Analyse prédictive pour la prévision de la demande

Grâce à l’IA et à l’analyse prédictive, les détaillants peuvent optimiser la prévision de la demande et la gestion des stocks. La prévision de la demande est un processus qui s’appuie sur différentes sources de données pour s’assurer que les produits adéquats sont disponibles dans le bon magasin, au bon moment. En augmentant la précision, les détaillants peuvent optimiser la chaîne d’approvisionnement et influer significativement sur leurs résultats.

Les détaillants doivent être en mesure de comprendre quels produits mettre en stock dans quels magasins au niveau de détail adéquat pour s’assurer que leurs clients sont servis et que les produits sont disponibles en rayon, afin que les clients puissent les acheter quand ils le souhaitent. La talentueuse équipe de la chaîne d’approvisionnement de Tesco a contribué à la mise en œuvre de nouveaux algorithmes de prévision basés sur l’apprentissage automatique, qui offrent la possibilité de gérer plus de 3 000 magasins et plus de 30 millions de produits sur une période de 21 jours.

— Rob Armstrong, directeur de la science des données, Tesco

Prévision de la demande

Walmart a entraîné ses algorithmes d’apprentissage automatique 20 fois plus rapidement grâce aux bibliothèques open-source NVIDIA RAPIDS pour le traitement des données et l’apprentissage automatique. Basée sur CUDA-X AI et les GPU NVIDIA, la technologie RAPIDS a permis à Walmart de proposer plus efficacement les bons produits dans les bons magasins, de réagir en temps réel aux tendances d’achat et de réaliser des économies d’échelle en termes de gestion des stocks.

Prévision des routines de commande

Les comportements d’achat des consommateurs changent rapidement, c’est pourquoi de plus en plus de détaillants souhaitent exécuter des prévisions quotidiennes sur des millions de combinaisons d’articles en magasins tout en bénéficiant d’une précision accrue. Les détaillants se doivent d’accroître l’agilité de leurs chaînes d’approvisionnement avec des prévisions plus rapides et plus fiables afin d’optimiser la gestion des stocks. Une façon d’accroître cette l’agilité consiste à prédire les réapprovisionnements en fonction de l’historique d’achat des clients.

Prévisions quotidiennes pour les établissements de restauration rapide (QSR)

Une chaîne de restaurants de premier plan comptant plus de 2 000 établissements éprouvait des difficultés dans son approche de modélisation des prévisions visant à assurer l’approvisionnement en produits pour les commandes au jour le jour. Son ancien moteur de prévision était imprécis, indiquait des tendances de ventes avec du retard, ne prenait pas en compte les influences externes ni la saisonnalité et n’était pas adapté aux modèles sur mesure. 

Quantiphi lui a fourni un moteur de prévision tirant parti du Deep Learning via des GPU NVIDIA. Ce moteur a augmenté la précision de plus de 20 %, tout en permettant la mise en œuvre de la visualisation, de l’analyse et des alertes, mais aussi la mise en place de variables de contrôle.

Inscrivez-vous pour recevoir les dernières actualités de NVIDIA sur l'industrie de la vente au détail.