Το πώς η τεχνητή νοημοσύνη βοηθά την Coca-Cola HBC να αναπτυχθεί και να δημιουργήσει προστιθέμενη αξία παρουσίασε ο Φώτης Δημάκης, Head of Data Science & Artificial Intelligence της εταιρείας, κατά τη συμμετοχή του στο 12ο Πανόραμα Επιχειρηματικότητας και Σταδιοδρομίας. Όπως σημείωσε, η Coca-Cola HBC κάνει χρήση τεχνολογιών όπως η μηχανική μάθηση, το data engineering και η αρχιτεκτονική cloud για να μπορεί να αναλύει αποτελεσματικά τους τεράστιους όγκους δεδομένων που δημιουργούνται σε όλες της λειτουργίες της.

Ως χαρακτηριστικό παράδειγμα, ο κ. Δημάκης ανέφερε τη χρήση μηχανικής μάθησης (machine learning) για την προληπτική συντήρηση και τον έλεγχο κατανάλωσης ενέργειας και νερού των μηχανημάτων της εταιρείας. «Παίρνοντας τα IoT δεδομένα, που ουσιαστικά είναι το τι κάνει η μηχανή ανά δευτερόλεπτο, εμείς προσπαθούμε μέσα από την ιστορικότητα των δεδομένων να προβλέψουμε ποιοι είναι οι λόγοι που μια μηχανή μπορεί να σταματήσει, και ποια είναι η πιθανότητά της. Προσπαθούμε να εξηγήσουμε τα παρελθοντικά σήματα για βλάβες και προσπαθούμε να προβλέψουμε μελλοντικά, αν κάτι συμβαίνει στη μηχανή, ποια είναι η πιθανότητά της να σταματήσει ή να λειτουργήσει», σημείωσε, προσθέτοντας πως η Coca-Cola HBC χρησιμοποιεί τεχνικές μηχανικής μάθησης σχεδόν σε όλες της τις λειτουργίες με αρκετά μεγάλη επιτυχία.

Αναλυτικά δεδομένα για κάθε κατάστημα που εξυπηρετεί η εταιρεία στην Ελλάδα
Αναφέρθηκε ακόμα στο πώς η εταιρεία χρησιμοποιεί εργαλεία business intelligence (επιχειρηματικής νοημοσύνης) για την οπτικοποίηση της ανάλυσης των διάφορων ειδών δεδομένων, ώστε αυτά να μπορούν να αξιοποιηθούν επί της ουσίας. Παρουσίασε συγκεκριμένα έναν χάρτη της Ελλάδας στον οποίο καταγράφονται όλα τα καταστήματα που εξυπηρετεί η Coca-Cola HBC στην Ελλάδα, από τον οποίο η εταιρεία μπορεί να πάρει οποιαδήποτε πληροφορία μπορεί να της χρησιμεύσει, από το επίπεδο του καταστήματος μέχρι το επίπεδο του συνόλου της χώρας. Μεταξύ των βασικών metrics που καταγράφει το σύστημα για κάθε κατάστημα, και μπορούν να βοηθήσουν την ομάδα του μάρκετινγκ να κάνει ένα καλό targeting, είναι:

Τι εισόδημα περίπου έχουν οι καταναλωτές που ζουν γύρω από το κατάστημα και πόσα χρήματα δαπανούν σε φαγητό και ποτό.

  • Πόσα ανταγωνιστικά καταστήματα υπάρχουν στη γύρω περιοχή.
  • Πόσοι άνθρωποι κατοικούν στην περιοχή.
  • Αν είναι high-traffic ή low-traffic area.

Πρώτη δημοσίευση της είδησης στο καθημερινό newsletter FOODReporter