مشكلة تجزئة مكلفة تتحول إلى مشكلة بيانات
الأغذية الطازجة هي المكان الذي تخسر فيه متاجر البقالة بعضاً من أصعب أموالها كسباً. يتعين على المديرين أن يخمّنوا عدد صناديق الفراولة أو الأفوكادو أو قطع اللحم أو الوجبات الجاهزة التي يجب توفيرها قبل أن يتراجع الطلب ويتغلب التلف على البضائع. وعلى عكس السلع المعبأة، فإن المخزون الطازج سريع التلف للغاية، ويقاس بطريقة غير متسقة، وغالباً ما يُتَتبّع بشكل سيئ بعد خروجه من المخزن إلى الرف.
ترهن شركة Afresh الناشئة على أن التنبؤ الأفضل يمكن أن يقلص هذا الهدر. وقد جمعت الشركة 34 مليون دولار من التمويل الجديد، بقيادة مشتركة من Just Climate وHigh Sage Ventures، وتقول إن أدوات الذكاء الاصطناعي لديها تساعد بالفعل تجار التجزئة على خفض الفاقد في فئات الأغذية الطازجة بنسبة تتراوح بين 20% و25%.
تكتسب جولة التمويل، التي أوردتها Fast Company، أهميتها لأن هدر البقالة ليس كفاءة هامشية. وتقدّر المقالة أن متاجر البقالة في الولايات المتحدة تهدر نحو أربعة ملايين طن من الطعام سنوياً، بكلفة تقارب 27 مليار دولار. وهذا يجعل التخطيط للمخزون الطازج أحد أكثر مشكلات التشغيل أهمية وأقلها رقمنة في قطاع التجزئة.
من الجداول والحدس إلى نمذجة الطلب
تشبه قصة نشأة Afresh دراسةً لمدى بقاء كثير من سير العمل في تجارة الغذاء يعتمد على الأساليب التناظرية حتى وقت قريب. عندما بدأ المؤسسان المشاركان مات شوارتز وناثان فنر دراسة المشكلة، وجدا أن مديري المنتجات الطازجة يعتمدون على جداول مطبوعة وتقديرات تقريبية وعمليات طلب بالقلم والورقة.
وكان لذلك معنى تاريخياً. فالأغذية الطازجة أصعب بكثير في الإدارة من المنتجات طويلة الأجل. يمكن للمنتجات المباعة بالوزن أن تفقد كتلتها بسبب التبخر. وقد تشوّه أخطاء الدفع الذاتي ما جرى شراؤه فعلياً. وقد تُرمى الأصناف الفاسدة من دون تسجيلها بشكل صحيح. كما أن العروض الترويجية ودرجة الحرارة وأصل الشحنة يمكن أن تؤثر في سرعة تدهور المنتج.
تحاول برمجيات Afresh إدخال هذه المتغيرات في نظام تنبؤ. ووفقاً للنص الأصلي، تحلل الشركة بيانات كل متجر بقالة، وفي بعض الحالات تستند إلى مئات المليارات من المعاملات. وتضع نماذجها في الاعتبار التسعير والعروض الترويجية وأصل الشحنة والطقس، وحتى التوقيت المرتبط بتوزيع قسائم الطعام. ثم تُقرن توقعات الطلب بأدوات تحسين تقترح كميات الطلب لكل منتج.
الفكرة بسيطة: إذا تمكنت المتاجر من التنبؤ بالطلب وقابلية التلف بدقة أكبر، فيمكنها الطلب بكميات أقرب إلى ما سيباع فعلياً.
لماذا تختلف الفئات الطازجة
غالباً ما تبدو تقنيات التجزئة ناضجة من الخارج، لكن أقسام المنتجات الطازجة ظلت تقاوم الأتمتة النظيفة بقوة. تصل الأغذية المعبأة بوحدات معيارية وعمر تخزين متوقع وسجلات رقمية لسلسلة الإمداد. أما المنتجات الطازجة فهي أكثر ضجيجاً وتعقيداً. فصندوق التوت الأحمر وصينية السلمون لا يتصرفان مثل الحبوب أو معجون الأسنان.
ولهذا السبب تبدو الذكاء الاصطناعي جذابة هنا. فهي تستطيع استيعاب متغيرات أكثر مما يستطيع مدير المتجر التعامل معه يدوياً، ويمكنها أن تواصل التعلم مع وصول بيانات جديدة. وتقول الشركة إن تلك النماذج تتحسن بمرور الوقت، وهو أمر ذو قيمة خاصة في مجال تتغير فيه الظروف المحلية على نحو كبير. فأنماط الطلب في حيّ معين، وتقلبات الطقس، وعادات المتسوقين يمكن أن تغيّر ما يعنيه المخزون “الصحيح” من أسبوع إلى آخر.
وبحسب ما ورد، تبدأ Afresh بتجارب في 10 إلى 20 متجراً وتقارن النتائج بمجموعة ضابطة تعمل خلال الفترة نفسها. وقال شوارتز إن الشركة ترى عادةً انخفاضاً في الفاقد بنسبة 20% إلى 25% عندما يبدأ تشغيل النظام.
إذا صمدت هذه التخفيضات على نطاق واسع، فستكون جدوى العمل واضحة. حتى التحسينات المتواضعة في معدلات الهدر يمكن أن تحقق وفورات كبيرة عندما تكون الهوامش ضيقة والفئات الغذائية سريعة الدوران.
تغييرات تشغيلية تتجاوز الطلب
لا يقتصر تأثير التكنولوجيا على أوامر الشراء. فبحسب المقال، يمكن للبقالين أيضاً استخدام بيانات Afresh لإعادة تصميم العروض وتحسين طريقة تعاملهم مع السلع التي تقترب من التلف. وفي بعض المتاجر، رصد البرنامج عروض منتجات طازجة أكبر من اللازم، ما أتاح للمديرين تصغيرها أو استخدام عروض وهمية للحفاظ على مظهر الوفرة مع كمية فعلية أقل من الفاكهة.
قد يبدو ذلك تجميلياً، لكن استراتيجية العرض مهمة تشغيلياً. فمتاجر البقالة غالباً ما تفرط في عرض المنتجات الطازجة المرئية لأن الامتلاء يوحي بالانتعاش والوفرة للمتسوقين. وإذا استطاع البرنامج الحفاظ على هذا الانطباع مع مخزون مادي أقل، فإنه يقلل الهدر من دون التضحية بالتسويق.
ويمتد المنطق نفسه إلى إعادة استخدام الطعام. إذ يمكن للمتاجر تحويل المنتجات الزراعية التي تقترب من نهاية عمرها التخزيني إلى منتجات جاهزة، مثل تحويل الأفوكادو إلى غواكامولي. كما أطلقت Afresh أداة منفصلة للتنبؤ بالطلب على أطعمة الديلي الجاهزة، وهي فئة أخرى قد تكون فيها أخطاء التلف والتنبؤ مكلفة.
لماذا يهم التمويل
غالباً ما يُناقش الذكاء الاصطناعي في قطاع التجزئة من خلال أدوات استهلاكية لافتة، لكن بعض الاستخدامات الأكثر استدامة قد تكون في قرارات التشغيل الخلفية. فهدر الأغذية الطازجة مؤلم اقتصادياً، ومكلف بيئياً، وصعب الحل عبر العمالة وحدها. إنه بالضبط ذلك النوع من مشكلات التخطيط التي يمكن أن تتحول فيها التوقعات الأفضل إلى مكاسب قابلة للقياس.
تقول Afresh إن نظامها يُستخدم الآن في أكثر من 12,500 قسم بمتاجر البقالة على مستوى البلاد، بما في ذلك Safeway وAlbertsons. ويشير هذا الانتشار إلى أن الشركة تجاوزت مرحلة التجربة الأولية ودخلت في اختبار تشغيلي واسع.
ومن شأن جولة التمويل الجديدة البالغة 34 مليون دولار أن تساعدها على التوسع أكثر، لكن الأهمية الأكبر هي على مستوى القطاع. فهدر البقالة أصبح يُقرأ بوصفه مشكلة برمجية، لا تكلفة حتمية لممارسة الأعمال. وإذا نجح هذا التحول في التصور، فقد يؤثر في كيفية استثمار تجار التجزئة في أنظمة المخزون وعمليات المتاجر وجهود الاستدامة خلال العقد المقبل.
أما بالنسبة للمستهلكين، فقد يكون التغيير غير مرئي. ستبدو الأرفف ممتلئة، وستستمر المتاجر في إعادة التخزين ليلاً. لكن تحت هذا الروتين، قد يأتي جزء متزايد من عملية اتخاذ القرار من أنظمة صُممت للإجابة عن سؤال أساسي لكنه صعب بشكل مفاجئ: كم كمية الطعام الطازج التي سيشتريها الناس فعلاً قبل أن تفسد؟
هذه المقالة تستند إلى تغطية Fast Company. اقرأ المقال الأصلي.
Originally published on fastcompany.com
