新しい小売トレンドにおけるビッグデータと人工知能の応用は何でしょうか?

2018年は新しい小売業が爆発的に増加した年でした。誰もがそれを実感したと思います。以前よりもコンビニエンスストアの数が大幅に増え、ほぼどこでも見かけるようになりました。スーパーマーケットには1、2か月行っていないような気がします。携帯電話で食料品や日用品を注文すると、翌朝誰かが玄関まで届けてくれます。街中では時折、新しい小売業の形態を目にすることもあります。しかし、通りには閑散とした店が多く、客も少なく、しばらくすると閉店してしまうこともよくあります。そこから、生き残ることの残酷さを感じます。

小売企業にとって、その中核となる競争力は「売上を増やしてコストを抑える」、つまり収益を増やして支出を減らすことにあります。新しい小売企業の発展は、収益の増加とコストの削減の両方において、ますます多くの新技術の実装と新技術の継続的な適用から恩恵を受けています。

ここでは、新しい小売業界におけるビッグデータと人工知能の主な応用例をいくつか紹介します。ぜひご活用ください。

1. 操作

1. 会員管理

会員運営は、新興小売企業にとって非常に重要な仕事です。運営をうまく行うための前提条件は、会員を効果的に理解することです。会員運営は、会員タグに基づいています。

基本メンバータグと高度なタグがあります。高度なタグは、アルゴリズム モデルを構築することによって計算されます。使用される主なアルゴリズム モデルは次のとおりです。

• 価値グループ化、行動グループ化、ライフサイクルグループ化などを含むメンバーグループ化。
• メンバー離脱警告: 結果から離脱したメンバーや休眠メンバーを除外し、離脱回復、休眠覚醒、その他の活動戦略を通じてこれらのメンバーを活性化します。
• ショッピングの好み、カテゴリーの好み、ブランドの好み、価格の好み、購入時間の好みなどを含むメンバーの好みの評価。
• 購入傾向予測は、会員が将来特定の商品やカテゴリーを購入する可能性を予測するもので、特定の商品の潜在的なターゲット顧客を選別するために使用できます。
• 到着時間予測: メンバーが次に店舗を訪問したり購入したりする時間を予測します。これは VIP 店舗到着リマインダーに使用できます。
• 繰り返し購入予測: メンバーが特定の商品またはカテゴリを定期的に繰り返し購入するパターンがあるかどうかを分析し、これを使用してメンバーが次に店舗を訪問する時期と購入する可能性が高い商品を判断します。
• 会員の忠誠心: 忠誠心の高い会員は会社にとって質の高い会員であり、維持する必要があります。
• メンバーの安定性はメンバーの消費行動の安定性を反映します。不安定なメンバーは維持する必要があります。
• 会員の購買力。会員の全体的な購買力と、会員の単一カテゴリーの購買力（つまり、会員が購入する傾向にある商品の価格帯）が含まれます。

2. 活動サークルの人々

プロモーションを開始する際には、イベントを慎重に設計することに加えて、ターゲット顧客グループを特定する必要もあります。このとき、内部データと外部データを組み合わせてメンバーを正確に特徴付け、多次元で詳細かつ洗練されたラベリング システムを形成する必要があります。

3. オンライン操作

ニューリテールの特徴の 1 つは、オンラインとオフラインの統合です。オンラインで顧客にリーチし、オフラインでショッピングを体験し、オンラインでクーポンを集め、オフラインの店舗で割引を受け、オンラインで注文し、オフラインで商品を受け取ります。オンラインでは、新興小売企業は一般的に、WeChatパブリックアカウント、WeChatグループ（現在人気のソーシャルマーケティングなど）、オンラインショッピングモール（ミニプログラム、アプリ、自作ショッピングモールなど）、サードパーティの生活サービスプラットフォーム（MeituanやEle.meなど）などのチャネルとツールを持っています。

製品の推奨事項

会員の基本属性、消費、閲覧、検索、イベント参加などの情報に基づいてユーザーの消費嗜好を分析し、さまざまなシナリオやタイミングで会員に適した商品を推奨します。

例えば、会員がサンタ帽の商品詳細ページを閲覧すると、クリスマスツリー、クリスマスストッキング、クリスマスアップルなどのクリスマス関連商品が推奨されます。また、会員がショッピングカートページにアクセスし、ショッピングカートにすでに粉ミルクが入っている場合は、ベビー用品（おしゃぶり、哺乳瓶など）に関連する商品が推奨されます。

ウェブサイトの最適化

オンラインショッピングモールの場合、埋め込みによって各会員/訪問者の詳細なページ閲覧データを取得できます。このデータに基づいて、会員/訪問者がどのページから入ってきたか、どのページを閲覧したか、どのくらい滞在したか、閲覧、クリック、収集したかどうか、最終的にどのページから飛び出したかを知ることができます。このようなデータに基づいて、ファネル分析や閲覧軌跡分析を実行して、Web サイト内の特定の主要パスのコンバージョン率を分析し、プロセス全体の設計が合理的かどうか、各ステップの長所と短所、最適化の余地があるかどうかなどを判断し、ページ設計を継続的に最適化してユーザー エクスペリエンスを向上させることができます。

2. 商品・購買

1. 賢い製品選択

新しい小売時代では、商品の選択が非常に重要です。

新しい小売業は基本的にオンラインとオフラインで同じ価格を実現しているため、クローラー技術を使用して、店舗があるビジネス地区の競合製品に関する情報（製品のタイトル、ブランド、原産地、属性、価格、売上、活動など）を取得できます。この情報から、次のことがわかります。

• 現在のカテゴリ構造と競合他社の分布はどのようなものですか? 各カテゴリで販売されている製品の数はどれくらいですか?
• 競合他社のどの製品がよく売れていて、その特徴は何ですか？（これはビジネス街の人々の買い物の好みを反映しています）
• 「私も持っていて、彼も持っている」製品はどれですか? 店舗で販売されている製品に最も類似した競合製品を見つけて、これらの製品の現在の価格が自分の価格よりも安いかどうか、またどれくらい安いかを確認します。
• 競合他社が最近発売した製品はどれですか。また、棚から撤去された製品はどれですか。

同時に、ビジネス地区の顧客フローの特性と顧客の興味の変化の特徴を組み合わせることで、スマートな商品選択は、効果的なカテゴリ提案、単一商品提案、動的価格設定サポートを提供し、商品部門または購買部門が現時点で「何を販売し、何を販売せず、どれだけ販売するか」を決定するのに役立ちます。

2. 正確な価格設定

ビッグデータとアルゴリズムに基づいた商品の「インテリジェントな」価格設定は、動的価格設定戦略です。価格を軸に、商品の価格弾力性に基づき、市場競争環境と組み合わせることで、商品に最も適した競争力のある動的価格設定戦略をカスタマイズします。

3. 店舗

1. 顧客フロー分析/トラフィック分析

カメラビデオ監視技術により、店舗に入る、店舗を出る、店舗の外にいる顧客の顔画像がリアルタイムで撮影され、顔認識アルゴリズムを使用して顔画像を処理して顧客の性別、年齢などの情報を判断し、店舗を通過する頻度、通過時間、店舗に入る頻度、店舗に入る時間、新規顧客と既存顧客、店舗での滞在時間などの顧客情報プロファイルポートレートを確立します。

さらに一歩進んで、各展示エリアにカメラやプローブを設置して、店内の各顧客の歩行軌跡に関するリアルタイムのデータを取得することもできます。

さらに、セルフサービスチェックアウト端末は、顧客がチェックアウトするときに顧客の顔を自動的にキャプチャすることもできるため、どの顧客が入店後に最終的に購入するのか、どの顧客がVIP会員なのかを知ることができます。

これまで小売企業は会員と消費に関する情報しか把握していませんでしたが、カメラや顔認識技術により、消費データと顧客動線データを連携し、顧客（さらには周囲の人々）の情報や消費前の情報など、より豊富な情報を取得できるようになりました。

乗客の流れデータと消費データを分析することで、

店舗内外の最近の来店者数の傾向はどのようなものでしょうか。異常な変動はありますか。天候、休日、周辺施設の工事、大規模イベント、プロモーション、新製品発売、店舗改装、店舗レイアウトの最適化、サービス改善など、店舗への直接的または間接的な影響を原因から探り、評価します。

異なる時間帯における店舗外と店舗内の顧客の流れの分布。特定の時間帯に店外の顧客数が多い場合は、その時間帯に顧客を店内に呼び込むための対策を講じることができます。特定の時間帯に店内の顧客数が多い場合は、その時間帯に店内に人員を合理的に増やして、サービスレベルと顧客満足度を向上させることができます。店内と店外の顧客の流れの時間分布に違いがあるかどうかを確認し、その理由を分析します。

店舗内外の顧客動線の特徴。毎日誰が店の前を通り、誰が店に入るかをチェックして、店のターゲット顧客グループが店に入る顧客グループと一致しているかどうかを判断します。一致していない場合は、ビジネス戦略を調整する必要があります。店の内外の顧客グループの特徴が一致しているかどうかを確認し、店が「適材適所」にいるかどうか、店の外でどの主要な顧客グループが店の対象外であるかを確認します。店は差別化されたビジネス戦略を策定して、これらの顧客グループを店に引き付けて買い物をさせることができます。

店外顧客のうち店内に入ってくる顧客の割合、つまり店舗転換率は、店外顧客を引き付けて店内顧客に転換する、店舗の集客力を反映します。店舗転換率の前後を比較することで、店舗の集客力が向上したかどうか、または特定のプロモーションがどの程度効果的であるかを知ることができます。また、異なる店舗の集客力を比較するのにも使用できます。

店内の顧客のうち商品を購入する割合、つまり消費転換率は、店内の顧客フローにおける有効な潜在顧客の割合をある程度反映しています。店内の顧客フローと組み合わせて、前後の消費転換率を比較することで、店舗のサービスレベルと販売力が向上したかどうか、または特定のプロモーションがどの程度効果的であるかを知ることができます。また、異なる店舗の消費転換率を比較して、どの店舗の総合的なサービスレベルが高いかを確認することもできます。

顧客が店内をどのように歩き、どのエリアに長く滞在するかという動線分析は、どのエリアに顧客の流れが多いか、どの商品が最も人気があるかを把握するのに役立ちます。これにより、商品の陳列を最適化し、店舗全体の効率を向上させ、人員配置を最適化し、販促手配の補助的な決定を行うことができます。

さらに、顧客が店舗に入ると、バックエンドのデータベースと顔認証を照合して、顧客が会員かどうか、未使用のクーポンがあるかどうかを確認し、顧客にリマインダー通知をプッシュして、顧客が購入する可能性を高めることができます。

2. 顔で支払う

顔スキャン決済は、顔認識アルゴリズムを使用して、支払い時にユーザーがスキャンした顔とバックグラウンドのユーザープロファイルデータベース内の顔画像をリアルタイムで比較します。同一人物であることが確認された場合、支払いが承認されます。

現段階では、顔スキャンによる支払いには依然として一定のセキュリティリスクが存在します。支払い時にユーザーがスキャンした顔は、光や角度などの影響を受けやすく、背景データベースの顔画像とのマッチングに失敗し、支払いができない場合があります。または、誤判断により、ユーザーAの顔が背景データベースのユーザーBの顔画像と正常にマッチングされ、「Aさんはお金を使ったのに、Bさんのお金が引き落とされた」という結果になります。顔スキャン決済が広く普及するには、極めて高い判断精度を備え、これら 2 つの状況のリスクを最小限に抑える必要があります。

3. 口コミ分析

テキスト分析アルゴリズムを使用することで、ユーザーレビューデータ（オンラインショッピングモールの商品レビュー、公開アカウントの記事コメントなど）と顧客満足度調査データを分析することで、店舗のさまざまな側面に対する顧客の評価を把握できます。

• 店舗全体の評判が良いか悪いか。
• 顧客レビューには主にどのような側面が含まれますか? サービス態度、店舗の衛生状態、店内体験、製品の品質、セルフサービス ツール、物流と流通、プロモーション活動など。
• コメントに加えて、顧客はどのようなリクエストや提案をしましたか?

口コミ分析の結果は、研究開発、オペレーション、商品、物流、店舗などの部門の担当者にフィードバックされ、店舗運営の総合的なサービス品質の向上を促進します。

さらに、企業に関わる特別なイベントや重大なイベントに対しても、オンライン世論データをリアルタイムで取得できるため、経営者は世論の状況を迅速に把握し、タイムリーに効果的な対応策を講じることができます。

4. ショッピングカート分析

ショッピング バスケット分析は、ウォルマート スーパーマーケットの典型的な事例「ビールとおむつ」から生まれました。この分析が解決する主な問題は、顧客グループが大量の商品を購入した後、どの商品が同時に購入される可能性が高いか、製品 A の購入と同時に購入される可能性が高い商品はどれか、製品 A の購入後に購入される可能性が高い商品はどれか、というものです。

研究問題において、顧客が購入するすべての商品が同時に購入されると仮定した場合、分析の焦点はすべての顧客が購入した商品間の相関関係になります。一方、顧客が異なる時間に商品を購入すると仮定した場合、最初に何が購入され、後で何が購入されたかなど、時系列での相関関係を分析で強調する必要があります。このようなタイプの問題は、関連問題の特殊なケースであるシーケンス問題と呼ばれます。

マーケットバスケット分析の結果は主に以下の目的で使用されます。

• 関連性の高い製品をまとめてバンドルしたり、一緒に配置したりして、顧客に割引価格で購入するよう促します。
• 特定の商品を購入した顧客に、その商品と関連性の高い他の商品を推奨します。

5. 商品の展示

小売業の 3 つの主要なシナリオには、ディスプレイ、チェックアウト、在庫が含まれます。商品の陳列は、顧客のショッピング体験に直接影響します。店舗運営者も陳列に細心の注意を払い、顧客の消費習慣に最大限応えようとしています。

交通流分析は、店舗内での顧客の歩行経路を誘導するために使用でき、注文データ分析と組み合わせることで、顧客のショッピング習慣を発見し、商品の陳列を誘導することができます。例えば、一部の顧客は高価な商品をよく購入しますが、これらの商品は一緒に置かれていなかったり、他の商品と一緒に置いても見つけにくいことが分かりました。そのため、これらの顧客が購入しやすいように、高価で高品質の商品を 1 つのエリアに集中させるブティック エリアを設けることができます。2018 年のロシア ワールド カップでは、ビールとザリガニを同時に購入する注文が多かったことがデータで判明したため、ビールとザリガニをセットにして割引価格で販売することができます。

6. 棚監視

カメラと画像認識技術を用いて、冷凍庫、棚、カウンターなどの陳列機器上の商品をスキャンして分析することで、棚の商品が劣化し始めていないか、賞味期限が近づいていないか（例えば、昨日と比べて今日のバナナの皮に斑点が出始めている）、商品が乱雑に置かれていないか、正しい場所に置かれていない、または所定の場所に戻されていない商品はないか（例えば、バナナのエリアにリンゴが置かれている）、どの商品が在庫切れになっているかなどを判断し、結果をタイムリーに店舗スタッフに通知します。

7. スマートな店舗検査

スマート店舗検査は、ビデオ検査、写真検査、現地検査など、さまざまな店舗検査方法を管理者に提供し、管理者が「テント内で計画を立て、何千マイルも離れた場所での戦いに勝つ」ことを可能にします。管理者は監視センターやモバイル端末で各店舗のリアルタイム映像を閲覧できるほか、監視センターを通じてフロントエンドのパンチルトヘッドに制御指示を出し、パンチルトヘッドを制御して店舗の細部を観察したり、遠隔地から店舗のリアルタイムの抜き取り検査や監視を行ったりすることもできます。このプラットフォームは、ビデオスクリーンショット編集とオンライン評価操作をサポートしており、会社のあらゆるレベルの管理者が障害なく店舗にアクセスし、いつでも棚、従業員、衛生などの監視と評価を行うことができるため、店舗検査コストが削減され、店舗検査の効率が向上します。

8. インテリジェントな損失防止

損失防止はスーパーマーケット運営における最優先事項です。内部的な原因による商品の紛失に対処するために、レジ段階で POS レジ監視を実行できます。このシステムは、チェックアウト プロセス中に 1 枚のレシートの内容を監視ビデオにリアルタイムで重ね合わせ、時間とレシート番号を使用して過去の取引ビデオをすばやく照会および再生できるようにします。実店舗の管理者に効果的な店舗損失防止および監視方法を提供するだけでなく、取引紛争に対する視覚的な取引追跡証拠も提供できます。

さらに、人工知能技術により、「常習窃盗犯」などの特殊なグループの顔情報を素早く識別して警告を発することができるため、店員は損失を減らすためにタイムリーな対策を講じることができます。同時に顔情報の共有や主要人物情報を各店舗に同期させることも可能になります。

9. スタッフのスケジュール

期間分析により、どの時間帯に乗客数が多く、どの時間帯に乗客数が少ないかを知ることができます。さらに、各時間帯でどのエリアに乗客数が多く、どのエリアに乗客数が少ないかを知ることができます。これにより、各営業期間にどのエリアに何人を配置するかなどを決定することができます。

さらに、アルゴリズムを活用して、繁忙期（プロモーションや休日など）の各店舗の営業量を予測し、柔軟に人員を配置して現場サポートを行うこともできます。

10. ビジネス地区分析

さまざまな社内外データを統合することで、各店舗が所在する商圏に関する次のような情報を取得できます。

• 商業地区のマクロ経済発展データ、人口規模、居住者の収入レベル。
• ビジネス地区にはオフィスビルがいくつあるか（高級、中級、低級のビルがそれぞれ何棟あるか）、住宅がいくつあるか、住宅価格はいくらか、学校、工場、政府機関などがあるかなどから、ビジネス地区の人口構成、つまりホワイトカラー労働者、在宅勤務者、学生、労働者などがそれぞれ何人いるかがわかります。
• 商業地区の位置と交通状況。
• ビジネス界の顧客層の特徴（基本情報、購買嗜好など）

この情報は店舗の立地選定に使用できるほか、各店舗で何を販売し何を販売しないか、また適切な販促戦略を管理者が決定するのにも役立ちます。例えば、高級オフィス街の店舗では、高品質で高価な弁当や果物、スナック菓子を多く並べ、生鮮食品はできるだけ少なくする一方、住宅街の店舗では生鮮食品を多く並べるといったことが考えられます。

11. 競合店の動向

オンラインデータ収集、オフライン調査・収集などを通じて、各店舗周辺の競合他社に関する次のような情報を得ることができます。

• 競合他社が現在販売している製品のカテゴリ構造、つまり、どのカテゴリに製品が多く、どのカテゴリに製品が少ないか。
• 競合他社はどのような製品を販売しているのか、価格はいくらなのか、値下げはしているのか、販売量はどれくらいなのか。
• 競合他社は現在どのような活動を行っており、どれくらいのトラフィックを集めており、その結果はどうなっているのでしょうか?
• 最近、競合他社が発売し、棚から撤去した製品は何ですか?
• 競合他社の店舗ディスプレイレイアウト
• 競合他社に関するその他の情報

「自分を知り、敵を知れば、百戦錬磨の選手は負けない」ということわざがあります。競合他社の動向を把握することで、店舗はカテゴリ構造、商品選択、プロモーション、ディスプレイなどを最適化するための適切な対策を講じることができます。

12. 可視化大画面

データの可視化は情報化の最後の一歩であり、ユーザーがデータの魅力を直接体験するための第一歩です。特にアリババの双十一画面のようなリアルタイム可視化画面を見ると、多くの人が驚かれると思います。

可視化画面では、ビッグデータ技術を使用して主要な KPI 指標をリアルタイムで計算し、高度なデータ可視化を実行し、最終的に画面上に動的に表示します。視覚的な大画面を通じて、ユーザーは現在の累計売上高、新規会員数、どの製品が最も売れているかなど、現在までのさまざまなコア指標の状況を把握できます。

可視化大画面は、次のようなシナリオでのアプリケーションに特に適しています。

• 新規店舗のオープン;
• 大規模なプロモーション
• 投資家、パートナー、重要な顧客が訪問し、会社の能力が実証されます。

4. 拡大

1. スマートなサイト選択

昔の人は「適切な時期、適切な場所、適切な人々」と言いました。適切な場所はイベントの成功の 3 分の 1 を占めており、場所がいかに重要であるかを示しています。オフラインの小売店の場合、場所の選択の重要性は自明です。

従来の用地選定サイクルは長く、コストも高く、意思決定に必要な大量のデータは、サンプリング調査、現地調査、現地カードテーブル統計などの手作業による収集から得られます。地域の人口分布や人口特性などのデータはすべて、少数のアンケート調査、現場監視員の経験と判断、間接的なデータ、手作業による経験への過度の依存に依存しています。また、手作業で収集されたデータの品質は遅れて不正確になり、最終的な用地選定結果に簡単に影響を及ぼします。データの精度が低く、用地選定効果を保証することは困難です。また、立地選定にも目的がありません。現状の立地選定は、干し草の山から針を探すようなものです。地域内で多数の候補地を探し、多数のエリアにある巨大な通りや店舗の中から基本的に適切な店舗住所を見つける必要があります。

スマートな立地選定は、データキャプチャ、データ交換、データ導入などの方法を通じて、多次元の外部データを統合します。地域経済の発展、支援施設、乗客の流れと動向、各地域の競合企業の分布（ビジネス街や通りまでの粒度）などの情報に基づいて、各地域の価値を総合的に評価し、潜在力があり拡張に適した潜在エリアを絞り込みます。これを基に、潜在的エリアの顧客特性を深く洞察し、潜在的エリアの主な顧客グループと自社の顧客ポジショニングとの一致度を分析し、潜在的エリアからターゲットエリアをさらに決定することができます。

簡単に言えば、賢明な立地選択は、小売企業が「どこに店舗を開設するか、どのような商品を販売するか、誰に販売するか、どのくらいの面積をカバーするか」を決めるのに役立ちます。

5. カスタマーサービス

1. インテリジェントな顧客サービス

現在、中国のインテリジェントカスタマーサービス市場には、IBM Watson、iFlytek、Xiaoi Robot、Wisdom Tooth Technology、Xiaoneng Robot、Bosen、Zhuiyi、NetEase Qiyu、Microsoft Xiaoice、Ali Xiaomi、Baidu Nightingale、AISpeech、Fourth Paradigmなど、サードパーティのインテリジェントカスタマーサービスサービスを提供する多数の企業とインテリジェントカスタマーサービス製品が登場しています。

インテリジェントカスタマーサービスロボットは、自然言語処理、大規模機械学習、ディープラーニング技術に基づき、膨大なデータを使用して対話モデルを構築し、複数ラウンドの対話とリアルタイムフィードバックを組み合わせて自律学習を行い、ユーザーの意図を正確に識別し、テキスト、音声、画像によるインタラクションをサポートし、複数の分野とマルチフォームの対話での意味分析を実現します。顧客の質問に一括で効率的、正確、柔軟に回答し、企業のカスタマーサービスの人件費を削減し、顧客満足度を向上させます。

インテリジェントな顧客サービスロボットの一般的なワークフローは次のとおりです。

• まず、ユーザーは遭遇した問題をテキストまたは音声で説明します。
• 機械はユーザーの質問を理解できる形に変換する
• モデルを通じてテキストを解析し、知識ベース内で最も一致度の高い「答え」を見つけます。
• ***回答を出力し、テキストまたは音声でユーザーにフィードバックします

6. 倉庫保管

1. 倉庫内監視

倉庫業務を監視することで、視覚的な管理が実現され、現場の管理者は介入に対処するよう誘導され、補助的な意思決定サポートが提供されます。リアルタイム倉庫業務監視システムを構築し、入庫・在庫・出庫の3大システム管理のリアルタイム監視機能を確立します。倉庫の注文数量予測とスケジュール提案を提供し、予測注文数量と労働効率に基づいてシフトスタッフをリアルタイムで計算し、倉庫のスケジュールにデータサポートを提供します。

倉庫内監視の目的は、倉庫情報をリアルタイム、透明、公開し、監視・監督の仕組みを確立し、労働効率、床面積効率、商品回転率を向上させることです。

2. ピッキングパスの最適化

ピッキング効率の向上は、商品の配置、ピッキングルートの最適化、設備の改善によって決まります。

商品は、次のような原則に従って、適切な棚の適切な場所に置く必要があります。

• 販売量が多い商品やセール中の商品は、倉庫の出入り口付近の棚に置く必要があります。
• 売上の高い商品や販促品はプライム棚の中央のプライム位置に置く必要があります。
• 販売量が少ない商品は棚の一番下か一番上に置かれます。

ピッキング パスの最適化は、地理情報科学におけるルート計画の問題です。主にオペレーションズ リサーチと動的プログラミング アルゴリズムを使用して、ピッキング時間とコストの最小化などのさまざまな制約の下で最も効率的なピッキング パスを決定します。

手作業によるピッキングはミス率が高く、効率も低いため、ピッキングロボットの導入など倉庫内のピッキング作業の無人化が進んでいます。

7. 配送

1. インテリジェントローディング

予測された需要に基づいて、最適化モデルを使用して各地域の補充頻度を計算します。同時に、車両の種類、積載量、輸送コストなどの関連する輸送データと組み合わせて、翌週の最適な車両スケジュール計画を計算します。車両スケジュール計画は、各補充計画担当者の責任範囲と組み合わされ、全員の作業手配のバランスを取り、人員をより適切に割り当てます。

車両スケジュール計画は、企業戦略、製品プロモーション、在庫割り当て、人員配置などの要因の影響により、一定の変更を受けることがあります。計画者は柔軟かつ便利に変更することができ、これらの変更はシステムによって記録され、計画調整と一時変更の 2 つの状態に分類され、将来の車両スケジュールの基礎として、および車両スケジュールの効果を分析するためのデータ ソースとして機能します。

2. 輸送ルートの最適化

同様に、輸送ルートの最適化も地理情報科学におけるルート計画問題に属します。オペレーションズ・リサーチと動的プログラミング・アルゴリズムを使用して、輸送コストの最小化や配達時間の最大化などの複数の制約の下で最適な輸送ソリューションを出力します。

3. 輸送監視

ネットワーク通信とGPS測位技術を搭載カメラとビッグデータ可視化技術と組み合わせることで、移動中の車両をリアルタイムで位置特定・追跡し、車両の実際の位置と移動傾向をいつでも把握し、車両の運行状況を監視できます。同時に、現在の速度で目的地への到着が遅れるかどうかをリアルタイムで判断し、遅延警告を送信して、タイムリーな対応措置を講じることができます。

8. サプライチェーン

1. 売上予測

機械学習、ディープラーニング、その他のアルゴリズム技術に基づき、天候、休日、プロモーション、新製品の発売などの影響要因を考慮して、製品の売上や販売の変動傾向から変化するパターンを発見し、将来の期間の売上や販売を予測することができます。売上予測モデルは、自動化、バッチ、階層的予測を実現できます。つまり、異なるレベルの部門（本社、地域、省、市、地区、商圏、店舗など）の下の異なるレベルの商品（大分類、中分類、小分類、商品）の売上予測を予測できます。売上予測の結果は、次の側面に適用できます。

• 企業戦略または年間計画の策定。
• 倉庫分割の決定;
• 自動補充計画の開発。
• ビジネスピーク期間中の人員、材料、その他のリソースの割り当て。

2。インテリジェントウェアハウス部門

インテリジェントウェアハウスの配布は、遺伝的アルゴリズムなどの最適化アルゴリズムを使用して、販売予測、倉庫ネットワークレイアウト、輸送コスト、適時性に基づいて、さまざまな可能な倉庫配布計画のコストと適時性をシミュレートして計算し、最高の倉庫配信計画を提供します。

3。自動補充

ほとんどの小売会社は、顧客の需要と在庫レベルの間に矛盾しています。つまり、顧客の需要は在庫バックログがあります。解決策は、顧客の需要を予測し、オンデマンドで供給し、在庫レベルを最適化することです。在庫レベルが顧客の需要を満たすことができる場合、それは最適な在庫レベルです。これは最も理想的な状態であり、実際に達成することは困難であり、可能な限り最適な在庫レベルにしか近づくことができません。

自動補充戦略の策定は、主にマルチレベルの補充ネットワーク、完成品生産工場から外部倉庫まで、および外部の倉庫から、各商品の予測された販売と需要の変化、包装済みの輸送頻度、輸送コスト、輸送コスト、輸送頻度、輸送頻度、輸送用の販売時間、輸送の販売時間、輸送の販売と輸送の販売時間、 ICインベントリ補充戦略は、再注文レベルや秩序までのレベルを含む策定されています。これらの補充戦略は、各製品の各特定の倉庫および各ストアに詳細に説明でき、市場の変化に動的に適応し、時間とともに対応する調整を行うことができます。

9。人的資源

1。人と仕事を一致させる

人と仕事のマッチングモデルは、テキストマイニングと知識グラフテクノロジーを使用して、家族の背景、教育、仕事の経験、実務経験、プロジェクトの経験、ポジション、パフォーマンスなどの側面から履歴書と職務情報を効果的に分析し、履歴書と雇用を正確に一致させ、それによりHRの仕事効率を改善し、HRの才能を最大限に活用することで、人材を最大限に活用することで、HRの才能を活性化することができます。さらに、モデルは、より多くの採用行動に基づいて自動的に学習および調整され、候補者のポートレートをさらに学習および描写し、「適切な位置に適切な人が選ばれている」と「適切な人が適切な位置に選ばれる」ことを大いに保証します。

2。辞任警告

従業員の基本情報（ポジション、サービスの長さ、雇用、給与、パフォーマンス、家族の状況など）、時計イン、作業パフォーマンス、Webブラウジング、アンケートなどに関する定量的データを分析することで、機械学習アルゴリズムを使用すると、従業員のパフォーマンス特性を発掘する前に、従業員が去る可能性が最も高いと予測できます。