零售商可以从NFL教练和传奇人物那里学到很多东西，主要是因为成功归结为良好的比赛计划和良好的数据分析实践。
随着 2022-2023 年 NFL 橄榄球赛季的深入，我发现自己花了几个小时观看我最喜欢的球队——我在斑马技术的同事——做他们最擅长的事情：使用 Zebra Motionworks™ 技术跟踪职业足球运动员的场上动作。这些斑马花了数周时间对游戏期间从玩家设备中捕获的所有数据的分析和见解，以便您和我可以访问我们在比赛日想要的所有下一代统计数据。他们甚至帮助 NFL 球队在训练期间捕获球员数据，这是 Zebra 作为 NFL “官方场上球员跟踪提供商”角色的一部分。
作为一名美式足球迷，我对从这种类型的RFID跟踪技术中收集的所有信息感到惊讶。除了很酷之外，我们还可以看到有关球速、球员速度和运动模式的数据点，这在以前甚至是不可能的。球员、教练和教练还可以详细了解球员的健康状况和表现。这个数据宝库彻底改变了工作人员评估球员的方式，即使在训练期间也是如此，并改变了比赛计划。
NFL教练一直在寻找优势 - 在英寸比赛中更具竞争力。在最近的Chalk Talk播客中，超级碗冠军前NFL教练（现在是福克斯体育分析师）肖恩佩顿解释了技术如何改变了足球。他分享了技术如何成为应对许多挑战的简单解决方案，他的教练组经常查看的数据点以及他们获得的见解。
“从训练室到教室再到赛场，我们如何训练运动员——所有这些都受到技术进步的影响。”
肖恩·佩顿（Sean Payton），超级碗冠军前NFL教练
我告诉你什么？NFL使用RFID和人工智能与零售和消费品（CPG）供应链的现状有什么关系？
就像NFL一样，传统的零售和CPG剧本不再有效，公司正在使用新的数据源来获得这种优势。
“以前甚至没有捕获的数据现在都被捕获了，”斑马技术IT业务副总裁兼总经理兼 antuit.ai 前首席执行官Sivakumar Lakshmanan表示，现在是斑马技术的一部分。但是，这种数据捕获不仅仅是为了数据而捕获数据的需求 - 智能系统使用数据来推动库存决策。葡萄酒公司可以使用天气数据来计划他们的运输以避免过热，健康公司可以利用花粉数据将过敏药放置在合适的位置。而这仅仅是个开始。
库存混乱
至少可以说，过去几年一直很混乱，零售和 CPG 公司经历了库存短缺和过剩。国际人道法集团最近发布的一项研究显示，超额和短缺的总成本接近2万亿美元，自12年以来增长了7.2020%，其中1.235万亿美元来自缺货，758亿美元来自库存积压。
但次要影响更加痛苦。当现金被锁定在库存中时，公司没有自由或敏捷性来进行必要的投资。库存不足的成本不仅限于销售损失。根据各种研究，消费者尝试其他品牌的主要原因是可用性。这可能不足为奇。“空货架”是消费者离开商店而不购买的主要原因，这可能并不令人震惊。但是你知道大多数高收入购物者转向的零售商（因为对他人缺乏信任）是亚马逊吗？
这是一个行动呼吁 - 特别是变革的呼吁 - 从零售价值链的第一英里到最后一英里。实施新技术“解决方案”而不改变他们使用技术方式的零售商和 CPG 公司并没有解决任何问题。他们甚至没有在这个深深的伤口上贴创可贴。他们正在阻止它愈合。
创新的三重奏
毫无疑问，技术是解决未来问题的关键。它在最近的过去产生了重大影响。由于公司的技术投资，2 年至 2 年间劳动生产率每年增长 2020.2021%，高于 0 年至 9 年平均年增长率 2011.2019%。在IHL集团之前提到的报告中，“仅在过去两年中，更好的系统和流程就带来了23亿美元的销售改善。
而且，是的，人工智能、云和软件即服务 （SaaS） 技术是这些收益的一个重要原因。
正如我和我的同事之前所讨论的那样，云计算在降低成本的同时提高了处理能力。SaaS 订阅迫使软件提供商对其承诺承担更多责任。AI 解决方案以不断升级的速度、规模和复杂性破译数据。这是创新的三重奏。
尽管令人兴奋，但仅靠人工智能技术并不是灵丹妙药。毕竟，许多人工智能项目未能提供预期的结果，而变革性的结果需要人类与人工智能系统的互动。业务用户不必知道AI如何工作背后的细节，但他们应该从概念上理解它在做什么以及如何使用它。这就像有人告诉你大数据是所有问题的解决方案，然后从不跟进如何使用摆在你面前的实际数据。哦，等等，发生了。
但这篇文章不是关于人工智能的好处——而是关于数据和人工智能如何改变你的思维和方法，就像分析在棒球、足球、足球和其他运动中所做的那样。
通过增强实现转型
CPG公司今天面临的最大挑战是预测消费者需求。3%的供应链领导者表示，与三年前相比，他们面临着更大、更频繁的中断。供应链问题因购买行为的转变而变得更加复杂，导致库存从短缺到超额。整个供应链的数字化和数字化可能花费数千万美元，需要 5-<> 年的时间。这项投资不包括增加新的生产和储存设施的成本。企业不能等那么久，花那么多钱才能看到变化。
使用人工智能来增强系统是一种可行的替代方案。系统增强并不新鲜，但在此之前，当核心ERP解决方案不存在该功能时，它会添加新的特性和功能。人工智能的系统增强增加了智能，使数字正确。
让我们举一个典型的情况。
需求计划通过一个系统执行，该系统提供多个数据视图，深入细节，跨渠道组合信息，并允许您调整计划。但假设基础预测不正确或未使用正确的需求驱动因素。需求计划员是根据他们的个人知识提高还是减少它？如果答案是肯定的（对任何一个），那么价值就会降低，因为人们总是会有偏见。在下一步中，销售和营销团队添加他们的预测以建立共识。但这个新数字准确吗？应该不会。您能根据此过程以多快的速度调整此计划？每年、每半年、每季度？什么时候为时已晚？
使用 AI 增强解决方案的好处是最大化您当前的投资，提高创新速度，并以更低的成本做到这一点。
假设您在一个运行良好的补货系统上花费了数百万美元，但您对它为您提供的结果不满意。问题是系统已经与您的仓库、订购和库存管理系统集成。如果您更换补给系统，则需要重新设计其他接口 - 顺便说一下，没有额外的好处。您还必须重新测试您的流程并重新培训您的员工。更不用说实施软件时总是会出现的所有新问题。所有这些改进都需要专家。这意味着您还将员工从日常工作中拉出来以支持专家，无论达到最小可行产品 （MVP） 状态需要多长时间。
相反，如果核心问题是你正在努力跟上消费者需求的变化，那么问题可能不是系统本身，而是它背后的预测和智能。如果你能为系统注入更多的智能（即增强），你可以减轻你最大的问题，并从你当前的系统中创造额外的价值，而不必经历我之前描述的任何资源密集型的改进。
这是否意味着您永远不需要更换该系统？不。新的补货系统为您提供了比尝试大多数其他选项更快、更便宜地解决您最重要的问题的方法。只要确保你选择一个能够让你保持以前的系统提取和存储的情报，同时改进需求计划的执行部分。
这种系统增强方法已经得到证明。
Simichi-Levi先生和Timmermans先生在他们的 hbr.org 文章中展示了如何减少支出并完成更多工作。在文章中，麻省理工学院数据科学实验室负责人和埃森哲高级董事总经理表示，通过利用“具有统一需求观点的共识预测”作为基础举措，他们可以将转型成本从数千万和35年的时间框架降低到几百万和12-24个月的时间框架。
熟悉的希望拉锯战
尽管“打鼹鼠”的氛围随着新问题的不断涌现而不断涌现，而其他问题似乎消失了，只是突然再次出现，但我们继续看到通过技术进步和人类聪明才智的改进。就像NFL接受RFID衍生数据一样，零售和CPG公司欢迎数据，以及人工智能，机器学习和创新理念来获得这种优势。因此，随着冬天的临近，我们越来越深入橄榄球赛季，许多像我一样热情的NFL球迷感受到了熟悉的希望，希望获得更好的结果和方法，不仅在球场上，而且在工作场所，零售店和其他我们个人和职业生活交汇的地方。