Kdyby měli křišťálovou kouli, tak by mohli snadno předpovědět, po čem zákazníci zrovna touží a předem se zásobit. Reálně se ale spoléhají především na svou intuici a zkušenosti. Nyní jsou však na vzestupu pokročilé softwarové nástroje, které si kladou za cíl ulehčit nákupčím jejich náročné poslání.

Síla dnešních informačních systémů tkví ve velkém množství dat, které jsou schopny zpracovat. Tyto možnosti skýtají zajímavé nové příležitosti pro aplikaci umělé inteligence založené na neuronových sítích. Výpočty pomocí běžných statistických metod již nejsou možné, díky množství proměnných, které se vzájemně ovlivňují. Tyto algoritmy dokážou nejen zpracovat objemy dat, převyšující schopnosti lidského mozku, ale také najít matematické vztahy mezi mnoha vlivy v datech. Proto jsou šikovným pomocníkem, který pomáhá posouvat lidské schopnosti za jejich stávající hranice.

Z biologické analogie je umělá neuronová síť tvořena matematickými neurony, primitivními jednotkami, které zpracovávají vstupní signály, vzájemně mezi sebou komunikují a generují výstupní informaci. Jde o formu umělé inteligence, která zahrnuje učící se algoritmus, vycházející z porovnání historických dat a reality. Její hlavní výhodou je schopnost zpracovat a klasifikovat velký počet vstupních dat. Na samém počátku stojí připravená trénovací data, na která vypustíme neuronovou síť. Ta poté automatizovaně zkoumá vzájemné souvislosti, učí se je poznávat a připravuje se na předpovídání budoucích hodnot.

Na odpovědi pracovalo sdružení IT Cluster, které podporuje kolektivní výzkum, a s členskými společnostmi KVADOS, D3Soft, K2 atmitec a NAM system realizoval vývojový projekt s názvem „Implementace optimalizace skladových zásob.“ Předmětem projektu je analýza prodejů rychloobrátkového sortimentu, elektroniky a knih. Důležitou součástí je stanovení vnějších vlivů na spotřebu a zjištění vazeb a specifik pro různý sortiment. Projekt má odpovědět na otázky, jak velkou mít zásobu v následujících případech:

Pro oblast neuronových sítí byly mimo jiné připraveny data z oblastí knih a jejich specifik. Např. je zde obrovské množství nových titulů s jepičím životem. Hledání souvislostí mezi autorem, jeho dosavadní tvorbou, žánrem, vysokou mírou trendovostí titulů, souvislostí s prodejem elektronických knih bylo důležitým úkolem pro smysluplnou predikci.

Výstupem projektu je vývoj komplexního softwarového nástroje pro predikci skladových zásob, který je možné implementovat do nezávislých primárních ERP systémů. Dokáže určit takové množství sortimentu, které se spotřebuje v definovaném období tak, aby nedocházelo k přeskladnění nebo naopak nedostatku sortimentu na skladě. V rámci projektu bylo také realizováno administrátorské rozhraní, s jehož pomocí lze nastavit samotnou neuronovou síť, bez hlubších znalostí IT. Systém je připraven pro automatizované strojové učení i jiných automatických úloh, které na základě nových prodejů rozšíří trénovací množinu a porovná výsledky se stávajícími. Tak se zajišťuje plynulé automatizované zlepšování přesnosti predikce.