在那些转向AI以获取战略利益的企业中，也包括了美国服装公司Carhartt。这家生产工作服和狩猎服已有100多年历史的公司最近发现，其三个销售部门--每个部门都有不同的分销渠道--的销售工作可能不够协调和高效。
为了采取更具战略性的、数据驱动的销售前景预测方法，Carhartt开发了一个AI驱动的销售优化和前景预测引擎，称为市场销售前景预测模块。Carhartt的商业智能和分析主管Jolie Vitale说，该项目为Carhartt赢得了新兴技术应用的FutureEdge 50奖项，使该公司的销售部门能够更有意识地以协调的方式进入市场。
这些部门包括了Carhartt的批发部门，该部门由12000个客户零售点(行业术语中的“门”)和800多个合作伙伴组成;在美国拥有33家零售店的直接面向消费者的业务;以及一个快速增长的直接面向消费者的网站。Carhartt还直接向其他企业提供产品，例如为其配备制服和刺绣产品。
“这个项目不是关于增加新的账户，而是关于客户内部的优化，”Carhartt的首席信息官兼业务规划高级副总裁John Hill说。“如果有人在美国拥有2000多个门，我们可以如何优化他们销售Carhartt的方式、他们的产品组合，以及他们在每家商店中试图投放的产品?该工具的初始阶段就是优化这些关系。”
持续扩展以满足大型模型
作为一个以消费者为中心、数据驱动的组织，Carhartt必须在如何扩大其市场足迹方面具有战略眼光，Vitale说。鉴于其不同客户和不同类型消费者的独特需求，必须协调决策，否则一个部门的选择和变化就可能会在无意中对另一个部门产生负面影响。
当Carhartt召集了一个跨职能的销售和市场领导者小组来考虑公司的上市协调问题时，市场探索引擎的想法就诞生了。很明显，单独的汇总过程是繁重和有限的，并且有机会将预测和外部因素等数据也纳入这个过程。
该团队聘请了Carhartt的分析小组，该小组确定的解决方案需要预测未来需求，同时考虑第一方的数据，包括历史销售额、计划销售额和分销足迹。该团队还确定，解决方案必须是计量经济学性质的，考虑到公司周围的世界是如何变化的，以及将如何影响对Carhartt产品的需求。
该项目的规模之大令人生畏。Carhartt的需求系统是“市场探索”的核心，它使用着一个拥有约17.5亿条记录的数据集，生成了一个包含约8300万个参数的计量经济学模型，并包含了10个分销渠道的邮政编码级的销售数据，这些数据可以追溯到5年前。最初，运行模型的计算需要几天时间。
为了应对这一挑战，团队必须考虑更大规模的问题。该项目需要一种分布式的内存并行计算能力，使其能够有效地进行扩展，Vitale解释说。该团队还专注于确定和实施架构最佳实践，并利用其与Microsoft的现有合作伙伴关系，在Microsoft的Azure堆栈上部署该解决方案，并与开源的服务和数据库进行协调。
“市场上还没有一个真正的解决方案来满足这一需求，”Hill说。“我们需要自己建造它。我们没有什么可以利用的，除了能够插入我们的生态系统。”
确保验收
文化变革也是一个挑战。Carhartt是一家久负盛名的公司，长期以来，其商业领袖一直在根据自己的专业知识来做出决策。但新的引擎要求他们相信本质上是一个黑匣子的东西。
“我们该如何分解我们正在做的事情的黑盒问题，并使其变得更平易近人和易于理解?你不可能把所有的数学知识都教给任何人。这是不可能做到的。”Vitale解释道。
为了解决这个问题，团队引入了风险评分，以便使事情尽可能的透明。
“我们试图引入一些人们易于理解的方法，因为这就是我们所看到的障碍。”Vitale补充道。
如今，该工具正服务于组织的运营和战略需求。它可以回答这样的问题，“哪个分销渠道最适合向这类新客户测试这种新产品。”它还可以为销售代表创建一份潜在客户名单，以便他们在计划下次访问本地市场时能够将其放在平板电脑上。
Hill说，该工具已经推动了收入的增长。更重要的是，这帮助公司提高了客户满意度，帮助客户代表节省了追加销售活动的时间，他补充说。
“如果让我看一下是什么让团队成功的，我会说是因为他们不受组织内部可能的约束或束缚。”Vitale说。“他们不会让当前的状态限制住他们。而灌输这种信念则是需要做的第一步。”
