(openPR) Big Data, Real Time, Predictive und Machine Learning – klar, dass bei den aktuell überall zu lesenden Buzzwords AI nicht fehlen darf. AI ist revolutionär. Jeder will es haben.
Aber was verbirgt sich hinter der englischen Abkürzung für Artificial Intelligence eigentlich, wo sind Anwendungsgebiete im Handel und warum ist hohe Datenqualität als Voraussetzung unabdingbar?
Artificial Intelligence oder wie wir im Deutschen sagen: Künstliche Intelligenz
In vielen Führungsetagen ist AI ein großes Thema für die Zukunft, denn sie wird nicht nur das Geschäftsumfeld entscheidend prägen, sondern hat das Potential ganze Branchen grundlegend zu verändern. Und obwohl es sich wie ein neues Phänomen anfühlt, wird das Thema in Expertenkreisen bereits seit über 60 Jahren diskutiert. Der Unterschied zu heute: erst die Möglichkeit extrem große Datenmengen zu sammeln, zu speichern und auszuwerten sowie bessere Prozessorleistungen machen die Anwendung von AI überhaupt möglich.
AI befasst sich mit der Automatisierung intelligenten Verhaltens von Computersystemen, mit dem Ziel eines Tages Entscheidungen schneller, präziser und zuverlässiger zu treffen als der Mensch. Dafür simuliert AI die menschlichen Intelligenzprozesse wie Probleme lösen, argumentieren und beurteilen. AI-Anwendungen können mit der Zeit lernen und somit Computer dazu befähigen autonome Entscheidungen zu treffen, die Effizienz und Qualität im Unternehmen steigern.
AI im Handel
Eine aktuelle STATISTA Studie zeigt, dass AI-Anwendungen in Handelsunternehmen derzeit schon vielfältige Einsatzmöglichkeiten finden. So kann beispielsweise der Kundenservice und die Kommunikation zum Kunden durch den Einsatz von Chatbots effizienter gestaltet werden.
Auch in der Planung und Steuerung von Marketingkampagnen sehen Marketingverantwortliche in den Bereichen Hyperpersonalisierung und Individualisierung sowie Branding großes Potential. So können Promotions ausgespielt werden, die Kunden zielgerichtet in Echtzeit mit personalisierten Angeboten ansprechen.
Die dynamische Preisgestaltung oder auch der Einsatz von Recommender Systemen, die auf Basis von Warenkorb-Analysen Produkt-Empfehlungen für Kunde aussprechen, um die Customer Experience zu optimieren, sind im eCommerce keine Seltenheit mehr.
Auch in weiteren Abteilungen, wie der Logistik und dem Einkauf kommen intelligenten Algorithmen für effizientere Planung und Steuerung zum Einsatz. Eine Studie der Unternehmensberatung McKinsey macht deutlich, welches Optimierungspotential für Handelsunternehmen hier im Einsatz von künstlicher Intelligenz bei der Bedarfsplanung und Bestandssteuerung steckt. Durch die verbesserte Prognosegenauigkeit können Händler zuverlässig erkennen welche Produkte, wann und wo verkauft werden und laut McKinsey somit beispielsweise Lagerbestände zwischen 20% und 50% senken. Umsatzeinbußen, aufgrund von Out-of-Stock-Quoten, können so gleichzeitig um bis zu 65% reduziert werden.
Daten sind der Treibstoff für AI
Entscheidend für den Erfolg von Technologien wie AI ist jedoch nicht die Investitionsbereitschaft, sondern vielmehr die Verfügbarkeit und Qualität der Datenbasis, denn die „Intelligenz“ hängt letztendlich weniger vom Algorithmus selbst als von einer möglichst breiten Datengrundlage ab. Die eingesetzten Algorithmen können nur „lernen“ und auf diese Weise bessere Ergebnisse in Form aussagekräftiger Analysen und Handlungsempfehlungen liefern, wenn sie Erkenntnisse aus einer möglichst umfassenden, aktuellen und qualitativ hochwertigen Datenmenge erlangen.
Und genau hier liegt die Herausforderung: es mangelt nicht zwingend an Daten, Big Data ist vom Trend zur Wirklichkeit geworden, jedoch ist der Zugang zu ihnen vielfach beschränkt, da sie oftmals in isolierten unternehmensinternen Silos vorliegen und somit nicht zentral zur Verfügung stehen. Es gibt immer mehr Datenquellen und Systeme, auf denen relevante Daten zu finden sind. Diese reichen von CRM-Tools über Marketing- und ERP-Lösungen bis hin zur Lagerverwaltung. Die Kunst ist es, den „Single Point of Truth“, eine kanalübergreifende, vollumfassende und gut gepflegte Datenbasis zu gewährleisten, um alle analyserelevanten Informationen verfügbar zu machen: denn der Output von Artifical Intelligence ist nur so gut wie der Input. Daher kann zukünftig mit einer hohen Investitionsbereitschaft in die Datenbasis gerechnet werden.
minubo schafft mit einer zentralen Datenbasis die Grundvoraussetzung für erfolgreiche AI-Anwendungen, denn nur so können die smarten Technologien ihren vollen Nutzen entfalten und somit das Vertrauen der Anwender verdienen.
minubo macht Sie #AIready.
