智慧應用 影音

【數位轉型 台灣最行】掌握市場需求提早應變 AI銷售預測有哪些Key Point?

疫情為全球經濟帶來巨大衝擊,後疫情時代市場需求的變動顯而易見的更加劇烈,對製造商形成莫大挑戰,《數位轉型 台灣最行》應用篇第十六集,DIGITIMES邀請大同大學事業經營系助理教授成力庚分享,製造業如何運用大數據分析進行銷售預測,以因應市場波動做好準備?

 點擊圖片放大觀看

後疫情時代市場需求的變動顯而易見的更加劇烈,對製造商形成莫大挑戰。AFP

傳統上,製造業大多採取計畫性生產,也就是說,有訂單,才有採購與生產需求,但詭譎的後疫情時代,越來越難以掌握市場需求,像以電子業來說,去年上半與下半年就呈現出完全不同的「盛況」,成力庚因此分析,雖然過去諸如銷售預測等議題,大多出現在電子業,但未來像是傳統產業,也會面臨與之一樣的問題,因此如何掌握市場端的節奏變化,透過預測及早準備,也成為接下來製造業的熱門話題,這也讓更多業者進而求助AI來預測需求。

然而對於大部分傳統產業來說,AI看似高大尚,進入門檻高?但事實上並非如此。成力庚指出,AI雖然需要數據,但很多業者不知道自己其實已經擁有很多數據,像是ERP系統、POS系統等,這些都可作為AI的數據庫,進而先透過AI微應用試點,逐步擴散。

那麼傳統產業要如何透過大數據精準做到銷售預測?成力庚分享幾個關鍵,首先他認為,深度訪談、了解需求是數據分析相當重要的第一步。成力庚說,製造業者需求往往最重視業績提升,或降低成本,但他強調像是這種命題的背後影響因素有很多,範圍過大,他建議業者應先從單一主題開始分析,畢竟數據分析很難一次性達標,而是需要長期累積。

而AI的命題往往最容易卡關的則是前期需求的探索與資料的整理,這通常是團隊會耗時間的流程,「AI模型的建立到實際上線部署的時間其實只佔很小一部分。」成力庚說。

首先是資料的品質。成力庚強調,資料多當然能夠為AI提供更多訓練資料,但資料的品質事實上才是決定模型精準度的關鍵,而其中之一就是資料的穩定度。成力庚舉例從肉眼觀之就可區分,像是如果把數據拉成軸線來看,穩定的波幅代表資料穩定,若波幅變動劇烈,即代表資料相當不穩定。

成力庚也指出,如在其所蒐集的資料中能夠採集到更多的「情境資料」,也可協助更精確的建模,因此在前期的深度訪談中,則建議業者可儘可能提供如銷售型態、產業型態,或季節性需求變化等資料。

而對於中小企業導入AI,成力庚也建議業者可掌握三個要點,包括資料的正確性,像是不同來源的數據格式是否統一,如有誤差則容易產生不標準的資料,以及,以數據為Base是未來趨勢,因此企業內部須先建立正確的文化,而在此之下,企業上至下每個單位的員工也必須要有願意學習的心態。(更多精彩內容請鎖定《數位轉型 台灣最行》第2季應用篇)


  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 製造業 AI 數位轉型