教育新闻网分析师的见解：消费者期望的变化，供应的分散以及更大的成本压力给供应链带来了额外负担。这些挑战可以通过增强人工智能的预测能力和可见性来解决。通过使用AI来更深入地了解消费者的购买习惯，公司可以更有效地部署库存并更贴近最终客户。
在电子商务时代，消费者要求更短的交货时间，多种购买渠道和无缝的购物体验。为了满足这些期望，需要各种分销渠道和更靠近最终消费者的商店位置。但是，这样的策略通常会带来其他挑战，例如供应分散和成本压力增加。
AI可以定义为机器执行与人脑相关的认知功能的能力。预测(将现有信息转换为新信息的能力)是AI的核心。算法的进步，数据的扩散以及计算机功能和存储的巨大增长，已经使基于AI的预测算法既丰富又便宜。随着数据可用性的扩展，预测结果的能力在更广泛的供应链应用中变得越来越有价值，越来越普遍。
随着预测能力的不断提高，基于汇总的历史信息预测群众行为的时代即将结束。依靠来自在线商务的大量数据的新时代已经开始。这些数据的可用性使公司能够更准确地了解消费者的购买习惯和偏好。电子商务公司已经能够预测特定消费者在未来几周内将购买什么。
AI提供的另一项功能是增强的供应链可见性。人工智能，尤其是机器学习，提供了消化庞大数据集所需的方法和算法，同时仅呈现与决策者相关的信息。
为了通过拥抱AI实现增强的可预测性和可见性，公司应关注以下挑战。
自上而下的任务。
围绕AI制定清晰的战略很重要。像任何其他技术一样，人工智能是实现目标的一种手段，而不是最终目标本身。最高管理者应确定可通过增强的预测和可见性解决的业务问题，并根据公司的需求对这些问题进行优先级排序。高级管理层还应构想新的业务模型，该模型应利用通过AI的应用实现的更大的预测能力和可见性。
数据作为资产。
人工智能需要大量数据。机器学习算法并不是神奇的工具。数据是AI应用程序中获得增强的预测能力和可见性的关键组成部分。公司应开始将数据视为宝贵资产。他们需要投入资源来协调，存储和分析数据，以及制定有效的数据治理和管理策略，以建立单一的事实来源。
