人工智慧應用於零售業供應鏈之發展分析
發佈日期:2017/10/8 | 類別:資訊電子產業 | 點閱次數:141

隨著人工智慧技術的演進與普及,人工智慧落實於各產業、朝向智慧應用發展趨勢明確,全球各大零售業者亦積極朝智慧零售應用布局。智慧零售應用不僅優化消費者購物體驗,對零售業者而言,改善傳統零售業者面臨上、下游資訊不對稱,而造成供應鏈負擔的困境,亦為零售業者朝智慧化發展的動力。
隨著人工智慧技術的演進與普及,人工智慧落實於各產業、朝向智慧應用發展趨勢明確,全球各大零售業者亦積極朝智慧零售應用布局。智慧零售應用不僅優化消費者購物體驗,對零售業者而言,改善傳統零售業者面臨上、下游資訊不對稱,而造成供應鏈負擔的困境,亦為零售業者朝智慧化發展的動力。
 
零售業者發展智慧供應鏈,可針對商品決策、動態訂價、庫存管理、倉儲、物流管理等流程進行優化,提高供應鏈運作效率及降低成本,主要是透過人工智慧中的推論與決策核心技術,建構各環節應用情境後,再收集各情境所需要的數據資料後進行分析與推論,進而提出各環節決策建議。
 
然而,實際所面對的環境相對複雜且資訊量相當大,常會面臨多問題的決策,例如:商品A獨立販售、商品A與商品B的組合或商品A與商品C的組合等,何種商品販售較能吸引消費者?同時,亦須考量各組合的訂價,是否具吸引力的同時又不會影響利潤。因此,為了讓系統在進行推論、決策時,能夠具備如人類大腦舉一反三的能力,推論與決策技術中的多任務學習(MULTI-TASK LEARNING)將可強化系統在進行決策建議時,能有像人類一樣的靈活思考能力。
 
要建構精準的預測模型,人工智慧的機器學習扮演關鍵角色,尤其是面對快速多變、競爭激烈的零售市場,影響因子多元、數據量也龐大,因此透過機器學習,可讓系統在每一次的學習過程中,逐步建構更精準的預測模型。不過,在不同情境中要做不同的決策,則會有不同的影響因子,因此首要建構特徵及模型參數,再透過大量的數據資料,讓系統在學習中優化演算法。
 
為了強化特徵建構與模型參數判斷的精準度,可藉深度學習技術,讓系統具備自主判斷能力,在每次不同樣本組合的學習、模擬過程中,自行找出特徵並歸納合適的影響因子,進而建構更精準的預測模型。而在智慧供應鏈的應用中,包含商品決策、動態訂價、庫存管理、倉儲、物流管理等部分,均可透過深度學習,強化預測模型的精準度,完成更具有價值的推論與決策。
 
針對商品決策、動態訂價、庫存控管等決策建議,模型參數往往會加入輿情討論的資訊,能夠更準確且即時掌握市場反應,以作為訂價、商品採購的參考,而輿情資料分析則需要自然語言處理技術,包含文章、留言等輿情資料進行正負評理解,甚至分析語句背後的情緒、判斷市場的偏好,以此作為商品決策、訂價或是個人化行銷服務等參考資料。
 
倉儲作業的流暢度為影響出貨效率的關鍵,許多業者已將機器人導入倉儲中心,透過人機協作或是機器間協作,完成揀貨流程,而人機協作或是機器間協作,或是透過智慧無人載具完成物流運送,均需要藉由移動與控制技術,在最有效率的情況下完成。
 
零售業型態相當多元,包含線上、線下零售,而線下零售又可分為百貨、賣場、超市、便利商店等,而不同型態的零售業所面對的消費者購買情境、供應鏈應用情境皆不同,不僅如此,供應鏈中各環節流程及運作關鍵亦不相同。
 
面對不同的應用情境,系統模型設計也大不相同,智慧供應鏈的發展核心在於人工智慧扮演的角色,因此建立完整的應用情境以及縝密的演算法,提高模型的學習能力,進而讓模型能在每個複雜的環節中,經過訓練學習,逐步提高其預測準確度。
 
例如:京東商城人工智慧事業部對於其預測系統演算流程,包括特徵建構、選擇,而模型參數設定與訓練為影響模型預測準確度的關鍵,尤其是模型參數設定,合適的參數可提高模型的準確度,因為需要對不同的參數組合分別進行模型訓練和預測,特別是針對較複雜的情境,也需要建立較複雜的模型,因此訓練測試階段往往需要耗費相當多資源。
 
此外,若預測系統僅應用機器學習技術,而未導入深度學習技術,在特徵建構、選擇、模型參數設定上,則需要由人為判定影響參數,再讓系統針對指定的目標蒐集數據。而為提高預測的精準度,藉由深度學習可讓系統具備自我學習能力,在非常大量參數數據中,自行歸納出該模型中最關鍵的影響參數。
 
因此,對零售業者而言,發展智慧供應鏈除需要投入硬體基礎設備外,對於各應用場景模型的建立與訓練,更需要投入大量資源,以及選擇更精準的技術應用,以提高預測的準確度,並提供具參考價值的決策建議,協助業者提高經營效率。
 
(本文刊登於2017/10/08 工商時報 A9版)

本文作者

張俐婷  產業分析師
領域:智慧穿戴、健康照護
簡歷:
專業於智慧穿戴及健康照護之研究,包括應用趨勢與廠商分析等。目前參與「台灣產業政策前瞻研究計畫」之政策專案研究。曾參與桌上型電腦、主機板與平板電腦產業之研究,並執行經濟部委託「資訊產業應用躍進計畫」。具五年以上產業暨研究經驗。 曾任拓墣產業研究所專案研究員,負責執行經濟部委託之專案研究;以及國內AIO PC代工廠英冠達科技股份有限公司,專職產品行銷。國立中興大學應用經濟研究所碩士。
熱門點選
  1.   2017年IoT相關sensor發展趨勢
  2.   網紅經濟下國際直播平台營運模式分析
  3.   5G World 2017之重點觀察
  4.   Apple臉部辨識技術布局及產品開發動向分...
  5.   Amazon經營現況與財務分析
相關研究