AIが生鮮食品の予測をどのように変えているか

真の需要を予測することは常に課題であり、生鮮食品や生鮮食品のカテゴリーで事業を行う食品会社にとっては特に困難です。同時に、上流のサプライチェーンの計画と実行、および食料と経済の浪費の削減には、正確な予測が不可欠です。

COVID-19のパンデミックのような市場の不一致の時代には、ほとんどの予測者は真実を把握し続けています。典型的な需要パターンと、パニック買い、カテゴリー不足、およびロジスティックの複雑さの影響とのバランスをとろうとしています。

「通常の」市場状況でも、単一の消費主導型の予測に関する整合性と可視性がない場合でも、上流のサプライヤ（小売業者、卸売業者、および生産者）は、独自のサイロ化された予測を生成する必要があります。

予測が独立して作成される場合、各予測は注文履歴、パターン、価格変動、およびチェーンのすぐ下流のパートナーの入力の実際のまたは認識された可用性のみを反映するため、バイアス、エラー、および安全在庫が複雑になります。

実際の消費者需要のプラスマイナス5％の変化が、どちらの方向にも40％も上流のサプライヤに影響を与えるこのブルウィップ効果は、最高の時期でも一貫して正確な在庫を維持することが難しいことを意味します。今日、パンデミックの間、それは不可能です。

約束はここにあります

サプライチェーン全体でパートナーを接続するためのテクノロジーの使用は新しいものではありませんが、過去10年間、期待したほど効果的ではありませんでした。

ただし、テクノロジーを使用して多数の需要信号を効率的に組み込む能力には、新たな転換点があります。ビッグデータ分析プラットフォーム、人工知能（AI）、機械学習、および俊敏な予測モデルはすべて、大幅に信頼性の高い予測を生成する上で重要な役割を果たします。最後に、これらのテクノロジーを活用するツールが実証されており、サプライチェーン全体を調べて、以前は不可能だった方法ですべてのデータを使用できるようになりました。

AI主導の需要予測プラットフォームは、多くの従来の需要プラットフォームのように、過去の販売モデリングに依存していません。代わりに、動的な需要インフルエンサー、アルゴリズム、リアルタイムデータ、クラウドテクノロジーを使用して、行動や傾向を正確に予測します。

たとえば、オーディエンスの人口統計とライフスタイルの傾向、ショッピングパターン、気象イベント、貿易関税、小売業者のマーケティングイニシアチブはすべて、購入者の行動と需要の正確さに大きな影響を及ぼします。ただし、このデータは通常、接続されていない複数のリポジトリに存在します。

アルゴリズムと予測分析を使用して、AIと機械学習を利用した需要予測プラットフォームは、データがどこにあるかに関係なく、大量のデータを分析します。このテクノロジーは、消費者の需要に影響を与える最も関連性の高い要因を自動的に特定し、需要と購入者の行動の変化を事前に予測し、チャージバックを減らし、将来の需要に関する偏りのない確率的予測を提供します。

このすべてのデータの可能性を解き放つことで、より正確な需要予測が可能になるだけでなく、在庫管理への全体的なアプローチもサポートされます。予測精度への信頼が高まるにつれ、顧客の要件を満たしながら、初期在庫残高をより低いレベルに保つことができます。

また、AIと機械学習は入力を非常に迅速に処理できるため、洞察は意味のあるものでありながら提供されます。新鮮なまたは腐りやすいアイテムの変化する需要または入手可能性、およびパートナーまたは消費者のニーズを満たすために行動を起こすことができます。たとえば、パンデミックの際に、生鮮食品や肉の供給業者がより迅速に再梱包し、配達をレストランの卸売販売から消費者向け食料品店に移すことができたとしたらどうでしょうか。

ユナイテッドフレッシュプロデュースアソシエーションは、COVID-19の発生時に、農産物業界全体が売上の少なくとも40％を失うと推定しました。これらすべてを消費者向け食料品や小売店にシフトできるわけではありませんが、競合他社よりも迅速に移行できるブランドは、より多くの収益と仕事を保護することができます。

よりスマートなテクノロジー

AI主導の予測プラットフォームは、複数のアルゴリズムを適用して、システム内の各製品またはSKUに最も関連性の高いメトリックを自動的に決定します。複数のスプレッドシートから競合するデータを収集、更新、統合、調整するために費やす時間がなくなり、予測の専門家は需要の最適化やマーケティングなどの他の部門との調整に時間を費やして新しい収益源を見つけることができます。信頼できる唯一の情報源から運営されている、部門や外部パートナー間のコラボレーションの価値を過小評価することはできません。

AI駆動モデルの使用による結果は説得力があります。 NounósCreameryは最近、このようなツールを使用して、需要予測を自動化し、予測に費やす時間を毎週2時間からわずか10分に短縮しました。 Nounósのリーダーは、真の洞察力の欠如に不満を感じ、会計ソフトウェアと在庫管理システムからのデータを手動で比較することにより、貴重な時間とお金を浪費していました。このプロセスでは、会社が製造するヨーグルトの量と、優先するフレーバーについて漠然とした感覚しか得られませんでした。

Nounósは、関連するすべてのソースからデータを取得し、アルゴリズムを使用して予測の推奨事項を作成することができました。予測は非常に正確であるため、同社はほぼ即座に過剰生産を40％削減し、製品の損失による大幅な収益を節約しました。また、Nounósは各フレーバーの実際の予想需要を予測できるようになり、製造プロセスの効率が向上しました。

需要予測に対するこの新しいアプローチは、経済的な理由だけでなく、拡張性が高いために採用が拡大しています。これは、大規模な多国籍ブランドの場合と同様に、特殊食品ブランドにも同様に機能します。消費者主導の需要予測はここにとどまります。最新の分析とテクノロジーを使用することで、ブルウィップ効果を抑え、正確に適切な時点で需要を満たす絶好の機会が得られます。

Are Traasdahlは、Crispの共同創設者兼CEOです。