每年浪費1.1兆美元》零售業導入AI 省下1個「蘋果」產值

【文／胡林　圖片提供／達志影像】

　　存貨過多(Overstocking)與庫存不足(Understocking)，令物流業與零售業者傷透腦筋，不僅造成龐大的資源浪費，也使業者每年損失巨額的成本。原因就在於流程，未能從消費端到供應鏈精確掌握每個環節的需求。過去儘管有大量可用的解決方案和方法，零售業者仍然難以準確且及時的進行需求預測，而且隨著電子商務的欣欣向榮，使當前的挑戰更加複雜，因為購物者可以從各種更方便的選項中做出選擇。預測不準確，對整個供應鏈都會產生不利影響，但今日零售商在面對零售中斷時有更好的預測配備，就是透過人工智慧(Artificial Intelligence, AI)和機器學習(Machine Learning)。

浪費1.1兆美元

　　近年來機器人雖已在電子商務和其他與商業有關的倉儲中占有一席之地，但未來幾年將會在物流業中扮演更重要的角色。隨著機器學習和AI技術的日益風行，這些軟體和演算法可望降低存貨過多和庫存不足的風險，還能為零售商帶來提昇營收等其他好處。根據全球零售顧問業者IHL集團的報告，存貨過多使零售商每年損失約達4,700億美元；而庫存不足的代價更高，全球業者每年付出的成本約為6,300億美元，總共約1.1兆美元，約略等於Apple的市值。全球電商龍頭Amazon也不能免俗，但它已經透過演算法來預測消費者對多達數億種產品的需求，來提前緩解這2大棘手問題，而且通常可以提前至18個月前就預測需求。

　　IHL的報告也指出，越來越多供應鏈使用AI，透過「更佳的預測」改善庫存管理和需求預測，能為業者同時騰出現金和存儲空間。例如：主打幫生鮮超市和零售商提供食品儲存的公司，透過AI的「智慧放置」(Smart Placement)將倉儲效率提高了約20％。所謂的「智慧放置」，是為貨物裝運提供訊息和預測，而這是物流過程中最耗費人工與時間的部分。

　　基本上，透過機器學習和AI演算法，可以把很少人問津的產品放在最下面，而把賣的很好或詢問度很高的產品放在最上面。IHL集團的分析並顯示，此舉可使業者降低絕大多數的線上訂單完成時間，而全球大多數零售倉儲業者可能會在2030年之前完全自動化，AI將在其中發揮重要作用。除了節省成本與增加營收外，根據Statista的調查結果，零售業者認為使用AI的好處還包括提高生產力、更明智的商業決策、更快解決企業問題、使流程及作業自動化、拓展員工的知識及技能、更快速運送新產品及服務、預測與規範性分析，以及提昇創新等。

缺乏「連線系統」的挑戰

　　IHL集團指出，自動化倉儲的最終目標是電腦視覺(Computer Vision)，這也是AI在致力改善業者營運時必須學習和演進的地方。電腦透過學習很快就能夠辨識和組織庫存，甚至可以進行各種庫存的品質管制，不需要人工監督。此外，若業者同時擁有好幾座倉庫，每座倉庫所在地點的AI都能夠相互溝通，如此就可以找出最佳的物流解決方案。供應鏈使用AI也是趨勢所向，為零售業者提供AI解決方案的Symphony Retail公司在調查中指出，供應鏈渴求包括更多機器學習和AI等科技。該公司的調查發現，48％零售商認為他們的預測技術非常差，不僅如此，供應鏈和物流中心缺乏統一協調，已成為零售商面臨的一大問題，但這也為這些領域的AI業者帶來更多商機。

　　Symphony Retail公司調查還發現，零售商面臨的挑戰是缺乏「連線系統」，36％的受訪者表示，針對商店和電子商務的訂單，他們有個別的需求規劃、補貨、分銷和訂單管理系統。顯而易見的是，截然不同的需求補貨系統會顯著降低效率。但這場走向AI的競賽，也凸顯了供應鏈的難處。在Symphony Retail報告中，有43家零售商表示，他們認為所使用的科技無法滿足業務需求，這可能使業者的營運效率下滑，甚至可能因儲存過多或過少的產品而導致營收損失；另有43％的受訪者表示，他們面臨的挑戰是不能即時看到所有供應鏈的庫存。

　　至於在建置AI部分，有1／3調查受訪者表示，他們已在供應鏈管理系統部署AI，另有1／4表示，他們正在努力實現這一目標。換言之，零售業及物流業部署機器人AI已成為一股不可逆轉的潮流。估計到2022年，倉儲機器人市場將成長到約44.4億美元。

家樂福拚當庫存先知

　　未來幾年零售業將會重金投資AI，使業者能差異化與改善提供給客戶的服務，包括客製化服務的平台，以及提供即時客服的聊天機器人，以達成零售業者提供個人化顧客體驗的目標。根據Juniper Research公司的一項研究，全球零售業花在AI的支出，將由2018年的20億美元增至2022年的73億美元。

　　連家樂福集團(Carrefour Group)也求助AI來預測需求，這個佈局全球30多個國家，超過12,200家門市的法國連鎖超市集團，決定採用SAS Viya平台以協助減少浪費及缺貨，分析從商店、倉庫和線上訂單所獲得的資料並提供預測。經過18個月的測試，家樂福將在門市部署SAS的AI技術，實施後將使家樂福專門針對其特殊需求預測建立演算法。需求預測並不是什麼新鮮事，過去幾十年來，企業大多採用迴歸分析(Regression)等較傳統方法，這些技術有時難以產生想要的結果。如今，SAS等科技公司表示，AI能利用供應鏈產生的大量資料改善需求預測過程。

　　法國家樂福預測總監諾爾方塔納(Franck Noel-Fontana)說：「SAS Viya部署將使我們能夠在供應鏈優化方面向前邁進一步。AI將為我們的團隊騰出時間，專注於開發差異化的預測策略，最大限度地滿足客戶的期望，同時減少浪費。」

　　以往，零售商經常依靠多進貨來防止某一項物品缺貨。但Symphony Retail公司指出，這可能使公司花錢購買或許賣不出去的產品，它並表示：「使用傳統的需求預測系統，是將資料輸入電腦，然後電腦將這些資料應用於靜態的、預設好的一套規則，以便進行分析並產生結果；相較之下，透過機器學習，電腦變得具適應性，可動態回應資料變化，然後更新預測。」

　　家樂福並不是唯一尋求新興技術改進預測的公司。運動用品大廠Nike也指出了「需求預測」的重要性，公司財務長坎皮恩(Andy Campion)表示：「這可能會增加該公司的利潤率。」

　　連自動販賣機業者也在擁抱此一趨勢，零售情報業者PSFK和Microsoft在報告中凸顯出Mars Drinks公司如何利用AI來改善其自動販賣機的庫存策略，Mars Drinks正使用微軟技術，使其能夠「利用遠端感應器和預測運算，以最佳方式維持庫存水平、了解消費者互動，並根據假日和天氣等環境因素以了解需求變化的原因」。

【完整內容請見《能力雜誌》2019年3月號，非經同意不得轉載、刊登】