Dauguma mažojo verslo savininkų į DI žiūri kaip į įrankį Silicio slėnio programuotojams ar greitosios prekybos biržoje dalyviams. Jie nemano, kad tai tinka purvinam laukui ar skersvėjų perpučiamai daržinei. Tačiau sėkmingiausios AI implementation small business (DI diegimo mažajame versle) istorijos, kurias pastaruoju metu stebiu, vyksta ne technologijų centruose, o tradicinėse srityse, pavyzdžiui, žemės ūkyje. Konkrečiai noriu jums papasakoti apie mažą vynuogyną, kuris nustojo spėlioti apie savo derlių ir pradėjo naudoti duomenis, kad galėtų diktuoti sąlygas platintojams.
Esu dirbęs su šimtais įmonių ir pastebėjau pasikartojantį modelį, kurį vadinu tikslumo svertų atotrūkiu (angl. Precision Leverage Gap). Tai milžiniškas derybinės galios skirtumas tarp verslo, kuris remiasi „geriausiais spėjimais“, ir to, kuris veikia remdamasis prognozuojamu užtikrintumu. Vyno pasaulyje šis atotrūkis reiškia skirtumą tarp buvimo kainos priėmėju ir kainos nustatytoju.
15 % svyravimas: klaidos kaina
💡 Norite Penny analizuoti jūsų verslą? Ji nustato, kuriuos vaidmenis AI gali pakeisti, ir sudaro etapinį planą. Pradėkite nemokamą bandomąją versiją →
Metų metus „Valley Estates“ (šeimos valdomas vynuogynas, kuriam neseniai konsultavau) veikė nuolatinio nerimo dėl derliaus cikle. Kasmet jie apžiūrėdavo vynmedžius, patikrindavo vietines orų prognozes ir pateikdavo preliminarų spėjimą apie savo derlių.
Jei jie pervertindavo galimybes, platintojams pažadėdavo daugiau dėžių, nei galėdavo pristatyti, o tai lėmė baudas ir sugadintus santykius. Jei įvertindavo per mažai, likdavo su pertekliumi, kurį tekdavo parduoti pusvelčiui vien tam, kad atlaisvintų vietą rūsyje. Šis „15 % svyravimas“ – tipinė paklaida prognozuojant derlių rankiniu būdu – jiems kainuodavo beveik £40,000 per metus prarastų pajamų ir iššvaistytos logistikos pavidalu.
Tai nėra tik žemės ūkio problema. Tą patį matau mažmeninėje prekyboje, gamyboje ir profesinių paslaugų sektoriuje. Kai nežinote savo pajėgumų, negalite tiksliai įkainoti savo vertės.
1 etapas: tikslumo svertų atotrūkio mažinimas
Kai pradėjome AI implementation small business kelionę, savininkai buvo nusiteikę skeptiškai. Jie neturėjo duomenų mokslininko. Jie net neturėjo skaičiuoklės, kuri būtų atnaujinama dažniau nei kartą per mėnesį.
Tačiau jie turėjo duomenis. Jie turėjo penkerių metų derliaus žurnalus, vietinių orų istoriją ir dirvožemio drėgmės rodmenis iš kelių paprastų jutiklių, kuriuos sumontavo prieš kelerius metus, bet niekada į juos rimtai nežiūrėjo.
Mes nekūrėme individualaus neuroninio tinklo. Naudojome paruoštus prognozinės analitikos įrankius, kurie apdoroja istorinius duomenis ir susieja juos su išoriniais kintamaisiais. Vynuogyno atveju tie kintamieji yra laipsnių dienos, kritulių modeliai ir drėgmės lygis žydėjimo etapu.
Sluoksniuodamas jų istorinius derliaus duomenis su dešimties metų itin tiksliais vietinių orų modeliais, DI nustatė koreliaciją, kurios savininkai niekada nebuvo pastebėję: konkretus 48 valandų temperatūros kritimas gegužės pabaigoje buvo pagrindinis veiksnys, dėl kurio po trijų mėnesių vynuogių kekių kiekis sumažėdavo 10 %.
2 etapas: nuo praeities analizės prie ateities numatymo
Identifikuoti, kodėl kas nors įvyko praeityje, yra įdomu; prognozuoti, kas nutiks ateityje, yra pelninga. Būtent čia taupymas žemės ūkyje pradeda realiai pasireikšti.
Iki birželio mėnesio DI modelis rugsėjo derlių prognozavo 94 % tikslumu. Pirmą kartą per trisdešimt metų savininkai tiksliai žinojo, kiek butelių pagamins dar prieš nuskkinant pirmąją vynuogę.
Tai atvedė prie to, ką vadinu užtikrintumo premija. Kai galite platintojui garantuoti tiksliai 12,500 dėžių – o ne „kažkur tarp dešimties ir penkiolikos tūkstančių“ – jūs pašalinate jų riziką. O versle tas, kuris prisiima riziką, moka kainą. Pašalinusi platintojo riziką, „Valley Estates“ sugebėjo išsiderėti 12 % didesnę vieneto kainą.
Antrinis poveikis: draudimas ir tiekimo grandinė
Nauda nesibaigė ties rūsio durimis. Kai tik turėjome nuspėjamą derliaus modelį, šiuos duomenis pateikėme jų draudikams.
Dauguma žemės ūkio draudimo kainų nustatomos pagal bendrą regioninę riziką. Įrodę, kad taiko duomenimis pagrįstą požiūrį į pasėlių būklės stebėjimą ir prognozavimą, jie galėjo išsiderėti mažesnes verslo draudimo įmokas. Jie nebebuvo tiesiog dar vienas „rizikingas“ ūkis; jie tapo valdomos rizikos įmone.
Be to, jie panaudojo šias prognozes savo tiekimo grandinei optimizuoti. Jie nustojo pertekliškai užsakinėti stiklinius butelius ir kamščius „dėl viso pikto“ ir perėjo prie taupaus, tiksliai laiku valdomo atsargų modelio. Vien šis žingsnis atlaisvino £12,000 grynųjų pinigų srautų, kurie anksčiau tiesiog stovėjo sandėlyje tuščio stiklo pavidalu.
Struktūra: ateities numatymo ir maržos ciklas
Jei galvojate, kaip tai pritaikyti savo versle, naudokite šį trijų žingsnių mentalinį modelį, kurį sukūriau savo prenumeratoriams:
- „Nematomų duomenų“ inventorizacija: Kokie išoriniai veiksniai daro įtaką jūsų rezultatams? (Orai, siuntimo vėlavimai, paieškos tendencijos, palūkanų normos).
- Spėjimų mokesčio kiekybinis įvertinimas: Kiek jums kainuoja, kai klystate 15 % dėl savo pajėgumų ar paklausos?
- Prognozavimo sluoksnio įdiegimas: Naudokite DI, kad susietumėte savo istoriją su tais išoriniais veiksniais.
Kodėl dauguma mažų įmonių čia patiria nesėkmę
Priežastis, kodėl dauguma AI implementation small business projektų žlunga, yra ne technologijų trūkumas, o proceso trūkumas. Žmonės nusiperka įrankį dar prieš suprasdami problemą.
„Valley Estates“ nepradėjo nuo minties „naudokime DI“. Jie pradėjo nuo to, kad „mums atsibodo, jog platintojai mumis manipuliuoja, nes mes nežinome savo skaičių“. DI buvo tik svertas.
Tai matau vėl ir vėl. Verslai, kurie laimi su DI, yra tie, kurie sąžiningai pripažįsta, kur jie spėlioja. Jei savo pagrindinius verslo variklius vis dar valdote vadovaudamiesi „nuojauta“, prarandate milžinišką kiekį įtakos svertų.
Penny perspektyva
Dirbau su tūkstančiais įmonių ir galiu pasakyti, kad „tikslumo svertų atotrūkis“ mažėja tiems, kurie pajuda pirmi. Po dvejų metų nuspėjamas derlius vyno pramonėje nebebus konkurencinis pranašumas – tai bus įėjimo mokestis. Platintojai to reikalaus.
Jei laukiate „tobulo“ laiko pradėti savo DI transformaciją, iš esmės renkatės vėliau mokėti „vėluojančiųjų mokestį“. Duomenys, kuriuos surenkate šiandien, yra kuras prognozėms, kurių jums reikės rytoj.
Nelaukite derliaus, kad sužinotumėte, kaip jums sekėsi. Pradėkite kurti prognozę dabar.
Norite pamatyti, kur tiksliai jūsų verslas praranda pinigus dėl spėliojimų? Apsilankykite aiaccelerating.com ir atlikime pilną veiklos vertinimą.