AI untuk ramalan stok dan permintaan dalam runcit dan F&B
Stok berlebihan mengikat tunai anda dan akhirnya dibuang; stok terlalu sedikit menghantar pelanggan ke kedai sebelah. Berikut apa yang ramalan AI ubah untuk kedai atau kafe anda, kosnya, dan cara bermula.

AI boleh meramal berapa banyak setiap barang akan terjual di kedai atau cawangan anda dengan belajar daripada jualan lepas: hari sibuk, hari gaji, minggu hujan dan musim perayaan seperti Raya dan Tahun Baharu Cina. Anda menempah lebih dekat dengan permintaan sebenar, jadi kurang stok dibuang atau terperap di rak, barang laris jarang habis, dan lebih banyak tunai kekal di bank.
Sebuah kedai roti di Kuantan membuang 30 buku roti pada hari Isnin yang hujan, kemudian roti bun paling larisnya habis sebelum pukul 11 pagi hari Sabtu. Sebuah pasar mini di Kluang masih ada tin biskut raya bernilai RM8,000 di rak tiga minggu selepas Hari Raya. Kedua-dua pemilik bukan cuai. Mereka menempah stok berdasarkan ingatan dan gerak hati, yang berkesan sehingga perniagaan membesar melebihi apa yang boleh diingat oleh seorang.
Jika itu kedengaran seperti kedai anda, ramalan permintaan AI ialah salah satu cara paling langsung AI membayar balik kosnya: setiap dulang yang tidak dibuang dan setiap tin yang tidak ditempah berlebihan ialah tunai yang anda simpan. Panduan ini ditulis untuk pemilik yang sedang menimbang sama ada ia berbaloi, dan cara untuk bermula.
Apa yang ramalan AI ubah untuk kedai atau cawangan anda?
Ia menggantikan "tempah lebih kurang macam minggu lepas" dengan satu angka untuk setiap barang, berdasarkan cara barang itu sebenarnya terjual. AI melihat jualan lepas barang demi barang dan mencari corak di sebaliknya: hari mana yang sibuk, bagaimana gaji hujung bulan menaikkan perbelanjaan, bagaimana hujan mengubah pelanggan yang singgah, dan bagaimana jualan naik sebelum musim perayaan. Kemudian ia mengunjurkan corak itu ke tempahan minggu depan.
Apa yang anda dapat sebagai pemilik:
- Kurang pembaziran. Roti, kuih, sayur dan produk tenusu ditempah lebih dekat dengan apa yang benar-benar terjual.
- Rak jarang kosong. Barang laris masih ada pada pagi Sabtu, jadi pelanggan tidak beralih ke kedai sebelah.
- Lebih banyak tunai di tangan. Kurang wang terikat dalam stok lambat laku, lebih banyak untuk gaji, sewa dan pembekal.
- Tempahan lebih cepat. Penyelia anda menyemak cadangan tempahan dan bukannya mengira dan meneka, jadi kerja menempah turun daripada sejam kepada 15 minit.
Barang mana patut anda mulakan dahulu?
Mulakan dengan barang laris yang stabil: barang yang dijual hampir setiap hari dan ditempah semula setiap minggu. Di situlah corak paling jelas dan ringgit terkumpul paling cepat.
| Mulakan di sini | Urus sendiri buat masa ini |
|---|---|
| Barang laris stabil: roti, susu, beras, minuman, bahan pencuci | Produk baharu yang belum ada sejarah jualan |
| Barang yang dijual hampir setiap hari | Barang yang dijual beberapa kali setahun |
| Barang mudah rosak yang selalu dibuang | Tempahan pukal sekali sahaja dan acara |
| Barang dengan corak mingguan atau perayaan yang jelas | Barang yang dipromosi besar-besaran bulan ini |
Bagi kebanyakan kedai dan kafe, 20 barang membentuk sebahagian besar jualan dan pembaziran. Ramalkan 20 barang itu dahulu.
Rekod jualan apa yang anda perlukan?
Anda perlukan sekurang-kurangnya 12 bulan jualan mengikut barang dan mengikut hari, serta catatan bila barang habis dan apa yang dibuang. Dengan data setahun penuh, ramalan sudah melihat setiap musim perayaan anda sekali.
| Rekod | Kenapa ia membantu | Di mana anda mungkin ada |
|---|---|---|
| Jualan harian setiap barang, 12 bulan atau lebih | Corak asas ramalan | Sistem POS atau invois jualan anda |
| Bila barang habis | Menunjukkan permintaan yang terlepas | Log ringkas yang disimpan staf di kaunter |
| Pembaziran dan kerosakan | Menunjukkan di mana anda tertempah lebih | Helaian pembaziran semasa tutup kedai |
| Tempoh penghantaran pembekal | Berapa awal anda perlu menempah | Pesanan belian dan tarikh penghantaran |
| Cuti umum dan penggal sekolah | Mengubah permintaan mengikut minggu | Kalendar cuti umum dan sekolah |
Log barang habis ialah rekod yang kebanyakan kedai tiada, dan ia berbaloi dimulakan minggu ini. Jika nasi lemak anda habis pukul 10 pagi setiap hari bulan lepas, laporan jualan menunjukkan 80 bungkus, tetapi pelanggan mungkin mahu 120. Sebaik sahaja ramalan tahu bila anda kehabisan, ia akan menyuruh anda buat lebih.
Bagaimana AI mengendalikan Raya, Tahun Baharu Cina dan Deepavali?
Ia mengendalikannya dengan baik sebaik sahaja anda beritahu minggu mana ialah minggu perayaan, kerana musim perayaan Malaysia beralih dalam kalendar setiap tahun. Hari Raya Aidilfitri jatuh kira-kira 10 hingga 11 hari lebih awal setiap tahun; Tahun Baharu Cina jatuh antara akhir Januari dan pertengahan Februari; Deepavali juga beralih. Perbandingan "bulan sama tahun lepas" akan tersasar untuk semuanya; ramalan yang memadankan "dua minggu sebelum Raya" dengan "dua minggu sebelum Raya" akan tepat.
Cara mendapat manfaat penuh:
- Tandakan minggu perayaan mengikut acara. Kebanyakan alat ramalan menerima kalendar acara; masukkan Ramadan, Raya, Tahun Baharu Cina, Deepavali dan acara tempatan anda.
- Rancang Ramadan sebagai corak tersendiri. Kafe mungkin lengang waktu tengah hari tetapi sibuk dengan bungkus berbuka puasa selama sebulan.
- Gunakan cuti sekolah dan hari gaji. Kedai serbaneka di Johor Bahru berhampiran sekolah melihat jualan turun pada cuti sekolah; banyak kedai melihat perbelanjaan naik pada hujung bulan.
- Rancang penurunan selepas perayaan, bukan hanya persediaan. Tempah kelompok perayaan terakhir lebih kecil dan rancang potongan harga lebih awal. Itu sahaja sudah boleh menjimatkan sebahagian besar RM8,000 pasar mini di Kluang.
Bagaimana anda menukar ramalan kepada tempahan?
Tempah cukup untuk menampung permintaan yang diramal sehingga penghantaran seterusnya tiba, ditambah sedikit penampan, ditolak stok yang ada dan stok yang sedang dalam perjalanan. AI memberi angka permintaan; kiraannya cukup mudah untuk disemak dengan kalkulator.
Kuantiti tempahan = ramalan permintaan bagi (tempoh penghantaran + hari hingga tempahan seterusnya) + penampan − stok sedia ada − stok yang sudah ditempah
Contoh: Sebuah kafe di Johor Bahru menggunakan susu segar. Ramalannya 18 liter sehari. Pembekal menghantar 2 hari selepas tempahan, dan kafe menempah seminggu sekali, jadi ia perlu menampung 9 hari: 9 × 18 = 162 liter. Ia menyimpan penampan kira-kira 20% penggunaan seminggu, lebih kurang 25 liter. Ia ada 40 liter dan tiada stok dalam tempahan.
162 + 25 − 40 = 147 liter perlu ditempah
Untuk barang mudah rosak, hadkan tempahan kepada apa yang boleh dijual sebelum luput.
Berapa kosnya, dan berapa cepat ia pulang modal?
Bagi satu cawangan, penjimatan biasanya datang daripada tiga tempat: kurang pembaziran, kurang jualan terlepas, dan kurang tunai terikat dalam stok. Ukur ketiga-tiganya pada 20 barang teratas anda selama lapan minggu, bandingkan ramalan AI dengan cara anda menempah sebelum ini.
Contoh (angka ilustrasi): Sebuah kafe roti di Pulau Pinang mencuba ramalan AI pada 20 barang selama lapan minggu.
| Apa yang berubah | Sebelum | Selepas | Nilai sebulan |
|---|---|---|---|
| Pembaziran roti dan pastri | 9% daripada belian | 6% | kira-kira RM450 |
| Hari 3 barang teratas habis | kira-kira 8 sebulan | kira-kira 3 | kira-kira RM300 margin jualan tambahan |
| Masa penyelia menempah | 5 jam seminggu | 1.5 jam seminggu | kira-kira 15 jam, atau RM300 pada RM20 sejam |
Itu lebih kurang RM1,050 sebulan. Jika ciri atau tambahan ramalan berharga, katakan, RM150 hingga RM300 sebulan, ia pulang modal pada bulan pertama. Kedai lebih kecil dengan pembaziran lebih rendah akan jimat kurang, jadi semak angka pada 20 barang teratas anda sendiri sebelum mengikat pelan tahunan. Panduan kami tentang mengukur sama ada AI berbaloi menunjukkan cara membuat perbandingan.
Ada manfaat tunai juga. Setiap ringgit yang tidak terperap dalam stok lambat laku ialah ringgit untuk pembekal dan gaji. Lihat modal kerja dan AI untuk ramalan aliran tunai untuk sisi tunai.
Apa yang patut anda buat dahulu?
Buat keputusan dalam tiga langkah kecil, bukan satu pembelian besar.
- Minggu ini: mulakan log barang habis dan helaian pembaziran semasa tutup kedai. Dua lajur setiap satu, diisi oleh sesiapa yang menutup kedai.
- Bulan ini: eksport 12 bulan jualan barang dari POS ke hamparan dan pilih 20 barang teratas mengikut jualan dan pembaziran.
- Bulan depan: cuba alat ramalan, atau ciri ramalan dalam perisian yang anda sudah guna, pada 20 barang itu selama lapan minggu. Kekalkan yang mengurangkan pembaziran dan hari barang habis.
Ramalan sesuai secara semula jadi dalam usaha mendigitalkan kedai anda: sebaik sahaja jualan, belian dan stok direkod di satu tempat, tempahan, aliran tunai dan bayaran pembekal semuanya jadi lebih mudah. Panduan langkah demi langkah kami tentang cara mendigitalkan PKS Malaysia menunjukkan di mana ia sesuai, dan proses perolehan hingga pembayaran merangkumi langkah menempah dan membayar di sekelilingnya.
Bagaimana Jiannius boleh membantu anda bermula?
Jika alat sedia ada tidak sesuai dengan cara kedai atau dapur anda menempah, Jiannius Technologies Sdn Bhd, syarikat Malaysia di sebalik HumbleBear, juga mengambil kerja perkhidmatan AI dan binaan khas sebagai projek berskop. Ini boleh jadi ramalan yang dibina berdasarkan senarai barang, cawangan dan pembekal anda sendiri, atau menghubungkan jualan POS dengan sistem yang anda guna untuk menempah supaya cadangan tempahan sedia untuk penyelia setiap pagi. Mulakan dengan log barang habis dan pembaziran di atas selama sebulan; dengan angka itu, berbincang dengan Jiannius sama ada projek berskop sesuai untuk perniagaan anda.
Soalan lazim
Berapa banyak sejarah jualan yang AI perlukan untuk meramal permintaan?
Sekurang-kurangnya 12 bulan jualan harian mengikut barang, supaya ramalan sudah melihat setiap musim sekali. Dua atau tiga tahun lebih baik untuk perayaan yang beralih setiap tahun. Jika kurang, mulakan dengan corak mingguan dan rancang stok perayaan sendiri sehingga anda ada data setahun penuh.
Bolehkah ramalan AI berfungsi untuk kafe kecil atau satu kedai?
Boleh, jika anda menjual barang yang sama hampir setiap hari dan POS anda merekod jualan mengikut barang. Satu cawangan dengan 50 barang tetap boleh menjimatkan ratusan ringgit sebulan daripada pembaziran sahaja. Cawangan yang menukar menu setiap minggu akan mendapat manfaat lebih sedikit.
Adakah ramalan AI berfungsi untuk makanan segar?
Ya, dan selalunya di situlah penjimatan paling besar. Gunakan ramalan untuk menetapkan kuantiti penyediaan dan tempahan harian, hadkan tempahan kepada apa yang boleh dijual sebelum luput, dan simpan log pembaziran supaya ramalan terus bertambah baik.
Adakah tempahan AI akan menggantikan staf pembelian saya?
Tidak. Ia memberi mereka angka permulaan yang lebih baik dan mengambil alih kebanyakan kerja mengira dan meneka. Masa mereka beralih kepada urusan pembekal, promosi dan acara, iaitu tempat mereka paling memberi nilai.


