
AI & Dữ liệu: dự báo nhu cầu hàng hóa
Giúp một chuỗi bán lẻ quyết định nhập hàng dựa trên dữ liệu.
Thách thức
U.M thất thoát tiền theo hai hướng: tồn kho quần áo trái mùa (lỗ do giảm giá) và mất doanh thu ở mặt hàng đang hot vì hết hàng. Quyết định nhập hàng dựa trên bảng Excel với công thức đơn giản “năm ngoái + 10%”, không tính đến xu hướng ngắn hạn, thời tiết hay dư luận trên mạng xã hội.
Giải pháp
GTEMAS đưa 3 ML Engineer, là chuyên gia độc lập theo hợp đồng dịch vụ với GTEMAS, vào làm cùng đội IT nội bộ của U.M. Data lead của U.M đặt mục tiêu và xác định “Báo cáo gợi ý nhập hàng” cần cho category manager thấy những gì. Kỹ sư của chúng tôi xây mô hình dự báo chuỗi thời gian bằng mạng LSTM (Long Short-Term Memory) theo đúng yêu cầu đó. Báo cáo tự động: Mô hình lấy dữ liệu từ 5 nguồn, trong đó có Google Trends và dự báo thời tiết địa phương, rồi tạo báo cáo hằng ngày chỉ rõ SKU nào cần nhập thêm và SKU nào cần giảm giá ngay.
Định hướng kiến trúc
Data pipeline do Apache Airflow điều phối trên AWS. Mô hình huấn luyện trên SageMaker và cung cấp cho hệ thống ERP qua API nội bộ.
Kết quả và ảnh hưởng
Hệ thống AI chuyển cách nhập hàng từ dựa vào trực giác sang dựa vào số liệu. Category manager nay tin dữ liệu, và chuỗi cung ứng gọn hơn, có lãi hơn.
Giảm hàng tồn không bán được
Nhờ đủ hàng để bán
Độ chính xác dự báo (tăng từ 60%)
Sẵn sàng có câu chuyện thành công của riêng bạn?
Hợp tác với Global Tech Masters để xây sản phẩm số có thể mở rộng và hiệu năng cao.