Perakendeciler, tedarik zinciri ve tüketim malları kuruluşları için doğru talep tahmini her zaman verimli iş planlaması, envanter yönetimi, kolaylaştırılmış lojistik ve müşteri memnuniyetinin temel itici gücü olmuştur. Doğru ürünlerin, doğru hacimlerde, doğru yerlere teslim edilmesini sağlamak için doğru tahmin kritik öneme sahiptir.  

Müşteriler stokta olmayan ürünleri görmekten hoşlanmazlar, ancak fazla miktarda envanter tutmak da maliyetli ve israflıdır. IHL Group'a göre, perakendeciler yanlış yönetilen envanter nedeniyle yılda bir trilyon dolardan fazla para kaybederken, talep tahmini doğruluğundaki %10 ila %20'lik bir iyileşme doğrudan envanter maliyetlerinde %5'lik bir azalma ve gelirde %2 ila %3'lük bir artış sağlayabilir (Notes from the AI Frontier, McKinsey & Company).

Yine de envanter yönetimi, talep tahmininin destekleyebileceği birçok uygulama arasında yalnızca bir tanesidir; perakendecilerin ayrıca yoğun dönemler için mağazalarında ve destek merkezlerinde personel bulundurmaları, promosyonları planlamaları ve mağaza veya çevrimiçi trafiği etkileyebilecek farklı faktörleri değerlendirmeleri gerekir. Perakendecilerin ürün kataloğu ve küresel erişimi genişledikçe, mevcut veriler daha karmaşık ve doğru tahmin yapmak daha zor hale gelir.

Perakendeciler artık bu sorunları Vertex AI Forecast'ten yararlanarak yüksek tahmin doğruluğu elde etmek için mevcut talep tahminlerine makine öğrenimini dahil ederek çözebiliyor.

‍

İki saat içinde en iyi performans gösteren modeller

Vertex AI Forecast, BigQuery veya CSV dosyalarından binlerce ürün grubu için yıllara dayanan geçmiş verileri kapsayan 100 milyon satıra kadar veri kümelerini alabilir. Güçlü modelleme motoru, verileri otomatik olarak işleyecek ve yüzlerce farklı model mimarisini değerlendirecek ve en iyilerini, gelişmiş veri bilimi uzmanlığı olmadan bile yönetilmesi kolay tek bir modelde paketleyecektir.  

Kullanıcılar 1.000'e kadar farklı talep faktörünü (renk, marka, promosyon programı, e-ticaret trafik istatistikleri ve daha fazlası) dahil edebilir ve tahmini oluşturmak için bütçeler belirleyebilir. Pazar koşullarının ne kadar hızlı değiştiği göz önüne alındığında, perakendecilerin hızlı öğrenebilen çevik bir sisteme ihtiyacı vardır. Ekipler, Vertex AI Forecast ile yalnızca iki saatlik eğitim süresi içinde ve manuel model ayarlaması yapmadan en yüksek doğrulukta talep tahminleri oluşturabilir.  

Vertex AI Forecast'in en önemli parçası, hizmetin yüzlerce farklı model mimarisini ve ayarını incelediği model mimarisi araştırmasıdır. Bu algoritma, Vertex AI Forecast'in çok çeşitli müşteriler ve veri kümeleri için en iyi performans gösteren model kurulumlarını tutarlı bir şekilde bulmasını sağlar.

Önde gelen perakendeciler hali hazırda operasyonlarını dönüştürüyor ve yüksek doğruluk oranına sahip tahminlerin avantajlarından faydalanıyor.  

Bir perakende şirketi olan Magalu (Magazine Luiza),  Analitik ve Stratejik Planlama Direktörü Fernando Nagano, "Magalu, dağıtım merkezi düzeyinde tahmin uygulayarak ve aynı zamanda tahmin hatalarını azaltarak tahmin tahminlerimizi dönüştürmek için Vertex AI Forecast'i kullandı" dedi.  

Nagano, "Dört haftalık canlı tahmin, önceki modellerimize kıyasla hatada (WAPE) önemli gelişmeler gösterdi" diye ekledi. "Bu yüksek doğruluktaki içgörü, müşteri talebini karşılamak ve maliyetleri uygun şekilde yönetmek için doğru ürünlerin doğru zamanda doğru yerlerde olmasını sağlamak üzere envanter tahsisi ve tedarikini daha verimli bir şekilde planlamamıza yardımcı oldu."

Vertex AI, her türlü girdiyi işleyebilir

Vertex AI Forecast'in hiyerarşik tahmin yetenekleriyle perakendeciler, organizasyonel siloların yarattığı zorlukları en aza indirmek için birden fazla düzeyde (örneğin, bireysel ürün, mağaza düzeyi ve bölgesel düzeylerdeki talebi birbirine bağlayarak) çalışan son derece doğru bir tahmin oluşturabilir. Hiyerarşik modeller, geçmiş verilerin seyrek olduğu durumlarda da genel doğruluğu artırabilir. Tek tek ürünlere yönelik talep tahmin edilemeyecek kadar rastgele olduğunda, model yine de ürün kategorisi düzeyindeki kalıpları yakalayabilir.  

Vertex AI, büyük hacimli yapılandırılmış ve yapılandırılmamış verileri alabilir ve planlamacıların hava durumu, ürün incelemeleri, makroekonomik göstergeler, rakip eylemleri, emtia fiyatları, nakliye ücretleri, deniz taşımacılığı taşıyıcı maliyetleri ve daha fazlası gibi birçok ilgili talep faktörünü dahil etmesine olanak tanır.

Vertex AI Forecast açıklanabilirlik özellikleri, bu faktörlerin her birinin tahmine nasıl katkıda bulunduğunu gösterebilir ve karar vericilerin düzeltici eylemi erkenden gerçekleştirmeleri için talebi neyin yönlendirdiğini anlamalarına yardımcı olabilir. Örneğin, planlamacılar hafta içi günlerde giyim kategorisindeki talebin ana itici gücünün promosyonlar olduğunu, ancak tatillerde böyle olmadığını keşfedebilirler. Bu tür içgörüler, tahminlere göre nasıl hareket edileceğine dair kararlar alınırken çok değerli olabilir.

Vertex AI ile talep tahmini hakkında daha fazla bilgi edinmek için bizimle iletişime geçebilirsiniz.

‍