AI optimizacija zaliha u maloprodaji praktičan vodič (besplatno)

Kako da mali i srednji trgovac pomoću AI prestane da gubi novac na praznim policama i mrtvoj robi, korak po korak i bez rizika po podatke.

Svaki trgovac zna ta dva osjećaja. Prvi je kad kupac traži artikal kojeg nema na polici, pa slegne ramenima i ode kod konkurencije. Drugi je kad gledaš magacin pun robe koja stoji mjesecima i veže novac koji ti treba za nešto drugo. Oba problema imaju isti korijen naručuje se po osjećaju umjesto po predviđanju. Neki to rade dobro, neki imaju problama sa ovim izazovom. Mnoge firme u regionu zalihe planira gledajući prošlu godinu ili "koliko je ostalo", a tržište se rijetko ponaša isto kao lani a i teško je predvidjeti izuzev da imate dobre statističke podatke koje neko sposoban posmatra.

Tu AI postaje konkretno koristan. Ne kao magija, nego kao alat koji iz tvojih prodajnih podataka prepoznaje obrasce koje čovjek ne stigne da vidi sezonu, dane u sedmici, uticaj akcija, pa i vremensku prognozu. Cilj nije "uvesti AI" zato što je moderno, nego naručivati tačnije, smanjiti istovremeno i nestašice i višak, i osloboditi novac koji sad leži na polici.

U ovom vodiču ćeš saznati kako AI zapravo predviđa potražnju, kako da ga uvedeš u šest praktičnih koraka čak i ako sad sve vodiš u Excelu, i šta nikad ne smiješ da ubaciš u AI alat da ne bi ugrozio podatke kupaca i prekršio zakon.

Problem prazne police i mrtav kapital

Nestašica i višak su dvije strane istog novčića, a oba te koštaju. Kad nema robe, gubiš prodaju koju si već platio kroz marketing i zakup prostora, i još goru stvar, gubiš povjerenje kupca koji se možda neće vratiti. Kad robe ima previše, novac ti je zaključan u policama, roba zauzima prostor, a kod kvarljivih ili sezonskih artikala na kraju ide na sniženje ili u otpis.

Klasično naručivanje "po osjećaju" radi dok je asortiman mali i dok je vlasnik svaki dan u radnji. Čim broj artikala poraste na stotine ili hiljade, ljudski mozak više ne može da prati koja roba se kako kreće. Tabela od prošle godine ne pomaže mnogo jer ne uračunava nove proizvode, promjene cijena, akcije konkurencije ni promjene u navikama kupaca. Rezultat je da firma istovremeno ima i prazne police i pretrpan magacin, samo na različitim artiklima.

Kako AI zapravo predviđa potražnju

Da skinemo mistiku. AI za prognozu potražnje radi tako što uzima tvoje istorijske podatke o prodaji i traži obrasce, pa na osnovu njih procjenjuje koliko će se kojeg artikla prodati u narednom periodu. To radi na nivou pojedinačnog artikla (SKU), ne samo ukupno, što je ključno za narudžbe.

Snaga je u tome što istovremeno gleda više signala nego čovjek. Interni signali su prodaja sa kase, istorija zaliha i podaci o tome kad je šta bilo na akciji. Eksterni signali mogu biti sezona, praznici, lokalni događaji, pa i vremenska prognoza, jer hladan talas drugačije puni police nego sunčana sedmica. Što su podaci uredniji i raznovrsniji, prognoza je preciznija.

Industrijske procjene govore da bolje prognoze mogu osjetno smanjiti greške u naručivanju i probleme u snabdijevanju, neki izvori navode i red veličine od trideset do pedeset posto. Brojku uzmi kao orijentir, ne kao obećanje, jer rezultat zavisi od kvaliteta tvojih podataka. Poenta je jednostavna: AI ne pogađa umjesto tebe, nego ti daje bolju osnovu za odluku koju i dalje donosiš ti.

Šta ti treba prije nego počneš

Dobra vijest je da ti ne treba skup ERP sistem. Treba ti uredna istorija prodaje, idealno za zadnjih šest do dvanaest mjeseci, lista artikala, i podatak koliko dana prođe od narudžbe do isporuke za svakog dobavljača. Ako to imaš u izvozu sa kase ili u Excelu, dovoljno je za prvi krug.

Prije nego bilo šta ubaciš u AI alat, pročitaj sekciju o sigurnosti niže. Pravilo je kratko: AI za zalihe radi s brojevima o robi, nikad s ličnim podacima kupaca. Ako to poštuješ, najveći dio rizika je riješen prije nego što si počeo.