利用自动化机器学习来管理零售业的供需

时间:2019-03-13 20:08:15 阅读:33次

零售挑战

  零售商面临的最大挑战之一是供需关系。他们需要多少库存才能满足预期需求?一年中什么时候对某些产品有更大的需求?在市场上发生了什么会增加对某些产品的需求?

<! - more - >

  曾经有一段时间,所有这些问题都是通过历史知识和经验丰富的零售商带来的常识来回答的。但时代已经改变。在当今复杂且要求苛刻的消费者世界中,零售商无法承担经营预期和猜测的责任。在易腐货物的情况下,由于需要安全且良好地向消费者提供新鲜农产品和产品,因此风险更高。

  进一步复杂化的问题是错误和失误的代价高昂。一些经销商如果在他们说不愿意将产品放到货架上时,将面临零售商的罚款。一份报告指出,如果消费者想要购买产品,那么全球每年的在线销售损失可能高达170亿美元。

显然,需求预测正确的风险很高。零售商需要保持大量的印版同时旋转 - 了解市场,预测消费者行为,并一次性跟踪商品的流动。管理所有这些是一项艰巨的任务,需要有针对性的洞察力。

  

解决方案

  这是AI和机器学习的用武之地,可以支持零售商,回答他们的业务问题,并做出预测,以了解利润和损失之间的差异。

  自动化机器学习和高级分析可帮助零售商解决其最大的业务挑战之一:时间序列预测。时间序列是使用模型来预测过去行为的未来表现。例如,它可以应用于预测假期销售或确保库存满足需求而不会出现库存积压。

  借助机器学习,零售商可以预测产品的需求,何时会出现需求,以及它将如何随时间变化。数百甚至数千个变量也可以纳入由机器学习驱动的预测模型中,从而释放可能被忽视的数据的价值。然后,零售商可以使用这些隐藏的见解来更好地了解他们可以通过哪些杠杆来影响需求。

   DataRobot是一个自动化的机器学习平台,具有高级功能,可帮助零售商通过在不同算法之间创建竞争并快速确定最佳的算法来获得驱动即时操作所需的预测,从而应对时间序列挑战。

  回答如何满足客户需求的问题对零售业来说不是一个新问题,但DataRobot可以帮助零售商找到答案。

  

了解更多

   1月13日星期日4:00-4:30加入我们的2019年NRF,以利用人工智能预测需求并推动即时运营,我们的讨论如何回答这些复杂的问题。由DataRobot时间序列总经理Jay Schuren和沃尔玛加拿大DataScience经理Yash Bhatt撰写,我们将介绍最近的新闻报道,并重点介绍人工智能如何改善需求预测。

  要深入了解此主题,请下载我们的白皮书,自动机器学习帮助零售商更好地预测需求。

  

利用自动化机器学习来管理零售业的供需所属专题:机器学习 《利用自动化机器学习来管理零售业的供需》链接:http://www.zhouchuanxiong.net/1186