Ритейлерам важно понимать, какие товары должны быть в наличии в конкретных магазинах, чтобы быть уверенными, что продукты есть на полках и покупатели могут получить их в любое время. Логистический отдел Tesco помог внедрить новые алгоритмы прогнозирования на основе машинного обучения, что позволило управлять товарным ассортиментом из 30 миллионов товаров в 3 000 магазинах в течение 21 дня. — Роб Армстронг (Rob Armstrong), директор по data science, Tesco
Прогнозирование спроса Walmart тренирует алгоритмы машинного обучения в 20 раз быстрее с RAPIDS™, открытыми библиотеками машинного обучения и обработки данных. RAPIDS создана на базе CUDA-X AI™ и использует возможности графических процессоров NVIDIA. Решение позволило Walmart эффективно доставлять нужные продукты в магазины, реагировать на тенденции в реальном времени и значительно снизить расходы на управление запасами. Смотреть видео: Как Walmart улучшает прогнозирование (40:27)
Прогнозирование повторных заказов Потребительское поведение быстро меняется, поэтому перед розничными продавцами встает необходимость ежедневно делать прогнозы и повышать их точность. Для ритейлеров важно повысить гибкость своих цепочек поставок за счет более быстрого и надежного прогнозирования и оптимизации складского учета. Один из способов повысить гибкость — предсказать возможность повторного заказа продуктов с учетом истории покупок клиента. Читать блог: Рекомендации по использованию ИИ для разработки точных решений для прогнозирования спроса (март 2021 г.)