零售商需要非常详细地了解他们要在哪些店铺进行哪些商品存货，从而确保可为客户服务、货架上商品充足，并且客户能够在需要的时候获得它们。Tesco 才能出众的供应链团队帮助实施了基于机器学习的新型预测算法，能够在 21 天内管理 3000 多家门店和 3000 多万种商品。 – Tesco 数据科学总监 Rob Armstrong
需求预测 以沃尔玛为例，借助 RAPIDS™ 开源数据处理和机器学习库，该公司已将机器学习算法的训练速度提升 20 倍。RAPIDS 基于 CUDA-X AI™ 并采用 NVIDIA GPU，支持沃尔玛更加高效地将适当的产品送到适当的店铺，实时响应购物者趋势，并大规模节省库存成本。 观看视频：沃尔玛如何改进预测 (40:27)
预测客户重新订购 消费者的购物行为正在急剧变化，越来越多的零售商希望对数百万个商品到店铺的组合进行每日预测，并提高预测准确性。对于零售商而言，使用更快速、更可靠的预测来提高供应链的敏捷性并优化库存管理具有非常重要的意义。提高敏捷性的一种方法是依据客户购买历史记录，预测食品杂货的重新订购。 阅读博客：Best Practices for Using AI to Develop the Most Accurate Retail Forecasting Solution（借助 AI 开发更准确的零售预测解决方案的最佳实践）（2021 年 3 月）
快餐店 (QSR) 当日预测 某家拥有 2000 多家连锁店的领先连锁餐厅在确保产品为当日订单做好准备的预测建模方法方面遇到了问题。传统预测引擎不准确，滞后于销售趋势，无法将外部影响或季节性因素考虑在内，也无法适应定制模式。 Quantiphi 利用基于 NVIDIA GPU 的深度学习，推出了一个预测引擎。它将精度提高了 20% 以上，实现了控制变量的可视化、分析、警报和确立。 观看视频：How Quantiphi’s Solution is Automating Forecasting at QSRs（Quantiphi 的解决方案如何实现 QSR 的自动化预测）(19:47)