In che modo i team di Retail Finance utilizzano l'Agentic AI per proteggere i margini omnicanale

Chiedi al CFO di un'azienda retail dove si attesterà il margine del trimestre e otterrai sempre una risposta sudata, frutto della disciplina e del rigore che porta nel business. E poi un elenco: gli ordini spediti dai negozi a un costo di servizio più elevato, la serie di resi online registrati su un canale diverso, la promozione su cui un motore di determinazione dei prezzi automatizzato ha puntato più del previsto. Ognuno di questi elementi è il prodotto di molteplici sistemi, e ciascuno è sempre più plasmato, velocizzato e reso più complesso dall'automazione e dagli agenti. La missione dei dipartimenti finanziari è comprendere le relazioni tra tutte queste variabili, e non solo, per vedere come influiscono sulla redditività e orientare continuamente l'azienda nella giusta direzione.

Come l'omnichannel ha rimodellato il retail, e la finanza con esso

Per gli acquirenti più giovani, il commercio omnichannel è l'unica realtà che abbiano mai conosciuto. Non molto tempo fa l'acquisto online con ritiro in negozio (BOPIS) era considerato all'avanguardia, mentre oggi le opzioni di evasione degli ordini sono andate ben oltre. Questo è semplicemente il modo in cui funziona il retail oggi, offrendo ai clienti un'esperienza fluida e senza interruzioni tra canali digitali e fisici che continuano a crescere, evolversi e diventare sempre più immersivi. Oltre all'esperienza, l'omnichannel ha cambiato anche gli aspetti economici della vendita. Ha distribuito le decisioni su margini, cassa e riduzioni di prezzo su più canali, più percorsi di evasione degli ordini e più modalità di reso. Questo è l'ambiente in cui operano i retailer, e i loro dipartimenti finanziari sono la costante in tutto questo, aiutando l'azienda a comprendere e gestire una complessità crescente.

Ora, nell'era del commercio agentico, tale complessità è amplificata dagli agenti che influenzano il modo in cui viene stabilito un prezzo, viene impiegata la liquidità o viene avviata una riduzione di prezzo. Gartner prevede che l'AI agentica prenderà il 15% delle decisioni aziendali quotidiane entro il 2028. Il ritmo varierà a seconda del retailer, ma le ondate di agenti che stanno rimodellando i sistemi interni, la spesa per l'AI e il comportamento dei clienti sono destinate a rimanere.

Canali, evasione degli ordini e resi cambiano di ora in ora. Il margine è ciò che la finanza protegge.

Perché una parola come ontologia è ora importante per la finanza

I team finanziari sono sempre stati bravi a trovare il numero giusto, anche quando è sepolto nella complessità. Ma sono anche i primi a far sapere all'azienda che i numeri non dicono tutto. Ciò che conta è il significato che vi si cela dietro: le definizioni, i canali, i fattori di costo e come ognuno di essi cambia con l'evolversi del business. Una risposta può essere perfettamente accurata e non essere comunque corretta, perché si basa su un quadro parziale o datato di come funziona effettivamente l'azienda. In parole povere, il numero viene visto nel contesto completo del business?

Questo è ciò che fa un'ontologia: cattura il significato e lo mantiene aggiornato man mano che l'attività cambia. Come afferma il CEO di Databricks Ali Ghodsi, la maggior parte dell'AI aziendale tira a indovinare con una falsa sicurezza: un problema di contesto, non di intelligenza. Ma, come per ogni tecnologia, è il modo in cui la funzionalità viene fornita a fare la differenza. Il che ci porta a un nuovo tipo di ontologia, creata appositamente per le esigenze del retail omnichannel.

Accurato è il dato esatto. Corretto è lo stesso dato, ma radicato nel canale, nella domanda e nel costo del servizio.

Dove Genie diventa la risposta

Nel retail omnichannel, il tempo reale è fondamentale e una comprensione definita poche ore fa potrebbe essere già superata. Quindi l'ontologia stessa deve continuare a muoversi. Deve apprendere dai sistemi su cui gira l'azienda, affinarsi con ogni domanda e adattarsi all'evoluzione del business, in modo che il contesto rimanga attivo anziché essere catturato una sola volta e poi abbandonato.

È qui che Genie diventa la risposta. Databricks ha creato Genie come un assistente AI intelligente per i dati: un collaboratore a cui un responsabile finanziario può porre una domanda diretta e ottenere in cambio una risposta affidabile e documentata, basata sull'ontologia di Genie e controllata in ogni fase. È progettato per aiutare i team finanziari a ottenere risposte più accurate e, soprattutto, a intraprendere azioni affidabili, andando oltre la semplice reportistica di ciò che è accaduto.

Consideriamo le tre domande che ogni team finanziario del retail si pone, ciascuna legata a uno dei tre risultati che si sommano, alimentandosi a vicenda. Per ognuna, Genie fa molto di più che recuperare i dati e rispondere. La sua ontologia apprende il funzionamento del business, si affina con ogni domanda e mostra il processo logico seguito:

› Dove si attesta realmente il margine, per canale e prodotto, dopo l'evasione degli ordini e i resi?

Iniziamo con il margine. Il ricarico pianificato dalla finanza e il margine effettivo raramente coincidono una volta calcolati l'evasione degli ordini e i resi.

› Dove si trova la liquidità bloccata in scorte in eccesso, obsolete o nella posizione errata?

Poi la liquidità. La stessa unità di prodotto può rimanere nel posto sbagliato per settimane, bloccando silenziosamente fondi che l'azienda potrebbe impiegare altrove.

› Dove si stanno perdendo i ricavi a prezzo pieno a favore di sconti e resi?

Poi i ricavi a prezzo pieno. Nel momento in cui si applica una riduzione di prezzo, l'erosione è già iniziata, quindi il valore sta nell'intercettarla mentre la domanda a prezzo pieno è ancora forte.

Tre domande, tre risultati, un unico meccanismo. Genie apprende il funzionamento del business, si affina con ogni domanda e mostra il processo logico seguito.

Questa è la differenza tra il reporting di ciò che è già accaduto e l'apprendimento continuo sul proprio business, diventando più intelligenti a ogni interazione. E poiché ogni dato risale alla sua origine, ogni autorizzazione viene rispettata e il costo dell'AI stessa rimane controllato sotto un unico modello, è una risposta su cui la finanza può fare affidamento per agire. Genie prepara l'azione (per ricalcolare i prezzi, trasferire lo stock o mantenere un prezzo) e una persona nel processo prende la decisione finale.

Infine, l'apprendimento di Genie su tutti e tre gli aspetti si unisce. Vedere dove si attesta realmente il margine mostra dove la liquidità è bloccata nell'inventario e dove il prezzo pieno tiene ancora. Fare le mosse giuste per sbloccare la liquidità prima che le scorte invecchino costringendo a sconti forzati, e mantenere il prezzo pieno dove è supportato dalla domanda. Questo trasforma tre sfide separate in un unico meccanismo di rafforzamento reciproco: ogni mossa prepara la successiva e lo slancio si moltiplica.

Ogni mossa prepara la successiva. L'apprendimento di Genie su tutti e tre gli aspetti è ciò che fa moltiplicare lo slancio.

I risultati nella pratica

Unilever ha introdotto Genie a oltre 1.200 utenti finanziari e aziendali per spostare l'analisi dai fogli di calcolo a domande in linguaggio naturale. Cyro Souza, Data & Analytics Sr Manager, Latin America Lead di Unilever, lo ha spiegato in modo semplice:

"Con Genie abbiamo cambiato il modo di lavorare della finanza. Quello che prima richiedeva giorni ora richiede minuti, e possiamo esplorare le domande con molta più libertà."

Su scala Unilever, si prevede che questa velocità nel testare le ipotesi si tradurrà in risparmi annui multimilionari in euro, grazie a un'analisi dei clienti più precisa e a una gestione continua del rischio di credito. Leggi la storia completa →

Un assistente AI intelligente per i dati, progettato per il modo di lavorare della finanza

Questo è il moltiplicatore di forza creato appositamente per le esigenze dei dipartimenti finanziari. Le persone chiave che promuovono rigore e disciplina in tutta l'azienda possono ora contare su un collega AI basato sui dati che diventa sempre più intelligente, sempre aggiornato, sempre governato e che comprende davvero il business. L'approccio omnicanale continuerà a conquistare i clienti, mentre uno strumento come Genie aiuterà il settore finanziario a proteggere un margine maggiore su ogni vendita.

Scopri come si presenta un collega AI basato sui dati per il settore finanziario. Databricks Genie è disponibile oggi. databricks.com/product/ai-bi/genie

Domande frequenti

Cosa sta cambiando per il settore finanziario nella vendita al dettaglio omnicanale?

Un numero sempre maggiore di decisioni che influiscono su margini, costi di servizio, promozioni, evasione degli ordini e resi viene preso dagli agenti. La missione del settore finanziario di proteggere la redditività rimane invariata; ciò che è aumentato sono la velocità e la complessità del cambiamento, che gli strumenti finanziari devono comprendere e governare.

Genie prende decisioni su prezzi, promozioni o sconti?

No. Queste decisioni spettano a merchandising, marketing, supply chain e operations. Genie offre al settore finanziario una visione accurata e governata per individuare tempestivamente un rischio emergente e guidare o indirizzare i responsabili che devono intervenire.

Perché l'ontologia e la governance sono importanti per un CFO del settore retail?

L'ontologia cattura il significato dei numeri per la tua azienda e lo mantiene aggiornato, in modo che una risposta sia corretta e non solo accurata. La governance garantisce che ogni dato sia tracciato, autorizzato e con costi controllati. Insieme, rendono una risposta sicura su cui basare le proprie decisioni.

In cosa si differenzia Genie da una dashboard AI o da uno strumento di BI?

Una dashboard mostra ciò che dicono i dati. Genie è un collega AI basato sui dati che ti aiuta ad agire di conseguenza, basandosi sulla tua ontologia e governato end-to-end, lasciando sempre la decisione finale a una persona.

(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale