AI Case Studies
พยากรณ์ความต้องการสินค้าที่ลดต้นทุนคลังสินค้า
ผู้ประกอบการค้าปลีกรายใหญ่แห่งหนึ่งเผชิญปัญหาสินค้าคงคลังที่ไม่สอดคล้องกับความต้องการจริงในหลายสาขาทั่วประเทศ ทำให้เกิดทั้งสินค้าขาดสต็อกในบางสาขาและสินค้าค้างสต็อกในสาขาอื่นในเวลาเดียวกัน ส่งผลให้บริษัทสูญเสียโอกาสในการขายและมีต้นทุนจมกับสินค้าที่ขายไม่ออก
ทีมของเราวิเคราะห์ข้อมูลการขายย้อนหลังหลายปีร่วมกับปัจจัยตามฤดูกาล เทศกาล และเหตุการณ์พิเศษ เช่น วันหยุดยาวหรือกิจกรรมส่งเสริมการขาย เพื่อทำความเข้าใจรูปแบบความต้องการของลูกค้าในแต่ละสาขาที่มีความแตกต่างกันตามลักษณะพื้นที่และกลุ่มลูกค้า
ระบบพยากรณ์ที่พัฒนาขึ้นถูกออกแบบให้ทำงานร่วมกับระบบบริหารคลังสินค้าเดิมของบริษัทโดยไม่ต้องเปลี่ยนโครงสร้างระบบทั้งหมด และให้ทีมจัดซื้อสามารถปรับค่าพยากรณ์ตามข้อมูลเชิงลึกที่ทีมมีอยู่ เช่น การรับรู้ล่วงหน้าเกี่ยวกับแคมเปญการตลาดที่กำลังจะเกิดขึ้น ไม่ใช่การแทนที่การตัดสินใจของมนุษย์ทั้งหมด
ก่อนนำไปใช้งานทั่วทั้งเครือ ทีมงานทดลองใช้ระบบกับสาขานำร่องจำนวนหนึ่งเป็นเวลาหลายเดือน เพื่อเปรียบเทียบผลการพยากรณ์กับการสั่งซื้อแบบเดิม และปรับปรุงแบบจำลองตามข้อเสนอแนะของทีมจัดซื้อประจำสาขาก่อนขยายผลในวงกว้าง
ผลลัพธ์และบทเรียนที่ได้รับ
หลังนำระบบไปใช้งาน บริษัทสามารถลดต้นทุนการถือครองสินค้าคงคลังและลดอัตราสินค้าขาดสต็อกได้อย่างมีนัยสำคัญในเวลาเดียวกัน ซึ่งเป็นผลลัพธ์ที่ยากจะเกิดขึ้นพร้อมกันด้วยวิธีบริหารคลังสินค้าแบบเดิม ทีมจัดซื้อสามารถวางแผนการสั่งซื้อได้แม่นยำขึ้นในทุกฤดูกาล รวมถึงช่วงเทศกาลที่มีความต้องการผันผวนสูง
บริษัทยังพบว่าการหมุนของสินค้าคงคลังโดยรวมดีขึ้น เนื่องจากสินค้าที่จัดส่งไปยังแต่ละสาขามีความสอดคล้องกับความต้องการจริงมากขึ้น ลดการต้องขนย้ายสินค้าระหว่างสาขาเพื่อแก้ปัญหาสต็อกไม่สมดุลซึ่งเคยเป็นภาระงานประจำของทีมโลจิสติกส์
บทเรียนสำคัญคือคุณภาพของข้อมูลการขายในอดีตเป็นปัจจัยชี้ขาดความแม่นยำของการพยากรณ์ องค์กรที่ต้องการผลลัพธ์แบบเดียวกันจึงควรลงทุนปรับปรุงคุณภาพข้อมูลควบคู่ไปกับการพัฒนาระบบพยากรณ์ มากกว่าการมุ่งเน้นเฉพาะความซับซ้อนของแบบจำลองที่ใช้
อีกบทเรียนหนึ่งคือความสำคัญของการให้ทีมจัดซื้อประจำสาขามีส่วนร่วมในการปรับปรุงระบบอย่างต่อเนื่อง เนื่องจากพวกเขามีความรู้เชิงพื้นที่ที่แบบจำลองไม่สามารถเรียนรู้ได้จากข้อมูลเพียงอย่างเดียว การผสมผสานความรู้ของมนุษย์กับการพยากรณ์ของระบบจึงให้ผลลัพธ์ที่ดีกว่าการพึ่งพาระบบเพียงฝ่ายเดียว
