Predviđanje prodaje i optimizacija zaliha u opskrbnom lancu uz pomoć tehnologije strojnog učenja

Poduzeća često zapošljavaju ljude koji su zaduženi za naručivanje robe. Od njih se zahtjeva poznavanje artikala i asortimana, praćenje trendova i promjena u prodajnim aktivnostima, ali i analiziranje događaja koji utječu na prodaju kako bi pripremili odgovarajuću narudžbenicu za svaki artikl. Moraju uzeti u obzir oba cilja - održavanje niske razine zaliha uz smanjivanje rizika ostanka bez zaliha (stock-out situacija). Ovo je relativno efikasan pristup kada se jedna osoba bavi s planiranjem i naručivanjem za mali brojem artikla. Međutim, kako se broj artikla po osobi povećava, dolazimo do situacije koja je dosta kompleksna i u kojoj je teže donijeti ispravnu odluku. Broj parametara koji je potrebno analizirati i pratiti oduzima sve više vremena i postaju zahtjevni čovjeku za obradu bez pomoći tehnologije. Spomenuto dovodi do čestih propusta u procesu naručivanja u vidu manjka zaliha, zbog čega se s ciljem njihovog nadomještanja stvaraju veće narudžbe koje završavaju prekomjernim razinama zaliha, pa čak i "mrtvim" zalihama.