SI w prognozowaniu popytu: rozszerzenie możliwości nauki dla wysoce precyzyjnego planowania popytu

Stare podejścia już nie działają

Jeszcze przed kolejnymi falami globalnej pandemii prognozujący popyt musieli mierzyć się z wyzwaniem, aby dotrzymać kroku szybko ewoluującym preferencjom kupujących, konkurencyjnym podmiotom wchodzącym na rynek i zmieniającej się dynamice rynku. Wielu sprzedawcom detalicznym wystarczało podpieranie się danymi z ostatnich lat do odzwierciedlenia sezonowości, a także trochę zwykłych ludzkich przypuszczeń, aby próbować dostosować się do bardziej aktualnych zmian na rynku. Podczas gdy kilku przyszłościowo myślących sprzedawców detalicznych szukało możliwości prognozowania popytu z wykorzystaniem SI, wielu odłożyło tę inwestycję na rzecz innych priorytetów.

SI do prognozy popytu została opracowana przez Symphony RetailAI w celu umożliwienia prognozowania popytu w odniesieniu do każdego produktu w dowolnym sklepie dla zbioru dat (np. w przyszłym tygodniu, kolejnym tygodniu). Sprzedawcy detaliczni wykorzystują SI do prognozy popytu, aby zadbać o odpowiednie zapasy i uniknąć ich wyczerpania, a także do wygenerowania dokładnych danych wejściowych jako pierwszego ogniwa łańcucha dostaw.

Ograniczenia danych historycznych

Dziś podejście oparte na danych historycznych jest boleśnie i bezapelacyjnie niewystarczające. Odkąd pod koniec 2019 r. i na początku 2020 r. cień covidu zaczął przesłaniać kolejne części globu, zapotrzebowanie kupujących uległo gwałtownej zmianie. Nawet historycznie odporne na technologię sektory konsumentów przeniosły się do Internetu, ponieważ zamknięcie sklepów i strach przed niepotrzebnym narażeniem się na zakażenie zmusiły klientów do zakupów online. Spożycie żywności, zużycie papieru toaletowego i materiałów biurowych na skalę handlową, które wcześniej miało miejsce w szkołach, biurach czy na uniwersytetach, przeniosło się do domów, jako że zdalna nauka i praca stały się normą.

W obliczu znacznej niepewności ekonomicznej zwiększona wrażliwość cenowa skłoniła kupujących do zaakceptowania marek własnych sklepów i intensywniejszego poszukiwania promocji przed dokonaniem zakupu. Z biegiem czasu, zwłaszcza na rynkach, na których wstrząsy ekonomiczne były krótkotrwałe, wielu kupujących zamkniętych w swoich domach zaczęło szukać luksusowej żywności i alkoholu, ponieważ wydatki zwykle przeznaczane na podróże, posiłki w restauracjach i rozrywkę pozostały w budżetach, tworząc nadwyżki na bardziej luksusową konsumpcję w domu.

Wartość danych historycznych w tym czasie spadła z wątpliwej do nieistotnej, podobnie jak dokładność ludzkich przypuszczeń. Na szczęście coraz większa liczba sprzedawców detalicznych dostrzega wartość prognozowania popytu opartego na SI, które wykorzystuje uczenie maszynowe.

Oczywiście organiczne zapotrzebowanie klientów to tylko połowa sukcesu dla skutecznego prognozowania i planowania zapasów przez sprzedawców detalicznych. Złożone modelowanie dynamiczne musi uwzględniać również wpływ cen i promocji sprzedawców detalicznych na popyt.

Potęga dynamicznych prognoz opartych na SI

Na szczęście wyznaczająca trendy nauka oparta na SI jest w stanie wykorzystać pełne historyczne i bieżące informacje o promocjach, brakach zapasów, sezonowości itd. Model uczy się oczywiście na podstawie danych historycznych, ale odzwierciedla aktualne warunki w stale zmieniającym się trybie uczenia maszynowego, a także może zadziwiająco dokładnie przewidywać przyszłość. W zorientowanych na przyszłość algorytmach wykorzystywanych do generowania prognoz modele uwzględniają przyszłe dane, w tym wydarzenia z kalendarza i plany promocji. Efekt: punktualne, dające podstawy do działania przewidywania, które umożliwiają sprzedawcom detalicznym zaspokojenie rzeczywistego popytu kupujących, kiedy i gdzie ma to znaczenie, oraz opracowanie najlepszych planów zarządzania łańcuchem dostaw i optymalizacji, aby utrzymać wystarczającą – ale nie zbyt dużą – ilość dostępnych produktów do sprostania zapotrzebowaniu.

W czasach poważnych zakłóceń w łańcuchu dostaw dokładne prognozowanie zapewnia świadomym sprzedawcom detalicznym decydującą przewagę w proaktywnym kierowaniu dostawami, optymalizacji środków handlowych i skutecznym zarządzaniu celami finansowymi oraz biznesowymi.

Ale to jeszcze nie wszystko!

Zapraszam do zapoznania się z innymi artykułami z tego cyklu, które bliżej przyglądają się nauce stojącej za prognozowaniem popytu przez Symphony RetailAI oraz temu, czego użytkownicy w realnym świecie oczekują od rozwiązań z zakresu prognozowania opartego na SI – dziś i w przyszłości.

Chcesz dowiedzieć się więcej? Skontaktuj się z konsultantem ds. rozwiązań.

Speak with an expert

Just provide us with a few details and we’ll be in touch to discuss your needs