觀遠數(shù)據(jù)深耕零售行業(yè)AI+BI智能分析多年，積累了大量行業(yè)數(shù)據(jù)應用經(jīng)驗。這一篇，我們就來給大家講講零售行業(yè)在AI預測方面的需求、方法、應用場景以及如何實現(xiàn)價值變現(xiàn)。

在AI與零售高級分析的結合中，最顯著的應用是需求預測。今年年初，BCG與谷歌公司攜手開展了一項研究，結果顯示，通過大規(guī)模使用人工智能和高級分析，消費品公司可以實現(xiàn)超過10％的營收增長。其中，需求預測對拉動企業(yè)業(yè)務增長的重要性排在了第一。

借助需求預測，企業(yè)可以從這些數(shù)據(jù)中獲得可行的商業(yè)洞察，比如預測新產(chǎn)品的需求水平、營銷活動的效果以及新消費趨勢的萌芽。而它帶給顧客最直觀的感受，也許就是我能否買到我想要的商品。假如沒有恰當?shù)男枨箢A測流程，幾乎不可能保證門店在任意時刻都有恰當?shù)膸齑婵晒╀N售。

· 庫存太多，意味著大量的庫存金額浪費，資金成本顯著提升。而對于一些售賣期限有嚴格要求的商品，比如鮮食、應季服裝，高庫存更是意味著直接的經(jīng)濟損失。

· 庫存不夠，則會導致產(chǎn)品脫銷，一方面沒法做到銷售額最大化，另一方面還會因為消費者需求無法滿足，轉(zhuǎn)而去競爭對手那邊購買商品，導致客戶流失。

需求預測，就是使用數(shù)據(jù)和洞察來預測客戶在特定時間段內(nèi)想要購買多少特定商品或服務的行為。一個好的需求預測算法和執(zhí)行流程，將會幫助企業(yè)零售業(yè)務得到穩(wěn)定、快速的可持續(xù)發(fā)展。

而“好”的需求預測，則是綜合利用內(nèi)部數(shù)據(jù)、外部數(shù)據(jù)和行業(yè)經(jīng)驗，結合先進的預測算法，給出滿足高準確度要求的需求預測結果；此外，我們還要求算法能夠根據(jù)實際的業(yè)務反饋，不斷迭代演進，不斷提升準確度。這里說的內(nèi)部數(shù)據(jù)包括歷史銷售數(shù)據(jù)、促銷活動、廣告投入、人流數(shù)據(jù)等，外部數(shù)據(jù)包括行業(yè)趨勢、消費趨勢、天氣情況，甚至競爭對手等因素。

對于零售商來說，您只需要關心如何更準確地完成需求預測，而不需要關注“預測是怎么完成的”。就如同我們不需要理解汽車發(fā)動機的工作原理，而只要在發(fā)動機工作的情況下來駕駛汽車開往目的地一樣，這里我們需要思考的是更精準的預測又能帶來哪些業(yè)務的提升。所以盡可能的將預測準確度提高幾個百分點，進而推動上下游各個環(huán)節(jié)的更高效運作，就能幫助我們在商業(yè)實踐中取得更大的成功。

對于商業(yè)企業(yè)來說，看一項技術或者投入對自己是否足夠重要，衡量的標準一定是它對促進業(yè)務增長是否足夠有用。需求預測如何促進業(yè)務增長，我們把它歸結為兩個點：

· 降本提效

· 增強客戶體驗

降本提效

在市場競爭日益白熱化的今天，各行各業(yè)野蠻爆發(fā)式增長的時代逐漸遠去，精細化運營、降本提效是大勢所趨，而對毛利率本身就不算很高的零售行業(yè)來說，更是重中之重。

我們曾經(jīng)對一份超市的銷售數(shù)據(jù)做過假設分析，結果發(fā)現(xiàn)如果對商品降低1%的成本，凈利潤能夠上升5%~6%，這是多么誘人的數(shù)據(jù)！你會發(fā)現(xiàn)幾乎每個零售企業(yè)都在尋找降低成本的方法，因為這是最大化利潤的最簡單方法之一。

當您為零售業(yè)務實施需求預測時，可以通過以下幾種方式來降低成本。

首先，通過準確的需求預測，減少不需要的庫存資金占用。在保證供給的情況下，越少的現(xiàn)有庫存帶來越低的持有成本。

其次，通過需求預測來運營精益、敏捷業(yè)務。您可以根據(jù)當前銷售進度與未來預測數(shù)據(jù)，來判斷是否需要加大營銷、廣告投入，以確保及時完成銷售目標，或者是否需要及時調(diào)整目標，以獲得更大的業(yè)務增長。

增強客戶體驗

良好的客戶消費體驗，會帶來更高的客戶忠誠度與市場口碑。最顯而易見的，就是避免讓客戶空手而歸，或者推到您的競爭對手那兒買同類的商品，這是取悅客戶的最有效的方法之一。

同時，另一方面，銷售預測可以用來指導人員配置，優(yōu)化排班。對大多數(shù)零售企業(yè)來說，您都不希望賓客滿堂的時候，卻由于營業(yè)員配置不足，導致客戶消費體驗下降，遺憾流失客戶吧？

按預測的技術手段來分，需求預測可以分為：

· 定性預測

· 時間序列預測

· 因果模型

定性預測

定性預測是指企業(yè)根據(jù)一些定性數(shù)據(jù)預測需求。這需要預測者熟悉業(yè)務知識，具有豐富的行業(yè)經(jīng)驗和綜合分析的能力，根據(jù)已掌握的歷史資料與直觀材料，運用個人的經(jīng)驗和分析判斷能力，對事物未來的發(fā)展做出性質(zhì)和程度上的判斷。雖然我們也會在一定程度上要求定性預測運用數(shù)學方法來定量的做出預測評估，但還是易受預測者的主觀因素影響。

定性預測適合于歷史數(shù)據(jù)有限的企業(yè)，新店開業(yè)，新品發(fā)布（特別是市場上沒有其他同類產(chǎn)品可參考的情況）等場景的需求預測。能適用于定性預測的算法也非常少，這更像是行業(yè)專家或咨詢公司專長的領域。

時間序列預測

相比定性預測，時間序列分析是一種量化的需求預測方法，它使用更為精準的數(shù)字作為需求預測的基礎，給出具有一定置信區(qū)間的量化預測值，屬于定量預測的一種。它的基本原理是，一方面承認事物發(fā)展的延續(xù)性，運用過去時間序列的數(shù)據(jù)進行統(tǒng)計分析，推測事物發(fā)展的趨勢；另一方面充分考慮各類特征因子對數(shù)據(jù)表現(xiàn)的影響，綜合給出預測結果。

序列預測適用于有大量過去銷售數(shù)據(jù)的零售企業(yè)，有季節(jié)性、周期性的銷售趨勢的商品預測。

因果模型

因果模型考慮了可能改變預測結果的多種可控及非可控的因素，是利用事物發(fā)展變化的因果關系來進行預測的方法。它以事物發(fā)展變化的因果關系為依據(jù)，抓住事物發(fā)展的主要矛盾與次要矛盾的相互關系，建立數(shù)學模型進行預測。

因果模型適用于具有大量指標的數(shù)據(jù)驅(qū)動零售商，按特定產(chǎn)品（類別或SKU）預測，多渠道、多元化客群的零售業(yè)務，與市場營銷、廣告活動和促銷相關的預測。

需求預測是一門科學，也是一門藝術。我們經(jīng)常聽到一些算法工程師自嘲預測調(diào)參是一門玄學，這其實也是從側面反映出預測的魅力與價值。最好的預測方法，一定是綜合考慮定性和定量數(shù)據(jù)、內(nèi)部與外部數(shù)據(jù)、可控與不可控因素，做出一些必要的“猜測”和“假設”，再結合先進的算法和工具來實現(xiàn)數(shù)據(jù)的預測。

需求預測的應用場景

前面我們或多或少地提到了一些需求預測使用的場景。這里，我們不妨做一個簡單的總結。

降低庫存金額：對于庫存成本較高的零售企業(yè)，通過銷售預測來指導進貨與庫存，在保證供給的前提下，進一步降低庫存金額，降低成本。

降低報廢風險：對于可售時長比較短的商品（比如水果、面包、鮮食），通過精準的銷售預測，來指導備貨，降低報廢率（并不是追求零報廢），節(jié)約成本。

把握銷售機會：對于潛在的銷售機會，比如節(jié)日、活動、天氣變化等，通過銷售預測來指導提前備貨，充分把握銷售機會，最大化銷售額。

指導排產(chǎn)、配送：對于可以做到自產(chǎn)自銷的零售企業(yè)來說，準確的銷售預測，還能夠?qū)㈩A測數(shù)據(jù)倒推到生產(chǎn)、配送環(huán)節(jié)，指導排產(chǎn)、物流。

指導人員配置，優(yōu)化排班：通過分時段的銷售預測，來指導門店進行更為合理的數(shù)據(jù)化排班，最大化地利用人力成本，同時保障客戶消費體驗。

預測顧客需求：通過市場調(diào)查、專家意見等定性預測或基于市場營銷活動做因果模型預測，來預測客戶需求的產(chǎn)品與需求的量，挖掘客戶消費潛力。

衡量業(yè)務：通過對門店縱向與橫向的多指標的定量評估，衡量門店業(yè)務情況，給出指導建議與發(fā)展目標。

評估銷售目標的進度：通過對當前累計銷售額與未來銷售預期的預測分析，評估銷售目標的完成進度與質(zhì)量。有需要的還可以及時調(diào)整銷售目標，做到敏捷運營。

增強客戶體驗：通過進銷存各個環(huán)節(jié)的預測，增強客戶體驗，避免各類因缺貨、延遲交貨、延遲發(fā)貨等情況導致的客戶消費體驗下降的情況發(fā)生。

小結

本文給大家介紹了零售行業(yè)進行需求預測的適用場景及技術方法，以及如何通過需求預測實現(xiàn)價值變現(xiàn)。

下一篇我們將跟大家聊一聊具體實踐中，零售行業(yè)AI預測具體有哪些派別，而觀遠數(shù)據(jù)又是如何來幫助企業(yè)進行需求預測的。敬請關注！