סטארבקס מיישמת מודלים של נתונים לייעול המלאי ותכנון משמרות

מיצוי ערך מהכמות העצומה של נתוני לקוחות כדי ליצור חוויות מותאמות אישית, תוך ייעול התפעול ברמה הגלובלית. רשת סטארבקס התבססה על פעולות ידניות וחוקים קבועים לניהול מלאי ומשמרות, דבר שהגביל את היכולת להגדיל את המכירות בזמן אמת ולצמצם בזבוז. ההנהלה נדרשה לשפר משמעותית את הרווחיות ואת התפוקה בסניפים, מבלי לפגוע בערך הליבה של החברה - הקשר האנושי ואיכות השירות ללקוח.

• הקמת תשתית נתונים בענן המרכזת מידע רב על רכישות, מזג אוויר ומלאי, במטרה לעבד במהירות מודלים חכמים ולספק תובנות מיידיות לעובדי הסניפים וליישומים.
• שילוב אלגוריתמים עתירי נתונים מאפליקציית מועדון הלקוחות, לזיהוי הרגלי הקנייה של הלקוח והצגת מבצעים אישיים בזמן אמת בסלולר או במסכי ההזמנות לנהגים.
• שימוש בכלי חיזוי לבדיקת נתוני ההתחסנות העולמיים בתקופת הקורונה, כדי לקבל החלטות מדויקות יותר על פתיחה הדרגתית של סניפים והחזרת כוח אדם בתנאי אי ודאות כלכלית ומקומית.
• הרחבת הכלים הטכנולוגיים באמצעות פיילוט מצומצם של עוזר וירטואלי (Generative AI) לעובדים במכשירי הפעלת הסניף, במטרה לשפר את איכות ההדרכה ומהירות הכנת המשקאות מבלי לשבש את השירות הפרונטלי.

• המערכת העמיקה את המעורבות הדיגיטלית של הלקוחות ותרמה לעלייה עקבית בשיעור ההזמנות במובייל, שהגיעו ל-31% מסך כל העסקאות בסניפים בארצות הברית עד סוף שנת 2023.
• החברה דיווחה על 16 מיליון משתמשים פעילים במרץ 2019 ועל כך שלקוחות המועדון אחראים ל-40% מכלל המכירות, נתון המצביע על השפעתה החיובית של הבאת מבצעים דיגיטליים מותאמים אישית.
• הדוחות מראים צמיחה בהכנסות השנתיות ועלייה של כ-11.6% משנת 2022 ל-2023. הנהלת סטארבקס מייחסת צמיחה זו, בין היתר, ליוזמות הדיגיטליות שהעצימו את פלטפורמת Deep Brew כאבן דרך מרכזית.
• המדידה הפנימית הוכיחה כי לקוחות שנעזרים באפליקציה רוכשים פי שניים עד פי שלושה יותר מוצרים, מה שמוכיח את היעילות וההחזר ארוך הטווח של מערך ההמלצות והמבצעים המבוסס על האלגוריתם.
• במהלך מגפת הקורונה, הצליחה החברה להעריך את התאוששות קהל הלקוחות בכל אזור בהתבסס על מערכת החיזוי ונתוני התחסנות ציבוריים. הפעולה סייעה לייעל משמעותית את תהליך החזרת העובדים ופתיחת הסניפים בזמן המתאים.

• פיתוח פתרונות טכנולוגיים ואיסוף נתוני העבודה עבור הפלטפורמה דרשו מחויבות כלכלית אדירה מצד החברה, ולדברי המנהלים מאמצים אלה מתחו את גבולות יכולת ההשקעה הפנויה בטרם האלגוריתם החזיר את עצמו כלכלית.
• אף על פי שמדובר במערכת איסוף מידע ענפה, אנשי אקדמיה התריעו על סכנות אתיות הכרוכות באי שקיפות ובהטיות אפשריות. קיים חשש שחלק מאמצעי ההכוונה להגדלת המכירות ייפגעו בסגמנטים של אוכלוסיות מסוימות ללא ידיעתם או יובילו לקמפיינים חודרניים מדי.
• למרות ההתקדמות במערך הדיגיטל, הטכנולוגיה לא הצליחה תמיד לבטל השפעות מקרו כלכליות, כפי שהוכח בירידה של 10% בהיקף העסקאות באחד הרבעונים, המראה שהמלצות קנייה מבוססות בינה מלאכותית אינן מונעות בעיות עמוקות בסחר הכללי.
• קיימת חוסר שקיפות בכל הנוגע להוצאות הפיתוח המדויקות, הכוללות תשלומים עבור ספקי ענן וגיוס כוח אדם פנימי למשימה. כתוצאה מכך חברות אחרות המבקשות להקים מהלכים דומים בארגון שלהן מתקשות לאמוד את העלויות הצפויות.

• מערכות למידת מכונה להתאמה אישית של מוצרים מגיעות להשפעה הגדולה ביותר רק כאשר הן מבוססות מראש על מועדון לקוחות קיים ויישומון פעיל, בעזרתם האלגוריתם שואב במהירות מידע ונשען על הרגלי השימוש הקבועים.
• מנהלים חייבים למסגר פרויקטים רחבים של בינה מלאכותית כפלטפורמות אסטרטגיות ארוכות טווח. מיזם השואב משאבים ופוגע ברווחיות בשלביו המוקדמים נזקק לתמיכה מוחלטת של ההנהלה ברמת דירקטוריון כדי לשרוד את תהליך הפיתוח.
• השקה מבוקרת של טכנולוגיות מתפתחות, כדוגמת הבחינה של העוזר הווירטואלי בקבוצה מצומצמת מאוד של סניפים, הוכיחה את עצמה כשיטה מצוינת למזעור סיכונים ולבניית ביטחון ארגוני בטרם השקה גורפת לחנויות ברחבי הרשת.
• ההישענות של ארגון על לקוחות דיגיטליים שרוכשים יותר מחייבת מתן מענה אסטרטגי גם לאותם הלקוחות אשר נמנעים משימוש באפליקציות, שכן הזנחה שלהם עלולה לפגוע אנושות בהכנסות בתקופות של משברים שבהם הדיגיטליזציה נסוגה מעט.
• השימוש בתוכנות לניהול מלאי או שיבוץ עובדים דורש בניית אמון גם מצד העובדים עצמם. על הארגונים להציג את הבינה המלאכותית ככלי המסייע ותומך בעבודת צוות החנויות כדי לפנות להם זמן, ולא כמכשיר מעקב המבטל את סמכותם המקומית.

מעקב צמוד אחר כל פעולה של לקוח באפליקציה מחייב התייחסות משפטית ותפעולית מצד רשתות קמעונאות ישראליות. הטמעת מערכות כאלה דורשת ממנהלי מערכות המידע בארגונים מקומיים לאסוף נתוני קנייה מדויקים, ולהקצות לשם כך משאבים נרחבים. בנוסף, רשתות קמעונאיות השואפות להתקין פלטפורמות דומות בכלל סניפיהן צריכות להיערך לעלויות פיתוח ראשוניות גבוהות, שכן פרויקטים אלה לרוב דורשים השקעות משמעותיות בטרם הם מראים החזר חיובי והגדלת שורת הרווח.

הסתמכות גוברת על המלצות קנייה מותאמות אישית מעלה חשש מאפליה, במיוחד כלפי אוכלוסיות מוחלשות שאינן משתמשות בערוצים דיגיטליים. מומחים לאתיקה קוראים לקבוע פיקוח וכללים ברורים על חברות האוספות מידע וממיינות לקוחות בצורה סמויה, בייחוד במוצרי צריכה ומזון יום-יומיים. סירובן של חברות לחלוק מידע מקצועי עם ועדות בקרה מונע דיון ציבורי פתוח ומצדיק את סיווגן של יצרניות המזון כחברות טכנולוגיה ענקיות המסתמכות על אלגוריתמים המוגדרים כסוד מסחרי.

• ההוצאות התפעוליות המדויקות, עלויות מחשוב הענן הגבוהות וההון הנדרש כדי לתחזק צוות מפתחים פנימי לא מצוינים בנפרד בדוחות הכספיים של סטארבקס. אי זמינות הנתונים הללו מקשה על ניתוח מדויק של החזר ההשקעה הפיננסי האמיתי שיצרה המערכת.
• לא פורסמו נתונים כמותיים ספציפיים לגבי מידת ההשפעה הישירה של האלגוריתם המסוים על צמצום זריקת מזון ואשפה בסניפים או על קיצוץ היקף שעות העבודה השבועיות בפרקטיקה היום-יומית, ולכן הדיווח מסתפק במסרי הצלחה כלליים.
• מבנה הבקרה הפנימי של התוכנה, הכולל מאבק באפליה אלגוריתמית וכללי הגנה נוקשים על פרטיות ההמון, לא תואר לציבור באופן מפורט. כתוצאה מכך לא ברור אילו נהלי אחריות הפעילה סטארבקס כדי לתקן הצעות של בינה מלאכותית באופן שגרתי ואמין.
• פרטי ההסכמים של החברה ומדיניות העברת נתונים אל מול ספקי צד שלישי שקיבלו רישיון לשימוש בחלק מהמערכת נותרו חסויים ולא ברור כיצד מוגן הקניין הרוחני של החברה ומה השפעת שיתוף הפעולה הדיגיטלי על אבטחת הכלים העסקיים בסביבות פיתוח מתחרות.