AI 如何改变易腐食品预测

预测真正的需求一直是一个挑战，对于经营新鲜和易腐烂品类的食品公司来说尤其困难。同时，准确的预测对于上游供应链的规划和执行以及减少食物和财务浪费至关重要。

在像 COVID-19 大流行这样的市场不一致时期，大多数预测者一直在把握真相——试图在典型的需求模式与恐慌性购买、品类短缺和物流复杂性的影响之间取得平衡。

即使在“正常”的市场条件下，如果没有围绕单一的、以消费为导向的预测的一致性和可见性，上游供应商（零售商、批发商和生产商）也只能自行生成孤立的预测。

当独立创建预测时，偏差、错误和安全库存会复合，因为每个预测仅反映订单历史记录、模式、价格波动以及其在链中的直接下游合作伙伴的输入的实际或感知可用性。

这种牛鞭效应，其中实际消费者需求的正负 5% 变化对上游供应商的影响在任一方向上都高达 40%，这意味着即使在最好的情况下，保持始终准确的库存也具有挑战性。今天，在大流行期间，这是不可能的。

承诺就在这里

使用技术将整个供应链中的合作伙伴联系起来并不是什么新鲜事，但在过去十年中，它并没有像人们希望的那样有效。

然而，我们在使用技术有效整合众多需求信号的能力方面已经达到了一个新的临界点。大数据分析平台、人工智能 (AI)、机器学习和敏捷预测模型都在生成更可靠的预测方面发挥着重要作用。最后，利用这些技术的工具正在得到验证，我们能够纵览整个供应链并以前所未有的方式使用其所有数据。

人工智能驱动的需求预测平台不像许多传统需求平台那样依赖历史销售模型。相反，他们使用动态需求影响因素、算法、实时数据和云技术来准确预测行为和趋势。

例如，受众人口统计和生活方式趋势、购物模式、天气事件、贸易关税和零售商营销举措都会对买家行为和需求准确性产生重大影响。但这些数据通常驻留在多个断开连接的存储库中。

使用算法和预测分析，人工智能和机器学习驱动的需求预测平台可以分析海量数据，无论数据位于何处。该技术可以自动识别影响消费者需求的最相关因素，提前预测需求和买家行为的变化，减少退款，并提供关于未来需求的无偏见概率预测。

释放所有这些数据的潜力不仅可以实现更准确的需求预测，而且还支持库存管理的整体方法。随着对预测准确性的信心增加，初始库存余额可以保持在较低水平，同时仍能满足客户要求。

此外，由于 AI 和机器学习可以如此快速地处理输入，因此可以在仍然有意义的情况下提供洞察力。可以采取行动来满足新鲜或易腐烂物品不断变化的需求或可用性以及合作伙伴或消费者的需求。例如，如果在大流行期间，新鲜农产品和肉类供应商能够更快地重新包装并将交付从餐厅批发分销转移到消费者杂货店怎么办？

联合新鲜农产品协会估计，在 COVID-19 爆发期间，整个农产品行业将损失至少 40% 的销售额。虽然并非所有这些都可以转移到消费者杂货店或零售业，但能够比竞争对手更快地转型的品牌能够保护更多的收入和就业机会。

更智能的技术

人工智能驱动的预测平台应用多种算法自动确定系统中每个产品或 SKU 的最相关指标。消除了从多个电子表格收集、更新、集成和协调竞争数据所花费的时间，使预测专业人员能够将时间花在优化需求和与营销等其他部门协调以寻找新的收入来源上。跨部门和外部合作伙伴的协作价值不可低估，从单一的事实来源运作。

使用 AI 驱动模型的结果令人信服。 Nounós Creamery 最近采用了这样一种工具来自动化需求预测，并将预测时间从每周两小时减少到 10 分钟。 Nounós 的领导者因缺乏真正的洞察力而感到沮丧，并且通过手动比较会计软件和库存管理系统中的数据来浪费宝贵的时间和金钱。这个过程只能模糊地说明公司应该生产多少酸奶，以及优先考虑哪些口味。

Nounós 能够从所有相关来源提取数据，并依靠算法提出预测建议。预测非常准确，公司几乎立即将生产过剩减少了 40%，从而节省了大量的产品损失收入。它还使 Nounós 能够预测每种口味的实际预期需求，从而提高制造过程的效率。

出于经济原因，这种新的需求预测方法正在越来越多地采用，而且还因为它具有高度的可扩展性。它对特色食品品牌和大型跨国品牌同样有效。消费者驱动的需求预测将继续存在。使用最新的分析和技术提供了一个巨大的机会来驯服牛鞭效应，并在正确的时间点满足需求。

Are Traasdahl 是 Crisp 的联合创始人兼首席执行官。