需求预测对于企业的决策和部署具有很强的参考价值，如何将其做好、做准确，一直是各大企业精益求精的目标。本期“企业创新实践系列”报道，让我们一起走进联合利华，了解其利用AI智能完善需求预测的改变之路。
联合利华中国
项目名称
联合利华供应链人工智能需求预测
申报奖项
2020年度供应链创新实践案例
项目背景
在传统的零售行业中，主要依赖专家用行业经验和统计能力，根据历史数据做预测分析来辅助供应链上游做决策，使决策变得有据可依。
这样的人工预测方式误差较大，而不准确的需求预测增加了从订单补货、配送和门店库存管理到整个供应链的管理难度，并且人工计算存在信息浪费的问题。如何高效地深度应用数据来进行精准快速的需求预测成为了供应链行业在当下急需攻破的壁垒。
此外，零售行业变化很大，日新月异的行销策略，市场推广渠道和竞争格局都需要用数据快速指导决策。在这样的背景下，运用更精细的预测方式势在必行。
实施过程
一键式应用机器学习模型基于历史销量、日期、节日、商品、促销、仓库、销售终端等多种特征进行SKU商品在未来四个月的销量预测，打造了“数据获取-数据分析-模型搭建-数据预测-智能决策-新数据融入”的完整数据闭环，基于快速精准的销量预测制定订货和出货计划，减少人工决策带来的误差，平衡商品产量与市场需求。
决策者通过AI预测助手不仅可对最细粒度的预测值进行微观调整，也可以对预测总量进行宏观调整，利用高效稳定的预测系统和方便快捷的调整功能来应对商业战略的变更，提高专业人员人效。
AI预测助手会将每一次的调整记录下来，将专家经验沉淀在系统模型中，使其成为企业长久的数据资产。另外，预测结果可以报表或者图表的形式呈现，辅以预测模型的可解释性，快速评估模型效果，并进行异常预测值的快速抓取，提高了跨部门的协作效率。
成效启发
AI预测助手
End-to-end的模型整合，构建精准模型进行需求预测分析并通过持续迭代优化提高结果精准率
首先是KC端结合大客户的促销信息，产出大客户的订单预测。其次，DT端结合公司促销活动，经销商信息以及管理政策等信息，产出经销商的订单预测。最后，通过对KC、DT的业务信息的整合，产生出更直接反映客户需求的销量预测，输入到DP模型进行总需求预测，从而进行工厂生产的合理安排。
BI数据智能应用平台
打造数据驱动决策的智能化供应链管理体系，提高整体供应链管理水平
易理解、易操作、易应用的数据可视化平台，仅使用拖拉拽的操作模式就可以根据不同的业务使用场景，在短时间内完成AI分析结果的可视化展示，帮助企业定制以数据为基础，业务为导向的智能决策，并通过快速验证策略结果改进决策。
联合利华的这个项目灵活运用了人工智能和商业智能来挖掘、探索零售数据里隐藏的逻辑和信息，使数据的可利用率最大化，并将经验沉淀在系统中，使供应链管理的决策变得智能化、数字化，帮助联合利华脱离原本繁杂的人工统计预测，让产出变得更高效。而机器学习模型可以快速准确地捕捉到人工无法识别的数据规律，辅以特定的行业规则和专家经验，用精准的市场预测和可靠的智能决策为联合利华带来新的长期竞争优势。
10月30日，由长宁区人民政府指导的“报时未来”（全球）企业创新实践年度峰会即将启动，敬请关注！
本文为长宁区融媒体中心原创，转载请注明来源
记者：吴友康
编辑：李 博
喜欢就点个“赞”
欢迎留言评论和小编互动
再送我一朵“在看”的小花吧~