AI가 부패하기 쉬운 식품 예측을 바꾸는 방법

진정한 수요를 예측하는 것은 항상 어려운 일이며 신선하고 부패하기 쉬운 범주에서 운영되는 식품 회사의 경우 특히 어렵습니다. 동시에 업스트림 공급망 계획 및 실행, 식품 및 재정 낭비 감소를 위해서는 정확한 예측이 필수적입니다.

COVID-19 대유행과 같은 시장 불일치 시기에 대부분의 예측가들은 진실을 파악한 채 일반적인 수요 패턴과 공황 구매, 카테고리 부족 및 물류 복잡성의 영향 사이의 균형을 맞추려고 노력했습니다.

"정상적인" 시장 상황에서도 단일 소비 중심 예측에 대한 조정 및 가시성이 없으면 업스트림 공급업체(소매업체, 도매업체 및 생산자)가 자체적으로 격리된 예측을 생성해야 합니다.

예측이 독립적으로 생성되면 각 예측은 주문 내역, 패턴, 가격 변동 및 체인의 직접적인 다운스트림 파트너의 입력에 대한 실제 또는 인지된 가용성만 반영하기 때문에 편향, 오류 및 안전 재고가 복잡해집니다.

실제 소비자 수요의 플러스 또는 마이너스 5% 변화가 어느 방향으로든 최대 40%까지 업스트림 공급업체에 영향을 미치는 이러한 채찍 효과는 최상의 시간에도 일관되게 정확한 재고를 유지하는 것이 어렵다는 것을 의미합니다. 오늘날 대유행 중에는 불가능합니다.

약속이 여기 있습니다

공급망 전반에 걸쳐 파트너를 연결하기 위해 기술을 사용하는 것은 새로운 것이 아니지만 지난 10년 동안 기대만큼 효과적이지 않았습니다.

그러나 우리는 기술을 사용하여 수많은 수요 신호를 효율적으로 통합하는 능력에서 새로운 전환점에 도달했습니다. 빅 데이터 분석 플랫폼, 인공 지능(AI), 기계 학습 및 애자일 예측 모델은 모두 훨씬 더 안정적인 예측을 생성하는 데 중요한 역할을 합니다. 마지막으로 이러한 기술을 활용하는 도구가 입증되고 있으며 공급망 전체를 살펴보고 이전에는 불가능했던 방식으로 모든 데이터를 사용할 수 있게 되었습니다.

AI 기반 수요 예측 플랫폼은 많은 기존 수요 플랫폼과 같은 과거 판매 모델링에 의존하지 않습니다. 대신 동적 수요 영향 요인, 알고리즘, 실시간 데이터 및 클라우드 기술을 사용하여 행동과 추세를 정확하게 예측합니다.

예를 들어, 잠재고객 인구통계 및 라이프스타일 동향, 쇼핑 패턴, 날씨 이벤트, 무역 관세 및 소매업체 마케팅 이니셔티브는 모두 구매자 행동과 수요 정확성에 중대한 영향을 미칩니다. 그러나 이 데이터는 일반적으로 연결이 끊긴 여러 저장소에 있습니다.

알고리즘과 예측 분석을 사용하는 AI 및 머신 러닝 기반 수요 예측 플랫폼은 위치에 관계없이 방대한 양의 데이터를 분석합니다. 이 기술은 소비자 수요에 영향을 미치는 가장 관련성이 높은 요소를 자동으로 식별하고 수요 및 구매자 행동의 변화를 미리 예측하고 지불 거절을 줄이고 미래 수요에 대한 편향되지 않은 확률론적 예측을 제공할 수 있습니다.

이 모든 데이터의 잠재력을 활용하면 수요를 보다 정확하게 예측할 수 있을 뿐만 아니라 재고 관리에 대한 총체적인 접근 방식을 지원할 수 있습니다. 예측 정확도에 대한 신뢰도가 높아짐에 따라 초기 재고 잔고를 더 낮은 수준으로 유지할 수 있으며 여전히 고객 요구 사항을 충족할 수 있습니다.

또한 AI와 머신 러닝은 입력을 매우 빠르게 처리할 수 있기 때문에 여전히 의미 있는 인사이트가 제공됩니다. 신선하거나 부패하기 쉬운 품목 및 파트너 또는 소비자 요구의 변화하는 수요 또는 가용성을 충족하기 위해 조치를 취할 수 있습니다. 예를 들어, 팬데믹 기간 동안 신선 농산물과 육류 공급업체가 더 빠르게 재포장하고 배달을 식당 도매 유통에서 소비자 식료품 매장으로 이동할 수 있었더라면 어땠을까요?

연합 신선 농산물 협회(United Fresh Produce Association)는 COVID-19 발생 기간 동안 전체 농산물 산업이 매출의 최소 40%를 잃을 것으로 추정했습니다. 그리고 이 모든 것이 소비자 식료품이나 소매로 이동할 수 있는 것은 아니지만 경쟁사보다 더 빨리 전환할 수 있는 브랜드는 더 많은 수익과 일자리를 보호할 수 있습니다.

스마트 기술

AI 기반 예측 플랫폼은 여러 알고리즘을 적용하여 시스템의 각 제품 또는 SKU에 대해 가장 관련성이 높은 메트릭을 자동으로 결정합니다. 여러 스프레드시트에서 경쟁 데이터를 수집, 업데이트, 통합 및 조정하는 데 소요되는 시간이 제거되어 예측 전문가가 수요를 최적화하고 마케팅과 같은 다른 부서와 협력하여 새로운 수익원을 찾는 데 시간을 할애할 수 있습니다. 단일 소스에서 운영되는 부서 및 외부 파트너 간의 협업 가치는 과소평가될 수 없습니다.

AI 기반 모델을 사용한 결과는 매력적입니다. Nounós Creamery는 최근 수요 예측을 자동화하고 예측에 소요되는 시간을 매주 2시간에서 10분으로 줄이기 위해 이러한 도구를 사용했습니다. Nounós의 리더는 실제 통찰력이 부족하여 좌절했으며 회계 소프트웨어와 재고 관리 시스템의 데이터를 수동으로 비교하여 귀중한 시간과 돈을 낭비하고 있었습니다. 이 프로세스는 회사에서 얼마나 많은 요구르트를 제조해야 하는지, 어떤 맛을 우선적으로 고려해야 하는지에 대한 막연한 감각만 제공했습니다.

Nounós는 모든 관련 소스에서 데이터를 가져오고 알고리즘에 의존하여 예측 권장 사항을 만들 수 있었습니다. 예측이 매우 정확하여 회사는 과잉 생산을 거의 즉시 40%까지 감소시켜 제품 손실로 인한 상당한 수익을 절약했습니다. 또한 Nounós는 각 맛에 대한 실제 예상 수요를 예측하여 제조 공정의 효율성을 높일 수 있었습니다.

수요 예측에 대한 이 새로운 접근 방식은 재정적 이유뿐 아니라 확장성이 뛰어나기 때문에 채택이 증가하고 있습니다. 대형 다국적 브랜드의 경우와 마찬가지로 특수 식품 브랜드의 경우에도 잘 작동합니다. 소비자 주도 수요 예측은 계속됩니다. 최신 분석 및 기술을 사용하면 채찍 효과를 길들이고 정확한 시점에 수요를 충족할 수 있는 엄청난 기회를 얻을 수 있습니다.

Are Traasdahl은 Crisp의 공동 창립자이자 CEO입니다.