知道如何收集数据

但是知道如何收集数据以及收集哪些数据可能会创造或颠覆这些系统。

Britcliffe说，“经典的机器学习依赖于高质量的数据，并且拥有优秀的软件工程师和数据专家，他们可以确保数据被正确收集和分类，同时是安全的和匿名的。”

为了弥补这一差距，各类公司都在寻求数据科学家的帮助——在2018年夏天，零售商Marks和Spencer与Decoded合作，教会员工如何更好地使用数据。

在数据分析用例之外，Britcliffe表示可以考虑其他人工智能技术，或者使用开源框架进行深度学习 － 所有这些都有可能在零售商正确实施时受益。

克服更多的挑战寻求利益

即使零售商已经决定使用人工智能技术，知道它适合于业务以及将用于什么目的，并且决定了如何实现该技术——无论是通过第三方供应商、内部供应商还是相关初创企业，未来仍然存在更多挑战。

微软公司英国零售、消费品和运输部门高级主管Diana Parke表示，在许多情况下，遗留系统阻碍了企业预期的人工智能和其他技术的使用。

她表示，“有很多传统产业的组织需要找出最佳和最有效的方法来获取这些数据。”

例如，在实施网站或电子商务时，通常会有两个系统没有集成，因此没有单一的库存视图。修复这样的事情不仅仅是在同一个地方推送企业的所有数据。

为了解决这些问题，零售商越来越多地选择与初创企业合作，或者采用“实验室”方法来研究新技术，以确定如何采用。

在许多情况下这取决于企业的态度。Parker说，当组织试图采用任何一种新技术时，企业文化可能是一个挑战。

“这不是人工智能所独有的，但如果要做出重大的、基于技术的改变，需要员工为此而改变。”她说，“员工要明确为什么改变工作方式对其具有价值，因此需要创造一种人们能够参与变革的文化。”

将举措视为业务项目

这些举措不仅仅是一个实验或IT项目，还需要被看作是对整个业务有贡献的“业务项目”。

此外，还存在人工智能系统偏差的问题。这不仅适用于影响人工智能所做选择的社会偏见，也适用于基于不良数据做出糟糕决策的系统。“人工智能在要求推理的数据集方面表现得非常好——如果你的数据集包含偏见，它会影响做出的决定。”Parker说。

由于所有这些障碍，零售商可能会认为没有采用这些系统可能会更好。

但Toys＇R＇US，House of Fraser和BHS只是一些因为未能改变而面临麻烦的零售商。

Parker说，人工智能并不只是一种新的时尚。零售商知道这一点 － 根据富士通公司的研究，95％的零售商都认为人工智能和其他新兴技术将影响该行业的发展。

机器学习的好处

对于那些愿意付出努力的企业来说，人工智能可以为其业务带来重大改变。例如，Asos公司使用机器学习和人工智能在浏览网站时向1500万客户提供建议。Morrisons公司根据其商店的当地人口统计数据，最大化销售额并节省供应链的开支，将人工智能用于需求预测和定制库存。

绝大多数情况下，零售商，技术提供商和该领域的专家都建议，最好的办法是“尝试”。

Elixirr公司合伙人Karina van den Oever表示，任何认为可以避免采用人工智能的零售商都会被市场所淘汰。“一些零售商拒绝接受改变，我认为这是因为他们因业务活动而分散了注意力。”她说。“零售商需要做的更多只是试验。例如需要采用无人机吗？需要采用零售机器人吗？我们不知道，但如果现在不进行试验，将会一直落后。”

利用技术生态系统

零售商曾经想要建立这样的系统，因为这可能是零售商独特卖点的核心，Van den Oever说，现在是建立和利用技术生态系统的时候了，除非零售商已经拥有很强的能力。

“对于零售商或企业试图解决的每一个问题，有一些创业公司正在试图解决同样的问题，”她说。“在解决问题之前，先采用颠覆性的技术。找到可能成为未来的解决方案。”

无论是迈出一小步还是迈出一大步，很明显，那些准备将所需努力投入到人工智能采用中的零售商可以获得诸如增加销售、更好地了解客户、节省成本等诸多好处。