零售商需要最完整細微的資訊，才能瞭解要在哪些商店存放哪些產品，確保為客戶提供服務，並維持店內庫存，讓客戶能在需要時取得產品。Tesco 的菁英供應鏈團隊協助執行機器學習新型預測演算法，管理 3,000 多家商店和 3,000 多萬種產品在 21 天內的狀況。 — Rob Armstrong | Tesco 資料科學總監
需求預測 Walmart 運用 RAPIDS™ 開放原始碼資料處理與機器學習函式庫，已將訓練機器學習演算法的速度提高 20 倍。RAPIDS 以 CUDA-X AI™ 打造並運用 NVIDIA GPU，協助 Walmart 更有效率地將正確的產品運往正確的商店，並可即時回應購物趨勢，進而大量節省庫存成本。 觀看影片：Walmart 如何改善預測 (40:27)
預測客戶回購訂單 消費者的購物行為迅速變化，眾多零售商希望對數百萬件物品與商店的組合執行日常預測，並提高預測準確性。對於零售商來說，透過更快速可靠的預測和最佳化庫存管理來提高供應鏈的敏捷度相當重要。提高敏捷度的其中一種方法就是依據客戶購買記錄預測其回購訂單。 閱讀部落格文章：使用人工智慧開發最準確的零售預測解決方案 (2021 年 3 月)
速食店 (QSR) 當日預測 一間擁有 2,000 多家餐廳的頂尖連鎖餐飲集團，在使用預測模型方法時遇到問題，難以確保產品準備好承接當日訂單。傳統預測引擎不準確、銷售趨勢延遲，且無法解釋外部影響或季節性因素，也無法因應量身打造的模型做出調整。 Quantiphi 透過 NVIDIA GPU 執行深度學習，提供預測引擎，不僅提高超過 20% 的準確度，也支援視覺化、分析、警報和建立控制變數。 觀看影片：Quantiphi 的解決方案如何為速食店進行自動化預測 (19:47)