Jorge: Sicherlich. Meine Rolle, so möchte ich es nennen, hat zwei Hauptschwerpunkte in zwei Bereichen. Einer davon ist, dass ich die Machine-Learning-Engineering-Aktivitäten des Unternehmens weltweit leite. Und andererseits stelle ich alle Analyseplattformen, die das Unternehmen nutzt, auch weltweit zur Verfügung. Als Nummer eins in meiner Technik und meinem Betrieb für maschinelles Lernen übernimmt mein Team also alle diese Modelle, die unsere weltweit tätige Gemeinschaft von Datenwissenschaftlern entwickelt, und wir haben sie übernommen und gestärkt. Unsere Hauptaufgabe hier besteht darin, als Erstes sicherzustellen, dass wir technische Verfahren anwenden, um sie produktionsbereit und skalierbar zu machen, sie können auch kosteneffektiv betrieben werden, und von dort aus stellen wir sicher dass sie in meinen Einsätzen da sind, wenn sie gebraucht werden.
Da viele dieser Modelle Teil unseres Tagesgeschäfts werden, gehen sie mit bestimmten spezifischen Service-Level-Verpflichtungen einher, die wir eingehen müssen. Deshalb stellt mein Team sicher, dass wir diese einhalten die richtigen Erwartungen. Und auf der anderen Seite, das sind die Analyseplattformen, leisten wir viel deskriptive, prädiktive und präskriptive Arbeit im Hinblick auf die Analyse. Der beschreibende Teil, in dem Sie nur über das reguläre Dashboarding, die Zusammenfassung unserer Daten und den Speicherort der Daten sowie all die Analyseplattformen sprechen, die das Unternehmen verwendet, ist ebenfalls etwas, um das ich mich kümmere. Und damit könnte man meinen, dass ich über eine sehr breite Kundenbasis im Unternehmen verfüge, sowohl in Bezug auf die Regionen, in denen sie von einigen unserer Geschäfte in Asien bis nach Nordamerika kommen, als auch in Bezug auf die gesamte Organisation vom Marketing bis hin HR und alles dazwischen.
Wenn ich auf Ihre andere Frage eingehen möchte, wie maschinelles Lernen unseren Verbrauchern im Lebensmittelgeschäft hilft, werde ich wahrscheinlich zusammenfassen, dass es bei einer CPG vor allem darum geht, das richtige Produkt zum richtigen Preis am richtigen Ort für Sie zu haben. Das bedeutet, dass ihr maschinelles Lernen beim richtigen Produkt vielen unserer Marketingteams helfen kann, selbst wenn sie jetzt mit den neuesten generativen KI-Funktionen ausgestattet sind, wie Brainstorming und die Erstellung neuer Inhalte für Forschung und Entwicklung, was wir tun. Wenn wir versuchen herauszufinden, welche Formeln für unsere Produkte am besten geeignet sind, ist ML auf diesem Gebiet definitiv auf dem Vormarsch, der richtige Preis, alles dreht sich um Kosteneffizienz von unseren Plänen bis hin zu unseren Vertriebszentren, um sicherzustellen, dass wir Verschwendung vermeiden. Die Nutzung maschineller Lernfähigkeiten ist etwas, das wir in allen Bereichen unseres Umsatzmanagements tun, um den richtigen Preis für den Kauf unserer Produkte zu ermitteln.
Und zu guter Letzt kommt noch der richtige Standort dazu. Deshalb müssen wir sicherstellen, dass, wenn unsere Verbraucher in ihre Geschäfte gehen oder unsere Produkte online kaufen, das Produkt für Sie da ist und Sie sofort das Produkt finden, das Ihnen gefällt, den Geschmack, den Sie mögen. Daher stecken enorme Anstrengungen darin, unsere Nachfrage vorherzusagen, unsere Lieferkette und unseren Vertrieb zu organisieren und unsere Pläne zu planen, um sicherzustellen, dass wir die richtigen Mengen produzieren und sie an die richtigen Orte liefern, damit unsere Verbraucher unsere Produkte finden können.
Lorbeer: Nun, das macht durchaus Sinn, da Daten beim Einsatz fortschrittlicher Technologien, insbesondere des maschinellen Lernens, eine so entscheidende Rolle spielen. Wie stellt Kraft Heinz also die Zugänglichkeit, Qualität und Sicherheit all dieser Daten zur richtigen Zeit am richtigen Ort sicher, um effektive maschinelle Lernvorgänge oder MLOps voranzutreiben? Gibt es bestimmte Best Practices, die Sie entdeckt haben?
Jorge: Nun, die beste Vorgehensweise, zu der ich den Leuten wahrscheinlich raten kann, ist definitiv, dass Daten der Treibstoff des maschinellen Lernens sind. Ohne Daten gibt es also keine Modellierung. Und Daten, die Organisation Ihrer Daten, sowohl der Daten, die Sie intern als auch extern haben, braucht Zeit. Es ist wichtig sicherzustellen, dass es nicht nur zugänglich ist und Sie es so organisieren, dass Sie nicht mit einer Unmenge an Technologien umgehen müssen, sondern ich würde auch sagen, dass es auch kuratiert wird. Das ist eine langfristige Verpflichtung. Deshalb rate ich jedem, der gerade zuhört, dringend zu verstehen, dass Ihre Datenreise, so wie sie ist, eine Reise ist, kein Endziel hat und auch Zeit brauchen wird.
Und je erfolgreicher es Ihnen gelingt, alle benötigten Daten zu organisieren und sicherzustellen, dass sie verfügbar sind, desto erfolgreicher werden Sie all dies mit Modellen des maschinellen Lernens und großartigen Dingen nutzen, die tatsächlich da sind dann ein bestimmtes Geschäftsergebnis erzielen. Eine gute Metapher, die ich gerne sagen möchte, ist, dass es viele Forscher gibt, und das MIT ist für seine Forschung bekannt, aber die Forscher können nichts ohne die Bibliothekare tun, mit all den Leuten, die das Wissen organisieren, damit man hingehen und es tatsächlich tun kann Was Sie tun müssen, was in diesem Fall Recherche ist. Vergessen Sie nie, dass Daten der Treibstoff sind, und Daten erfordern Anstrengung, es ist eine Reise, die niemals endet, denn das ist es, was ich wirklich nennen würde, was viele erfolgreiche Bemühungen von erfolglosen unterscheidet.
Lorbeer: Um auf die Mentalität „Der richtige Ort zur richtigen Zeit“ zurückzukommen: In den letzten Jahren hat der Konsumgütersektor, oder Sie haben es vorhin erwähnt, der CPG-Sektor, so große Veränderungen erlebt, von veränderten Kundenanforderungen hin zur Verbreitung von E-Commerce-Kanälen. Wie können KI- und maschinelle Lerntools also dazu beitragen, Geschäftsergebnisse zu beeinflussen oder die betriebliche Effizienz zu verbessern?