Corea del SurComercio minorista y electrónico2019 – en cursoE-mart
SAIcast: previsión de demanda con IA y pedidos automáticos
En un piloto, las previsiones de la IA de E-mart superaron a los pedidos manuales en 92 de 98 grupos de productos, y 2 tiendas pasaron a pedidos totalmente automáticos
Problema
E-mart explota unos 140 hipermercados, cada uno con más de 70.000 artículos a la venta durante más de 340 días al año. El personal preveía las ventas con 1 semana de antelación a mano, lo que generaba desperdicio, ventas perdidas por roturas de stock y excedentes, sobre todo en las promociones, cuya demanda oscila con las rebajas de duración limitada.
Enfoque
Shinsegae I&C, la filial de TI del grupo, creó SAIcast, un motor de previsión en la nube sobre AWS, entrenado con 2 años de datos de ventas y unas 40 variables. En un piloto de octubre de 2019 en 2 tiendas, con 10.000 productos, superó a las previsiones manuales en 92 de 98 grupos de productos y, tras 1 mes de revisión, esas tiendas pasaron a pedidos automáticos sin intervención humana. En abril de 2020 se probó una segunda versión para artículos en promoción en unas 140 tiendas y unos 50.000 artículos; las previsiones alimentan el sistema de pedidos, que genera los pedidos de cada tienda y almacén.
Cifras clave
Conclusión
E-mart comparó la IA con las previsiones manuales categoría por categoría antes de automatizar los pedidos, y empleó un modelo distinto para los artículos en promoción. La compañía no ha revelado ahorros en desperdicio ni en inventario.
Categorías
- Tamaño
- Gran empresa
- Función empresarial
- Logística y cadena de suministro
- Tipo de innovación
- Innovación de procesos
- Tecnología de IA
- Análisis predictivo y aprendizaje automático
- Adopción
- Desarrollo conjunto con socios
- Respaldo
- Declaración de la propia empresa
Fuentes
Resúmenes de fuentes
Byline Network describe cómo Shinsegae I&C creó y probó SAIcast, a partir de una presentación de Shinsegae I&C y AWS. Informa del piloto de octubre de 2019 en 2 tiendas (10.000 productos, IA mejor en 92 de 98 grupos, error un 18% menor), del paso de esas tiendas a pedidos automáticos y de la prueba de abril de 2020 de un modelo para artículos en promoción en unas 140 tiendas y 50.000 artículos, en la que la IA fue más precisa, con una proporción de 82:18 frente a la previsión manual. También recoge las dudas del sector sobre su viabilidad y su rentabilidad.
Money Today describe SAIcast como una plataforma en la nube que predice las ventas diarias por producto a partir de centenares de variables, como el clima, el precio, las promociones y la estación. Las previsiones pasan al sistema de pedidos, que solicita las cantidades necesarias para cada tienda y almacén. Indica que el sistema redujo el desperdicio, las ventas perdidas por roturas de stock y el exceso de inventario, sin aportar cifras.
La información completa figura en las fuentes originales.