قام مدير علوم البيانات في شركة Gap بتصميم عمليات بائع التجزئة

يقول أناند: “يحاول علم البيانات حل المشكلات التي لم يكن من الممكن حلها في السابق بشكل فعال”. “يتم استخدام التكنولوجيا لتجميع المعاملات المماثلة التي تبدو مختلفة على السطح. ولكن تحتها متشابهة.”

أناند هو أحد كبار أعضاء IEEE، وقد أمضى حياته المهنية في استخدام علوم البيانات والذكاء الاصطناعي والنمذجة الرياضية والإحصائية لمساعدة الشركات على حل المشكلات واتخاذ قرارات أكثر ذكاءً.

في العام الماضي، كرمت AIM Research جهود أناند لتحويل صناعة البيع بالتجزئة من خلال جائزة AI100، التي تكرم أكثر 100 من قادة الذكاء الاصطناعي تأثيرًا في الولايات المتحدة.

عالم بيانات في القلب

نشأ في جوبالجانج بالهند، ووضع نصب عينيه أن يصبح طبيبًا. في عام 2006، التحق بالمعهد الهندي لتعليم العلوم والبحث (IISER) في بيون بهدف الحصول على شهادة الطب. ومع ذلك، خلال الفصل الدراسي الأول، استمتع بفصول الرياضيات التمهيدية أكثر بكثير من دورات علم الأحياء. وقد ساعده مشروع لتصميم برنامج إحصائي لتحديد أفضل طريقة لتطعيم الأشخاص (ما قبل كوفيد-19) على إدراك أن الرياضيات كانت مناسبة بشكل أفضل.

يقول: “كانت تلك أول مقدمة لي لتقنيات التحسين”، مضيفًا أنه وجد أنه يحب حقًا تحديد ما إذا كان النظام يعمل بأكبر قدر ممكن من الكفاءة.

كما جعله مشروع اللقاح مهتمًا بمعرفة المزيد عن الهندسة الصناعية وأبحاث العمليات، التي تستخدم النمذجة الرياضية والتقنيات التحليلية لمساعدة الأنظمة المعقدة على العمل بسلاسة.

تخرج في عام 2011 من برنامج درجة العلوم المزدوجة التابع لـ IISER لمدة خمس سنوات بدرجة البكالوريوس والماجستير، مع التركيز على الرياضيات. ثم حصل على درجة الماجستير في بحوث العمليات عام 2012 من جامعة كولومبيا.

ويقول إن إحدى الدورات التدريبية في جامعة كولومبيا التي أثارت اهتمامه أكثر من غيرها، كانت تحسين عملية تحديد قدرة الشخص على تحمل المخاطر عند اتخاذ خيارات الاستثمار. وقد ساعده هذا التدريب والتدريب الداخلي في إحدى شركات الاستثمار في الحصول على أول وظيفة له في شركة ماركيت، التي أصبحت الآن جزءًا من وكالة التصنيف الائتماني S&P Global في مدينة نيويورك. قام بإنشاء نماذج الذكاء الاصطناعي والنماذج الرياضية للمعاملات المالية مثل تسعير النقد وأدوات الائتمان، بما في ذلك مقايضات العجز الائتماني. مبادلة مخاطر الائتمان (CDS) هي أداة مالية تتيح للمستثمرين مبادلة أو تعويض مخاطر الائتمان الخاصة بهم مع مخاطر مستثمر آخر.

أناند، الذي بدأ عمله كمحلل في عام 2013، تمت ترقيته إلى مساعد نائب الرئيس في عام 2015.

وفي وقت لاحق من ذلك العام، تم تعيينه من قبل سيتي جروب، وهو بنك استثماري وشركة خدمات مالية في مدينة نيويورك. بصفته مساعدًا لنائب الرئيس، قام بتطوير علوم البيانات ونماذج التعلم الآلي لتسعير السندات بشكل أكثر دقة. كما قاد أيضًا فريقًا من المحللين الكميين المسؤولين عن النمذجة والتسعير وتحديد تقييم المشتقات الائتمانية مثل مقايضات العجز الائتماني في الأسواق الناشئة.

غادر سيتي في عام 2018 لينضم إلى شركة Zilliant، وهي شركة استشارية لتحسين الأسعار والإيرادات في أوستن. بصفته أحد كبار علماء البيانات ثم أصبح فيما بعد عالم بيانات رئيسيًا ومديرًا للعلوم، قاد فريقًا قام ببناء وخدمة نماذج تحسين الأسعار المخصصة للعملاء في صناعات السيارات والإلكترونيات وتجارة التجزئة والأغذية والمشروبات.

ويقول: “لقد اعتدنا على تقدير المرونة، وهو عنصر أساسي لتسعير المنتجات”. توضح مرونة السعر مدى تغير الطلب على المنتج عندما تتغير تكلفته. “لم تكن الخوارزميات الحالية فعالة. وفي عدد من الحالات، كان حساب المرونة يستغرق أيامًا، وتمكنا من تقليل هذه العملية إلى بضع ساعات.

لقد كان مديرًا للعلوم في Zilliant عندما غادر للانضمام إلى Gap، حيث يشرف على ثلاثة فرق فرعية لعلوم البيانات: تحسين الأسعار، وإدارة المخزون، وتحسين التنفيذ.

ويقول: “في صناعة الأزياء، يتم تحديث الغالبية العظمى من تشكيلات المنتجات باستمرار، وبالتالي فإن الهدف هو بيعها بأكبر قدر ممكن من الربح وبأسرع ما يمكن”. تميل الملابس إلى أن تكون خاصة بالموسم، وتوفر المتاجر مساحة على رفوفها للعناصر الجديدة لتجنب المخزون الزائد وعمليات الشطب.

يقول أناند: “إنه توازن بين كونك منتجًا ومربحًا”. “التسعير هو في الأساس نهج ثلاثي المحاور. أنت تريد الاحتفاظ بالمخزون لبيعه بشكل أكثر ربحية، وإخلاء الرفوف إذا كان هناك مخزون زائد غير منتج، واكتساب عملاء جدد من خلال العروض الترويجية الإستراتيجية.

قد تكون إدارة المخزون أمرًا صعبًا لأن غالبية سلع الأزياء المباعة في الولايات المتحدة يتم تصنيعها في آسيا. يقول أناند إن ذلك يعني فترات زمنية طويلة للتسليم إلى مراكز التوزيع التابعة لشركة Gap لضمان توفر العناصر في الوقت المناسب للموسم المناسب. يحدث تأخير الشحن غير المتوقع لأسباب عديدة.

يقول أناند إن مفتاح إدارة المخزون لا يتمثل في زيادة المخزون أو نقصه. لا يمكن لعلم البيانات أن يساعد فقط في تقدير متوسط ​​أوقات التسليم المتوقعة من بلدان مختلفة ويأخذ في الاعتبار تأخيرات الشحن، بل يمكنه أيضًا تحديد الكميات المثلى المشتراة. ونظرًا للمهل الزمنية الطويلة، فمن الصعب تصحيح خطأ الشراء الناقص، كما يقول، في حين أن الشراء الزائد يؤدي إلى مخزون غير مباع.

ويقول إنه حتى وقت قريب، كان الخبراء يقدرون وقت العبور بناءً على متوسط ​​أوقات التسليم، وكانوا يقومون بتخمينات مدروسة حول مقدار المخزون المطلوب لعنصر معين. ويقول إنه في معظم الحالات، لا توجد إجابة محددة صحيحة أو خاطئة.

ويقول: “استنادًا إلى ملاحظاتي في دوري الحالي، بالإضافة إلى تجربتي السابقة في Zilliant حيث تعاونت مع مجموعة من المؤسسات – بما في ذلك شركات Fortune 500 عبر مختلف الصناعات – كثيرًا ما تتفوق نماذج علوم البيانات على الخبراء المتخصصين”.

بناء شبكة مهنية

انضم أناند إلى IEEE العام الماضي بناءً على طلب من زوجته، مهندسة الكمبيوتر، ريشا ديو، العضوة.

ويقول إنه نظرًا لأن علم البيانات مجال جديد نسبيًا، فقد كان من الصعب العثور على منظمة مهنية تضم أشخاصًا ذوي تفكير مماثل. شجعته Deo على الاتصال بأعضاء IEEE على حسابها على LinkedIn.

ويقول إنه بعد العديد من المحادثات المثمرة مع العديد من الأعضاء، شعر أن IEEE هي المكان الذي ينتمي إليه.

يقول: “لقد ساعدني IEEE في بناء تلك الشبكة المهنية التي كنت أبحث عنها”.