉及拥抱AI的数字转换中发挥的,以及在这种金博宝彩票情况下改变管理扮演的角色是什么作用?

Krishnanji:我的同事金·柯利(Kim Curley)在最近的一篇文章中颇具洞察力地指出文章无论在组织层面还是个人层面,成长心态都是关键。虽然善于实施和使用工具很重要,但成功取决于你如何处理变化。以人为中心的方法和变更管理对于人工智能的成功至关重要,特别是在规模上。

组织的文化将影响AI采用。一种具有数据驱动的,分析,协作,脆弱的,好奇的文化,以及最重要的是 - 足够灵活,以便“测试和学习”方法至关重要。ai可以生成持续,重大变化在一个组织中,只有那些能够遵循这种流动的人才会成功。

人工智能项目必须从一开始就让商业利益相关者参与进来,以确定要解决的正确问题,建立信任和信誉,并就组织将如何消化人工智能带来的各种变化设定明确的意图。听取和收集用户的反馈是关键。与人类不同,算法不会考虑应用结果时会发生什么。因此,提升你的员工技能,成为人工智能教练,可以更快地改进人工智能解决方案和更广泛的应用。

RIS:零售商要想成功地建立、部署和扩大人工智能能力,需要牢记什么

库什纳:在零售商准备将人工智能成功引入运营环境时,有几件重要的事情需要牢记:

找一个赞助商.AI要求支持最高级的行政水平,以真正在零售业务中获得立场。赞助商应该能够提供必要的资金,以及急需的组织支持。

找出一个好问题.一个善良的第一个问题来解决业务的问题,有些易于解释,并解决客户或员工的需求。业务影响意味着增加收入,降低成本或增加客户忠诚度。这些领域的问题可能需要不同类型的AI应用,因此可以轻松向卖家和营销团队进行归零的归零。大多数操作以简单的机器学习算法开始,即“了解”模式从应用程序中收集的数据。例如,如果您的目标是增加收入,您可能会创建一个跨销售,上销售算法,这些算法从以前的客户交易推导出来的“下一个最佳”购买。

确保您的数据很棒.大多数人工智能应用程序会因为糟糕的数据而失败。要么数据是不完整的,不准确的,有偏见的,或者是完全忽略了最具有预测性的变量,或者是解决问题所需要的变量。数据是任何优秀AI解决方案的基础,所以要分解数据竖井,了解数据在何处有用,以及如何及时将其用于算法中。

思考在一开始。美国企业界聘请了很多数据科学家来创建人工智能算法。不幸的是,并不是所有的人都明白“科学”是第一部分,但运用科学才是重要的部分。这就是为什么许多人工智能概念验证或试点从未对业务产生影响的原因。人工智能成功的关键是将其应用到业务流程的最适当阶段。AI操作在这里变得非常重要。为什么?人工智能操作只是将数据科学家创造的算法嵌入到应用系统中。但是必须在部署这些应用程序时对它们进行监控和治理,因为它们会学习处理的每一个新数据。人工智能算法将需要调整,以确保随着时间的推移获得成功——人工智能不是一次性的项目。

在启动任何AI项目之前,请记住这是一个旅程,而不是目的地。人工智能的设计目的是在环境中不断学习。因此,可能必须重新设计业务流程,以便以有益的方式应用算法。或者,可能需要以一种更容易使用的方式收集数据。这些情况可能需要一些额外的工作来确保AI项目的成功。

了解更多

NTT DATA Services是全球数字业务和IT服务的领导者,是NTT DATA Corporation在日本以外最大的业务部门,也是NTT集团的一部分。通过我们的咨询方式,我们利用深厚的行业专业知识和以人工智能、自动化和云计算为动力的前沿技术,创造实用和可扩展的解决方案,为社会做出贡献,并帮助全球客户加速他们的数字旅程。