Affiner les allocations de détail de la chaîne d'approvisionnement grâce aux prévisions OCI

En utilisant des techniques analytiques modernes telles que l'intelligence artificielle et le machine learning, la logique d'allocation peut être améliorée pour tenir compte des impacts potentiels.

Solution commerciale

Un détaillant décide que les pulls d'impression floraux légers seront un grand succès pour le printemps, donc ils achètent, disons, 5000 pulls floraux puis envoient une allocation de 100 à chacun des 50 magasins.

Le détaillant se rend compte que certaines parties du pays sont déjà assez chaudes au printemps, donc ils conçoivent le plan d'allocation pour expédier plus vers les États du nord parce que très peu de personnes dans les États du sud voudront porter des pulls de toute sorte quand il est à 80 degrés à l'extérieur.

Ils pourraient affiner davantage le plan d'allocation pour s'orienter vers les zones rurales, car les zones urbaines semblent préférer les couleurs unies et non les impressions. Les détaillants utilisent leur meilleur jugement pour décider des allocations : météo saisonnière, ventes historiques, tendances actuelles de la mode, pressions concurrentielles, tendances macroéconomiques, etc.

Ce processus d'allocation doit être optimisé si les détaillants veulent prévoir pour chaque produit du magasin. Prenons l'exemple d'un magasin avec 100 000 SKU et 1 934 magasins nécessitent des allocations. Grâce à l'IA, vous pouvez optimiser vos allocations et relever des défis inattendus comme les événements météorologiques freak, les pandémies ou simplement manquer ce que l'élément populaire allait être cette saison. Si vous obtenez les signaux suffisamment tôt, vous pouvez ajuster l'allocation de distribution.

• Le client est heureux parce qu'il a obtenu l'article qu'il voulait quand il le voulait.
• La marge est préservée car la tarification de démarque n'était pas nécessaire - et si les coûts de réexpédition apparaissent, vous pouvez effectuer une analyse factuelle quand elle le fait et n'a pas de sens.
• L'espace devient disponible dans chaque magasin pour de nouvelles marchandises.
• Les coûts d'expédition importants (logistique inversée) sont contrôlés.
• La chaîne d'approvisionnement est plus agile car les stocks et les allocations peuvent être ajustés avec une granularité plus fine pour maintenir les profits.

Tableaux de bord

Voici des exemples de tableaux de bord pour la solution Retail Allocations. Prenons un scénario dans lequel chaque magasin se voit allouer le même assortiment de pulls floraux, entrelacés et contrôlés avec la même variété de tailles lors de la planification de l'allocation (à l'aide de l'application d'allocation packagée du détaillant).

Le tableau de bord montre que certains magasins (ventes historiques) vendent plus de pulls floraux que de pulls rayés. Il identifie une corrélation entre les ventes de jeans et les pulls : les magasins qui vendent des jeans plus foncés ont tendance à vendre plus de pulls et les magasins qui vendent des jeans de couleur claire vendent plus de pulls floraux. En ajoutant l'analyse des tendances sur les réseaux sociaux, les modèles météorologiques, etc., le tableau de bord recommande de modifier les allocations en fonction de ces informations.

Basé sur l'analyse de l'intelligence artificielle des données historiques et futures, le service OCI Forecasting recommande des montants d'allocation révisés, par exemple, envoyer 25 pulls à rayures supplémentaires aux magasins de San Francisco et 31 floral de plus à Miami. Le tableau de bord comprend également une vue de carte indiquant les magasins à travers le pays qui doivent mettre à jour leurs allocations afin de répondre plus précisément à la demande prévue.

Conception de tableau de bord

Vous pouvez voir un tableau de bord comportant 2 vues :

Vue standard : vous voyez les performances de vente actuelles des vêtements par rapport à l'allocation pour chaque magasin, c'est-à-dire que nous vendons le nombre de pantalons, de chemises et de pulls que nous avons prévu avec notre système d'allocation de détail packagé ?

Description de l'image standard_dashboard.png

• Le tableau de bord affiche les articles de chaque magasin, y compris les allocations planifiées pour les semaines à venir (obtenues à partir de l'application Allocations).
• Les allocations prévues sont basées sur les ventes historiques et l'expérience professionnelle du commerçant.

L'image suivante présente le tableau de bord dans lequel le service OCI Forecasting fournit des colonnes supplémentaires qui affichent les valeurs prévues avec les écarts mis en évidence en bleu, jaune et rouge.

Description de l'image standard_dashboard_ai.png

Ces allocations de prévisions sont basées sur :

• Ventes précédentes (historique des ventes par article et par magasin)
• Analyse des tendances des médias sociaux : Un influenceur des médias sociaux portait le pull floral dans un récent post sur les médias sociaux et a généré une réaction significative sur les canaux sociaux, ce qui générera une demande supplémentaire pour ce produit à l'échelle nationale.
• Modèles météo : Il y aura un énorme changement dans la météo actuelle. Le nord-est sera incroyablement chaud jusqu'en avril et en mai, et l'ensemble du sud-est sera de 15 degrés en dessous de la normale. En raison de ce changement, la demande attendue sera presque inversée, la faible demande de pulls dans le nord-est chaud et la forte demande de pulls dans le sud-est froid.

Vue de carte : vue avec des cartes de chaleur indiquant les points chauds projetés où les niveaux d'allocation des vêtements seront incorrects pour la semaine suivante.

Description de l'illustration map_view.png

Solution technique

Dans ce guide de solutions, OCI Forecasting fournit des prévisions et des intervalles de confiance basés sur des facteurs d'influence locaux et mondiaux tels que les promotions, les prix, les conditions météorologiques qui prédisent les problèmes liés au plan d'allocation actuel d'une chaîne de vente au détail.

Vous pouvez également découvrir certaines corrélations entre les ventes d'un produit qui ont un impact sur les ventes d'autres produits qui auraient été difficiles à voir sans l'utilisation de l'IA. Grâce à l'IA, les détaillants peuvent affiner les allocations, jusqu'au niveau du magasin individuel en fonction de facteurs tels que :

• Prévisions météorologiques à longue distance
• Purge ou diminue la popularité des articles en fonction de l'analyse des sentiments des médias sociaux
• Evénements locaux susceptibles d'affecter la demande, tels que des conventions, des festivals ou de grands événements sportifs
• Manquants en main-d'oeuvre
• Pression concurrentielle
• Perturbations possibles de la chaîne d'approvisionnement dues à des troubles politiques ou sociaux
• Urgences sanitaires émergentes
• Changements de mi-saison (père, demande, tendances)

Architecture

Cette architecture montre comment le service OCI Forecasting est utilisé pour détecter les modèles de relation complexes, les tendances, la saisonnalité, les erreurs et les facteurs externes dans les données de séries temporelles.

L'image suivante présente l'architecture de haut niveau.

Description de l'illustration oci_forecasting_retail_allocation_flow.png

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

1. Les données structurées et semi-structurées s'écoulent dans le lac de données (stockage d'objets).
2. OCI Data Integration lit les informations à partir du data lakehouse, appelle les fonctionnalités d'IA (fournies par OCI Forecasting) et transmet les informations à Autonomous Data Warehouse.
3. Les prévisions incluent des prévisions, des intervalles de confiance, ainsi que des facteurs d'influence locaux et mondiaux tels que les promotions, les prix, les conditions météorologiques qui prédisent les problèmes liés au plan d'allocation actuel.
4. Les informations structurées peuvent désormais être visualisées à l'aide d'Oracle Analytics Cloud et exportées vers l'application d'allocations packagées.

Cette architecture prend en charge les composants suivants :

• Prévisions IA

  Les prévisions Oracle Cloud Infrastructure (OCI) font partie des nombreux services d'IA cloud natifs. OCI Forecasting fournit des prévisions de séries chronologiques grâce au machine learning avancé et aux algorithmes statistiques. OCI Forecasting aide les développeurs à créer rapidement des prévisions précises pour les indicateurs commerciaux critiques, notamment la demande de produits, les revenus et les besoins en ressources.

• Lac de données

  Un lac de données est un référentiel évolutif et centralisé qui peut stocker des données brutes et permet à une entreprise de stocker toutes ses données dans un environnement élastique et économique. Un lac de données fournit un mécanisme de stockage flexible pour le stockage des données brutes. Pour qu'un lac de données soit efficace, une organisation doit examiner ses besoins spécifiques en matière de gouvernance, ses workflows et ses outils. La création de ces éléments clés crée un puissant lac de données qui s'intègre de manière transparente aux architectures existantes et connecte facilement les données aux utilisateurs.

• Oracle Data Integration

  Oracle Cloud Infrastructure Data Integration est un service entièrement géré, sans serveur et natif du cloud qui extrait, charge, transforme, nettoie et remet en forme les données de diverses sources de données en services Oracle Cloud Infrastructure cible, tels qu'Autonomous Data Warehouse et Oracle Cloud Infrastructure Object Storage.

• Autonomous Data Warehouse

  Oracle Autonomous Data Warehouse est un service de base de données doté de fonctions d'autopilotage, d'autosécurisation et d'autoréparation, optimisé pour les charges de travail d'entreposage de données. Il n'est pas nécessaire de configurer ou de gérer du matériel, ni d'installer un logiciel. Oracle Cloud Infrastructure gère la création de la base de données, ainsi que la sauvegarde, l'application de patches, la mise à niveau et le réglage de la base de données.

• Stockage d'objets

  Object Storage offre un accès rapide à de grandes quantités de données structurées et non structurées de tout type de contenu, y compris des sauvegardes de base de données, des données analytiques et du contenu enrichi tel que des images et des vidéos. Vous pouvez stocker les données, puis les extraire directement à partir d'Internet ou de la plate-forme cloud, et ce, en toute sécurité. Vous pouvez adapter le stockage de manière transparente sans subir de dégradation des performances ni de la fiabilité du service. Utilisez le stockage standard pour le stockage "à chaud" auquel vous devez accéder rapidement, immédiatement et fréquemment. Utilisez le stockage d'archive pour un stockage "froid" que vous conservez pendant de longues périodes et que vous accédez rarement ou rarement.

• Analyse

  Oracle Analytics Cloud est un service cloud public évolutif et sécurisé qui fournit aux analystes d'entreprise des fonctions d'analyse modernes en libre-service basées sur l'intelligence artificielle, à des fins de préparation des données, de visualisation, de reporting d'entreprise, d'analyse augmentée, ainsi que de traitement et de génération du langage naturel. Avec Oracle Analytics Cloud, vous bénéficiez également de fonctionnalités flexibles de gestion des services, notamment une configuration rapide, une mise à l'échelle facile et des correctifs, ainsi qu'une gestion automatisée du cycle de vie.