在那些为了战略利益而转向AI的公司中，美国服装公司Carhartt也在其中。这家生产工作和狩猎服装已有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——可能不够协调和高效。为了对销售前景采取更具战略性、数据驱动的方法，Carhartt开发了一种人工智能驱动的销售优化和勘探引擎，称为MarketplaceSalesProspectingModule。Carhartt的商业智能和分析主管JolieVitale表示，该项目为Carhartt赢得了FutureEdge50新兴技术应用奖，使公司的销售部门能够以更加自觉和协调的方式进入市场。这些部门包括Carhartt的批发部门，该部门由12,000个客户零售点（行业术语中的“门”）和800多个合作伙伴组成；其直接面向消费者的业务在美国拥有33家零售店；一个快速发展的直接面向消费者的网站。Carhartt还直接向其他企业供货，例如为他们提供制服和刺绣。Carhartt的首席信息官兼业务规划高级副总裁JohnHill说：“这个项目不是要增加新客户，而是要在客户内部进行优化。”“如果某人在美国拥有超过2,000家门店，我们如何优化他们销售Carhartt的方式、他们的产品组合、他们试图在每家商店投放的产品？该工具的初始阶段是优化这些关系。”Vitale说，继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必须对如何扩大其市场足迹具有战略意义。鉴于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可能会无意中对另一个部门产生负面影响。当Carhartt召集了一个由销售和营销领导组成的跨职能小组来考虑公司的上市协调问题时，市场发现引擎的想法诞生了。显然，单独的汇总过程是繁重且有限的，并且有机会将预测和外部因素等数据纳入此过程。该团队聘请了Carhartt的分析小组，该小组确定了一个需要预测未来需求的解决方案，同时考虑第一方数据，包括历史销售、预计销售和分销足迹。该团队还确定解决方案必须具有计量经济学的性质，同时考虑到公司周围的世界正在发生怎样的变化，以及这将如何影响对Carhartt产品的需求。该项目的规模令人望而生畏。Carhartt的需求系统是市场探索的核心，它使用约17.5亿条记录的数据集生成具有约8300万个参数的计量经济学模型，其中包括10个分销渠道的邮政数据和5年前的代码级销售数据。最初，运行模型计算需要几天时间。为了应对这一挑战，团队必须考虑更大规模的问题。Vitale解释说，该项目需要一种分布式的内存中并行计算能力，以使其能够有效地扩展。该团队还专注于识别和实施架构最佳实践，并利用其与微软的现有合作伙伴关系在微软的AzureStack上部署解决方案，与开源服务和数据库进行协调。“市场上还没有真正的解决方案来满足这一需求，”希尔说。“我们需要自己建造它。除了能够融入我们的生态系统之外，我们没有什么可以利用的。”确保接受文化变革也是一项挑战。Carhartt是一家享有盛誉的公司，其业务领导者长期以来一直依靠他们的专业知识来做出决策。但新引擎要求他们相信本质上是一个黑匣子。“我们如何打破我们正在做的事情的黑匣子问题，让它更容易理解和理解？你不能教每个人所有的数学。这是不可能的。”维塔莱解释道。为了解决这个问题，该团队引入了风险评分，以使事情尽可能透明。“我们正试图引入人们可以理解的东西，因为这是我们看到的障碍，”Vitale补充道。今天，该工具正在满足组织的运营和战略需求。它可以回答诸如“哪种分销渠道最适合用这种类型的新客户测试这种新产品”之类的问题。它还可以为销售代表创建潜在客户列表，以便他们可以将其放在平板电脑上。希尔说，该工具已经推动了收入增长。更重要的是，这帮助公司提高了客户满意度，并帮助客户代表节省了追加销售活动的时间，他补充说。“如果我要看是什么让一个团队成功，我会说这是因为他们不受组织内部可能存在的限制或约束，”Vitale说。
