Bridging Marketing to Supply Chain with Artificial Intelligence & Machine Learning (Cloud Next ’18)

[주제 음악 연주] 살일 아모 카르 : 안녕 모두들 어떻게 지내세요? 점심 식사 후예요

글쎄, 우리는 곧 당신을 모두 깨우는 환상적인 패널이 나옵니다 오늘 기조 연설, 어제의 기조 연설, AI와 ML에 관한 많은 좋은 것들 그리고 우리는 AI와 ML, 가치 사슬 전체에 적용될 수 있습니다 그리고 이것이 바로 주제입니다 "마케팅에서 공급망으로의 다리

" 나는 Salil Amonkar입니다 나는 명왕성 7의 수호자입니다 그리고 더 중요한 것은 AI와 ML Professional 서비스 팀 그리고 나는 내 고객 중 일부를 가지고 행운이있다 나를 따라 앉아서이 패널에 곧 참여할 것입니다

그래서 더 이상 애도없이 사업에 뛰어 들지 않습니다 그런 오랜 시간 동안 – 저는 대기업의 직원으로 일했습니다 및 경영 컨설턴트 그리고 지금 저는 – 기업이 혁신을 이끌어 내고 혁신을 도울 수 있도록 지원 최신 기술을 사용합니다 나를 위해 돋보이는 중요한 것 그것은 일반적으로 많은 기업들 내가 부르는 것에 초점을 맞추는 결과가된다

기업 가치 사슬의 프런트 엔드로 나는 더 많은 것을 프론트 엔드 마케팅으로 정의한다 전체 비즈니스 중 고객 지향적 인 측면 가치 사슬에서의 사업, 마케팅 판매 그리고 운영과 공급망을 갖추고 있습니다 우리의 참고 자료로, 나는 백엔드로 정의 할 것이다 일반적으로 많은 관심이있었습니다

에, 당신은 어떻게 기업의 수익성을 만드나요? 또는 기업이 수행 할 수있는 고객 경험 고객에게 끊김없이 제공 할 것인가? 그리고 우리는 시간과 시간을 다시 보았습니다 이것은 비록 꽤 많은 도전이었습니다 기술 발전이 있었다 그것을 설명하기 위해서, 나는 생각했다 이것은 마크 앤더슨 (Mark Anderson)으로부터의 매우 적절한 견적이었습니다

꽤 많이, 그는 이것을 아주 잘 포착했다 저기, 기술적 인 돌파구가 많이있었습니다 기술 가능성 정말로 사업 – 도전이있었습니다 비즈니스가 어떻게 결과를 얻을 수 있었는지 이러한 기술 혁신에도 불구하고

그리고 그것이 사실 일뿐만 아니라 그것은 기꺼이 운전하는 사업이었습니다 여전히 멈추는 기술 과제 개발 그 목표를 달성하는 사업 그래서, 그것은 저의 시작 선언문과 아주 완벽하게 떨어집니다, 이것은 본질적으로 모든 것에 대한 열쇠입니다 비즈니스 혜택을 시작하는 것은 시작됩니다 당신이 그 과정을 밟을 수 있는지 확인함으로써 – 프로세스는 기본적으로 사람, 프로세스, 기술 – 전면에서 후면으로 원활하게 작동하도록하십시오

고객과 함께 시작하여 고객으로 끝납니다 하지만 기업인들에게는 항상 프런트 엔드 또는 수요 생성, 프로세스의 마케팅 측면, 그리고 당신은 당신의 성취 과정을 가지고 있습니다, 이는 공급망을 다루는 대부분 운영되고 있습니다 따라서 핵심은 AI이며 ML은 몇 가지 가능성을 제안합니다 손에 잡힐 수있는 반응이 좋은 백엔드가 있어야한다 프런트 엔드와

패널 토론에서 볼 수있는대로 오늘의 팀 우리에게 어떻게 우리가 그 일이 일어나는 것을 볼 수 있습니다 사실, 아직도 해결해야 할 과제는 무엇인가? 극복해야 할 존재가 존재한다 더 나아 졌어? 그리고 AI와 ML은 전략적 측면뿐만 아니라 이걸 가능케하는 전술적 측면? 그래서 많은 회사들이 이미 마케팅 측면에서 AI를 사용하기 시작했는데, 어느 정도까지, 고객 관계에서도 관리 및 판매 AI는이 분야에서 매우 좋은 결과를 얻은 것으로 나타났습니다 핵심은 우리가이를 따라 잡고 활용할 수 있는지 여부입니다

AI 및 ML 또한 운영 및 공급망에 적용됩니다 그리고 그 조각은 여전히 ​​진화하고 있습니다 그래서 이것을 캡슐화하기 위해 여기 주요한 것들 중 일부는 당신이 올 수 있습니다 효율적이고 목표 지향적 인 마케팅을 통해 할 수있는 경쟁 우위 AI와 ML을 통해 달성 될 수 있습니다 전통적인 분석을 통해 달성되었습니다

어느 정도 그리고 내 패널 토론자가 이에 대해 이야기합니다 그런 다음 핵심은 운영 측면입니다 예외적 인 기본 수요 계획을 세우고 있습니다 시간과 시간을 다시, 내가 큰 솔루션을 제공했을 때 고객 또는 심지어 작은 고객, 비록 그들이 좋은 해결책 이었지만 – 그리고 여러분 중 일부는 SAP, Oracle, 가치 창출 계획, SIP, 사전 공급망 계획 – 우리가 그것을 구현할 때마다 고객은 여전히 ​​왔습니다

나는 왜 예외 기반 계획을 세울 수 없는지, 즉, 수요가 어디인지 만 알아야합니다 나는 나의 요구에 어디에주의를 기울여야 만 하는가? 내 공급품에 어디에주의를 기울여야합니까? 그래서 이들은 사람들이 시작한 전형적인 결과입니다 우리가 본 AI와 ML을 사용합니다 그리고 다시 우리가 갈거야 패널리스트가 그것에 대해 이야기 할 때 잘하면이 것이 나옵니다

예를 들어, 360과 함께 올라가는 데 정말 도움이됩니다 고객의보기입니다 그리고 그것은 예를 들어 귀하의 마케팅 증가로 연결됩니다 캠페인 효율성을 높이고 프런트 엔드에서 수익을 창출하는 데 도움이됩니다 백 엔드에서이 작업을 올바르게 수행하면 도움이됩니다

좋은 고객 경험을 제공함으로써, 특히 소매점에서는 매우 반응이 있어야합니다 특히 무 지향성 채널 등이있다 생산성을 유지하면서이 작업을 수행 할 수 있습니다 수익성 그리고 정말로이 작품에 와서 당신은 진정한 이익을 누릴 수 있습니다

어떤 종류의 구현을 봐야한다 기업 전반에 걸쳐 그것이 목표입니다 그렇다면 ML이 어떻게 귀하의 변형을 주도 할 수 있습니까? 귀하의 비즈니스에 대해? 이것들은 전체 가치 사슬에서 핵심 요소입니다 그리고 마케팅 ML이 있습니다 수요 ML이 있습니다

그리고 공급원 ML이 있습니다 나는 이것을 단순화하고있다 너는 어제와 오늘 그것을 들었다 AI와 ML이 많이있다 일을 더 간단하게 만들고 있습니다

그래서 간단하고 쉽게 유지하기 위해 우리가 생각해 낸 브랜딩입니다 우리는 패널에서 이것을 확장 할 것입니다 그래서 더 이상 고민하지 않고, 나는 여기에 내 패널 토론자를 초대하여 그리고 오늘 우리는 훌륭한 토론자를 두었습니다 그들은 우리의 고객입니다 그리고 우리는 그들 각각의 경험에 관해 이야기 할 것입니다

프로세스의 프론트 엔드와 백 엔드를 처리합니다 그들의 생각은 무엇입니까? 전략적 요소, 전술적 요소 AI와 ML을 활용하려는 경험 내가 방금 말한 것을 성취하는데? [박수 갈채] 그래서 우리가 패널 토론을 시작하기 전에, 저는 여러분 각자 자신을 소개하길 원합니다 VIKRAM VERMA : 네, 물론입니다 내 이름은 Vikram입니다 저는 시스코에서 AI / ML Group의 시니어 매니저로 일하고 있습니다

SUDHAKAR PARAKALA : 저는 수드 카입니다 Synaptics에서 엔터프라이즈 응용 프로그램을 실행합니다 회사에 대한 간략한 개요, 우리는 당신이 상호 작용하는 것을 만들어 낸다 전자 장치 솔루션과 함께 VV 지문과 같은 상호 작용 뒤에 우리의 VV 지문 해결책 아니면 피자 나 다른 것을 주문할 수도 있습니다

알렉사 장치에 그래서 우리는 음성, 지문 및 터치에 대한 솔루션을 만들고, 그래서 당신이 그 상황을 쉽게 얻을 수 있습니다 ML을 어떻게 활용했는지 이야기 할 때 ADAM SPUNBERG : 안녕하세요, 저는 Adam Spunberg입니다 글로벌 테크 탐사 AB InBev의 공급 부분

그래서 Anheuser-Busch는 모르는 사람들을 위해, 전세계의 모든 맥주 생산 대륙 DEEPAK MEHROTRA : 안녕하세요, 저는 Deepak Mehrotra입니다 수석 탐험가입니다 California Design Den에서 우리는 아주 간단한 것을 만듭니다

Google은 귀하가 클라우드를 원합니다 우리는 구름으로 자고 싶습니다 우리는 침구 제품을 만듭니다 그리고 전형적인 디자인, 제조, 북미 소매상을위한 화이트 라벨 용품, 커플 년이 돌아 왔을 때, 우리는 B2C쪽으로 돌아서, 지금은 소매상과 같습니다 그래서 우리는 더 이야기 할 것입니다

살일 아모 카르 : 고마워 그래서 나는 아담의 발표에 얼마나 많은 사람들이 참석했는지 모른다 어제 그는 사물에 대해 더 자세히 설명했다 그들이 한 일을 중심으로 예방 유지 보수

그는 오늘 여기에 다시 한번 언급 할 것입니다 그러나 그것은 훌륭한 프리젠 테이션이었습니다 돌아가서 검토 할 수 있습니다 아시다시피, 나중에 볼 수 있습니다 고마워, 아담

그럼, 시작하자, 비 크람, 너와 그리고 마이크를 가까이에 두는 것이 좋습니다 VIKRAM VERMA : 물론입니다 살일 아모 카르 : 그럼 우리는 AI와 ML에 대해서 이야기를 나누었습니다 프론트 엔드와 백 엔드를 제시했습니다

프로세스의 그리고 우리는 잃어버린 기회에 대해 이야기했습니다 마크 앤더슨의 견적이 있습니다 그것은 똑같은 것에 대해 조금 이야기하고 있습니다 당신의 관점은 무엇입니까? VIKRAM VERMA : 매우 높은 수준에서 나는 그의 견적에 동의합니다 그러나 동시에 기술은 비전의 원동력입니다

우리가 앞에 놓아야 만합니다 우리에게 비전이 없다면 기술 장기적으로 우리를 돕지 않을 것입니다 Google, Amazon과 같은 많은 예가 있습니다 기술이있는 회사 그들이 그것을 시작할 때 거기 있지 않았습니다 비전이 거기에 없으면 의지와 그 비전을 현실로 가져가는 것은 거기에 없었습니다

기술은 우리를 도울 수 없습니다 이제 많은 유스 케이스가 있습니다 또한 기술이 도입되고 인간으로서, 우리가 뭔가를하고있는 누군가를 배울 때, 우리는 어떻게 우리가 같은 개념의 이점을 취할 수 있는지 알아 봅니다 다음 단계로 진화합니다 그래서 거기에는 많은 예제들이 있습니다

그래서 그것은 철학적 논쟁이지만, 어떻게 받아들이 려는지 나는 생각과 받아들이는 의지를 생각한다 실행 아이디어는 기술보다 더 중요합니다 살릴 알콜 : 아주 좋아요 수드카, 그걸 추가하고 싶습니다

SUDHAKAR PARAKALA : 동의합니다 따라서 수요 공급 일치 문제 시장 출시 시간이 항상있었습니다 그래서 우리는 다음과 같은 해결책을 찾아야했습니다 우리의 인벤토리를 최적화하기위한 격차를 해소하는 데 도움이 될 수 있습니다 최근 몇 년 동안, 우리는 ML가 있다는 것을 깨달았습니다

기술적 개선이있다 우리는 그 기술을 활용할 수있었습니다 그 격차를 좁히기 위해 그래서 지금 우리는 우리가 그 시점에 있다고 생각합니다 ML을 크게 활용할 수 있습니다 우리의 목표를 달성 할 수 있습니다

살일 아모 카르 : 아담, 어떤 의견 이죠? ADAM SPUNBERG : 물론입니다 그 견적에 관해 흥미로운 것이 하나 있다고 생각합니다 그것은 우리가 오늘날 어디에 서있는 것처럼 90 년대에 초점을 맞 춥니 다 우리는 그러한 비즈니스를 방해하는 모든 문제를 해결했습니다 그때부터 성공했다

그러나 이것이 아마도 보편적 인 구조라고 생각합니다 계속 일어난다 그리고 오늘 큰 시력을 가진 사람들 지금 불가능한 아이디어가있을 수 있습니다 10 년에서 15 년 사이에 더 많은 서비스가 제공 될 수 있습니다 그래서 나는 그의 견적에 동의한다는 말을하기까지했다

실제로 어떤면에서는 예언이라고 생각합니다 기술이 어떻게 작동하는지 그러나 우리가 진보함에 따라 어쩌면 이러한 기하 급수적 인 성장으로, 그 격차는 줄어들 것이다 그리고 우리는 비전과 기술 사이에서 더 가까워 질 것입니다 DEEPAK MEHROTRA : 저는 아담이 이렇게 완벽한 지수 성장과 브리징입니다 격차

나는 방에서 우리 중 누구도 세상을 상상할 수 있다고 생각하지 않는다 깊은 주머니가있는 대기업 만이 지배 할 것입니다 그래서 기계가 여기 있습니다 그들이 세계를 점령하든 그렇지 않든간에, 그것은 우리가 가질 수있는 철학적 논쟁입니다 그러나 크지 않은 사업으로서 – 지금 Amazon과의 싸움을 시작합시다

우리의 최우수 채널이 되겠습니다 우리의 경쟁이기도합니다 문제는 우리가 경주에 참여한다는 것입니다 우리는 뒤에 있지 않습니다 우리는 희망적으로 경쟁 할 수 있습니다

그리고 우리는 어떻게 규모를 조정할 것인가? 우리는 어떻게 최적화 할 것인가? 어떻게하면 폐기물을 줄일 수 있을까요? 주변의 모든 비즈니스에 대한 모든 질문은 그것은 매우 간단합니다 제 말은 쉽지 않을 것입니다 그러나 당신이 경주에 있지 않다면, 당신은 그것에서 벗어날 것입니다 그래서이 점을 염두에두고 상황은 매우 흥미로워 질 것입니다 SALIL AMONKAR : Vikram의 의견에 따르면, 어때? 그 관점에 대해 그것은 무엇입니까? 너가 일에서 관련시키고 싶으면

예를 들어, 귀하가 귀하의 지역 또는 심지어 마케팅과 관련된 사고 프로세스에서부터, 판매 및 AI 및 ML? VIKRAM VERMA : 네, 물론입니다 우리가 현재 가지고있는 시나리오가 많이 있습니다 작업 예를 들어, 우리가 2 년 전에이 여정을 시작했을 때, 그것은 항상 고객 성공 운동에 관한 것이 었습니다 일단 제품을 구입하면 어떻게해야합니까? 그 제품의 가치를 조만간 고객에게 가능한가요? 그리고 거기에 대한 핵심 개념은, 우리는 당신이보고있는 것을 어떻게 이해할 수 있습니까? 다른 소프트웨어 에서요? 문제는 어디에 있습니까? 당신이 겪고있는 도전은 무엇입니까? 어떻게 정보를 제공 할 수 있습니까? 등록 된 채널을 사용하거나 제품 내에서 사용합니까? 이제 우리는 여러분 모두 Cisco를 판매합니다

너무 많은 제품과 많은 소프트웨어가 있습니다 인간적으로 모든 것을 할 수는 없습니다 그래서 우리는 그것들을 적용해야했습니다 우리는 기계를 사용해야했다 우선 비즈니스 규칙을 따라야했습니다

그러나 나중에 우리는 인공 지능과 그 모든 것들에 들어갔다 기술의 관점에서 볼 때 여전히 범위가 많이 있다는 것을 느낀다 기술 향상에 예를 들어, AI를 볼 때, AI는 오늘 매우 전문화 된 인공 지능입니다 그것은 특정 일을 할 수 있습니다

그러나 일반적인 인공 지능을 살펴보면 여전히 아직 존재하지 않습니다 그리고 나는 그 기술이 심지어 거기에 있다고 생각하지 않는다 그러나 우리는 기술을 방책으로 생각할 수는 없습니다 우리가 할 수있는 일에 대해 생각해보십시오 오늘날 무엇이 존재합니까? 그리고 우리가 운전하기를 원하는 것은 무엇입니까? 그래서 우리가 여행을 시작했을 때, 우리는 더 많은 것을 할 수있었습니다

고객 세분화, 고객 여행, 그들은 어떻게 제품을 사용합니까? 그들이 사용하는 기능은 무엇입니까? 그들이 원하는 것은 무엇입니까? 우리가 더 많이 사용하도록 그들에게 무엇을 말해야합니까? 그리고 모든 디지털 채널을 통해, 우리가 어떻게 그 정보를 다시 전달할 수 있는지 고객에게 무엇을보고, 어떤 것이 작동하는지, 작동하지 않는지를 확인하십시오 그래서이 일들은 많은 노력을 기울였습니다 그러나 이것이 우리가 향하고있는 곳입니다 그리고 우리는 이러한 목표를 달성하기 위해 끊임없이 노력하고 있습니다 살릴 알콜 : 아주 좋아요

너는 아주 좋은 것을 언급했다, 너는 여행을 언급했다 그래서 수드카, 내가 너에게 물어 본다면, 그는 관점을 주었다 디지털 마케팅 이 AI / ML 여행에 대한 당신의 견해는 무엇입니까? 공급 계획, 공급 운영과 관련이 있습니까? SUDHAKAR PARAKALA : 그래서 Synaptics가있는 공간 안으로, 그것은 하이테크 세계에있어, 빠르게 움직이는 제품 및 휴대 전화, 태블릿, 및 노트북 그리고 우리가 살고있는 시장은 세계의 알렉산드입니다

우리의 시장 출시 시간 우리는 인벤토리가 최적화되었는지 확인해야합니다 동시에, 돈을두고 싶지 않아 책상 위에 따라서 사용 사례는 인벤토리를 최적화해야하는 경우였습니다

그러면 우리는 어떻게 그것에 대해 가야합니까? 그렇다면 우리는 – 절대적으로 우리는 그 수요에 초점을 맞추고 싶었습니다 그래서 우리의 목표는 최적화를 발명하는 것이었지만, 왜 수요 조사를 시작하지 않습니까? 많은 변동이 있습니다 다른 부분에서 오는 많은 입력이 있습니다 세상의 그리고 당신이 볼 수있는 것처럼, 핸드폰이라고 생각해

휴대 전화의 수명은 꽤 작습니다 다른 제품과 비교했을 때 그래서 우리는 어디에서 우리는 수요를 들여다 볼 수있었습니다 수요 분석, 예측 분석 (predictive analytics) 일종의 그래서 우리가 시작했을 때입니다 왜 ML을 조사해 보지 않으시겠습니까? 그래서 우리의 여정은 시작되었습니다

우리가 할 수만 있다면, ML이 우리의 예측을 예측하게 할 것입니다 안정적인 성숙한 제품입니다 그래서 분명히 목표는 재고 최적화를하는 것이 었습니다 그래서 위대한 여행이었습니다 특정 성숙한 제품의 경우, 우리는 – 어쩌면 우리가 ML을 활용하여 예측을 예측할 수 있습니다

앞에서 언급했듯이 예외에 집중할 수 있습니다 그래서 표준 제품, 성숙한 모든 것, 아마도 ML은 수요를 주도 할 것이며 나머지는 예외로 관리하십시오 이제까지는 위대한 여행이었습니다 샐일 암모 카 : 그걸로부터, 그리고 나는 – Sudhakar가 방금 말한 것에 덧붙이라고 요청할 수 있다면 Adam 하지만 너 경이로움 – 너의 회사가 놀랄만 한 일을 했어

우리와 함께 일하는 AI와 ML을 적용 해보면 정말로 올 수 있습니다 내 말은, 변화를해라 그건 간단 해 어제 당신이 아주 상세하게 발표 한 것 당신의 생각은 무엇입니까? AI 및 ML을 허용 할 때이 잠재 고객과 공유하고 싶습니다

혁신과 획기적인 비즈니스 이점을위한 여행? 그것을 이해할 수 있도록 예제로 삼아, 그 여정에 착수하고 싶은 누군가를 위해, 관심을 기울일만한 것들은 무엇입니까? ADAM SPUNBERG : 물론입니다 그리고 나는 AB InBev가 조금 더 우수하다고 생각합니다 이 패널의 다른 회사의 우리가하고있는 일 때문에 별로 소프트웨어 기반이 아닙니다 우리는 어느 정도 제조 회사입니다 우린 맥주를 만들고있어

그래서 당신은 아마도 기계 학습과 인공 지능이 거기에서 움직이는가? 사실, 많은 곳에서, 그리고 우리는 단지 표면을 긁어 모으고 있다고 생각합니다 특정 예제로 들어가려면 명왕성 7은 우리와 함께 일하고 있습니다 우리는 훨씬 더 정확한 여과를 예측할 수 있다는 것을 발견했다 인공 지능을 사용하여 꽤 놀랍습니다 특정 변수를 연구 할 수 있습니다

데이터를 검토하고 이를 수행 할 수있는 충분한 데이터가 있어야하며 예측할 수 있어야합니다 당신이 훨씬 더 정확하고 정확합니다 발효 과정에서 필터를 교체해야합니다 그래서 꽤 특별한 일입니다 맥주를 만드는데 너무 많은 것이 있습니다

예를 들면, 이것이 우리가 시작하는 한 가지 예일뿐입니다 AI가 얼마나 효과적인지 알 수 있습니다 그리고 우리는 그 결과에 대해 매우 낙관적입니다 그래서 나는 그것으로부터 산란, 유지 보수의 어떤 부분을 생각합니다 예측 유지 보수 일 수 있습니다

포장 라인에 뭔가있을 수 있습니다 어쩌면 더 많은 것을 가진 뭔가 일 수 있습니다 당신은 재고 또는 고객 수요를 예측하고 제안합니다 하늘이 이것에 한계가있어 너 밖에있는 모든 사람들을 생각해

이것을 고려하고있는 회사에 관여하고있는 이것은 정말로 가장 잘리는 것처럼 보입니다 그 다음 번 큰 발전을위한 최첨단 방법 미래를 향해 살일 아모 카르 : 고마워 그리고 디팍, 내가 너에게 물어 본다면 너 빠르게 성장하는 소매 업체입니다 사업 성장이 많습니다 당신의 스케일링은 항상 당신의 마음의 정상에

그래서 염두에두고 무엇과 관련이있는가요? Adam과 Sudhakar는 방금 토론했습니다, 당신의 관점은 무엇입니까? DEEPAK MEHROTRA : 캘리포니아 디자인 덴 (California Design Den)의 우리에게있어서, 우리의 초점은 또한 넥타이를 시도하고있다 수요 예측 및 공급망 인 두 종단 공급망 최적화의 모든 문제, 자원과 성장이 제한된 신생 기업과 같은 그건 아무것도 능가하고 지우고있어 우리가 예측했던 것, 그것은 매우 중요 해졌다 의사 결정이 실시간에 가깝도록해야합니다

다시 예외 처리 이제 얼마나 많은 사람들이 정말로 상상해보십시오 침대 시트라고 생각해 그건 우리가 만드는 핵심 제품 중 하나입니다 메이시의 7 층에 선반 공간이 필요해? 내 말은, 정말로, 우리는 정말로 거대한 바닥을 팔아야 만 하는가? 침대 시트? 얼마나 많은 사람들이 거기에 가서 실제로 열 수 있을까요? 그 가방 중 하나와 그것을 느낍니까? 아마도 그렇지 않습니다

그래서 우리는 상당히 상품화 된 우리와 같은 제품을 보았습니다 완전히 온라인 상태입니다 따라서 성장은 놀라운 것입니다 그리고 우리는 채널과 경쟁하고 있습니다 그것이 Walmart

com이든 Amazoncom이든, 그래서 우리가 매우 민첩하고 빠르다는 것이 매우 중요합니다 그리고 앞으로의 여행에서 – 기본적으로 모든 데이터를 한 곳에서 확인하고, 모든 것이 한 곳으로 흐르고 있습니다 매우 분산 된 공급망을 가지고 여기서부터 달리기 인도와 중국의 공장에 이 여행을 떠맡고 아주 좋은 결과를보고 있습니다 물론 그 결과는 여전히 매우 기본적인 것입니다

인벤토리 축소 또는 속도인지 여부 생산 라인에있는 것을 바꾸기위한 결정을 내릴 때 그러나 우리가 어떻게 ML과 AI를 바라 보는지를 살펴보면, 우리는이 하이퍼 경쟁에 직면 해 있습니다 우리는 그것이 수요인지, 예측인지, 공급망 계획, 가격 최적화 및 너 살일 아모 카르 : 고마워 그래서 Vikram, 너와 마케팅에 다시 와서 비슷한 주제에

이제 너는 너 봤어 항상 네가 개발을 주도했다고 생각해

당신이해야하기 때문에 그것이 기술에 왔을 때 디지털 마케팅에서 특히 주위에 어떤 고려 사항이 있습니까? AI와 ML 여행에 대해 이 청중에게 흥미가있을 것이라고 지적하고 싶습니까? VIKRAM VERMA : 전략적인가? 전술적 인 AMONKAR : 전술 두 가지에 대해 이야기 해 봅시다 VIKRAM VERMA : 그런 것들 중 하나 내가 말했듯이, 우리는 많은 예측 기반 모델링 이전에 우리는 그것을 예측이라고 부릅니다 90 년대 후반 시스코에서 공급망의 관점에서 보았습니다

그러나 데이터 과학을 사용하는 이러한 움직임 예측에서가 아니라 예측 포인트에서 꽤 새로운 것입니다 전략적인 측면에서 볼 때 마음의 꼭대기에 오는 여러 가지 것들이 있습니다 AI와 ML에는 큰 과대 광고가 있습니다 많은 회사가 오늘 투자하고 있습니다 그들은 그것이 마법이라고 생각하기 때문에 그들의 모든 문제를 해결할 은색 총알 하나

그러나 나는 단지 그것을주의 할 것이다 마술이 아닙니다 그것은 당신의 문제를 해결할 은색 총알이 아닙니다 그것은 큰 발전을 가져 왔습니다 회사에서 많은 공정 변경이 필요합니다

그 자체 귀하의 비즈니스 목표는 매우 분명해야합니다 두 번째 방법은 기술에서 사용하는 방법입니다 데이터 관점에서, 데이터 과학과 인공 지능 데이터 자체에서만 작동 할 수 있습니다 데이터를 기계에 사용될 수 있지만 그렇지 않습니다

Amazon 또는 Exabyte를 필요로한다는 의미입니다 또는 페타 바이트 종류의 데이터 그러나 당신은 충분히 다양한 데이터를 가져야합니다 기계 학습 알고리즘에 사용할 수 있다고 그리고 세 번째 것은, 제가 말했듯이, 그것은은 총알이 아닙니다 데이터를 공유하면서 많은 작업이 필요합니다

그리고 자발심이 있어야합니다 ML로부터 그 통찰력을 가져 와서 그 과정에 넣는 것 때때로 우리는 많은 통찰력을 얻습니다 그러나 우리가 그 경험을 Ciscocom과 같은 고객은 예를 들어, 이 고객이 배우기만을 원할 때 이것에 관해서, 그에게 그 메시지를 전하십시오

그 채널로 들어갑니다 아, 우리는 더 많이 알고 있습니다 이것이 메시지일까요, 아니겠습니까? 이 페이지는 예제로 사용자 정의 할 수 없습니다 때로는 프론트 엔드 업무에 종사하고 있습니다 그것은 통찰력이 어려울 때, 당신은 고객이 원하는 것을 알고 있습니다

그러나 고객에게 그 메시지를 보여주고 싶을 때, 도구 플랫폼이 지원하지 않습니다 그래서 많은 제약이 있습니다 전략적인 관점에서 먼저주의를 기울일 것입니다 AI가 내일 구현 될 수 없다는 견해를 가지고 있습니다 시스코와 같은 대기업에서 특히 시간이 걸립니다

기술적 관점에서 두 번째로 시간이 될 때까지, 정상적인 활동입니다 비즈니스 개체가있는 경우 네가 거기 도착할 때까지 분명해, 프로세스에서 가치를 어떻게 계속 추가 할 수 있습니까? 모두가 AI에 대해 생각하기 때문에, 항상 최적화에 대해 생각합니다 당신은 비용이나 과정을 말합니다 아니면 혁신을 어떻게 얻을 수 있을까요? 또는 경쟁 우위? 그리고 어떻게하면 비즈니스를 다음 단계로 확장 할 수 있습니까? 그러나이 모든 것들은 기술 수준으로 갈 때, 이러한 것들은 시간이 걸릴 것입니다 그리고 기술적으로, 당신은 2 년을 기다릴 수 없습니다

결과를 산출한다 따라서 비즈니스 과제가 무엇인지 파악해야합니다 어떤 것들은 즉시 값을 추가 할 수 있습니다 예를 들어, 우리는 충분히 운이 좋았다 우리는 판매 조직의 일부였습니다

그리고 많은 회사가 있습니다 판매를 위해 많은 일을 해왔다 이미 우리는 그 배움을 받아 들여야 만했습니다 우리 자신의 문화 예를 들어 고객 이탈 모델, 고객 위험 분석, 수명주기 이점, 제품 권장 사항, 이 모든 일들이이 회사의 올바른 계약일까요? 그 남자라고 불러야 할 때가 언제입니까? 그 미리 짜여진 통찰력은 무엇입니까? 그 고객과 이야기 할 때? 이 모든 것들이 편리 해졌다

즉각적인 가치를 창출하기 위해 우리가 그 더 큰 목표에 도달하기 전에 단계별로 보여 주어야했습니다 고객의 성공 관점에서 두 번째로 우리가 어떻게 관련성 높은 메시지를 제공 할 것인가? 고객을 위해 그리고 그들의 경험을 바꾸는가? 기술적으로 볼 때, 당신은 가치를 계속해서 더할 수 있습니까? 그러나 당신의 전략적 목표가 아주 분명 할 때만 살릴 알콜 : 매우 좋은 점이 있습니다 우리가 들었던 데이터에 집중하는 것을 들었습니다 나는 기조 연설을 들었다

라젠 (Rajen)은 어제 그 다음에 사람들을 항상 언급했습니다 공급 업체는 인공 지능 및 ML, 데이터에 대한 모든 것, 그리고 당신이 가고 싶은 곳을 이해하십시오 그래서 Sudhakar와 마찬가지로, 모든 통찰력 당신은 개념의 첫 ML / AI 증명에 대해 이야기하고 싶다 네가 지적한 바를 지적 했어? SUDHAKAR PARAKALA : 나는 그것이 긴밀하게 통합되어야한다고 생각합니다 사업 계획

따라서 데이터를 가지고 시도하는 것이 아닙니다 그것의 예측할 수있는 마법 공식을 생각해 내야합니다 특히 우리의 유스 케이스의 경우, 그것은 수요 계획이었다 정확한 수요 계획으로 따라서 당신은 긴밀하게 통합되어야합니다 비즈니스 계획과 관련하여 사업 계획에 들어가십시오

하나는 주어진 양의 데이터로 작업해야합니다 그 것들을 따라갈 수있는 ML이 제시 할 수있는 알고리즘으로 그래서 그것은 단지 데이터를 던지기 만하는 것이 아닙니다 그것의 최종 결과를 뱉어 버릴거야, 그것은 정확한 예측이 될 것입니다 그것은 일어나지 않습니다 그래서 사업 계획 – 주관적, 객관적 또는 그 무엇이라도 현장 데이터에서 얻은 정보 하나는 수요 계획과 사업 계획을 작성하는 것이고, 사고 과정에 들어가는 요소, ML은 다음과 같이 할 수 있습니다

우리는 가능한 한 많이 통합하려고 할 수 있습니다 어쩌면 이해가 시작됩니다 너가 보는이게 하나도 아니야 당신이 수요를 입력 할 때 당신이 내년을 책임지고있는 사람이라면, 어쩌면 무엇이든, 얼마나 많은 사람들이 이 회의에 참석할 예정입니다

그래서 그것은 하나의 요소 또는 두 가지가 될 수 없습니다 당신이 정확하게 예측할 수 있도록 마찬가지로, 우리는 그것에 들어가야 만했습니다 아주 긴밀하게 통합되어야한다 전반적인 사업 계획 네가 말했듯이, 그것은 자동으로 나오는 것이 아니라, 그래서 당신은 어떤 제품을 볼 수 있어야합니다

정말 그것을 적용합니다 그리고 그것은 더 도움이 될 것입니다 그래서 우리는 아직 초기 단계에 있습니다 그러나 우리는 긍정적 인 결과를 보았습니다 물론 실망한 곳도 있습니다

그래서 우리는 그것을 계속 꼬집어 야하고 미세 조정해야합니다 그것, 그리고 한 지점에 도착 그래서 퍼팅하는 것이 매우 중요합니다 우리 사업 계획에 포함되어있는 모든 요소들을 그것은 큰 여행이었습니다 우리에게는 성공과 일부가있었습니다

분명히, 우리는 여전히 배워야합니다 살일 아 모나 : 아담, 디팍에서 온 것 같아요 마술, 일이 필요해 그리고 Sudhakar는 이봐, 거기에 초점과 뒤에 계획 당신의보기에서, 내가들은 것들 중 하나는 – 그리고 저는 그것을 당신의 경험과 관련시키고 싶습니다

기조 연설에서 대통령 이셨다 오늘 Rajen Sheth는 단순한 AI에 관한 것입니다 그리고 저는 여러분의 경우에 우리가 달성 한 것, 또는 당신이 얻은 것은 결국 그 무엇인가였습니다 매우 간단 해졌습니다 그 주변의 어떤 생각? ADAM SPUNBERG : 글쎄, 내가 생각하는 한 가지 우리 모두 여기서하려고하는 것에 대해 흥미 롭습니다

예를 들어 AB InBev에서 사례를 사용하겠습니다 우리는 기계 학습에 대해 많은 이야기를하고 있습니다 하지만 우리는 실제로 무엇과 관련을 맺고 있습니까? 그것은 인간입니다 그래서 우리가 기계를 사용하는 방식으로 아이러니합니다 우리 자신을 더 잘 이해하기 위해서

그래서 우리가 로봇이있는 세계로 들어갈 때까지 모든 것을 실행하고 마케팅을 할 것입니다 누가 알 겠어 그러나 지금은 인간의 측면에 관한 것입니다 그리고 그것은 실제로 소비자만을위한 것이 아닙니다 그것은 조직 자체 내에 있습니다

그리고 그것은 내가 싸워야 만했던 전투입니다 그리고 나는 이것이 부정적인 것이라고 말하지 않습니다 나는 그것이 교육에 관한 것이라고 생각한다 점점 더 많은 사람들이 정렬되었습니다 우리 같은 큰 회사

AB InBev는 250,000 명의 직원을 보유하고 있습니다 그래서 당신은 250,000 명의 사람들을 탑승시키지 않을 것입니다 첫 번째 날부터 AI로, 그리고 확실히 주요 이해 관계자가 아닙니다 아직 기술에 익숙하지 않은 가치를 실제로 이해할 기회가 없었습니다 그것을 가져올 수 있습니다

그래서 당신은 단순한 인공 지능이라고 말하는 것 같지만, 그 말에 연극을 쓴다면, 우리를위한 진정한 열쇠라고 생각합니다 우리가이 AI 혁명을 이끌고 싶다면 메시지를 단순화합니다 우리는 어떻게이 가치를 모든 사람에게 보여줄 수 있습니까? 위로, 아래로, 그들은 우리가 달성 할 수있는 것을 볼 수 있습니까? 그리고 그것은 위협이 아닙니다 어떤 것이 든 그것은 향상입니다 살일 아모 카르 : 고마워

디팍, 의견이 있으십니까? DEEPAK MEHROTRA : 나는 ML과 AI에 관한 한, 그것은 여행과 더 비슷합니다 당신이 말했듯이, 그것은 마법의 총알이 아닙니다 캘리포니아 디자인에서 느끼는 가장 큰 장점 덴, 우리가이 비전을 세우도록 노력하겠습니다 경쟁 우위를 이끌어 낼 것입니다 제품 차별화는 차별화 요소가 아닐 수도 있습니다

이런 종류의 회사가 우리를 하나의 회사로 만듭니다 모든 것을 제자리에 두는 것 따라서 우리가 설정해야하는 것은 아닙니다 ML 기반 수요만을 수행 할 새로운 시스템 예측 따라서 분석을 발전시키는 기본 분석인지 여부 또는 당신은 무엇을 가지고 있는가, 그것은 여행과 같습니다

그러나 당신이해야 할 곳에 이것이 있다는 비전을 갖게되면, 그러한 비전 중 많은 부분이 여전히 환상적인 비전이며, 이것은 많은 효율성을 가져옵니다 핵심 이해 관계자 사이의 갈등 점이됩니다 추가 이점이 있습니다 모든 프로세스를 다시 봐야한다 아담이 말했듯이 너는 무엇이 있느냐? 모두가 곧바로 선회하지는 않습니다

그래서 내부적으로 토론하고 알아 낸다 너는 무엇을하고, 모든 곰팡이를 깨고, 새로운 곰팡이를 만들어라 그래서 우리는 AI / ML을 볼 수 있습니다 그것이 몇 년 후에 생산을 기대하고, 당신의 발걸음을 향한 추진력으로서 그리고 열심히 밀어 붙이고, 앞쪽에있다 살롱 아모 카르 : 고맙습니다, 디팍

이제 Vikram, 당신과 Sudhakar 사이에, 귀하의 하이테크 산업을 대표하십시오 Vikram의 말을 듣고 싶습니다 그 다음 수다 카르가 그를 따라 가면서 당신의 생각은 이제이 인공 지능과 ML에 착수했습니다 최소한 처음부터 사용하기 시작했습니다 각 공간에서 어떻게 사용하는지 이해하려면, 나는 원한다 나는 네가 분명히 말한 것처럼 생각한다 그것이 여행이라는 것, 하이테크 공간에서 무엇을 보았습니까? AI가 더 많이 활용되고있는 것을 어디에서 보았습니까? 그리고이 잠재 고객에게 어디에서 원하는지 – 자, 여기 AI에 들어가는 유혹을받을 수도 있습니다

하지만 약간의주의가 필요합니다 내가 생각하기에 너의 경험에 이해하려고 노력하고있어 잠재 고객이 무엇을 이해하고 싶은지 확신합니다 너가이 여행을 겪고있을 때, 배움이 있습니다 알았어, AI, 모두들 AI / ML 악 대차에 들기를 원해

그러나 모든 유스 케이스가 AI와 ML을 의미하지는 않습니다 그래서 그걸 고려하고있는 모든 관점? VIKRAM VERMA : 예 AI 나 ML에 관해 이야기 할 때, 거기 뿐만 아니라 위험과 혜택도 항상 있습니다 우리가 어떤 모델이나 추천에 대해서 이야기 할 때, 항상 정확한 비율이 있습니다 그리고 내가 이전에 말했던 것들 중 하나 우리가 ML들을 오늘 보았을 때였습니다

이들은 전문 모델, 특수 모델 이전 행동에 관한 데이터로부터 학습 이러한 일련의 행동을 통해 그 결과는 [INAUDIBLE]였다 그리고 그것이 당신의 예측을 내일은 같은 패턴이 있기 때문에 당신은 할 수 있습니다 같은 것을 반복 할 것입니다 그래서 우리가 모델을 넣을 때 우리는 한 가지를 얻습니다

맹목적으로 모델을 신뢰하십시오 그 모델이 무엇인지 이해하는 방법이 있어야합니다 또는 출력물에 대해 이야기하고 있습니다 주위에 인간의 지능을 넣은 다음 말하자면,이 경우조차도 의미가 없습니까? 그래서 우리가 프로젝트를 진행할 때, 고객 세분화 – 우리는 여전히 진화를 위해 노력하고 있습니다 그것을 다음 단계로 – 우리는 고객을 주변에서 나눌 수 있다는 것을 깨달았습니다

해당 특정 제품의 경우 고객이 16 다른 세그먼트 그러나 우리가 사업주와 함께봤을 때 그것이 실제로 무엇을 나타내는지를 이해하기 위해, 어떻게 우리는 각각의 경험을 할 수 있을까요? 세그먼트의 각 집합의 고객, 절반 그 (것)들의 더 많은 것이기 때문에 그 (것)들에게 이해되지 않았다조차 주위에, 너도 알지? 그것과 거의 비슷합니다 그들의 메시지는 다를 것입니다 왜 우리는 그것을 하나로 합쳐 놓을까요? 이 것은 이해가되지 않습니다

모든 사람들이 완벽하게 사용한다면 우리는 그들과 무엇을 할 것인가? 그래서 우리가 기계를 볼 때 이러한 종류의 위험, 우리는 기계를 맹목적으로 신뢰할 수 없습니다 전문화 된 인공 지능입니다 특정 측면에서 인간보다 더 전문화 된 것들 그러나 모션을 통해 그것을 퍼팅에 인간의 감독입니다 여전히 대단히 요구되는, 직감이라는 – 이 패턴이 고객이 주문할 것을 의미한다고 가정 해 봅시다 그러나 그 패턴들은 오늘날의 환경에서 그다지 의미하지는 않습니다

우리는 어떻게 그것을 이해할 수 있습니까? 우리는 어떻게 우리 인간의 지식을 적용 할 수 있습니까? 어떻게 우리는 항상 그것을 계속 조정할 수 있습니까? 현실적인 비즈니스 시나리오가 가장 중요해진다 인공 지능에서 중요한 일은? 의미있는 데이터를 얻는 것이 아니라 데이터를 가져 오는 것이 아니라, 통찰력을 이끌어 내고, 통찰력을 작동 시키며, 그러나 그 모델을 가지고가는 것이 전부입니다 그 주변에서 현명한 결정을 내린다 그런 다음 그것을 작동 시키십시오 그것을 [비합리적] 사이클로 만듭니다

그래서 인간 상호 작용은 매우 중요합니다 제 의견으로는, 이 인공 지능을 시장에 가져 가야합니다 어쩌면 기술이 특정 시간대에 있었을 때, 우리가 범용 AI를 가지고있을 때, 그러면 그것은 다른 이야기입니다 그러나 지금은 전문 AI입니다 ML은 데이터를 기반으로 한 특수 모델입니다

액면 그대로 사용해서는 안됩니다 시력 탐지와 같은 특정 유스 케이스가 있습니다 AI가 이미 개선 한 모든 것들 인간의 능력 이상 그러나 우리가 비즈니스 감각에 대해 이야기 할 때 또는 의미가되는 것이 무엇인지 그게 아니라면, 나는 그걸 맹목적으로 신뢰한다고 생각합니다 감독없이 그 행동을 취할 수있다

더 많이 생산한다 장점보다 더 많은 위험을 초래할 수있다 특정 시나리오에서 샐러리 암모나 : 네, 고마워요 네가 한 말의 요약을 생각해

어떤 AI 솔루션이든 기술과 도메인이 필요합니다 비즈니스 전문성 두 번째로 있는 그대로 활용 될 수있는 모델, 그들이 미리 만들어진 모델이라고 부르는 것을 의미하며, 비전 API 그러나 특정 상황과 일부 상황이 있습니다 대부분의 비즈니스 상황 여기서 사용자 정의 모델이 있어야합니다

고맙습니다 수드카, 어떤 관점에서 – SUDHAKAR PARAKALA : 그래서, 우리는 약간의 단순한 접근 방식의 분명히, 아담이 언급 한 것처럼, 우선 ML은 내 수요를 예측할 것인가? 안돼 그래서 ML은 정말로 어떤 저녁 식사인지 예언 할 수 있습니다 너는 가질거야? 안돼 그래서 분명히 그런 종류의 사고가있었습니다

회사 내에서 그 다음 우리는 OK에 관해서 훨씬 더 단순한 접근법을 취했다 모든 다른 제품 라인 또는 다른 고객 세그먼트를 선택하여 당신은 이것이 좀 더 예측 가능하다고 생각합니다 인간의 사고 내에서 그래서 당신 자신의 사고 내에서, 거기 네가 더 많은 것들을 가질 수있다

일관된 사고 방식 당신이있는 곳이있을 수 있습니다 소화하고 올릴 추가 데이터를 모으려고합니다 해결책이나 대답으로 그럼 우리는 OK에 관한 질문들을 파헤쳐 야합니다 당신이 할 수있는 영역은 무엇입니까? 더 일관성있게, 고객은 더 일관성있게, 시장은 더 일관성있을 수, 그래서 우리는 이해를 통해 재고 최적화를 추진할 수 있습니다

수요가 어떻게 생성되고 있는지, 그래서 우리는 시장이 성숙한 제품을 더 많이 포착했습니다 그래서 분명히, 수용은 그림으로 들어와야합니다 헤이, 기계가 예측하는 것 내가 그걸 의지 할 수있는 것에 거의 가깝습니까? 따라서 사용 사례를 취해야합니다 하나는 자신감을 얻기 시작하고 그래서 분명히, 당신은 제품과 시장을 선택하고 싶습니다

조금 더 일관성이 있습니다 분명히 그 가치는 예측할 수 없다 예측할 수 있지만 어디서부터 시작할 수는 없습니다 그래서 우리는 단순한 접근법을 취했습니다 아기 단계를 밟자

그래서 우리는 처음 사용을 생각해내는 그 단계에 있습니다 이제 우리는 다음 단계로 넘어갈 것입니다 NPI, 신제품 소개에 실제로 적용 할 수 있습니까? 우리는 모른다 나는 그것이 보이는 것 같아요 살일 아모 카르 : 고마워

나는 거기에 요약 크롤링, 도보, 그리고 실행을 생각합니다 Adam, 나는 AB InBev의 전망에서 생각합니다 당신은 토론에서 매우 큰 비전을 제시했습니다 어제 나는 제조 산업의 대표자라고 생각합니다

내가 AB InBev를 가장 큰 양조장 중 하나로 생각하기 때문에, 제조를 대표한다고 말할 수 있습니다 업계, 당신의 테이크 아웃은 어떨까요? AI와 ML의 사용법에 대한 관점에서 볼 때? ADAM SPUNBERG : 물론입니다 그리고 내가 말하기를, 너는 계속 말하고있다 우리가이 위대한 발표를 한 것, 그러나 정직하게 너 자신에게 약간 신용을주십시오 Pluto7은 정말로 해낸 회사입니다

기계 학습 및 인공 지능 우리는 그것을 받아들이고 그것을 우리 시스템에 넣었습니다 그래서 여러분 모두에게 공헌합니다 그러나 나는 이것을 말하면 좋겠다는 유스 케이스를 찾아야한다 그리고 이것은 이것이 무엇과 일치하고 있다고 생각합니다

이전에 말했었습니다 AI는 많은 것들을위한 올바른 해결책이 될 수 없습니다 그리고 나는 점점 더 많은 사용이있을 것이라고 생각한다 기술 진보와 기초 계층으로서의 사례 기술의 양조장에서 말하면, 우리의 데이터 수집은 예를 들어, 더 많은 기회 우리가 그 데이터로 일을 할 수있는 곳으로 나옵니다 그러나 당신이 정말로 올바른 상황에 처해있다

그리고 나는 그것이 누군가가이 일을 조금이라도 할 수있는 곳이라고 생각합니다 무의식적으로 AI / 머신에 너무 흥분합니다 학습 아이디어, 오, 우리는 어디서나 ML을 할 수 있습니다 그리고 그건 사실이 아닙니다 당신이 어린이 수영장에서 수영하러 간다면, 당신은 말하지 않을 것입니다

스쿠버 장비를 사러 가자 확실한 점이 있습니다 올바른 설정을 찾아야합니다 그리고 저는 그것이 우리의 경우에, 정말로 전문가와 함께 올바른 상황을 알 수 있습니다 우리와 함께 명왕성 7의 경우, 우리는 실제로 hackathon을 개최 우리는 여러 분야를 탐구했다

우리는 AI가 가치 있다고 생각했습니다 그리고 우리는 그들에게 일하는 모델을 생각해 냈습니다 그리고 다른 옵션에서, 우리가 여기서 무엇인가를 발견했다는 것이 명백 해졌다 그래서 저는 여러분 모두를 위해이 공간에서 무언가를 추구하려고합니다 나는 그것이 신중한 결정인지 확실히 할 것이다

확실히 나는 누구의 흥분을 막으려 고하지 않고있다 최대한 열정을 가지고 있지만 자신을 구하십시오 잘못된 상황을 위해 과용하는 문제 살일 아모 카르 : 아담 감사합니다 그리고 나서 우리가 청중에게 열어주기 전에, Deepak, 대표자로서의 마지막 생각 소매 산업의 성장과 그에 따른 고성장 DEEPAK MEHROTRA : 나는 소매업을 대표하는만큼 멀리 가지 않을 것입니다

베조스 씨가 더 나을 것 같네요 하지만 ML / AI가 어린 아기 같다고 생각합니다 데이터를 입력하기 시작하면 기저귀를 먹이고 바꿔야합니다 그리고 그것이 지금 우리가있는 곳입니다 우리는 몇 년 후, 이 아기가 자랄거야

그리고 그녀는 도망 갈 것입니다 그리고 그녀는 장대 높이뛰기를 할 것입니다 그리고 그녀는 올림픽 메달 획득에 나설 것입니다 꿈 ML과 AI를 어떻게 보는지 알 수 있습니다

그래서 그것은 우리와 함께합니다 우리는 선택해야합니다 이것으로 우리는 미래를 생각할 수 있도록 노력해야합니다 우리는 시스템, 데이터 흐름을 설정하고 프로세스를 재고합니다 그리고 Pluto7에서 한 상자에서 계획을 세웠습니다

수요에 이르기까지 좋은 결과를 볼 수있었습니다 예측 및 공급망 최적화가 중요합니다 단추를 누르면 우리는 무슨 일이 일어나고 있는지 보게됩니다 우리는 공급망에있는 것을 신속하게 바꿉니다 내 말은, 여전히 기본이야

지금 속도가 있습니다 따라서 500, 1,000, 2,000 SKU를 관리해야합니다 우리는 신속하고 신속하게 처리 할 수 ​​있습니다 자,이 아기가 자라서 모든 책임을 맡을 수 있을까요? 음, 언제 보죠 살롱 아모 카르 : 고맙습니다, 디팍

나는 이것으로 관객들에게 이것을 공개하고 싶습니다 우리는 약 5 분 남았습니다 관객 : 도움이 될만한 패키지 애플리케이션 귀하의 응용 프로그램을 시작하십시오? SUHHAKAR PARAKALA : 그것은 당신을 위해 더 많은 것 같습니다 우리는 포장 된 것을 사용하지 않았습니다 살릴 알콜 : 알았어, 나는 디팍에 맡길거야

예, 디팍은 질문이 있습니다 밖에 패키지 된 응용 프로그램 사업을 시작하는 데 도움이 될 수있는 DEEPAK MEHROTRA : 글쎄, 그것은 unsponsored 광고처럼 들리 겠지만, 그러나 우리는 Pluto7이 가지고있는 상자에서 계획을 사용했습니다 물론 Google 클라우드와 ML 및 AI, Google 생태계 내의 모든 것 그것은 우리의 인벤토리까지 우리에게 많은 도움이되었습니다 통제가 관련되어있다

따라서 매우 빠른 수요, 매우 적절한 수요 예측, 그리고 공급 체인에 대한 빠른 연결, 우리는 매우 눈에 띄는 재고 감소를 볼 수있었습니다 관객 : 그러면 빠른 발동기를 움직여 발동기를 느리게하는 데 도움이됩니까? DEEPAK MEHROTRA : 질문을 다시 할 수 있습니까? 관객 : [무적] 빠른 발동기와 느린 발동기 DEEPAK MEHROTRA : 맞아 나는 빠른 발동기로 더 많은 것을 생각한다 왜냐하면 다시, 우리는 회사로서, 우리의 느린 발동기 정말 느립니다

그래서 단점 중 하나는 이전에 말했던 것처럼, 이 모델 중 일부를 실행할 데이터가 있어야합니다 실제 결과를 확인하십시오 그래서 우리의 느린 발동기는 정말로 느린 발동기입니다 실제로 일부 결과는 기대하지 않았습니다 느리게 움직이는 SKU와 당신에게 무엇이 이익이되는지

그래서 우리는이 경우에 우리의 안전 수준을 유지했습니다 정말로 팔리는 것에 대해 더 걱정했다 그리고 우리는 성장했습니다 관객 : 고마워 DEEPAK MEHROTRA : 물론입니다

살모 알콜 : 다른 질문이 있으십니까? 큰 그렇지 않다면 꽤 많이 생각합니다 Pluto7에서 우리 부스로 들르십시오 나는 그것을 거기에 올려 놓았다 AI와 ML로 가능한 것의 더 많은 데모를 보여 드릴 수 있습니다

고맙습니다 [주제 음악 연주]