In che modo l'intelligenza artificiale predittiva supporta le decisioni cruciali nel settore della vendita al dettaglio?

Punti chiave

- L'intelligenza artificiale predittiva garantisce la redditività del settore retail andando oltre l'automazione operativa quotidiana ed elaborando enormi volumi di dati storici e in tempo reale a supporto di decisioni cruciali in materia di inventario e merchandising.

- L'IA agente e l'IA predittiva svolgono ruoli distinti: l'IA agente automatizza le attività e i flussi di lavoro quotidiani di back-office, mentre l'IA predittiva risolve la volatilità dei margini su larga scala eliminando le congetture manuali basate su fogli di calcolo.

- La corretta gestione dei dati è un requisito fondamentale per costruire una catena di approvvigionamento predittiva in grado di ricalibrarsi automaticamente in caso di interruzioni impreviste, anziché ricorrere a soluzioni manuali.

Un singolo ordine promozionale calcolato male o un'improvvisa carenza di scorte durante le festività possono far crollare i margini di profitto del settore retail più velocemente di quasi qualsiasi altra cosa. Quando arriva il lunedì mattina, i team si ritrovano a dover svalutare le scorte in eccesso o a dover gestire freneticamente le chiamate di emergenza dei fornitori.

Gestire questo tipo di volatilità richiede una solida disciplina operativa. Per questo il Wall Street Journal ha classificato Zebra Technologies tra le prime 10 aziende al mondo per la preparazione all'intelligenza artificiale .

Le classifiche di settore non gestiscono centri di distribuzione o casse. La vera domanda che i leader del settore retail stanno ponendo ora è semplice: come possiamo trasformare la predisposizione all'intelligenza artificiale in una reale protezione del margine lordo o addirittura in un miglioramento del margine lordo?

Quali sono i diversi tipi di intelligenza artificiale? Offrono curve di valore differenti?

Nel recente sondaggio con i dirigenti del settore retail, è stato notato un errore comune: considerare l'intelligenza artificiale come un unico grande contenitore. Quando le aziende agiscono in questo modo, finiscono solitamente per automatizzare attività di back-office di minore importanza, lasciando le decisioni più importanti, che ammontano a milioni di dollari, all'intuito e a vecchi fogli di calcolo.

Non tutte le IA svolgono la stessa funzione e tracciare confini netti tra di esse cambia il modo in cui si investe. Si è avuto modo di constatarlo in prima persona nella recente chiacchierata con Floor & Decor e il suo Chief Enterprise Architect, Anees Haidri.

In Floor & Decor, il team analizza l'intelligenza artificiale attraverso due prospettive distinte: l'IA agentiva e l'IA predittiva.

L'IA agentiva gestisce gli attriti operativi immediati. È ottima per automatizzare i flussi di lavoro, instradare le attività in prima linea e velocizzare il lavoro amministrativo quotidiano. L'IA predittiva, invece, è progettata per problemi di portata completamente diversa.

Come ha affermato Haidri: "Ogni giorno i rivenditori prendono una serie di decisioni importanti che possono generare forti oscillazioni nelle prestazioni. L'intelligenza artificiale predittiva è ideale per fornire supporto in questi ambiti."

Raggruppare i due aspetti rende quasi impossibile misurare il ROI o stabilire priorità chiare. Quando si separa l'automazione operativa dal supporto decisionale predittivo, la strategia diventa molto più precisa.

Come possono i rivenditori combattere la "stanchezza da agenda"?

La pianificazione del retail è ormai diventata troppo complessa per essere gestita manualmente con i fogli di calcolo. Tra la gestione omnicanale, gli eventi meteorologici imprevedibili, la flessibilità delle promozioni e gli improvvisi cambiamenti nella domanda dei consumatori, nessun singolo pianificatore umano è in grado di calcolare manualmente milioni di combinazioni possibili tra centinaia di negozi e migliaia di referenze.

Quando i pianificatori sono sommersi da calcoli su fogli di calcolo, il bias di conferma si insinua inevitabilmente. Peggio ancora, quando le forti oscillazioni del mercato ribaltano quelle previsioni manuali, la colpa ricade sui pianificatori stessi.

L'intelligenza artificiale predittiva cambia questa dinamica. Non sostituisce il pianificatore, bensì elabora enormi quantità di dati storici e in tempo reale per fornire una base di riferimento oggettiva e matematicamente fondata.

Una volta eliminati i calcoli ripetitivi, i pianificatori possono finalmente tornare a fare ciò che sanno fare meglio: valutare i compromessi, gestire i rapporti con i fornitori e applicare un giudizio strategico in materia di merchandising.

Come si possono collegare i segnali di domanda al conto economico?

Naturalmente, una previsione più accurata sullo schermo è utile solo se si traduce in merce effettivamente movimentata nei centri di distribuzione e sugli scaffali dei negozi. Affinché l'intelligenza predittiva sia davvero efficace, deve essere direttamente collegata all'operatività in negozio. Ed è qui che entra in gioco Zebra Workcloud Demand Forecasting and Analysis.

Nella maggior parte delle aziende del settore retail, l'e-commerce, la gestione dei punti vendita e il merchandising spesso pianificano le vendite sulla base di dati completamente diversi. Workcloud aggrega i segnali di domanda frammentati provenienti dai punti vendita, dagli ordini online e dalle consegne dirette ai negozi, fornendo una visione unica e condivisa della domanda totale dei consumatori.

Invece di attendere i lenti cicli di revisione mensili, i team possono:

• Separare le tendenze reali della domanda dalle fluttuazioni di breve periodo, in modo da evitare reazioni eccessive a picchi occasionali.
• Assegnare le scorte esattamente ai punti vendita in cui la domanda è in aumento, riducendo i trasferimenti di emergenza, le rotture di stock e gli sconti che compromettono i margini di profitto.
• Passaggio a un rifornimento attivato da eventi che si adatta dinamicamente al variare delle condizioni del mondo reale

Come si costruiscono catene di approvvigionamento che si piegano, non si spezzano?

L'adozione di strumenti predittivi richiede un lavoro operativo di base. La pulizia dei dati è imprescindibile. Se si forniscono dati disordinati a un algoritmo, si otterranno sempre previsioni errate.

Se basata su dati puliti e integrata con i sistemi ERP principali, l'analisi predittiva cambia il modo in cui la tua azienda gestisce le interruzioni. Quando si verificano intoppi imprevisti nella catena di approvvigionamento o cali della domanda, una supply chain predittiva può adattarsi e ricalibrarsi automaticamente, anziché sfociare in caotiche riunioni operative e soluzioni manuali di emergenza.

Il risultato strategico

L'IA agente può contribuire a semplificare i processi quotidiani, ma è l'IA predittiva che garantisce la redditività dell'azienda.

Se i vostri team di pianificazione sono ancora alle prese con fogli di calcolo e sistemi scollegati tra loro, sono costretti a fare supposizioni sulla domanda dei clienti anziché gestirla strategicamente. È tempo di sostituire le congetture manuali con un sistema di previsione della domanda appositamente progettato, proteggendo così i margini, potenziando i pianificatori e fornendo alle aziende la chiarezza necessaria per avere successo in un mercato imprevedibile.