Optimieren Sie Lieferketten-Zuteilungen für den Einzelhandel mit OCI Forecasting

Mithilfe moderner Analysetechniken wie künstlicher Intelligenz und maschinellem Lernen kann die Zuordnungslogik verbessert werden, um potenzielle Auswirkungen zu berücksichtigen.

Geschäftslösung

Ein Einzelhändler entscheidet, dass leichte Blumendruckpullover ein großer Hit für den Frühling sein werden, also kaufen sie beispielsweise 5000 Blumendrucksüßer und senden dann eine Zuteilung von 100 an jeden von 50 Filialen.

Der Einzelhändler weiß, dass einige Teile des Landes bereits im Frühjahr ziemlich heiß sind, daher entwerfen sie den Zuteilungsplan, um mehr in die nördlichen Staaten zu liefern, weil nur wenige Menschen in den südlichen Staaten Süßwasser jeglicher Art tragen wollen, wenn es 80 Grad außerhalb ist.

Sie könnten den Zuteilungsplan weiter verfeinern, um sich auf ländliche Gebiete auszudehnen, da städtische Gebiete solide Farben und keine Drucke bevorzugen. Einzelhändler entscheiden anhand ihres besten Urteils über Zuteilungen: saisonales Wetter, historische Verkäufe, aktuelle Modetrends, Wettbewerbsdruck, makroökonomische Trends usw.

Dieser Zuordnungsprozess muss optimiert werden, wenn Einzelhändler für jedes Produkt im Shop Prognosen erstellen möchten. Betrachten Sie beispielsweise eine Filiale mit 100.000 SKUs, und es gibt 1.934 Filialen, die Zuteilungen benötigen. Mit KI können Sie Ihre Zuweisungen optimieren und unerwartete Herausforderungen wie verrückte Wetterereignisse, Pandemien oder einfach nur verpassen, was das beliebte Element in dieser Saison sein wird. Wenn Sie die Signale früh genug bekommen, können Sie die Zustellungszuordnung anpassen.

• Der Kunde ist glücklich, weil er den Artikel bekommen hat, den er wollte, wenn er ihn wollte.
• Die Gewinnspanne wird beibehalten, da keine Preisabschrift erforderlich war. Wenn die Kosten neu versendet werden, können Sie eine sachliche Analyse durchführen, wenn sie nicht sinnvoll ist.
• In jeder Filiale wird Platz für neue Waren verfügbar.
• Große Versandkosten (Reverse Logistics) werden kontrolliert.
• Die Lieferkette ist agiler, da Bestände und Zuteilungen mit feiner Granularität angepasst werden können, um Gewinne zu erzielen.

Dashboards

Im Folgenden finden Sie Beispiel-Dashboards für die Retail Allocation-Lösung. Betrachten Sie ein Szenario, bei dem jeder Filiale während der Zuteilungsplanung dasselbe Sortiment an floralen, gestreiften und geprüften Pullover mit denselben Größen zugewiesen wird (mit der verpackten Zuteilungs-App des Einzelhändlers).

Das Dashboard zeigt, dass einige Geschäfte (historische Verkäufe) mehr Blumen Pullover im Vergleich zu gestreiften Pullover verkaufen. Es identifiziert eine Korrelation zwischen Jeans-Verkauf und Pullover: Läden, die dunkler Jeans verkaufen neigen dazu, mehr Kellereien und Läden zu verkaufen, die hellfarbige Jeans verkaufen mehr Blumen Pullover. Beim Hinzufügen von Social-Media-Trendanalysen, Wettermustern usw. empfiehlt das Dashboard, die Zuteilungen basierend auf diesen Erkenntnissen zu ändern.

Basierend auf der Analyse von künstlicher Intelligenz sowohl historischer als auch zukünftiger Daten empfiehlt der OCI Forecasting-Service überarbeitete Zuteilungsbeträge, z.B. 25 weitere gestreifte Pullover nach San Francisco-Filialen und 31 weitere Blumen nach Miami zu senden. Das Dashboard enthält auch eine Kartenansicht, in der angezeigt wird, welche Filialen im ganzen Land ihre Zuteilungen aktualisieren sollen, um den prognostizierten Bedarf genauer zu erfüllen.

Dashboard-Design

Sie können ein Dashboard mit 2 Ansichten anzeigen:

Standardansicht: Sie sehen die aktuelle Vertriebsperformance von Kleidung im Vergleich zur Zuteilung für die einzelnen Filialen, d.h. verkaufen wir die Anzahl der Hosen, Hemden und Pullover, die wir mit unserem Paket-Zuteilungssystem für den Einzelhandel vorhergesagt haben?

Beschreibung der Abbildung standard_dashboard.png

• Das Dashboard zeigt Artikel in jeder Filiale an, einschließlich der geplanten Zuteilungen für die kommenden Wochen (bezogen von der Zuteilungs-App).
• Die geplanten Zuteilungen basieren auf historischen Verkäufen und Berufserfahrung des Händlers.

Die folgende Abbildung zeigt das Dashboard, in dem der OCI-Prognoseservice zusätzliche Spalten bereitstellt, in denen prognostizierte Werte mit Abweichungen in blauer, gelber und roter Farbe angezeigt werden.

Beschreibung der Abbildung standard_dashboard_ai.png

Diese prognostizierten Zuteilungen basieren auf:

• Vorheriger Umsatz (Verkaufshistorie pro Artikel pro Filiale)
• Social-Media-Trendanalyse: Ein Social-Media-Influencer trug den Blumenspullover in einem aktuellen Social-Media-Post und brachte eine deutliche Reaktion auf soziale Kanäle, was die Nachfrage nach diesem Produkt landesweit erhöhen wird.
• Wettermuster: Es wird eine große Verschiebung des vorherrschenden Wetters geben. Der Nordosten wird bis April und Mai unsaisonal warm sein, und der gesamte Südosten wird 15 Grad unter normal sein. Aufgrund dieser Änderung wird die erwartete Nachfrage nahezu umgekehrt, die geringe Nachfrage nach Süßwasser im warmen Nordosten und die hohe Nachfrage nach Süßwasser im kalten Südosten.

Kartenansicht: Eine Ansicht mit Heatmaps, die prognostizierte Hotspots anzeigt, bei denen die Zuordnungsstufen von Bekleidung für die nächste Woche falsch sind.

Beschreibung der Abbildung map_view.png

Technische Lösung

In diesem Lösungs-Playbook bietet OCI Forecasting Vorhersagen und Konfidenzintervalle basierend auf lokalen und globalen Einflussfaktoren wie Promotions, Preise und Wetterbedingungen, die Probleme mit dem aktuellen Zuteilungsplan einer Einzelhandelskette vorhersagen.

Sie können auch einige Korrelationen zwischen dem Verkauf eines Produkts aufdecken, die sich auf den Verkauf anderer Produkte auswirken, die ohne die Verwendung von KI schwer zu erkennen gewesen wären. Mit KI können Einzelhändler Zuteilungen auf der Grundlage von Faktoren wie folgenden optimieren:

• Lange Wettervorhersage
• Surfen oder Rückgang der Artikeldar Beliebtheit basierend auf Social Media-Sentimentanalyse
• Lokale Veranstaltungen, die sich auf die Nachfrage auswirken können, wie Konventionen, Festivals oder große Sportveranstaltungen
• Arbeitskräftemangel
• Wettbewerbsdruck
• Mögliche Unterbrechungen der Lieferkette aufgrund politischer oder sozialer Unruhen
• Notfälle im öffentlichen Gesundheitswesen
• Halbsaisonale Veränderungen (Wetter, Nachfrage, Trends)

Architektur

Diese Architektur zeigt, wie mit dem OCI Forecasting-Service komplexe Beziehungsmuster, Trends, Saisonalität, Fehler und externe Faktoren in Zeitreihendaten erkannt werden.

Die folgende Abbildung zeigt die übergeordnete Architektur.

Beschreibung der Abbildung oci_forecasting_retail_allocation_flow.png

OCI-Prognose-Retail-allocation-flow-oracle.zip

1. Strukturierte und halbstrukturierte Daten fließen in den Data Lake (Objektspeicher).
2. OCI Data Integration liest Informationen aus dem Data Lakehouse, ruft KI-Funktionen (von OCI Forecasting bereitgestellt) auf und übermittelt die Einblicke in Autonomous Data Warehouse.
3. Die Prognose umfasst Vorhersagen, Konfidenzintervalle sowie lokale und globale Einflussfaktoren wie Promotions, Preise, Wetterbedingungen, die Probleme mit dem aktuellen Zuteilungsplan vorhersagen.
4. Die strukturierten Einblicke können jetzt mit Oracle Analytics Cloud visualisiert und wieder in die in Packages integrierte Zuweisungsanwendung exportiert werden.

Diese Architektur unterstützt die folgenden Komponenten:

• AI-Prognoseerstellung

  Oracle Cloud Infrastructure (OCI) Forecasting ist einer der mehreren cloud-nativen KI-Services. OCI Forecasting bietet Zeitreihenprognosen durch erweitertes maschinelles Lernen und statistische Algorithmen. Mit OCI Forecasting können Entwickler schnell genaue Prognosen für kritische Geschäftsmetriken erstellen, einschließlich Produktbedarf, Umsatz und Ressourcenanforderungen.

• Datenspeicher

  Ein Data Lake ist ein skalierbares, zentralisiertes Repository, das Rohdaten speichern kann und es einem Unternehmen ermöglicht, alle Daten in einer kosteneffektiven, elastischen Umgebung zu speichern. Ein Data Lake bietet einen flexiblen Speichermechanismus zum Speichern von Rohdaten. Damit ein Data Lake effektiv ist, muss ein Unternehmen seine spezifischen Governance-Anforderungen, Workflows und Tools untersuchen. Durch die Entwicklung dieser Kernelemente entsteht ein leistungsstarker Data Lake, der sich nahtlos in vorhandene Architekturen integrieren lässt und Daten einfach mit Benutzern verbindet.

• Oracle Data Integration

  Oracle Cloud Infrastructure Data Integration ist ein vollständig verwalteter, serverloser, cloud-nativer Service, der Daten aus einer Vielzahl von Datenquellen in Oracle Cloud Infrastructure-Zielservices, wie Autonomous Data Warehouse und Oracle Cloud Infrastructure Object Storage, extrahiert, lädt, transformiert, bereinigt und neu ausbildet.

• Autonomous Data Warehouse

  Oracle Autonomous Data Warehouse ist ein selbststeuernder, selbstsichernder und selbstreparierender Datenbankservice, der für Data Warehousing-Workloads optimiert ist. Sie müssen keine Hardware konfigurieren oder verwalten und keine Software installieren. Oracle Cloud Infrastructure verwaltet das Erstellen der Datenbank sowie Backup, Patching, Upgrade und Optimierung der Datenbank.

• Objektspeicher

  Mit Object Storage erhalten Sie schnellen Zugriff auf große Mengen an strukturierten und unstrukturierten Daten eines beliebigen Inhaltstyps, darunter Datenbankbackups, Analysendaten und umfangreiche Inhalte, wie Bilder und Videos. Sie können Daten sicher und geschützt speichern und dann direkt aus dem Internet oder aus der Cloud-Plattform abrufen. Sie können den Speicher nahtlos skalieren, ohne dass die Performance oder Servicezuverlässigkeit beeinträchtigt wird. Verwenden Sie Standardspeicher für "Hot Storage", auf den Sie schnell, sofort und häufig zugreifen müssen. Verwenden Sie Archivspeicher für "Cold Storage", den Sie über lange Zeiträume beibehalten möchten und auf den Sie nur selten zugreifen.

• Analyse

  Oracle Analytics Cloud ist ein skalierbarer und sicherer Public Cloud-Service, mit dem Geschäftsanalysten moderne, KI-gesteuerte Selfserviceanalysefunktionen für Datenvorbereitung, Visualisierung, Unternehmensberichte, erweiterte Analysen sowie Natural Language Processing und -generierung erhalten. Mit Oracle Analytics Cloud erhalten Sie außerdem flexible Service-Management-Funktionen, darunter schnelles Setup, einfache Skalierung und Patching sowie automatisiertes Lifecycle Management.