使用 OCI 預測微調供應鏈零售配置

運用人工智慧和機器學習等現代分析技術，配置邏輯可以增強為考量潛在影響。

業務解決方案

零售商決定輕量級的花卉印刷掃海器在春季將會大受歡迎，因此他們購買了 5000 種花卉掃海器，然後將 100 種植給每 50 家商店。

零售商瞭解到，該國部分地區在春季已經相當熱，因此設計配置計劃將更運送到北部各州，因為南部的少數人會想在外面 80 度時穿任何種類的汗水。

由於都市區似乎偏好固色而非打印，因此它們可能會進一步細化配置規劃，以偏向農村地區。零售商使用最佳判斷來決定配置：季節性天氣、歷史銷售、當前的時裝趨勢、競爭壓力、宏觀經濟趨勢等等。

如果零售商想要針對商店中的每個產品進行預測，則必須最佳化此配置處理。例如，假設商店有 100,000 個 SKU，而有 1,934 個商店需要配置。您可以使用 AI 將配置最佳化，因應非預期挑戰，例如惡劣天氣事件、疫情或單純遺漏熱門項目在本季的情況。如果您提早得到訊號，則可以調整傳遞配置。

• 客戶很開心，因為他們想要收到他們想要的項目。
• 由於不需要降價定價，且如果重新出貨成本出現，您就可以在沒有意義的情況下進行實際分析。
• 新商品的每間商店都有可用的空間。
• 大量出貨成本 (逆向物流) 受控制。
• 供應鏈更靈活，因為庫存和配置可以用更精細的方式調整，以維持利潤。

資料面板

以下是零售配置解決方案的範例儀表板。考量一個情境，在配置規劃期間，每個商店都會分配相同種類的花卉種類、分割和已檢查的掃掠者 (使用零售商的包裝配置應用程式)。

儀表板顯示，有些商店 (歷史銷售) 與條紋掃掠者相比，銷售更多花卉。它會識別牛仔褲銷售與汗水間的關聯性：銷售較深的牛仔褲的商店，往往往會販售較多打勾的汗水，以及販售輕彩牛仔褲的商店銷售更多花粉。新增社交媒體趨勢分析、天氣模式等等，儀表板會根據這些洞察分析建議變更配置。

OCI Forecasting 服務根據歷史和未來資料的人工智慧分析，建議修訂的配置金額，例如，再將 25 個條紋掃瞄傳送到舊金山商店，再向邁阿密 31 個花卉。儀表板也包含地圖檢視，顯示全國各地的商店應更新其配置，以便更準確地滿足預估的需求。

儀表板設計

您可以查看具有 2 個檢視的儀表板：

標準檢視：根據每個商店的配置，您會看到衣服目前的銷售績效，也就是我們銷售褲子、襯衫和汗水的數量，並使用我們的包裝零售配置系統進行預測嗎？

說明 standard_dashboard.png

• 儀表板顯示每個商店中的項目，包含即將進行週數 (源自「配置」應用程式) 的計畫配置。
• 計劃分配乃基於商戶過往銷售及專業經驗。

下圖顯示 OCI 預測服務提供其他資料欄的儀表板，其中顯示以藍色、黃色和紅色標示的差異的預測值。

說明 standard_dashboard_ai.png

這些預測配置是根據：

• 先前銷售 (每個商店每個項目的銷售歷史記錄)
• 社交媒體趨勢分析：社群媒體影響者在近期社群媒體貼文中穿越流浪汗水，並在社群管道上產生重大反應，進而推動全國該產品的額外需求。
• 天氣模式：當前天氣有很大的轉變。東北將會在 4 月和 5 月間溫暖，而整個東南部將達到正常水平的 15 度。由於此變化，預期的需求將近乎反轉、東北溫熱的汗水需求低，以及東南寒冷的汗水需求高。

地圖檢視：具有熱力圖的檢視，顯示下週服裝配置層級不正確之預計熱點。

說明 map_view.png

技術解決方案

在本解決方案手冊中，OCI Forecasting 會根據本地和全球影響因素 (例如促銷、價格、天氣條件) 提供預測和信賴區間，這些因素可預測零售鏈目前配置計劃的問題。

此外，您還可以發現某產品銷售之間的某些關聯性，這些產品會影響其他產品的銷售，這些產品在銷售時很難使用 AI。零售商可透過人工智慧微調配置，根據下列因素向下調整至個別商店層次：

• 長期預報
• 根據社群媒體情感分析，在項目受歡迎程度中手術或拒絕
• 可能會影響需求的當地活動，例如慣例、節日或大型體育活動
• 人工短缺
• 競爭壓力
• 政治或社會動亂導致的供應鏈中斷
• 新興公共衛生緊急事件
• 季中變更 (天氣、需求、趨勢)

架構

此架構顯示如何使用 OCI 預測服務偵測時間序列資料中的複雜關係模式、趨勢、季節性、錯誤以及外部因素。

下圖顯示高階架構。

說明 oci_forecasting_retail_allocation_flow.png

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

1. 結構化和半結構化資料流入資料湖 (物件儲存)。
2. OCI 資料整合從資料湖庫讀取資訊，呼叫 AI 功能 (由 OCI 預測提供) 並將洞察分析推送到 Autonomous Data Warehouse 。
3. 預測包括預測、信賴區間，以及預測目前配置計劃問題的當地和全球影響因素，例如促銷、價格、天氣條件。
4. 現在，您可以使用 Oracle Analytics Cloud 將結構化洞察分析視覺化，並將其匯出回封裝的配置應用程式。

此架構支援下列元件：

• AI 預測

  Oracle Cloud Infrastructure (OCI) 預測是數個雲端原生 AI 服務之一。OCI Forecasting 透過先進的機器學習和統計演算法提供時間序列預測。OCI Forecasting 可協助開發人員快速為關鍵的業務指標建立準確的預測，包括產品需求、收益和資源需求。

• 資料湖

  資料湖是可擴展的集中式儲存區域，它可以儲存原始資料，並讓企業將其所有資料儲存在符合成本效益且具有彈性的環境中。資料湖提供儲存原始資料的彈性儲存機制。為了使資料湖有效，組織必須檢查其特定的治理需求、工作流程和工具。在這些核心元素周圍建立強大的資料湖，可無縫整合至現有架構，並輕鬆地將資料連線到使用者。

• Oracle Data Integration，資料整合

  Oracle Cloud Infrastructure Data Integration 是一個完全受管理、無伺服器的雲端原生服務，可從各種資料來源擷取、載入、轉換、清理及重新塑造資料，並放入目標 Oracle Cloud Infrastructure 服務，例如 Autonomous Data Warehouse 和 Oracle Cloud Infrastructure Object Storage 。

• Autonomous Data Warehouse

  Oracle Autonomous Data Warehouse 是一款自我驅動、自我保護且自我修復的資料庫服務，已針對資料倉儲工作負載最佳化。您不需要設定或管理任何硬體，或是安裝任何軟體。Oracle Cloud Infrastructure 可處理建立資料庫，以及備份、打補丁、升級及調整資料庫。

• 物件儲存

  物件儲存可快速存取任何內容類型的大量結構化與非結構化資料，包括資料庫備份、分析資料，以及豐富內容 (例如影像和影片)。您可以安全地儲存，然後直接從網際網路或雲端平台內擷取資料。您可以無縫擴充儲存，而不會發生任何效能或服務可靠性的降低。針對快速、立即和經常存取的「熱」儲存，使用標準儲存。將封存儲存用於長時間且鮮少存取的「冷」儲存。

• 分析

  Oracle Analytics Cloud 是一項可擴展且安全的公有雲服務，可為業務分析師提供資料準備、視覺化、企業報告、增強分析和自然語言處理與產生的現代化 AI 驅動自助服務分析功能。透過 Oracle Analytics Cloud ，您還可以獲得靈活的服務管理功能，包括快速設定、輕鬆擴展和修補，以及自動化生命週期管理。