Nel blog Ibm Sterling, l’offerta di soluzioni intelligenti per la supply chain dell’azienda di Armonk, Ibm ha condiviso una riflessione sui tre modi in cui l’intelligenza artificiale può aiutare a risolvere le sfide della gestione dell’inventario.
La gestione dell’inventario, è la premessa di Ibm, è diventata sempre più complessa a causa dell’accesso alle informazioni su scala globale. Ibm cita Forrester, secondo cui l’omnichannel fulfillment è una priorità alta o assoluta per il 94% dei retailer.
Per gestire efficacemente i costi e le esigenze degli acquirenti, le aziende devono affrontare il problema di base del tracciamento delle quantità di domanda e offerta, sia nelle sedi fisiche che nei siti di e-commerce, per garantire che il tutto sia sincronizzato: questo costituisce un network molto più ampio di quello per cui sono stati progettati i tradizionali sistemi di gestione dell’inventario.
Per Ibm, esiste una chiara necessità di interagire con l’inventario, dal punto di vista aziendale, in tre modi. In primo luogo, affrontando il problema delle informazioni inesatte o nascoste, poiché c’è l’esigenza di monitorare costantemente i livelli di offerta, domanda e inventario, per identificare potenziali carenze o inventario fermo. Il secondo modo, è essere in grado di agire in tempo reale. Infine, applicare insight di intelligenza artificiale per l’ottimizzazione dell’inventario e rimuovere i processi manuali.
Vediamo quindi quali sono le tre indicazioni di Ibm su come l’intelligenza artificiale può aiutare nella gestione dell’inventario.
1. Pianificazione dell’inventory replenishment
Il forecast dell’adempimento (fulfillment) è particolarmente difficile nel prevedere la domanda, anche più dell’offerta. Al fine di prevedere l’allocazione, la scienza dei dati è un’applicazione acritica nei confronti della domanda e dell’offerta storiche, perché vi sono incertezze e anomalie associate a ciascun data set. Le anomalie provengono da entrambi, i dati di domanda e di offerta, poiché ci saranno fluttuazioni inattese in ciascuno di essi. Questo modello incentrato sul comportamento del cliente deve considerare non solo dove, ma anche come e quando le persone vogliono ricevere i loro prodotti, sottolinea Ibm.
Applicando l’intelligenza artificiale, le soluzioni di gestione dell’inventario possono migliorare i livelli di inventario dello store analizzando le scelte di evasione dei consumatori e i comportamenti di acquisto.
2. Tempo previsto di arrivo
Conoscere la quantità e la posizione dell’inventario con disponibilità effettiva (Available to Promise) e dove esso risiede, è fondamentale per le aziende, per soddisfare e superare le aspettative dei clienti. Essere in grado di comunicare ai clienti il tempo previsto per l’arrivo di un prodotto è sempre più prezioso e necessario in questa era altamente competitiva, con aziende come Amazon che possono offrire finestre di consegna garantite.
Ci sono innumerevoli input, sostiene Ibm, per migliorare l’accuratezza di questi modelli e i retailer devono essere in grado di simulare e approfondire il modo in cui ogni calcolo è stato sviluppato. Ciò contribuirà a garantire che ogni decisione di adempimento sia allineata con le priorità dell’azienda, indipendentemente dal costo o dal tempo.
3. Gestione delle scorte di sicurezza
Le aziende hanno storicamente impostato una quantità o una percentuale statica per i loro livelli di inventario. Ciò significa definire un minimo che è riservato per le vendite walk-in e che non è preso in considerazione nel commercio elettronico o in altri canali di adempimento.
Con le aspettative dei consumatori in continua evoluzione di oggi, oltre agli engagement omni-canale, non è più sufficiente utilizzare informazioni generalizzate. I livelli di stock devono reagire dinamicamente alla domanda in entrata. Con il riequilibrio automatico, la fedeltà al marchio compromessa da un inventario disponibile per i clienti ma che non può essere consegnato, o, al contrario, la paura di overselling e quindi acquistare troppo e lasciare fermo il denaro, diventano due enormi problemi che possono essere affrontati.
Le aziende possono ad esempio utilizzare regole predittive basate sull’intelligenza artificiale per l’inventario in negozio e in magazzino, andando oltre l’approvvigionamento lineare e basato su regole statiche, per soddisfare sia le esigenze stagionali dei clienti e sia quelle relative ai margini.
In sintesi, secondo Ibm, per raggiungere risultati omni-channel redditizi, i retailer hanno bisogno di funzionalità in grado di bilanciare in modo intelligente i costi di adempimento con quelli del servizio, per migliorare sia il ritorno sugli investimenti che la customer experience e incrementare l’acquisto ripetuto e la lealtà alla marca.
