人工知能がより良い売上予測や買収計画の達成に役立つのではないかとよく尋ねられます。 私の答え: はい、確かに可能です。 特に機械学習アルゴリズムを使用した改善は非常に印象的です。 これを達成するには、プロジェクトの開始時から 2 つの重要な点を考慮する必要があります。
- 需要計画に最大の影響を与える「外部」要因を適切に理解する必要があります。
- サプライチェーンは、将来の売上のより正確な予測に対応できなければなりません。
これは正確には何を意味しますか? この2点について詳しく見ていきましょう。
夏にはもっとバーベキュー
外部要因には、デジタルで入手可能で需要に影響を与える情報が含まれます。 AI はデータ系列間のこれらの相関関係を認識し、それらを評価する方法を学習できます。
このような外部要因の簡単な例としては、天気予報が挙げられます。 夏の週末に天気が良いと、焼き肉、炭火、アイスクリームの売り上げが増加します。 AI は、このデータを需要計画プロセスに組み込むことで、予測の品質を向上させることができます。 この例では、送信される株式データの分析に使用されるより古典的なパターン認識方法よりも、予測の信頼性が 50% 高くなります。 これは、機械学習を使用することで、実際の売上と予測の乖離をさらに半分にできることを意味します。 これは、特に持続可能性や利益が限られたビジネスについて議論する場合に重要な側面です。 AIはカニバリゼーション効果（類似したアイテムが互いに与える影響）も学習できます。 たとえば、過去のデータに基づいて、ある製品 (有機ブロッコリー) に対するアクションの、類似した製品 (他の品種のブロッコリー) の化合物に対する影響を学習します。
でも気をつけてください！ これらの外部要因を探すときは、少ないほど良いのです。 正直なところ、ビッグデータの世界の要因が何らかの形で需要に影響を与えるため、インターネットにアクセスできる AI が独自に学習できるとは誰も期待できません。 むしろ、主要な要素の評価を修正し、デジタルで利用できるようにすることが大きな利点となるため、AI プロジェクトでは人間の貢献が重要です。 この例では、DIY ストアの品揃えの遅さには気象データはおそらくほとんど影響しません。 ただし、園芸植物の分野では事情が異なる場合があります。 機械学習プロジェクトを成功させるには、適切な材料を見つけてデジタルで利用できるようにし、既存の AI テクノロジーに組み込むことが重要です。
貴社の物流はどの程度機敏ですか?
2 番目の点は企業にとって難しく、重要です。 AIによって変更された予測に企業がどのように対応できるかが問われている。 上記の天気の例にこだわってください。 今日の天気予報が本当に当たるのは3日先までだけです。 それ以降は、信頼できる予測ではなく、大まかなガイドです。 これは、物流とサプライチェーンに対する高い要求を意味します。 これは、この短期間での需要計画の変更に適応する必要があるためです。 食品小売チェーンは通常、生鮮食品の計画を毎日行う必要があるため、十分な速さで対応できます。 通常、店舗の品揃えは 24 時間以内に調整できます。 しかし、すべての企業がこれほど迅速に対応できるわけではありません。 自動車産業や技術卸売業界では、グローバルな調達チャネルにより補充が遅れることがよくあります。 同時に、製品や商品には最低使用期限がなく、長期間在庫として保管されることがよくあります。 という事実とは別に、 在庫管理 また、安全在庫の計算でさえ、インテリジェントな計画システムなしでは決して行うべきではありません。外部要因からも長期的な洞察が得られる場合、AI アルゴリズムは予測と将来の見通しを向上させることができます。 需要の傾向。
正確に言うと、遠い将来に向けた外部要因データがより正確で安定しているほど、より時間のかかる物流チェーンを使用できるようになります。 予測は、より長い計画期間にわたって大幅に改善される可能性があり、 在庫管理 そして保管。 ただし、物流チェーン内の外部要因の一時的な影響に対応する能力がなければ、AI プロジェクトは望ましい成功を収めることはできません。
最終的には
販売計画または買収計画で AI プロジェクトを開始する場合は、通常、この記事で説明する 2 つの要素を明確にする必要があります。 関連する質問に「はい」と答えることができれば、魅力的な成功の可能性が高まります。 ただし、AI プロジェクトの進行中には、他にも多くの質問に答えなければなりません。 たとえば、どのような AI アルゴリズムが使用されているかなどです。 ニューラル ネットワークは優れていますが、すべてのアプリケーション分野にとって常に最良の選択肢であるとは限りません。 もっとある。 したがって、必要な AI の知識を持ち、機械学習アルゴリズムの利点と対応するプロジェクトの取り組みを対比できるパートナーを側に置くことが重要です。 成熟した最適化システムは、販売および買収計画の改善に関する多くの質問に対してすでに十分に対応できます。 数学的アルゴリズムに基づいて、予測精度を何倍にも向上させ、プランナーに最適化された注文の提案を提供します。 ここでは、在庫の削減と同時にサービス レベルが 99% に向上することも珍しくありません。 データへのアクセスが増えるにつれ、機械学習はさらに一歩進んで、人工知能を通じて予測モデルをさらに将来性のあるものにする機会となります。 私はこれに大きな可能性を感じています。
現在の販売および買収計画はどの程度信頼できますか? すでに独自のソフトウェアを使用していますか?
元の記事はここをクリックしてください ここ。
画像ソース: Shutterstock、Thanakorn.P