為什麼企業需要預測？

【來客量】是企業營收的主要來源，掌握來客數能準確預估銷售量，有了銷售量從生產製造量、物料採購量、人員派工都能有所規劃和排程，反之沒有做預測或者預測不準都會造成蠻大的影響。而檢視您的企業是否需要銷售量預測有下列3個初步評估判斷的項目：

1. 缺貨頻繁：銷量易受節慶等因素影響導致缺貨，常常收到顧客抱怨也就算了！還少賺了！
2. 報廢率高：居高不下的報廢率，不僅商品成本增加，連帶獲利利潤也下降！
3. 庫存堆積：疫情或天氣影響銷量，原本預估可銷售的商品，都變庫存了，佔空間就算了！還要擔心會過期！

根據2022/10/13中央社【全家借AI之力預測鮮食銷量，每月減少370噸剩食！】新聞報導，全家在2022年應用「AI鮮食訂購系統」，協助門店店長長應用AI大數據來預測鮮食銷售量，最大效益除訂購作業時間減少75%的工作負荷外，鮮食廢棄量也減少近1成！【縮短人工作業時間】及【減少廢棄量】是全家執行銷量預測的顯著營運效益數據，而為什麼要預測銷量還有8個原因，這8個原因其實都環環相扣，牽一髮而動全身！

1. 降低庫存：今日的庫存是明日的壓力，進太多貨或生產太多變成無形的成本！降低庫存是要減少成本的積累！
2. 降低缺貨：進太少貨或原料與商品生產太少，及其他原因造成的缺貨，除了應該賺的錢減少外，也容易流失客戶，因為客戶會轉頭尋找替代商品購買之！因此不缺貨就能及時滿足顧客提高客戶滿意度及忠誠度！
3. 減少報廢：隔日或過期的產品都是往往報廢，報廢衍生的成本都是侵蝕利潤，能減少報廢相對也能提高利潤！
4. 提高鮮度：當日生產製作的鮮食品能維持最好鮮度及美味度，所以每日製作銷售的產品能提供給消費者最好的鮮度！
5. 精準要貨：門店對總部、總部對供應商能透過預測來客估算銷量做到精準要貨，就能降低缺貨減少原料或商品庫存！
6. 精準採購：原料、半成品及成品的採購量，採購太多會造成庫存堆積，而太少又會缺貨不夠賣，如果能作到精準採購就能避免遇到兩種情況。
7. 協調工期：透過預測來客及銷售量後，製造產品的物料也精準採購了，那在生產人力的工期也可以提早協調及排程預做準備。
8. 縮短交期：當萬事預先準備齊全了，就能縮短產品交付到顧客手中的時程，滿足顧客需求進而提高滿意度。

資料來源: https://www.digiwin.com/tw/dsc/solution/WB003413/index.html

傳統的預測方式有哪些？使用AI智能預測的優勢？

未來的來客量及銷量在沒有預知能力的情況下，主要仰賴【經驗法則】或【統計分析】來做銷量預測，傳統門店在成品、半成品及原物料的訂購量及採購量的依據通常是依賴店長、資深員工的經驗法則做預測，但預測經驗養成需要經年累月的累積，資深員工才有的預測能力，只要一離職，預估就會受影響或不準！而僅有少部份的企業能運用統計分析過去的來客量及銷量做預測未來估算之！

但傳統的人員預測方式與歷史紀錄的統計分析，都有可能隨著人員離職或者外部因素的變化而影響預測的準確性落差；就統計分析來說，過去的歷史紀錄，能當做參考的依據，但事實上更有許多外在因素影響（例如：天氣溫度、疫情、節慶等），無法優化統計分析的預測數字，而導致預測量與實際銷量仍存在較大的差距。

但如果使用AI智能預測，透過結合內外部資訊及數據，並運用模型不斷學習優化預估的數據，其準確度將會越趨近於事實，除此之外與Excel人工統計分析預測相較之下，企業更能節省了許多人力作業分析及預估的成本！

圖一 三大預測模式線性比較圖 圖片來源: https://www.digiwin.com/tw/dsc/solution/WB003413/index.html

AI智能預測如何應用？

鼎新AI智能預測，使用【機器學習Machine Learning】中的【監督式學習Supervised learning】方法訓練模型，經由數據工程師進行一次又一次的特徵工程之下，找出預測效果最佳的訓練【特徵Features】。特徵的來源有兩個，一是【企業內部資料】，二是【外部公開資訊】，項目如下：

1.企業需準備數據資料：門店基本資料、商品品項資料、銷售日期、數量及庫存異動記錄，和相關促銷活動記錄等六大項資料。

圖二 企業應用內部資料在AI機器學習的時間與準確率增長變化 圖片來源: https://www.digiwin.com/tw/dsc/solution/WB003413/index.html

2.AI應用公開外部資料：AI引擎將融入六大項外部影響銷售的相關公開的數據資料，作為企業持續優化AI銷售預測之學習依據，分別為：

2-1節慶假日資料：放假日、慶祝日、 連假、 補班......等。

2-2自然環境資料：平均溫度、天象、空氣品質......等。

2-3疫情資料：確診人數、死亡人數、復原人數......等。

2-4出入境資料：入境數、出境數、出入境總數......等。

2-5經緯度資料：國家、 城市、經緯度、人口數......等。

2-6股市資料：股市大盤漲跌、開收盤、高低點......等。

圖三 AI預測所需應用的公開外部資料及數據 圖片來源: https://www.digiwin.com/tw/dsc/solution/WB003413/index.html

針對不同的公司行號或產業類別，更有專屬的「業態特徵」投入模型訓練，可讓整體的預測結果更符合業態特性。除了機器學習核心技術外，也會搭配【統計學Statistics】理論及公式，進行針對性的特殊情況預測優化；最後在整個技術的最外環，系統仍舊保留專家經驗的參與，讓工作人員可以依據自身多年的經驗和對企業運營的掌控，對預測結果進行必要性的調整。而在專家的參與之下，模型可得到正向的回饋，進而一步步提高預測精準度。

模型上線之後，模型的訓練並沒有因此結束，每一次的預測，模型都會取用最新的特徵資料進行訓練，而當發生預測失準的情況時，數據科學家會針對發生狀況進行分析，找出問題的癥結，進而對模型的訓練進行優化，常此以往模型的預測結果，也將越趨穩定。

因應企業不同的需求，可針對來客、出貨、採購及銷售來進行量化預測。

圖四 AI智能預測4步驟持續優化精進預測數據準確性

如何應用在流通行業？ 

今日的庫存成本是明日的報廢損失，尤其是對於零售產業中的食品、烘焙、餐飲及生鮮產品相關的行業來說，產品具有時效性的效期保質品，利用預測提前預估銷量這件事，在採購、製造生產、鋪貨、補貨、配送及銷售上有著極大的助益。透過精準預測與合理平準化並加入MRP三者一起應用達到預測平準化，可緩解需求波峰和山谷坡，解決備料、人工與產能突發差異。備料的部份如因原（材/成品）料備貨週期長，透過精準預測提供長天期的備料依據，降低生產缺料情況產生。生產段產品效期短，生產（供貨）時程長，市場需求急變化較快，透過精準預測滿足突發需求的差異。

實際案例驗證營運數據

企業實例1，某連鎖賣場生鮮部，2020年在冷藏肉的銷量預測上運用人工預測的準確性為56%，但當2021年導入AI預測後提升至97.2%，更在2021年達到98.89%，數據證實AI預測準確度持續學習優化準確性也越貼近實際銷售量。

圖五 人工與AI預測準確性差異比較

圖六 鼎新AI預測在特殊節慶的預測上比一般AI預測更為貼近實際銷量

企業實例2，某連鎖賣場烘焙部，透過AI預測有效達到三大效益，分別為【減少缺貨】、【減少促銷】、【減少報廢】，分別對於提高營收及降低成本有顯著的成效。

圖七 減少熱門商品缺貨能提高收益每季達502萬

圖八 減少清倉促銷降價能提高企業毛利每季達688萬

圖九 減少報廢數量能節省成本支出每季達138萬

AI不只是趨勢，預測不僅是目的，企業需要的是提前掌握優先布局！

鼎新AI智能預測將依循專案開發管理方式，經專案啟動、需求訪談、系統設計、 資訊整合、模型滾算、 模型調教、測試上線及保固維護8大程序循序漸進協助企業完成AI智能預測導入，協助企業達成提早掌握數據優先布局營運策略。