JDA是一家全球供应链和零售规划软件公司，拥有4500名员工，年收入近10亿美元。Suresh Acharya领导JDA实验室，该公司的50人研究小组探索科学、新兴技术和用户体验，这对这个复杂的领域至关重要。足球竞猜app软件《网络世界》主编约翰·迪克斯最近采访了阿查里亚，谈论了从客户细分到自我学习供应链和未来商店的方方面面。
Suresh Acharya，JDA实验室负责人，研发
我想起了很多你围绕大数据录制的东西。
几年前，“大数据”这个词还很流行。但有人说过:大数据已经到来，但大见解还没有到来。这就是挑战所在。我认为这就是为什么数据科学和机器学习现在如此重要。
我是一名经过训练的科学家，我们在学校学到的一件重要的事情是相关性并不意味着因果关系。只是因为这个和那个发生了，并不意味着是因为A, B发生了。当然，最大的挑战是从因果关系中提取出偶然的关联。这是很多工作正在进行的地方。这就是价值。
有很多噪音试图找出信号是什么，这是工业和学术研究真正携手并进的地方。我觉得在我们真正开始把所有东西扔给机器并让它解决所有问题之前，学术研究还有很多要做。
上周我正在与客户的召唤，是“La，La，La，机器学习，La，La，La，机器学习。”我说，“让我暂停一下。学习可能是好的和坏的。一个幼儿园在学校亵渎亵渎的原因是那个孩子在家里学到的东西。那是学习的，但这是糟糕的学习。机器也将学习。但他们不知道什么是好事。有时他们也会学到坏事。“
因此，在谈到机器学习时，我们需要人们至少最初指导它。
零售商在供应链中面临的一些关键问题是什么?你最关心的是什么?
我们看到的一件事是，他们不知道他们的客户是谁。我喜欢讲这个故事。我在加德满都长大。我妈妈每天都让我去商店买东西，但有时商店里没有她想要的东西。但是商店很了解我的家人，对我说:“拿着这个，我相信你妈妈不会介意的。”街角商店的店员认识他们的顾客。
随着大盒子零售的出现，这已经失去了。这一切都与产品有关。我能卖什么?许多零售商正试图通过科学研究忠诚卡数据和其他顾客身份信息来获取一些顾客知识。“让我明白，不是你是约翰或凯伦，而是你是某个特定客户群的一部分。你是直接在市场上买东西，还是等清仓后再买?”我们非常关注于了解客户群体，并试图找出在这些群体中什么会吸引客户。
我们通过科学研究来了解客户群体，然后试图为特定群体的特定产品打分。这儿有一双鞋。对于创新者来说，这可能会得到高分，因为他们马上就会购买，但在特定地区，这可能只占你客户的5%。这一段的得分是90分;它又得了60分。
零售问题的核心是，“我应该为我的客户提供什么?”“所以你需要这类信息。
有趣的是，这就是亚马逊将在沃尔玛领先的地方，因为他们知道你是谁，而在沃尔玛的大量购买仍然现金。纯粹的电子拖车可以做些什么动态，以及为什么对大盒式零售商来说太可怕了：他们知道你，所以他们可以让你提供定制的报价。
客户细分中还有哪些内容呢?
你最近写了一篇关于Melia Hotels及其数字化转型的文章，我觉得有趣的是社会情感的重要性。众所周知，人们在看价格之前会先看收视率，因为如果收视率不错，我们可以多花15美元一晚。酒店经营者不能忽视TripAdvisor或其他类型的评级。这对他们来说非常重要。
我们学到的是您从Expedia获得的评分并不总是与您来自TripAdvisor的那些相关联，并不总是与您从网站获得的那些相关联，因为它们是不同的客户群。一个部分可能给予五分之一的一部分可能是别人作为三个评级的东西。
这就是我所说的结构化数据分析，因为TripAdvisor的评级是一个数值。我们正在做的是试图理解非结构化数据。当有人写了一条评论说大厅很糟糕，但我真的很喜欢房间里的景色，你会给这些非结构化信息赋予什么价值呢?
然而，我们发现，给你高分的人和他们写的东西之间有很强的相关性。很少有人写了很好的东西，然后给了你很低的评价。事实上，它的结构化部分确实是非结构化部分的一个很好的代理。并非所有行业都是如此，但至少在这个行业，这是一个很好的起点。
好的，让我们来谈谈供应链。有什么新鲜事吗?
我们正在做的一件事就是我所说的自我学习供应链。让我离题一点，给你们一个例子，然后回到这个。
在一些北美城市，某些类型的犯罪率实际上已经下降了。这并不意味着总体犯罪率下降了，但某些类型的犯罪率下降了。所发生的事情是，公共安全部门获取了大量的犯罪相关数据，并将大数据应用于其中，以三角定位导致犯罪发生的原因。
他们不是在凌晨3点犯罪发生后立即响应911报警，而是有一定的可能性与可能发生的犯罪有关，并提前部署警察。主动做某事是预测分析的空间。
在自学习供应链中，我们想知道的是什么时候有些东西缺货，是什么导致它缺货的？它只是需求飙升，还是没有在时间内完成入境订单，如果是的话，为什么？是来自加拿大的跨境订单吗？有天气条件吗？有交通状况吗？有劳动力问题吗？什么导致这个股票的活动？
如果你能理解相关性，那么你就能看到一场完美的风暴正在酝酿。又有一份从加拿大来的订单。我应该主动通过另一个配送中心订购补货吗?
因此，关键在于能够预测事件的发生，然后预先规定应该做什么。这是一个自我学习的供应链，随着时间的推移，你会知道发生了什么，然后你会提出积极的建议。
这是传说中的全自动化供应链的一部分吗?
我告诉人们，最终的目标是找到治疗癌症的方法，但在这个过程中，如果你发现了能延长寿命10年的东西，那也不是一件坏事。这就是我们的想法。
我们到了吗？不，我认为我们会尽快到达那里吗？我认为已经发生了许多后端自动化，并将继续发生。我会谨慎思考人们的角色将消失。人们只会找到其他事情要做。
但我和我们第三方物流行业的一位客户谈过，他们说很难雇佣千禧一代做蓝领工作。在仓库工作不是他们想做的。但他们仍有自己的角色需要填补。人退休。所以他们通过游戏化来吸引千禧一代。在这个仓库里，他们创建了一组员工，他们有一个领导板来显示谁领先。坦率地说，我并不认为游戏化只是千禧一代的事情。我认为我们人类喜欢竞争。
回到你的问题，全自动化供应链，这就是进化，但人将继续是关键部分。他们必须如此。即使有了无人驾驶的卡车，人的角色仍然需要发挥。
说到供应链，亚马逊正在用自己的卡车在我家附近送货，这让我有点吃惊。他们为什么要进入这个行业?
你提出的是一个正在发生的有趣现象我会告诉你那是什么。我们过去常常把组织分类——你是制造商，你是零售商，你是分销商。但想想宝洁公司。你现在可以从宝洁公司订购东西了。他们也成为了零售商。他们没有宝洁商店，但你可以在网上购买。宝洁从不知道如何向他们的终端客户销售，现在他们必须解决这个问题。
现在让我们看看零售商。他们很多都是制造自己的通用品牌，所以他们必须稍微进入制造业。通过3D打印，配送中心可以开始进行制造。如果我需要一个门把手，而不是通过供应链一直通过制造商发货，我可以在街对面的物流中心打印一个门把手。
作为一家软件公司，我们为我们提供零售商要求我们传统上销往制造商的产品。我们之前永远不会向零售商出售制造计划解决方案，但现在有一些需求。随着许多制造商成为零售商，现在他们需要了解他们的最终客户。直到最近他们只处理零售商，所以他们真的在B2B空间中。现在他们也在B2C中。
我们使用电子拖车的另一个迷人的事情是退货预测。对于某些纯粹的电子拖车，他们销售的60％回来了。这很震惊。十五年前，当它主要是砖和砂浆时，销售的7％，取决于类别，会回来，人们会在地毯下扫过这一点。但是你知道如果有人订购了三对鞋子 - 大小10,1-1 / 2和11 - 其中两个是回来的。现在你做了什么？
了解什么东西会被退回变得如此重要，尤其是在所有人都提供免费退货政策和免费送货的情况下。理解这一点至关重要。对于一个客户，我们发现他们5%的客户占了40%的回报。他们并不知道，直到我们将预测分析引入其中。他们用这些信息做什么取决于他们自己。这不是JDA的策略。
新技术的角色是什么？说，事情互联网？
IoT肯定是热门的东西。由于JDA不是这些设备的制造商，我们与公司合作，以添加设备后面的智能。例如，在仓库中，能够使用Google Glass或Microsoft Hololens来扫描物品免提将使工人更高效。但我们并不是那么。对于一个，如果你穿太久，有些可穿戴物可以烧掉你的寺庙。有些不支持称为多扫描的内容。你不能看，看，看看和看。您必须查看，过程，外观，过程等，而手持设备已经可以这样做。我相信这会改善，但我们还没有那里。
但是，在某些时候某种可穿戴者会让人们扫描信息并将其发送回到中央存储库，这将收集各种其他信息，然后弄清楚仓库中的选择器应该下一步。这是多台与多台机器交谈的机器，而JDA的戏剧正在拍摄那种信息并说，“好的，鲍勃必须在过道的第三号中做这件事。”
现在仓库里的人通常有一系列的事情要做，但有时也会出现一些问题，比如叉车堵塞，以及最初认为正确的顺序不再正确。物联网将使实时决策智能成为可能。物联网在仓库中发挥着巨大的作用。
顺便问一句，射频识别到底发生了什么?
如果你几年前问我这个问题，我会说射频识别很可能已经完成了。它不像宣传的那样好。但我们已经看到射频识别在商店里卷土重来，尤其是在服装上的射频识别芯片。在杂货店里做还是很贵的。你不能在一加仑牛奶上安装射频识别标签。但在服装方面，有一个RFID标签，可以帮助跟踪库存在任何给定时间在商店，我们看到很多适用性。我参加了每年在纽约举行的全国零售联合会会议他们做了一个演示，牛仔裤上有rfid标签他们不仅能追踪它们现在的位置，还能追踪牛仔裤的历史。
你告诉我实验室的一件事是未来的商店。这是什么样的技术？