Hingga 80.000 item – mulai dari daging babi hingga kiwi – dapat ditemukan di supermarket. Siapa lagi yang harus memantau makanan apa saja yang diminati dan kapan? Kapan tanggal kadaluwarsanya habis? Kapan sebaiknya iklan asparagus dimulai? Inilah spesialisasi perusahaan yang didirikan pada tahun 2008 ini Biru sebaliknya, yang mengembangkan kecerdasan buatan dari Karlsruhe untuk jaringan supermarket Kaufland dan Morrisons serta perusahaan pakaian Ernsting’s Family, Orsay dan Otto. Uwe Weiss, CEO perusahaan tersebut sejak 2010, menjelaskan dalam sebuah wawancara bagaimana mesin memeriksa buah persik, perbedaan supermarket di Jerman dengan supermarket di Amerika, dan apa peran pertandingan sepak bola dalam berbelanja.
Tuan Weiss, seberapa sering Anda pergi ke supermarket dan berpikir: Toko tersebut sangat membutuhkan teknologi kita?
Terlalu sering! (tertawa) Sebagian besar supermarket, khususnya di sektor makanan segar, belum menggunakan solusi pembelajaran mesin. Kami sedang dalam perjalanan ke sana sekarang. Kami telah mendapatkan banyak klien internasional – penggerak pertama yang ingin pindah ke bidang ini mulai sekarang. Totalnya ada satu perangkat lunak bisnis generasi baru datang kepada kami, yang, seperti Blue Yonder, didasarkan pada pembelajaran mesin. Hal ini memungkinkan pemecahan masalah tertentu di bidang ritel, terutama di supermarket, yang tidak mungkin dilakukan dengan pekerjaan manual.
Bisakah Anda memberikan contoh?
Kami fokus pada perusahaan fashion dan supermarket. Sebagian besar supermarket mendapatkan sekitar 50 persen penjualannya dari makanan segar, mulai dari salad, pisang, hingga ikan dan daging. Terlalu banyak yang masih dibuang. Di satu sisi, karena pelanggan mengharapkan produk tersedia dalam jumlah tertentu dan sesegar mungkin – dan mereka tidak lagi membeli buah yang penyok. Namun aspek lain juga berperan: Di sebagian besar pasar, pelanggan menemukan 30.000 hingga 40.000 produk, dan di pasar besar juga terdapat 60.000 hingga 80.000 produk.
Sulit untuk dilihat.
Tepatnya, dalam banyak kasus, sulit bagi manajer toko untuk memperkirakan dalam beberapa hari berapa banyak produk yang akan mereka perlukan. Proses pengambilan keputusan ini bergantung pada banyak faktor sehingga dengan sejumlah pengalaman tertentu, tugas ini dapat dilakukan – tetapi tidak setiap hari dan tidak secara optimal. Di satu sisi sayang karena makanan harus dibuang. Di sisi lain: Jika saya pergi berbelanja ke suatu tempat dan tidak lagi mendapatkan jumlah yang saya inginkan dua atau tiga jam sebelum toko tutup, meskipun saya melihat produk diiklankan, maka sebagai pelanggan saya cepat kecewa. Terutama di AS Supermarket cenderung menyimpan terlalu banyak stok di rak. Dari sudut pandang biaya dan lingkungan, ini merupakan masalah besar. Kita sekarang dapat menyelesaikan masalah ini dengan lebih mudah dengan kecerdasan buatan.
Misalkan sebuah supermarket memesan 1.000 salad untuk satu hari penjualan. Bagaimana Blue Yonder mengetahui berapa persentasenya akhirnya terselesaikan?
Kita sebenarnya bisa mempelajarinya dari data. Kecerdasan buatan kini dapat mengenali kualitas produk dengan cukup baik. Mesin mendekati makanan baik secara sensoris maupun visual dan, misalnya, menguji tingkat kematangan buah persik. Hal ini memungkinkan untuk melihat apakah batch yang dimiliki pengecer masih dapat dijual dan apakah pengecer dapat mengharapkan pengembalian jika mereka mengirimkan barangnya. Hanya perlu beberapa tahun sebelum teknologi ini – untuk menghitung barang dan memeriksa kualitasnya – diterapkan pada ritel alat tulis.
Program Anda didasarkan pada algoritma pembelajaran mesin. Beberapa miliar prediksi diambil dari server Anda. Bagaimana orang awam bisa membayangkan pekerjaan ini?
Algoritme yang kami miliki memastikan bahwa kami Impor ratusan sumber data secara otomatis setiap hari. Jika Anda melakukan pembelian hari ini – di kasir atau online – dan menyusun keranjang belanjaan, kami mencatat data ini dengan cara yang sama seperti prakiraan cuaca atau situasi lalu lintas tertentu. Misalnya: Kapan truk meninggalkan gudang, berapa banyak lalu lintas di sana, apakah produk tertentu diiklankan dan karena itu lebih banyak peminatnya? Terdapat juga sumber data mengenai kesegaran batch dan ukuran kotak tempat, misalnya, pisang diangkut. Dengan mempertimbangkan sumber data ini dan metode pengoptimalan yang kami kembangkan, kecerdasan buatan menghitung jumlah pesanan yang dioptimalkan.
Menurut perhitungan Anda, total 60 hingga 70 faktor tersebut menentukan penjualan. Sejauh mana Anda membedakan evaluasi faktor-faktor ini?
Kami memiliki pembobotan otomatis terhadap faktor-faktor yang berubah seiring waktu. Artinya, kami melatih algoritme berdasarkan jumlah data yang terus berubah: terkadang pengaruh cuaca lebih kecil, terkadang pengaruh iklan lebih besar, bergantung pada hari, konstelasi mingguan, dan hari libur. Mungkin kita juga akan mengadakan acara sepak bola di sela-selanya. Ini menggeser bobot variabel-variabel tertentu yang mempengaruhi. Tentu saja, orang bisa menyelesaikannya sendiri, tapi mereka tidak harus melakukannya.
Apakah masyarakat punya pendapat?
Manusia melakukan intervensi dalam proses ini hanya dalam beberapa kasus. Dalam sebagian besar kasus, kami meningkatkan tingkat otomatisasi dari sekitar 50 hingga 60 persen hingga mencapai kisaran 90 persen. Dalam kasus pengecualian, pengguna manusia pelanggan kami diharuskan melakukan satu atau dua operasi manual kecil. Kami mengurangi aktivitas manual seminimal mungkin.
Foto: Gambar Getty / Denise Taylor (oben), Blue Yonder (saya teks)
Manajer pasar tidak akan terlalu terlibat dalam hal ini.
Apa yang kami amati pada klien kami adalah bahwa tugasnya hanya berpindah-pindah. Sebaliknya, tidak ada yang dipecat. Banyak pelanggan memiliki pertanyaan, seperti di mana mereka bisa mendapatkan kue yang mereka lihat di brosur iklan, namun tidak dapat menemukan kontak person karena karyawan toko sering sibuk di kantor mereka atau sibuk bolak-balik antara inventaris dan pembayaran. Setidaknya kita bisa meringankan tugas karyawan dalam memperkirakan berapa banyak barang yang dibutuhkan.
Apakah Anda benar-benar memperhatikan hal ini?
Ya, dengan salah satu klien kami dari Inggris, jaringan supermarket Morrisons. Perusahaan ini terdaftar di bursa dan oleh karena itu harus melaporkan kepada publik setiap triwulan. Kami melihat kepuasan pelanggan meningkat secara signifikan karena karyawan cabang memiliki lebih banyak waktu untuk melayani pelanggan. Juga Kepuasan karyawan ditingkatkan karena otomatisasi menyelesaikan tugas-tugas rumit. Pada akhirnya, siapa pun yang menjual sesuatu ingin bisa lebih fokus pada pelanggan.
Seberapa banyak yang Anda ketahui tentang konsumen?
Jika tidak ada data pribadi pelanggan, seperti kartu diskon, kami tidak tahu apa-apa tentang pelanggan tersebut. Kami hanya dapat menarik kesimpulan tertentu tentang kelompok pelanggan.
Supermarket tidak hanya ada kemarin. Mengapa kecerdasan buatan belum menjadi bagian dari kehidupan sehari-hari di sini?
Prosesnya masih perlu ditingkatkan. Mereka yang bertanggung jawab di masa lalu mampu menggunakan teknologi berbasis aturan yang berguna untuk makanan non-segar, namun kini teknologi tersebut telah mencapai batasnya. Masih ada solusi manual untuk makanan segar. Itu benar-benar tidak berubah dalam 20 tahun terakhir. Sampai saat ini karena sekarang sebenarnya muncul di retail alat tulis perubahan yang radikal A.
Saat ini Anda menjual perangkat lunak Anda ke pelanggan Eropa dan Amerika Utara. Apakah Anda sudah berpikir lebih jauh dalam hal pertumbuhan pelanggan, misalnya ke Asia?
TIDAK. Kami hadir di Eropa dan Amerika, tempat kami memperoleh pelanggan pertama kami tahun lalu – sebuah kesuksesan yang ingin kami kembangkan tahun ini karena kami sedang melakukan pembicaraan dengan dealer terbesar di negara tersebut. Mungkin pada tahun 2019 atau 2020 kita akan melihat Asia.
Seberapa berbedakah pasar di Jerman dan Amerika?
Orang Amerika mengambil keputusan lebih cepat dan lebih bersedia mengambil risiko ketika menggunakan teknologi baru. Namun demikian, Amerika… area makanan stasioner umumnya berinvestasi lebih sedikit pada teknologi dibandingkan Jerman. Mereka mencoba mengimbanginya dengan ikut-ikutan teknologi dengan antusias. Pada akhir tahun lalu, delegasi dari salah satu dari tiga dealer terbesar di AS mengunjungi kami di Karlsruhe untuk melihat proyek bersama kami.
Anda sudah bekerja dengan banyak jaringan besar di Eropa seperti Kaufland. Tujuan apa yang telah ditetapkan Blue Yonder untuk tahun ini?
Kami akan memperkenalkan satu atau dua produk baru dan mempromosikan internasionalisasi.
Produk apa sajakah itu?
Kami akan memperluas Blue Yonder untuk mencakup produk rantai pasokan dan pengiriman barang dagangan sehingga kami dapat bergerak lebih jauh ke dalam produksi aktual dan distribusi barang dagangan melalui pusat distribusi. Kami ingin mengoptimalkan penjualan, distribusi, dan produksi bagi pelanggan kami: Jadi, apa yang dibutuhkan dalam tiga, sepuluh, 14 hari ke depan? Pabrikan harus mampu merencanakan dengan lebih baik lagi untuk tidak memproduksi melebihi permintaan atau mengirimkan terlalu sedikit atau terlalu banyak. Kami telah banyak berinvestasi di bidang ini dan sekarang dapat melihatnya dalam angka pertumbuhan dan permintaan kami: Kuartal terakhir tahun 2017 adalah kuartal tersukses dalam sejarah perusahaan. dibeli Untuk Semoga sukses selalu.