پیش‌بینی تقاضا و برنامه‌ریزی موجودی با هوش مصنوعی در دبی

چرا پیش‌بینی دستی تقاضا در امارات دشوار است؟

چون تقویم جابه‌جا می‌شود. رمضان از تقویم قمری پیروی می‌کند و هر سال حدود ۱۱ روز زودتر شروع می‌شود، پس هفته اوج پارسال امسال جای دیگری می‌افتد. عید فطر، بازگشایی مدارس، ماه‌های تابستان که بسیاری از ساکنان سفر می‌کنند، جشنواره خرید دبی، وایت فرایدی و فصل گردشگری زمستان هر کدام تقاضای هر محصول را به شکلی متفاوت جابه‌جا می‌کنند.

زمان تحویل هم اضافه می‌شود. کالایی که از راه دریا به جبل علی می‌رسد هفته‌ها در راه است؛ سفارشی که پس از اوج و از روی حدس داده شود دیر می‌رسد و سفارشی که خیلی زود داده شود نقدینگی و فضای انباری را درگیر می‌کند که هر ماه هزینه دارد.

شعبه‌ها لایه دیگری‌اند. فروشگاهی در دبی مارینا، شعبه‌ای در دیره و انباری که مشتریان ابوظبی را پوشش می‌دهد الگوهای متفاوتی دارند و یک پیش‌بینی کلی برای کل شرکت این تفاوت‌ها را پنهان می‌کند.

پیش‌بینی با هوش مصنوعی گام به گام چگونه کار می‌کند؟

این روش پیش‌بینی آماری را با یادگیری ماشین ترکیب می‌کند و هر هفته روی داده‌های خود شما اجرا می‌شود:

• داده - سابقه فروش هر محصول و شعبه از ERP، صندوق فروش یا فروشگاه آنلاین، ترجیحاً دو سال یا بیشتر، به‌علاوه موجودی، سفارش‌های باز و زمان تحویل.
• تقویم - رمضان، عید، نوروز برای مشتریان ایرانی، ترم‌های مدارس، جشنواره‌های خرید و پیشنهادهای ویژه خودتان با تاریخ واقعی هر سال به عنوان رویداد اضافه می‌شوند.
• پیش‌بینی - مدل تقاضای هفتگی هر محصول را به صورت یک بازه تخمین می‌زند، نه یک عدد، و یاد می‌گیرد کدام محصول به کدام رویداد واکنش نشان می‌دهد.
• سفارش مجدد - پیش‌بینی، موجودی، سفارش‌های باز، زمان تحویل و ذخیره اطمینان به مقدار و تاریخ پیشنهادی سفارش برای هر محصول و تأمین‌کننده تبدیل می‌شوند.
• بازبینی - هر هفته کارشناس خرید پیشنهادها، دلایل آن‌ها و محصولاتی را که پیش‌بینی و واقعیت از هم فاصله گرفته‌اند می‌بیند.

چه چیزی نزد کارشناس خرید می‌ماند؟

خود سفارش. پیش‌بینی نمی‌داند تأمین‌کننده‌ای قرار است قیمت را بالا ببرد، رقیبی انبارش را خالی می‌کند یا برج مسکونی تازه‌ای کنار شعبه شما افتتاح شده است. کارشناسان خرید این دانسته‌ها را اضافه، مقادیر را تنظیم و سفارش را ثبت می‌کنند. سیستم تغییرات آن‌ها را ثبت می‌کند و دقت خودش را محصول به محصول آشکارا گزارش می‌دهد.

محصولات تازه بدون سابقه از روی محصولات مشابه پیش‌بینی و با اطمینان پایین علامت می‌خورند. پیشنهادهای ویژه را انسان برنامه‌ریزی می‌کند و پیش‌بینی اثر احتمالی آن‌ها بر موجودی را نشان می‌دهد. کالاهای کم‌گردش و قطعات یدکی با تقاضای نامنظم روش خودشان را دارند، چون میانگین آنجا گمراه‌کننده است.

دقت اندازه‌گیری می‌شود، نه وعده داده. سیستم هر پیش‌بینی را با فروش واقعی مقایسه می‌کند و خطا را به تفکیک گروه کالا نشان می‌دهد تا بدانید کجا به آن تکیه کنید و کجا قضاوت کارشناس خرید وزن بیشتری داشته باشد.

پیش‌بینی با هوش مصنوعی چه لازم دارد و چه چیزی را تغییر می‌دهد؟

به سابقه فروش تمیز، اطلاعات پایه محصولات و زمان‌های تحویل نیاز دارد. به Odoo، SAP Business One، Microsoft Dynamics، Zoho Inventory، Shopify یا خروجی صندوق فروش وصل می‌شود و نتایج به صورت پیش‌نویس سفارش خرید یا در داشبورد ظاهر می‌شوند. قیمت رقبا از پایش قیمت رقبا می‌تواند وارد شود و پیشنهادهای تأییدشده در اتوماسیون خرید و تدارکات ادامه پیدا می‌کنند.

مثال محاسباتی: فرض کنید یک توزیع‌کننده ۸۰۰٬۰۰۰ درهم ذخیره اطمینان نگه می‌دارد. اگر پیش‌بینی بهتر اجازه دهد ذخیره اطمینان یک‌چهارم کمتر شود بدون آنکه کمبود کالا بیشتر شود، ۲۰۰٬۰۰۰ درهم دیگر روی قفسه‌ها گیر نمی‌افتد. این‌ها فرض‌اند، نه نتیجه مشتری. همه کاربردها: کاربردهای هوش مصنوعی در کسب و کار.