Ajuste las asignaciones minoristas de la cadena de suministro con OCI Forecasting

Mediante el uso de técnicas analíticas modernas como la inteligencia artificial y el aprendizaje automático, se puede mejorar la lógica de asignación para tener en cuenta los posibles impactos.

Solución empresarial

Un minorista decide que los suéteres de impresión floral ligeros serán un gran éxito para la primavera, por lo que compran, por ejemplo, 5000 suéteres florales y luego envían una asignación de 100 a cada una de las 50 tiendas.

El minorista se da cuenta de que algunas partes del país ya están bastante calientes en la primavera, por lo que diseñan el plan de asignación para enviar más a los estados del norte porque muy pocas personas en los estados del sur querrán usar suéteres de cualquier tipo cuando esté a 80 grados fuera.

Podrían perfeccionar aún más el plan de asignación para inclinarse hacia las zonas rurales porque las zonas urbanas parecen preferir colores sólidos y no impresiones. Los minoristas utilizan su mejor criterio para decidir sobre las asignaciones: tiempo estacional, ventas históricas, tendencias de moda actuales, presiones competitivas, tendencias macroeconómicas, etc.

Este proceso de asignación debe optimizarse si los minoristas desean realizar previsiones para cada producto de la tienda. Por ejemplo, considere una tienda con 100 000 SKU y hay 1 934 tiendas que necesitan asignaciones. Al usar la IA, puedes optimizar tus asignaciones y abordar desafíos inesperados, como eventos meteorológicos habituales, pandemias o simplemente perder lo que el artículo popular iba a ser esta temporada. Si obtiene las señales lo suficientemente pronto, puede ajustar la asignación de entrega.

• El cliente está satisfecho porque tiene el artículo que quería cuando lo quería.
• El margen se conserva porque no se necesitaban precios de rebaja y, si surgen costos de reenvío, puede realizar análisis fácticos cuando lo hace y no tiene sentido.
• El espacio queda disponible en cada tienda para nuevas mercancías.
• Se controlan los grandes costos de envío (logística inversa).
• La cadena de suministro es más ágil porque el inventario y las asignaciones se pueden ajustar con una granularidad más precisa para mantener los beneficios.

Paneles de control

A continuación se muestran paneles de control de ejemplo para la solución de asignaciones de minoristas. Considere un escenario en el que a cada tienda se le asigna el mismo surtido de suéteres florales, rayados y a cuadros con la misma variedad de tamaños durante la planificación de la asignación (mediante la aplicación de asignación empaquetada del minorista).

El panel de control muestra que algunas tiendas (ventas históricas) están vendiendo más suéteres florales vs. suéteres rayados. Identifica una correlación entre las ventas de jeans y los suéteres: las tiendas que venden más vaqueros denim oscuros tienden a vender más suéteres y tiendas que venden vaqueros de color claro venden más suéteres florales. Adición de análisis de tendencias de redes sociales, patrones climáticos, etc., el panel de control recomienda cambiar las asignaciones en función de esas estadísticas.

Según el análisis de inteligencia artificial de datos históricos y futuros, el servicio OCI Forecasting recomienda cantidades de asignación revisadas, por ejemplo, enviar 25 suéteres más segmentados a tiendas de San Francisco y 31 más florales a Miami. El panel de control también incluye una vista de mapa que muestra qué tiendas de todo el país deben actualizar sus asignaciones para satisfacer la demanda proyectada con mayor precisión.

Diseño de paneles

Puede ver un panel de control que tiene 2 vistas:

Vista estándar: verá el rendimiento de ventas actual de la ropa con respecto a la asignación para cada tienda, es decir, ¿vendemos el número de pantalones, camisas y suéteres que predijimos con nuestro sistema de asignación minorista empaquetado?

Descripción de la ilustración standard_dashboard.png

• El panel de control muestra artículos de cada tienda, incluidas las asignaciones planificadas para las próximas semanas (obtenidas de la aplicación Allocations).
• Las asignaciones planificadas se basan en las ventas históricas y la experiencia profesional del comerciante.

En la siguiente imagen se muestra el panel de control donde el servicio OCI Forecasting proporciona columnas adicionales que muestran los valores previstos con variaciones resaltadas en color azul, amarillo y rojo.

Descripción de la ilustración standard_dashboard_ai.png

Estas asignaciones de previsión se basan en:

• Ventas anteriores (historial de ventas por artículo y tienda)
• Análisis de la tendencia de las redes sociales: Un influenciador de las redes sociales usó el suéter floral en un post reciente de las redes sociales y generó una reacción significativa en los canales sociales, lo que impulsará la demanda adicional de ese producto en todo el país.
• Patrones meteorológicos: Habrá un gran cambio en el clima prevaleciente. El noreste será irrazonablemente cálido hasta abril y mayo, y todo el sudeste estará 15 grados por debajo de lo normal. Debido a este cambio, la demanda esperada será casi invertida, la baja demanda de suéteres en el cálido noreste y la alta demanda de suéteres en el frío sureste.

Vista de mapa: vista con mapas de calor que muestran puntos de acceso proyectados en los que los niveles de asignación de ropa serán incorrectos para la próxima semana.

Descripción de la ilustración map_view.png

Solución técnica

En este manual de soluciones, OCI Forecasting proporciona predicciones e intervalos de confianza basados en factores de influencia locales y globales como promociones, precios y condiciones meteorológicas que predicen problemas con el plan de asignación actual de una cadena minorista.

También puede descubrir algunas correlaciones entre las ventas de un producto que afectan a las ventas de otros productos que habrían sido difíciles de ver sin el uso de la IA. Con la IA, los minoristas pueden ajustar las asignaciones hasta el nivel de tienda individual en función de factores como:

• Previsiones meteorológicas a largo plazo
• Aumenta o disminuye la popularidad de los elementos en función del análisis de sentimientos de las redes sociales
• Eventos locales que pueden afectar la demanda, como convenciones, festivales o grandes eventos deportivos
• Falta de mano de obra
• Presiones competitivas
• Posibles interrupciones de la cadena de suministro debidas a disturbios políticos o sociales
• Emergencias de salud pública
• Cambios en la temporada media (en tiempo real, demanda, tendencias)

Arquitectura

Esta arquitectura muestra cómo se utiliza el servicio OCI Forecasting para detectar patrones de relación complejos, tendencias, estacionalidad, errores y factores externos en los datos de series temporales.

En la siguiente imagen se muestra la arquitectura de alto nivel.

Descripción de la ilustración oci_forecasting_retail_allocation_flow.png

oci-forecasting-retail-allocation-flow-oracle.zip

1. Los datos estructurados y semiestructurados se transfieren al lago de datos (almacenamiento de objetos).
2. OCI Data Integration lee información del Data Lakehouse, llama a las capacidades de IA (proporcionadas por OCI Forecasting) y envía las estadísticas a Autonomous Data Warehouse.
3. El pronóstico incluye predicciones, intervalos de confianza, además de factores de influencia locales y globales como promociones, precios, condiciones meteorológicas que predicen problemas con el plan de asignación actual.
4. Las estadísticas estructuradas se pueden visualizar ahora mediante Oracle Analytics Cloud y volver a exportar a la aplicación de asignaciones empaquetadas.

Esta arquitectura soporta los siguientes componentes:

• Previsión de IA

  La previsión de Oracle Cloud Infrastructure (OCI) es uno de los varios servicios de IA nativos en la nube. OCI Forecasting ofrece previsiones de series temporales mediante algoritmos estadísticos y de aprendizaje automático avanzados. OCI Forecasting ayuda a los desarrolladores a crear rápidamente previsiones precisas para métricas empresariales críticas, incluidas la demanda de productos, los ingresos y los requisitos de recursos.

• Lago de datos

  Un lago de datos es un repositorio escalable y centralizado que puede almacenar datos no procesados y permite a una empresa almacenar todos sus datos en un entorno rentable y flexible. Un lago de datos proporciona un mecanismo de almacenamiento flexible para almacenar datos no procesados. Para que un lago de datos sea eficaz, una organización debe examinar sus necesidades de gobernanza, flujos de trabajo y herramientas específicos. Al crear alrededor de estos elementos principales, se crea un potente lago de datos que se integra a la perfección en las arquitecturas existentes y conecta fácilmente los datos con los usuarios.

• Oracle Data Integration

  Oracle Cloud Infrastructure Data Integration es un servicio en la nube totalmente gestionado, sin servidor y nativo que extrae, carga, transforma, limpia y vuelve a codificar datos de una variedad de orígenes de datos en servicios de destino de Oracle Cloud Infrastructure, como Autonomous Data Warehouse y Oracle Cloud Infrastructure Object Storage.

• Autonomous Data Warehouse

  Oracle Autonomous Data Warehouse es un servicio de base de datos de autogestión, autoseguridad y autorreparación optimizado para cargas de trabajo de almacenamiento de datos. No necesita configurar ni gestionar ningún hardware, ni instalar ningún software. Oracle Cloud Infrastructure gestiona la creación de la base de datos, así como la realización de copias de seguridad, la aplicación de parches, la actualización y el ajuste de la base de datos.

• Object Storage

  El almacenamiento de objetos proporciona acceso rápido a grandes cantidades de datos estructurados y no estructurados de cualquier tipo de contenido, incluidas copias de seguridad de bases de datos, datos analíticos y contenido enriquecido, como imágenes y vídeos. Puede almacenar datos de forma segura y, a continuación, recuperarlos directamente desde Internet o desde la plataforma en la nube. Puede ampliar el almacenamiento sin problemas sin que se produzca ninguna degradación del rendimiento o la fiabilidad del servicio. Utilice el almacenamiento estándar para el almacenamiento "activo" al que tenga que acceder de forma rápida, inmediata y frecuente. Utilice el almacenamiento de archivos para el almacenamiento "en frío" que retiene durante largos períodos de tiempo y a los que rara vez o rara vez accede.

• Análisis

  Oracle Analytics Cloud es un servicio en la nube pública escalable y seguro que ofrece a los analistas empresariales funciones de autoservicio modernas y que funcionan con IA para la preparación de datos, la visualización, la generación de informes empresariales, los análisis aumentados y el procesamiento y la generación de lenguaje natural. Con Oracle Analytics Cloud, también obtiene capacidades de gestión de servicios flexibles, incluida la configuración rápida, la ampliación sencilla y la aplicación de parches, y la gestión automatizada del ciclo de vida.