此音频为自动生成。如果您有 反馈.

去年，即便是最精密的企业，其预测能力也受到了冲击。全球几家规模最大、最先进的公司因库存超买或超产而损失数百万美元，主要原因是消费者行为偏离了预期。

规划者不能简单地将消费者未符合预测归咎于他们，尤其是在许多客户正应对食品、燃料和住房成本的历史性通胀之时。

“需求规划在三年内被搁置了，”FTI Consulting的高级董事总经理Rick Jordon表示。“现在他们重新拾起，因为各处都有过剩库存。而且他们要么忘记了如何做，要么以前就没做好。”

在经历了三年的疫情干扰和经济波动后，跨行业的需求预测和库存规划优化显得既紧迫又充满挑战。为了取得更好的成果，公司正转向新的数据集和先进技术工具，包括人工智能，以进行分析。

从电子表格到人工智能

麦肯锡2022年初的一项高管调查发现， 电子表格仍是供应链领导者的主要规划工具 ，73%的受访者依赖它们。然而，43%的人表示计划将人工智能和机器学习用于某些规划活动，另有17%的人表示他们打算在某个时候将这些技术用于大多数活动。

供应链软件公司BlueYonder今年的一项调查发现，需求预测和库存优化是 供应链高管使用人工智能和机器学习技术的首要用途 之一。

“我们正在远远超越Excel，转向更先进的工具集，”FTI Consulting的高级董事总经理Ron Scalzo表示。

在Jordon看来，人工智能技术最终将有助于消除预测中的人为偏见，实现更系统的预测，并能同时运行多个预测场景。Jordon指出，人工智能对于处理大量数据集和理解公司自身内部数据是必要的。“大多数组织都有大量数据，”Jordon说。“他们是否在利用这些数据发挥最大能力，使用最佳技术并忽略噪音？这确实是未来三四年发展的方向。”

找到正确的数据以正确的方式分析

在最基本的层面上，人工智能接收数据并产生预测。为了获得最佳预测，输入这些系统的数据可能比人工智能工具本身更重要。

“有些系统正在拉取公司内部已有的数据，来自企业系统、POS系统、商店库存水平等等，”Centific的人工智能服务总监Meher Dinesh Naroju说。“很少有公司会跳出这个框框，从完全非结构化的来源获取数据。”

这些数据源包括社交媒体，可以提供新兴市场趋势的线索。客户“积极参与并留下意见和线索，表明他们在市场或特定类别中的意图，”Naroju说。

甚至零售商店内摄像头拍摄的图像也可能包含与客户行为相关的汇总数据，包括对某些产品、品牌和类别的反应。“这有点牵强，但可能会有帮助，”Naroju补充道。

他还指出，其他来源，如天气数据，可以为供应链时间线和库存到达提供早期提示。

尽管如此，所有这些数据集都必须放在本地和区域文化及其他差异化因素的背景下。“选择你需要的数据并清晰划分你想要分析的数据至关重要，”Naroju说。

一旦公司获得了最佳、最精炼和最有用的数据，人工智能工具就变得至关重要。该技术可以从大量非结构化数据中提取见解，“这是任何人类都无法在如此短的时间内做到的，”Naroju说。

但即使拥有最具创意的数据来源和先进的工具，预测仍然只是预测。“如果你破解了当今消费者完美预测的密码，你很快就会成为世界上最富有的人，”第三方仓储和物流公司Smart Warehousing的运营副总裁Jake Self说。

“噪音太多”

几代企业都依赖过去来预测未来。在疫情和通胀打乱了常规模式，自2020年以来波动周期相互叠加之后，这种方法可能显得过时了。

但对许多人来说，历史趋势仍然是最有用的预测数据。“这并不特别吸引人，但我们实际上在理念上一直使用历史是未来最佳预测者的观点，”Destination XL Group首席执行官Harvey Kanter在四月份接受Supply Chain Dive采访时表示。

“我认为在过去三年多的时间里噪音太多，我们经历的过山车式波动几乎无法预测，”他补充道。“我不知道最高水平的人工智能和机器学习能否预测消费者的行为。”

Kanter接着指出，这家服装零售商仍然关注疫情前的收入以及过去10年按日、周、月划分的历史收入贡献，他说这些数据一直保持高度一致。

其他企业则缺乏预算来支付或证明先进技术工具的合理性。Smart Warehousing的客户范围从在车库运营的小品牌到财富500强公司。对于一些寻求补货和仓储帮助的小公司，他们的预测过程相当于“希望和梦想，”Self说。

对于这些公司，历史数据比没有数据要好得多。“我们在补货计划上花了很多时间，真正建立了一个算法，根据历史数据学习和理解我们需要达到的位置，”Self说。

Smart Warehousing能够做到这一点，是因为他们投资了预测和补货技术超过二十年，并拥有一支专门专注于这一技能的专家团队。一个用于密苏里州冷补货操作的算法“看起来像是《心灵捕手》里的东西，”Self说，他指的是由演员Matt Damon饰演一位无名数学天才的电影。

但即使拥有这些资源，在当前环境下预测仍然困难。“如果你不为意外因素做计划，那么你可能没有正确规划，”Self总结道。