以 ThinkCol 的 AI 能力優化補貨系統

ThinkCol 為香港一家著名綜合貿易公司旗下的超級市場業務預測顧客需求，建立了預測模型及視覺化儀表板，以優化不同 SKU 的補貨數量。

其中一項主要挑戰是確保準確度。ThinkCol 進行了特徵工程，匯集 SKU 歷史銷售、類別銷售、所有店舖的整體銷售、距上次售出的日數、推出日期、季節性，以及天氣和假期等外部數據。這些特徵再輸入不同模型，為每件雜貨作出準確預測。團隊亦進行了超參數調校及誤差分析，確保預測結果有效；模型會在有新數據時自動重新訓練，讓結果保持更新。ThinkCol 在需求預測、存貨及供應商訂貨限制之間取得平衡，建立了一套演算法，優化最終的補貨決策——即是否為某些雜貨補貨。

ThinkCol 亦透過 Power BI 儀表板將模型結果視覺化，以融入零售補貨流程，讓市場推廣及營運人員更易閱讀及使用預測結果。儀表板同時顯示實際銷售額、預測銷售額及誤差率。

在 ThinkCol 的協助下，這個需求預測項目為機構日後的內部機器學習項目立下先例。ThinkCol 正按照 MLOps 最佳實踐建立實時流程，以新數據更新模型，並每週自動生成新的預測。