XiaoMi-AI文件搜索系统
World File Search System零售业
重启零售业：技术将如何塑造零售业的未来
自动化采用率在各个角色中都处于领先地位（图 7）。13 理论上，这个数字可能更高，但在实践中，自动化采用率通常低于 100%，主要有三个原因。首先，至少在短期或中期内，在门店层面部署技术往往比雇用人力（例如补货）更不经济。其次，自动化的推出可能会因法规或消费者的怀疑（例如对自动驾驶汽车）而推迟。最后，大型、资本雄厚的公司和小型零售商之间的技术采用情况会有所不同：目前 44% 的零售业就业人员在员工少于 100 人的公司，39% 在员工少于 50 人的公司——这些小型企业大规模投资技术的能力远远低于构成该行业其他部分的“大型”企业。
零售业的供应链管理
在全球化且竞争激烈的商业环境中，供应链管理变得非常重要，因为公司的竞争力在很大程度上取决于供应链的性能（Ryu等，2009，p。497）。供应链管理涵盖了从购买原材料到最终产品的制造和分发以及逆转物流的所有活动（Pourhejazy and Kwon，2016年，第1页）。这是一个战略决定，可以受到各种决策（例如库存和运输政策）以及战术（例如库存和运输政策）和运营（例如定价和服务质量）的各种决策的影响。需求的能力可以帮助公司计划生产，管理库存水平并防止在意外需求或供应中断的情况下疲惫不堪（Yuan and Xue，2023年，第4页）。利用高级分析和机器学习算法，正确的请求预测和
利用人工智能重塑零售业
借助支持 AI 的智能商店，零售商可以减少损耗、消除缺货现象，并了解店内顾客行为，从而优化商品销售。这些商店利用来自摄像头和传感器的数据提供有价值的分析，从而实现智能决策、改善运营并提高效率。此外，相同的基础设施可用于更快的客户结账体验，包括全自动结账系统。如今，零售商正在针对四种用例实施智能商店：资产保护、商店分析、自主购物和商店运营。
零售业作为经济发展的催化剂
她拥有超过 15 年的商业房地产经验，对房地产交易、购物中心管理和租赁有着丰富的了解。Beth 曾在 Retail Strategies 的姊妹公司 Retail Specialists 担任物业经理，之后开始担任投资组合总监。她拥有丰富的房地产知识，能够创造性地达成交易，帮助客户实现零售目标。
荷兰零售业的过渡挑战
零售业是荷兰最大的私人雇主，拥有80万名员工，是经济增长的重要驱动力。在未来几年中，对更可持续的经济和改变消费者行为的需求将挑战零售业的现有业务模式。研究（例如麦肯锡，2022年； EC，2024b; EuroCommerce，2024年）表明，因此需要大量额外的投资，这提出了零售业是否能够自行实现这些投资的问题1。投资需要三重转型，零售业的营业额为2021年的营业额为1440亿欧元，2022年为1,590亿欧元。尽管该行业在过去的二十年中发展了，但其余的荷兰经济以更快的速度扩大，从而降低了零售业在国民经济中的份额。假设三重转型（可持续性，数字化和人才发展）的额外投资要求占营业额的1.2％，则零售业每年将需要投资约19亿欧元，直到2030年。从2025 - 2030年期间，这将导致超过110亿欧元的额外投资，而该行业每年已经投资的3.6％（麦肯锡，2022年）。的情况和挑战在零售业无法实现这些额外投资的场景中，较小的企业特别经历了来自强烈的国际面向市场的压力，在该市场中，规模经济经济是常态。此外，由于美国和亚洲的不公平竞争，存在着不平衡的竞争环境的威胁。通过忽视可持续性或数字化，零售商从长远来看会错过提高效率并降低必要成本的机会。在这种情况下，零售企业家无法促进更高的价值链的可持续性。在转换进行投资的情况下，无论是在不带支持的情况下，这还需要调整现有（线性）业务模型。在短期内，这可能导致摩擦失业和裁员。但是，从长远来看，这可能会导致工作和经济增长的保存。尽管有现有的中小企业措施，但零售商将无法意识到这些投资，而无需更容易获得的融资，国际级别的竞争环境以及荷兰和整个欧洲的集中，协调的法规。在可持续性，数字化，技能和人才发展的三个转变上，额外的1.2％投资分配；三重变换。可持续性使零售业更可持续发展对于遵守国际气候协议和消费者期望至关重要。但是，有很大的投资需要使过渡到更可持续的实践。要使零售业更具可持续性，必须每年投资额外的0.6％的营业额（范围为0.3％至0.9％），以帮助该行业朝着零排放量发展。这相当于
零售业中的人工智能：现在怎么样？
• 尽管有 12 种不同的选择，近一半的零售业受访者选择识别影响未来目标的趋势作为业务分析的首选用途。在不确定性增加的时代，零售商不能依靠直觉来知道下一步该做什么，他们希望最智能的数学 (AI) 能够帮助他们做出反应。很简单，他们想要（并且需要）比目前更好的工具来应对不确定性。• 表现最佳者（其销售额已经超过常态）对 AI 和 ML 工具更加乐观。71% 的最佳表现者表示，支持 AI 的分析将从根本上改变他们未来三年预测商品的方式（而平均和表现不佳者只有 44%）。这种模式延伸到所有类型的决策过程，包括供应链规划和管理（62% vs 48%）和商店绩效评估方法（56% vs. 40%）。• 虽然零售商面临的最大外部挑战仍然是消费者需求的快速变化（46% 的人从 9 个选项中选择了它作为首要任务），但他们看到的更多地使用人工智能分析的最大机会转向内部：44% 的人表示他们可以使用这些高级算法来帮助他们更好地应对供应链中断。很简单，零售商害怕消费者——这是理所当然的。但他们认为提高自己水平的最好机会（再次，正确）是提高自己对不可想象的事情做出反应的能力。无论如何，他们知道他们至少需要能够提供他们承诺的产品。毫无疑问，COVID-19 疫情震撼了我们的行业，而人工智能分析很可能是这一巨大变化的最大受益者之一。• 就特定技术而言，我们的反馈池告诉我们，投资正在缓慢到来：但确实正在到来——尤其是对于表现最好的企业而言。零售商并没有像消费者希望的那样迅速利用这些新工具，但自我们上次在 2020 年疫情最严重期间进行这项研究以来，诸如高管仪表板、异常报告和可视化数据模型等人工智能界面的价值和使用都在缓慢而稳定地增长。他们最感兴趣的是将智能层叠加到他们从传统运营系统收集的结构化数据上的能力：无论是现在，还是未来。
批发和零售业技能框架
我们很荣幸地推出针对批发和零售业的行业技能框架。该框架是严谨研究和广泛利益相关方参与的成果。它概述了该行业所需的技术和通用技能，并正式阐述了劳动力市场的技能需求。该框架将技能发展与劳动力市场所需技能相结合，旨在提高就业能力，促进经济增长，并为沙特王国的可持续发展做出贡献。
零售业边缘 AI 服务器
从 EMS 到 OEM 以及介于两者之间的一切，Unigen 30 多年来一直是全球客户值得信赖的技术合作伙伴。我们是工业和企业级 OEM 产品设计和制造领域的全球领导者，同时还利用我们在美国和越南的先进设施提供全方位的电子制造服务。无论您是在寻求解决方案还是服务，Unigen 都致力于简化您的生活。
零售业中的人工智能 | BILT
•（单击）建模。这些是由机器学习过程利用过去的经验生成的；即大量的历史数据。迭代应用各种算法，根据可以从数据集推断的内容生成预测模型。这包括一个反馈循环来帮助定制模型 •（单击）决策规则与数据输入和其他模型的分数一起使用，以决定要做什么。有时这些规则是由机器学习算法自动得出的，有时则由人类专家/业务用户定义/完善。 •（单击）响应/输出 - 在流程结束时，需要根据已做出的决策采取一些行动。单独的预测是无用的。您必须决定如何使用输出 •（单击）验证隐私和安全 •（单击）审查/监控由于预测准确性会随着时间的推移由于底层关系的变化而下降，因此请定期访问模型的运行情况。进行相应的更改。
零售业中的人工智能和自动化
尽管零售业对劳动力市场意义重大，但其生产率几乎在所有地方都远低于制造业和其他服务业。随着 ICT、物流和供应链管理技术（由美国沃尔玛等公司率先采用）在各个公司和国家得到普及，零售业的劳动生产率在 1995 年至 2006 年间确实大幅提高。到 2000 年代中期，这些数字和物流革命的“唾手可得的果实”已基本枯竭。2008 年后，由于全球经济危机导致需求下降，零售额出现下滑。从 2013 年开始，经济复苏使雇主越来越多地使用廉价劳动力，而不是继续投资于节省劳动力的技术。因此，由于经济条件不利以及企业不愿进行大规模资本投资，前段时间开发的提高生产率的技术（如自助结账）并未得到充分利用。与此同时，劳动力成本低廉和持续的工资停滞导致自动化导致的人员大规模重新部署到低附加值工作岗位（例如从收银员到接待和迎宾）——拖累了该行业的整体生产率增长。2