善用數位工具強化營運效能 以新零售視角因應市場挑戰

圖2 : 新零售概念是將包括所有的軟硬體技術均視為手中工具,透過這些工具強化企業的營運效能,讓所有成本支出的效益最佳化。(source:Actian)
圖2 : 新零售概念是將包括所有的軟硬體技術均視為手中工具,透過這些工具強化企業的營運效能,讓所有成本支出的效益最佳化。(source:Actian)

[作者 王明德]

在各產業中,零售業與消費者的接觸最緊密,再加上競爭激烈,因此對市場變化最為敏銳,一旦反應速度偏慢,就極有可能在短時間內遭到淘汰,這也是該產業對新科技導入與應用較其他產業更為快速的原因。早期零售業以實體店面為主要通路,所有的E化、M化建置均已提升實體店面的營運管理為主,網際網路興起後,電商平台在快速改變零售業生態,在短時間內取得高比例市占率。

就整體市場比例來看,實體通路仍佔有多數市場,雖然今年初蔓延的COVID-19疫情,將電商推上新高峰,不過業者指出,未來電商仍不會佔有絕對的優勢,或許應該說,未來的零售業不應再區隔實體通路與電商平台,而是應該善用各類新科技發想出新創意,融合線上線下世界,以更高視角打造出具備競爭力的「新零售」模式。

新零售概念,是將包括所有的軟硬體技術均視為手中工具,透過這些工具強化企業的營運效能,讓所有成本支出的效益最佳化,而觀察零售產業近年來最火熱的技術莫過於人工智慧(AI)。

善用外部專業 化解企業AI困境

AI是零售業數位轉型的必要技術,不過現在推動數位升級過程中,企業常會遇到困境,之前中華電信大數據處科長官俊安在演講中就指出,人才、分析環境、資料等三大資源的缺乏,是現今企業數位轉型最艱困的問題。他指出企業有不同的數據需求,自行培育數據科學家不太容易,市場上數據科學家也是供不應求,這是「缺人才」;企業要先願意投入一筆錢去建設AI分析工具和使用環境,這是「缺分析環境」;如果企業沒有資料基礎建設,沒有蒐集足夠的數據可以分析,就是「缺資料」。

對此,零售業者可善用外部力量來協助解決上述的問題。他以中華電信的企業服務「AI智慧分析雲」為例,此平台內建AI核心引擎,以雲端服務提供企業個別按照需求租用,完全免除企業自行建置軟硬體的成本,降低企業採用AI分析的門檻,解決「缺環境」困境。

市面上主要的AI工具有開源機器學習 (ML)軟體、與圖形化介面商用軟體。前者適合擁有資料科學家團隊的企業,後者則需要熟悉各類型資料分析及模型建立流程的高階數據人才。因此,AI智慧分析雲內建各式應用場景,從銷售量、營業額預測,到客戶分群、商品推薦,等於內建了十年資歷數據人才的經驗,降低企業建立AI預測模型的高門檻。

而企業可以透過AI智慧分析雲在10分鐘內快速建模,無須另外召募數據科學家,由現有的IT團隊或行銷企劃人即可勝任,解決「缺人才」困境。根據統計,此類平台可幫企業節省三分之二的人力財力,讓沒有數據團隊、「缺人才」的一般企業,也能享有AI帶來的好處。

AI應用多元 讓零售營運更智慧

在透過外部專業力量解決人才、分析環境與資料困境後,製造業者即可著手建立AI應用機制。就目前AI的發展來看,其應用走向可分為兩種,一是透過上層雲端平台,分析長期累積的大量數據,藉此制定未來的營運策略。另一種則是讓終端設備具有邊緣運算功能,即時處理現場狀況,在零售業,這兩種機制都會使用。

在雲端運算部分,現在最常見的是分析人流,再依分析結果者出最佳銷售地點。這種作法可分成大小兩種規模,大型規模是蒐集各地區的包括人流數量、年齡、性別、動線、出現頻率等資料,再由系統找出最適合的開店店址。大型零售業者在開店前也會有此動作,不過多是派遣人力在街頭計算,不僅數據量不足誤差也大。現在則可透過電信業者的雲端平台解決此問題,電信業者可根據其下門號上網的使用軌跡,找出人流分布圖,作為零售業者的開店參考。

圖1 : 透過AI分析人流,調整商場最佳商品組合,是零售業智慧化的未來趨勢。(source:Brandyfloss)
圖1 : 透過AI分析人流,調整商場最佳商品組合,是零售業智慧化的未來趨勢。(source:Brandyfloss)

至於較小規模的人流分析,就不必使用電信業者的服務,這種AI的分析作法,則是將店鋪內的影像監控攝影機與AI系統結合,依據店內人流,設計出最佳動線,並找出銷售熱點,調整貨架上的商品組合,創造出最佳坪效。

實體店面內的AI人流分析,也可與零售業的另一AI建置–邊緣運算整合,讓銷售量最大化。邊緣運算在零售業的最佳應用是智慧貨架,此類貨架早在10年前就已有相關構想,當時的概念是將RFID讀取器建置於貨架上,用來讀取產品上的電子標籤,並將結果傳輸至後端系統,提醒人員補貨,避免因物品銷罄貨架空置產生機會損失。

Hyperlocal四層次 智慧貨架願景成真

現在的智慧貨架則是比當初更進一步,除了原有的感測器之外,在結合近年來零售業的Hyperlocal概念,此一概念是讓行銷結合當地最常用的數位工具,像是中國的微信、台灣的Line等,讓行銷可以落地深根,融合到當地消費者的生活型態中。

**刊頭圖(source:Picsell)

【欲閱讀更豐富的內容,請參閱智動化SmartAuto雜誌 2020 年第 63 期10 月號】

2020.10月(第63期)AI機器視覺
2020.10月(第63期)AI機器視覺

相關新聞

電子與傳統產業跨界醫材轉型

儘管新冠肺炎疫情仍未全面平息, 但台灣工具機產業將有望提早一步,重返成長。 特別是在5G、半導體與電動車等市場的需求帶動下, 對工具機的採用力道將會明顯的增加。 然而,在重回成長的同時, 工具機產業也面臨了轉型的挑戰, 因為新技術與新應用的壓境, 傳統的模式已不再能滿足客戶與市場的需求。 與機器人的整合,IoT與5G的搭配, 人工智慧的導入,甚至AR與VR的應用, 工具機正邁入關鍵的下一階段, 以為數位思維為核心的轉型趨勢已經展開。

工具機從雲端共同提升韌性

儘管新冠肺炎疫情仍未全面平息, 但台灣工具機產業將有望提早一步,重返成長。 特別是在5G、半導體與電動車等市場的需求帶動下, 對工具機的採用力道將會明顯的增加。 然而,在重回成長的同時, 工具機產業也面臨了轉型的挑戰, 因為新技術與新應用的壓境, 傳統的模式已不再能滿足客戶與市場的需求。 與機器人的整合,IoT與5G的搭配, 人工智慧的導入,甚至AR與VR的應用, 工具機正邁入關鍵的下一階段, 以為數位思維為核心的轉型趨勢已經展開。

打造工業4.0第一步應用 邊緣運算讓產線檢測更快準

儘管新冠肺炎疫情仍未全面平息, 但台灣工具機產業將有望提早一步,重返成長。 特別是在5G、半導體與電動車等市場的需求帶動下, 對工具機的採用力道將會明顯的增加。 然而,在重回成長的同時, 工具機產業也面臨了轉型的挑戰, 因為新技術與新應用的壓境, 傳統的模式已不再能滿足客戶與市場的需求。 與機器人的整合,IoT與5G的搭配, 人工智慧的導入,甚至AR與VR的應用, 工具機正邁入關鍵的下一階段, 以為數位思維為核心的轉型趨勢已經展開。

AIoT掀起智慧浪潮 釐清脈絡抓緊邊緣運算商機

儘管新冠肺炎疫情仍未全面平息, 但台灣工具機產業將有望提早一步,重返成長。 特別是在5G、半導體與電動車等市場的需求帶動下, 對工具機的採用力道將會明顯的增加。 然而,在重回成長的同時, 工具機產業也面臨了轉型的挑戰, 因為新技術與新應用的壓境, 傳統的模式已不再能滿足客戶與市場的需求。 與機器人的整合,IoT與5G的搭配, 人工智慧的導入,甚至AR與VR的應用, 工具機正邁入關鍵的下一階段, 以為數位思維為核心的轉型趨勢已經展開。

佈署預測性維護演算法於雲端或邊緣裝置

儘管新冠肺炎疫情仍未全面平息, 但台灣工具機產業將有望提早一步,重返成長。 特別是在5G、半導體與電動車等市場的需求帶動下, 對工具機的採用力道將會明顯的增加。 然而,在重回成長的同時, 工具機產業也面臨了轉型的挑戰, 因為新技術與新應用的壓境, 傳統的模式已不再能滿足客戶與市場的需求。 與機器人的整合,IoT與5G的搭配, 人工智慧的導入,甚至AR與VR的應用, 工具機正邁入關鍵的下一階段, 以為數位思維為核心的轉型趨勢已經展開。

經AOI蒐集全製程資訊 加速傳產數位化轉型

在工業領域廣泛應用的機器視覺(Machine Vision), 進入了新的年代, 不僅講求影像的高解析與高處理速度, 更要求可以做到智慧辨識與分析, 進一步強化在智慧製造上的需求。 AI機器視覺以機器學習技術為基礎, 運用對數據資料的分析, 來提高光學影像辨識裝置的應用範圍。

全面進入工業領域 智慧機器視覺系統勢頭看漲

在工業領域廣泛應用的機器視覺(Machine Vision), 進入了新的年代, 不僅講求影像的高解析與高處理速度, 更要求可以做到智慧辨識與分析, 進一步強化在智慧製造上的需求。 AI機器視覺以機器學習技術為基礎, 運用對數據資料的分析, 來提高光學影像辨識裝置的應用範圍。

數位化排程與管理成關鍵

在工業領域廣泛應用的機器視覺(Machine Vision), 進入了新的年代, 不僅講求影像的高解析與高處理速度, 更要求可以做到智慧辨識與分析, 進一步強化在智慧製造上的需求。 AI機器視覺以機器學習技術為基礎, 運用對數據資料的分析, 來提高光學影像辨識裝置的應用範圍。

善用數位工具強化營運效能 以新零售視角因應市場挑戰

在工業領域廣泛應用的機器視覺(Machine Vision), 進入了新的年代, 不僅講求影像的高解析與高處理速度, 更要求可以做到智慧辨識與分析, 進一步強化在智慧製造上的需求。 AI機器視覺以機器學習技術為基礎, 運用對數據資料的分析, 來提高光學影像辨識裝置的應用範圍。

傳動螺桿蓄動能 高速精微化成主流

在工業領域廣泛應用的機器視覺(Machine Vision), 進入了新的年代, 不僅講求影像的高解析與高處理速度, 更要求可以做到智慧辨識與分析, 進一步強化在智慧製造上的需求。 AI機器視覺以機器學習技術為基礎, 運用對數據資料的分析, 來提高光學影像辨識裝置的應用範圍。

熱門新聞

商品推薦

udn討論區

0 則留言
規範
  • 張貼文章或下標籤,不得有違法或侵害他人權益之言論,違者應自負法律責任。
  • 對於明知不實或過度情緒謾罵之言論,經網友檢舉或本網站發現,聯合新聞網有權逕予刪除文章、停權或解除會員資格。不同意上述規範者,請勿張貼文章。
  • 對於無意義、與本文無關、明知不實、謾罵之標籤,聯合新聞網有權逕予刪除標籤、停權或解除會員資格。不同意上述規範者,請勿下標籤。
  • 凡「暱稱」涉及謾罵、髒話穢言、侵害他人權利,聯合新聞網有權逕予刪除發言文章、停權或解除會員資格。不同意上述規範者,請勿張貼文章。