Важнейший прогноз продаж
То, что я только что описал, было потоком транзакций от поставщика к OEM дилеру / покупателю. Но на самом деле весь процесс инициирует клиент. Итак, начнем с истинного начала:
В настоящее время OEM-производители очень плохо предсказывают скачки цен. Они не очень хороши в наращивании темпов роста в ожидании будущих подъемов рынка. Они также не очень хороши в замедлении темпов роста в ожидании будущих рыночных спадов. Они не видят далеко за горизонтом. Это действительно недостаток, который характерен для всей отрасли. В качестве примера неспособности наращивать объемы не ищите ничего, кроме «Большой нехватки поставщиков в 2018 году» (как ее неофициально называют в кругах управления цепочками поставок):
Https://www.wsj.com/articles/parts-shortages-crimp-u-s-factories-1533893408 (Caterpillar, Terex, Oshkosh, Eaton, Boeing)
Https://www.supplychaindive.com/news/supply-chain-woes-leave-boeing-airbus-struggling-to-deliver/527949/ (Airbus, Boeing)
Https://airlinegeeks.com/2018/03/30/20992/ (Подробнее об узком месте в цепочке поставок Boeing)
В качестве примера неудачной попытки замедлить рост можно найти не более чем Caterpillar во время Великой рецессии. Поставщикам сказали наращивать объемы производства незадолго до того, как все упало с обрыва. Они так сильно обгорели, что теперь не решаются расширять мощности, даже несмотря на то, что мы находимся на огромном быстрорастущем рынке:
Поставщики не хотели спешить с добавлением мощностей, потому что раньше они сильно сгорели, - Шив Шивараман (AlixPartners, источник: http://www.scdigest.com/ONTARGET/18-08-13-1.PHP ? cid = 14547 & ctype = content )
Https://www.reuters.com/article/us-caterpillar-supplychain-analysis/why-caterpillar-cant-keep-up-with-a-boom-in-demand-idUSKCN1IO0FW (Подробнее о колебаниях со стороны поставщиков Caterpillar )
Нравится вам это или нет, но будущее прогнозирования продаж зависит от искусственного интеллекта. Как показали приведенные выше примеры, люди оказались слишком некомпетентными. Рассмотрим следующие примеры успеха ИИ:
Https://hbr.org/2017/05/how-harley-davidson-used-predictive-analytics-to-increase-new-york-sales-leads-by-2930 (обсуждение Harvard Business Review о том, как Harley дилерский центр использует искусственный интеллект для увеличения продаж на 2930%)
Https://aibusiness.com/sales-forecasting-transformed/ (Clari уже опережает прогнозы лучших торговых представителей из числа людей)
Искусственный интеллект может одновременно обрабатывать гораздо больше точек данных, чем человек. Процитируем статью Марибель Лопес о Клари:
«Следующее поколение инструментов продаж должно включать автоматический сбор различных сигналов из различных корпоративных систем, таких как CRM, электронная почта, системы цифрового маркетинга и ERP. Инструменты искусственного интеллекта, такие как машинное обучение и глубокое обучение, будут использоваться для анализа данных из разрозненных систем, чтобы помочь торговым представителям быстрее заключать сделки, повышать точность прогнозов и увеличивать прибыль. Чтобы попасть в эту нирвану систем продаж, поставщик должен создать экосистему API и встроить в систему машинное обучение »
Как Boeing прогнозирует продажи сегодня? Я просто прямо процитирую их: Специальная команда здесь, в Boeing, ежегодно изучает множество экономических данных, данных об авиакомпаниях, поездках и флоте, чтобы спрогнозировать новый спрос на самолеты в течение следующих 20 лет. После более чем 55 лет публикации, Boeing Commercial Market Outlook остается отраслевым стандартом как один из самых долго публикуемых и наиболее точных прогнозов в коммерческой авиации .
Очень впечатляющий материал. Но учитывая, что в прошлом компания Boeing совершенно не знала, как правильно прогнозировать темпы строительства, было бы преуменьшением сказать, что CMO можно было бы улучшить с помощью ИИ.
Чем могла помочь Клари? Что ж, если вы посмотрите на CMO, вы заметите, что это чрезвычайно подробная разбивка по странам и регионам: https://www.boeing.com/resources/boeingdotcom/commercial/market/commercial -market-outlook / assets / downloads / 2018-cmo-09-11.pdf . Такова природа путешествий в наши дни; очень сложная взаимосвязанная глобальная сеть. Люди не могут одновременно просматривать миллионы сообщений в социальных сетях из каждой страны по всему миру и просматривать их, чтобы увидеть, как ксенниалы в Малайзии меняют свое отношение к поездкам в Белиз.
Возможно, человека-аналитика обманули бы, если бы он подумал, что в 2022 году богатый класс авиалайнеров в процветающей нефтедобывающей стране будет продолжать расти вместе с потребителями авиаперелетов. дорожные поездки и круизы на яхте. Или, возможно, религиозный климат становится более фундаменталистским, и люди перестают интересоваться внешним миром. ИИ, вероятно, мог бы знать такие непонятные детали, если бы у него было достаточно данных для обучения (много данных даже важнее, чем хороший алгоритм: https://www.economist.com/business/2017/07/15/china-may- Match-or-beat-America-in-ai ).
А как насчет автомобилестроения? У Ford есть система, в которой прогнозы продаж основываются на том, сколько клиентов спрашивают о спецификациях заказа. Стенограмма разговора между Джимом Ново и Стейси Купс на саммите E-Metrics в Санта-Барбаре в 2006 году:
Стейси: Ford Motor Company запустила пилотный проект, в котором они используют информацию из конфигуратора «Постройте свой автомобиль» в Интернете для прогнозирования спроса на определенные автомобили и функции. Когда они сопоставили «прогнозируемые» данные из конфигурации с «фактическими» данными о продажах, соответствие было просто потрясающим. Настолько удивительно, что вы сразу бы спросили, были ли данные каким-то образом «замучены».
Но такова природа сред почти без трения, таких как Интернет. Вы, как правило, получаете поведенческие данные, которые просто более «правдивы», чем спрашивайте у людей их мнение, что является более распространенным способом получить одобрение автомобильного дизайна от клиента.
Что, вероятно, более важно с точки зрения аналитической культуры, это то, что этот гигантский металлообрабатывающий завод с очень длительным сроком выполнения заказа на самом деле использует эти веб-данные для изменения производственных планов, потому что он был таким надежным предсказателем спроса.
Джим: Вы хотите сказать, что Ford на самом деле использует данные о спросе в Интернете для стимулирования производства автомобилей?
Стейси: Да
Джим: «Вы имеете в виду, чтобы составить график производства, заказать детали, настроить фабрики?»
Стейси: Да
Джим: Я просто не хочу слышать, чтобы кто-нибудь когда-либо снова жалел о проблемах с привлечением руководства внимания к веб-данным. Если Стейси удастся добиться подобного в Ford, вы сможете сделать это там, где находитесь. Это грандиозное достижение.
Любой случайный человек, имеющий доступ в Интернет, может поиграть в конфигураторе Ford. Следовательно, Ford очень уязвим для фальшивых данных (которые также поражают банковскую и финансовую отрасли; см. Приложение C в конце части 20 для дальнейшего чтения по этой второстепенной теме).
В будущем, если Ford станет в значительной степени полагаться на данные о трафике конфигуратора, то у нижестоящих поставщиков (хакеры в Таиланде, работающие от имени местного производителя каучука, который поставляет Ford в качестве нижестоящего уровня 7 или что-то в этом роде) может быть стимул использовать злонамеренные боты, которые постоянно настраивают автомобили и заставляют Ford покупать больше у поставщиков.
И снова здесь Clari спасает положение. Clari может прочесать социальные сети, чтобы оценить отношение миллениалов к спортивным автомобилям и использовать это в качестве проверки здравомыслия, чтобы подтвердить, действительно ли прогноз продаж должен быть таким высоким.
В любом случае будущее прогнозирования продаж - за искусственным интеллектом. По-прежнему могут периодически заключаться контракты с человеческими аналитиками для составления отчетов, которые ИИ будет использовать в качестве исходной точки отсчета (если акционеры будут чувствовать себя лучше, имея приблизительную цифру для проверки работоспособности ИИ), то есть один раз в год для директора по маркетингу Boeing. . Но по большому счету это действительно будет «виртуальная компания» без персонала. Роль специалистов по прогнозированию продаж, вероятно, снизится до роли сезонных консультантов.
Последовательность событий будет выглядеть примерно так:
1. Клиенты будут взаимодействовать с веб-сайтом, чтобы определять и настраивать автомобили, которые их интересуют.
2. Серверный API для указанного веб-сайта будет выводить данные о трафике активности клиентов стороннему провайдеру AI-as-a-service (например, Clari) через безопасный канал Chain Link (подробнее об этом в части 5).
3. ИИ будет собирать различные сигналы и связывать первоначальные прогнозы с миллионами других индикаторов (социальные сети, рыночные KPI, анализ стиля общения по электронной почте, рекламные потоки Google и т. Д.).
4. ИИ предоставит прогнозируемый прогноз продаж в качестве входных данных для смарт-контракта через безопасный канал связи цепи.
5. Если прогнозируемый прогноз продаж значительно отличается от годового отчета специалистов-аналитиков и есть подозрения, что Кортана вступила в третью стадию разгула, тогда смарт-контракт потребует от акционеров компании проголосовать за то, как лучше двигаться дальше.
Продолжаем часть 5….
