應用案例
中國前⼗標竿食品企業
冷鏈食品出貨管理：需求預測供應鏈解決⽅案
該企業為中國前⼗標竿食品企業，創設於 1953 年。2001 年進入中國市場，專攻冷藏乳品飲料食品製造及品牌⾏銷，以「成為世界級的冷藏食品標竿企業」為願景，致⼒於提供消費者「新鮮、健康、安⼼」的飲食⽣活。
20%
銷售預測準確度
1.26 億
冷鏈生產成本節省
挑戰
受限於產品⽣命週期短、旗下的冷藏食品品項眾多，加上出貨⼯廠數量多、分布廣，導致中央難以統⼀管理及規劃產銷計畫。若無法掌握賣場每⼀⽇的需求量，做更有效率的配貨，該企業便可能在供過於求時，因通路退貨或庫存過⾼產⽣報廢成本，在供不應求時，因通路缺貨錯過原本可以入袋的營收，或是得負擔通路商的缺貨罰款，更甚者會影響品牌商譽。
過去，業務單位每週都會與 IT 部⾨合作，以單⼀模型⼀次性預估未來七⽇的出貨量，再倒推各出貨⼯廠的排產總量，和對終端賣場的補貨計畫。但使用傳統統計模型的預測系統讓團隊必須花 3～6 個⽉的時間，以⼈⼯⽅式進⾏⼲預和判斷，不僅⼯作量龐⼤且耗時，模型的準確度與穩定性也不佳，導致某些週次的預測結果特別準、某些特別不準，也容易受⼈為偏好影響，持續⾼估或低估預測結果，較難掌握波動。
解決方案
為了快速、有效地活化數⼗年累積下來的海量數據，⼀直關注尖端科技的 CIO 決定導入 AI 技術 —— Decanter AI，⽬標是精準掌握終端消費市場的需求，確保供應鏈中的各個節點都能在對的時點具備對的品項、對的數量。 Decanter AI 提供簡潔直覺的圖象化介⾯，讓不具資料科學背景的 IT ⼈員、甚⾄是業務單位中不具編程背景的採購經理都能輕鬆操作，免去資料處理、模型調整等繁瑣的重複性⼯作，⾼效地完成全⾃動機器學習建模流程，在短時間內獲得準確的預測模型，進⾏多⽅嘗試與驗證。
在彙整上傳歷史銷售資料後，Decanter AI 僅需 20 多分鐘，就產出 100 多個機器學習模型，將 IT 部⾨從反覆輸入或調整參數才能進⾏需求預測的循環之中解放出來，也讓準確地滾動預測未來七天的每⽇出貨量成為可能。結合⾏動⾙果資料科學專家的建議，該企業持續針對時間相關的特徵進⾏細化處理，最終有效提升銷量預測的準確度及穩定性。
成效
導入 Decanter AI 後，打造 AI 賦能的智慧企業，讓準確地滾動預測未來七天的每⽇出貨量成為可能，最終有效提升銷量預測的準確度及穩定性。這間標竿企業透過 Decanter AI 提升 20% 銷售預測準確度，每年可於冷鏈⽣產過程省下近 ¥ 1.26 億⼈⺠幣的成本。
