南韓零售與電子商務2019 – 進行中E-mart
SAIcast AI需求預測與自動訂貨
E-mart的AI預測在試辦中於98個商品群中的92個勝過人工訂貨，2家門市改採全自動訂貨
問題
E-mart經營約140家大賣場，每家販售逾7萬項商品，每年營業逾340天。員工以人工預測未來1週的銷量，導致浪費，並出現缺貨造成的銷售損失與庫存過剩，限時降價使需求大幅波動的促銷品尤其如此。
做法
集團旗下資訊科技子公司Shinsegae I&C建置了SAIcast，這是一套架設在AWS上的雲端預測引擎，以2年的銷售資料和約40項變數訓練而成。2019年10月在2家門市、涵蓋1萬項商品的試辦中，該引擎在98個商品群中的92個勝過人工預測，經過1個月的檢視後，這2家門市改採無需人工介入的自動訂貨。第二版針對促銷品，於2020年4月在約140家門市、約5萬項商品上測試；預測結果輸入訂貨系統，由該系統為每家門市與倉庫下單。
主要數據
啟示
E-mart在將訂貨自動化之前，逐一品類比較AI與人工預測，並為促銷品另行使用一套模型。公司未公布浪費或庫存的節省情形。
分類
來源
來源摘要
Byline Network依據Shinsegae I&C與AWS的簡報，說明Shinsegae I&C如何建置並測試SAIcast。報導指出2019年10月的2家門市試辦（1萬項商品，98個商品群中AI在92個表現較佳，誤差低18%）、這些門市改採自動訂貨，以及2020年4月在約140家門市、5萬項商品上測試促銷品模型，結果AI較準確的比例為82比18。報導也提到現場人員對其可行性與成本效益的疑慮。
Money Today將SAIcast介紹為一個雲端平台，依天氣、價格、促銷與季節等數百項變數，預測每項商品的每日銷量。預測結果傳給訂貨系統，由系統為每家門市與倉庫訂購所需數量。報導稱該系統減少了浪費、缺貨造成的銷售損失與庫存過剩，但未提供數字。
詳細內容請參閱原始資料。