外部影响带来多重挑战

人工智能正在供应链管理领域快速发展，我们也看到为克服诸多阻碍，人工智能被用于预测需求。

首先，大量数据需被清理才可为零售商所用。即使是最好的预测系统，不良数据也总会对结果造成影响。据估算30%—60%的订单因预测不准确而需要人工干预。

其次，人工智能也被用于理解宣传、竞品活动、新品介绍、气候或其他季节变更等事件造成的影响。

最后，人工智能还可以驱动生鲜及极鲜农产品所需的微妙战略，这些产品的特点是需求不一且最佳食用期限较短。如果不能做出恰当的预测，生鲜产品类别会消耗零售商的净利润。人工智能缓解了库存购置前后不一致、库存过剩（及会导致的减价甩卖问题）及库存不足的问题，并同时优化供应链以避免损耗。

对于供应链面临的挑战而言并没有什么一劳永逸的解决方案，但采用机器学习的好处就在于系统会基于零售商的需求不断学习并完善。人工智能使用的算法也在不断学习，这样供应链经理就可通过实时的可视化数据与每日的预测应付突发的需求波动。

基于人工智能的需求预测使用了机器学习，且基于这样的理念，机器可以通过我们提交到机器的数据自主学习。就预测而言，这意味着机器学习的算法可自动检测各种模式并在大批量数据中找到关联，而这些是人力无法实现或是耗时巨大的。人工智能可通过深度学习推理并掌握大局，这样系统就可以给我们推荐该采取什么措施。机器学习告诉你某件事为什么会发生，而深度学习告诉你应该如何应对。

因此，更加智能化的供应链应该不再让供应链专业人员进行人工干预，人工干预环节也许会出错，而应该让他们从事战略层面的工作。

人工智能将数据转变为竞争优势

随着渠道的整合与新形式的兴起，了解客户需求并为每个实体门店或电子商铺做好预测是至关重要的——当今的许多系统均已过时，且无法理解当下复杂的消费者行为，因此让零售商采用技术以最优的效率处理数据就变得尤为重要。人工智能系统的功能就好比自动化数据科学家，拥有全新的信息、警觉与见解，因此零售商无需斥巨资组建数据科学家团队。

机器学习算法是自动化的，它们可以大规模分析全部数据，而不局限于部分数据，因此可以释放巨大的商业智能。数据显示，有52%的零售供应链高管表示，他们花费了太多的时间用在数据分析上，而人工智能与机器学习解决方案则解决了这个问题。

现在，基于人工智能与机器学习的预测对于大小零售商来说都已经成为现实，尤其是那些需进货极鲜食品与预制食品的食品杂货供应商。库存计划不合理会严重影响零售商的物流，且多渠道零售会让事情复杂化。从端到端的视角看待供应链有利于及时补足库存与提高效率，而人工智能可以通过分析各种需求模式来提来提供这种视角。