Трансформация прогнозирования розничной торговли с помощью искусственного интеллекта

Трансформация прогнозирования розничной торговли с помощью искусственного интеллекта


Роджер Майерсон, старший вице-президент и руководитель подразделения одежды и мягких товаров компании Logility, занимающейся разработкой программного обеспечения для планирования цепочки поставок с использованием искусственного интеллекта, считает этот постпандемический период сложным для ритейлеров и брендов с точки зрения управления запасами и прогнозирования.

Майерсон сказал, что изменение покупательского поведения, новые каналы сбыта и изменения в предпочтениях при онлайн-покупках делают старую модель прогнозирования устаревшей. Здесь Майерсон обсуждает эти проблемы и то, как технология на базе искусственного интеллекта может упростить и повысить точность прогнозирования, одновременно трансформируя цепочку поставок.

WWD: С точки зрения управления запасами и прогнозирования, какие проблемы стоят перед розничными торговцами одеждой и брендами? Роджер Майерсон: За последние несколько лет мы увидели несколько основных проблем, с которыми сталкиваются розничные торговцы одеждой и бренды. Самой большой проблемой на сегодняшний день является ненадежность данных о продажах за прошлые периоды для создания достоверного представления о будущих продажах. Традиционный способ прогнозирования, основанный на исторических данных о продажах за последние два-пять лет для построения статистического прогноза, не работает на рынке, который сталкивается с постоянными сбоями.

Бренды приходят к выводу, что данные о продажах за период с 2020 по 2022 год дают некачественные прогнозы, и им необходимо найти лучший способ составления своих планов по спросу. Кроме того, увеличилось количество продуктов, которыми управляют в портфеле, и количество используемых каналов сбыта.

Этот рост сложности ставит под угрозу традиционные процессы и инструменты планирования запасов. Это связано не только с продолжающимся переходом к электронной коммерции, но и с изменением покупательского поведения в рамках электронной коммерции. Например, для многих потребителей дата доставки стала важнее цены. Мы также стали свидетелями изменений в способах продвижения товаров и связанных с этим расходах на маркетинг. Теперь речь идет не только о скидках и рекламе. Создание аватаров или изображений клиентов с похожим телосложением, ростом или цветом волос может повлиять на спрос так же сильно, как когда-то коммерческая или печатная реклама. WWD: Как новые технологии, такие как искусственный интеллект, прогнозирующий и генерирующий ИИ, помогают трансформировать традиционное прогнозирование и управление запасами? Р. М. : При прогнозировании с помощью искусственного интеллекта специалистам по прогнозированию или планированию спроса необходимо изменить методы своей работы. Понимание бизнес-тенденций, изменений в потребителях и объяснение необычных данных с помощью инструментов искусственного интеллекта сейчас важнее, чем быть гением статистики или специалистом по обработке данных.

Базовые результаты более точны, и можно легко измерить вводимые планировщиком данные или их переопределения, чтобы определить, когда следует помочь ИИ, а когда отказаться от него. Искусственный интеллект сейчас оказывает огромное влияние на планирование цепочки поставок.

Использование всего спектра возможностей искусственного интеллекта в рамках интегрированной платформы позволяет владельцам брендов сосредоточиться на прогнозировании добавленной стоимости, использовать возможности для определения спроса и его формирования, одновременно сокращая уровень запасов без ущерба для удовлетворенности клиентов. Это действительно захватывающее время для работы в сфере цепочки поставок. Искусственный интеллект открывает новые возможности для совместной работы над прогнозом.

Старый способ согласования “единой цифры” устарел. Наши клиенты обнаружили, что они добиваются гораздо лучших результатов и более точных прогнозов благодаря прогнозированию на основе факторов производства и совместной работе над компонентами спроса. Например, теперь совместная работа ведется над прогнозируемыми данными, такими как планируемые рекламные акции и внедрение новых продуктов. ИИ используется для выявления тенденций и выявления исключительных событий, которые планировщик затем может использовать для обучения ИИ. Это принципиально иной подход, позволяющий значительно улучшить результаты бизнеса. Одним из наиболее очевидных примеров использования генеративного ИИ является планирование по требованию.

Из POS-систем поступает так много данных о настроениях потребителей, что сложно управлять ими и отслеживать все информационные панели и отчеты. GenAI революционным образом упростила доступ к этим важнейшим данным о цепочке поставок. Это открыло возможности для прогнозирования и определения факторов спроса для групп, не связанных с планированием спроса, таких как отделы продаж, маркетинга и финансов. Это доказало, что это отличный способ сократить разобщенность подразделений и сократить время ожидания принятия решений. WWD: Как работает платформа вашей компании? Р. М.: Logility располагает самой широкой на рынке платформой комплексного планирования цепочки поставок.

Он охватывает множество разнообразных потребностей в планировании цепочки поставок, таких как управление поставщиками и соответствие требованиям, управление жизненным циклом продукции и отслеживаемость, оптимизация производства и поставок, оптимизация спроса и запасов, и даже оптимизация структуры сети и бизнес-планирование, такие как интегрированное бизнес-планирование (IBP) или планирование продаж и операций (S&OP). В дополнение к принципиально иному подходу к прогнозированию спроса и ведущим в отрасли возможностям многоуровневой оптимизации запасов, широкий спектр наших решений помогает клиентам, сталкивающимся с усложнением глобальных цепочек поставок и растущей важностью анализа данных и автоматизации, особенно в вопросах сближения поиска поставщиков и планирования. Интегрированная платформа устраняет разрозненность в организации, что повышает эффективность работы.

Многие наши клиенты используют цифровую платформу цепочки поставок Logility для обмена данными и более тесного сотрудничества между группами поиска и планирования, обеспечивая соответствие решений о поиске поставщиков и закупках потребностям производства и складским запасам. WWD: Как бы вы описали наше ценностное предложение? И какова рентабельность инвестиций некоторых розничных продавцов и брендов? Р. М.: Некоторые практические достижения, ставшие возможными благодаря конвергенции наших клиентов, включают в себя создание крупнейшего мирового бренда одежды, у которого 3500 поставщиков первого и второго уровня зарегистрированы на наличие необходимых сертификатов соответствия. Они проанализировали 350 поставщиков, находящихся в группе риска, и их поставщиков по уровням производства в Китае на предмет соответствия требованиям.

Наличие альтернативного источника для каждого материала при разумных затратах усилий и внедрении в короткие сроки является одним из величайших примеров эффективности конвергенции. Поскольку ожидания потребителей в отношении экологически чистых продуктов растут, конвергенция методов поиска и планирования включает в себя возможность публикации информации о документальном сопровождении процесса доставки физических продуктов от производителя к потребителю.

Использование последних достижений поставщиков для автоматической корректировки сроков выполнения заказов и политики в отношении запасов — еще один замечательный пример того, как конвергенция приносит свои плоды с точки зрения операционной эффективности. Ключ к достижению этих замечательных результатов лежит в бизнес-аналитике Logility, возможностях управления поставками, управления поставщиками и оптимизации планирования поставок. WWD: Как такие технологии, как ваша платформа, могут помочь в совершенствовании практики устойчивого развития? Р. М.: Никто не станет спорить, что цепочки поставок не должны быть более устойчивыми.

Но проблема в том, как вы на самом деле добиваетесь этого, как вы с этим справляетесь? Существует ошибочное представление о том, что устойчивое развитие является непомерно затратным для многих организаций и что управление устойчивой цепочкой поставок обходится слишком дорого.

Мы считаем, что это очень далеко от истины, и единственный способ помочь брендам достичь их целей в области устойчивого развития без ущерба для прибыли — правильно применять искусственный интеллект и машинное обучение. Компания Logility использует эти технологии, чтобы помочь компаниям максимально использовать свои обширные наборы данных и получать наилучшую информацию для разработки своих текущих стратегий устойчивого развития.

Более того, искусственный интеллект позволяет брендам использовать цифровой двойник цепочки поставок — виртуальное представление своей цепочки поставок, созданное с учетом физической реальности, что помогает анализировать различные сценарии. При наличии правильных инструментов и технологий возможно моделирование и постоянное совершенствование. Кроме того, выполнение сценарного моделирования “что, если” для альтернативных вариантов и обеспечения баланса между целями может способствовать достижению наилучших результатов в области устойчивого развития.

Долгосрочные проекты в области устойчивого развития с более высокими первоначальными затратами и более длительными сроками окупаемости требуют тщательного анализа данных для оценки потенциальных проблемных точек, компромиссов и других потенциальных ловушек. Например, строительство нового распределительного центра или реконструкция сети могут привести к увеличению краткосрочных затрат при долгосрочной экономии. Перенос старого завода на строительство нового требует крупных инвестиций, но в долгосрочной перспективе окупается повышением производительности, эффективности и снижением затрат.

Аналогичным образом, несмотря на то, что шефшоринг требует предварительной проработки и может привести к более высоким производственным затратам, он обеспечивает значительную экономию топлива и транспорта. Моделирование и модернизация этих сценариев позволяет лицам, принимающим решения, использовать искусственные модели для обоснования реальных решений.





Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *