Архив Розничная и оптовая торговля · Дистрибуция и опт
Kokubu Group: ИИ-прогноз спроса и автозаказ на 288 логистических базах
По данным LOGISTICS TODAY, японский дистрибьютор продуктов питания Kokubu Group внедрил платформу прогноза спроса DATAFLUCT Airlake на 288 логистических базах. После внедрения время на формирование заказов значительно сократилось, а перечень товаров на автозаказе расширился.
/01 · ключевые результаты
-
масштаб
288 баз
логистические объекты с платформой прогноза спроса Airlake
LOGISTICS TODAY, статья, 30.09.2025
по данным на сентябрь 2025 года · логистическая сеть Kokubu Group в Японии
данные СМИ
- 300 баз общее число логистических объектов группы по стране · масштаб LOGISTICS TODAY, статья, 30.09.2025
оценка strategai
Оценку не приводим: источник не даёт количественной оценки сокращения времени заказа, дефицита или запасов.
По данным LOGISTICS TODAY, японский дистрибьютор продуктов питания Kokubu Group внедрил платформу прогноза спроса DATAFLUCT Airlake на 288 логистических базах. После внедрения время на формирование заказов значительно сократилось, а перечень товаров на автозаказе расширился.
/02 · паспорт кейса
Бизнес
- Компания
- Kokubu Group
- Отрасль
- Розничная и оптовая торговля · Дистрибуция и опт
- Функция
- Цепочка поставок, закупки и логистика
- Задача
- Прогноз спроса и автозаказ (DFM)
Технология
- Класс AI
- Прогнозирование временных рядов
- Тип решения
- Решение вендора: DATAFLUCT
- Данные
- Ежедневные фактические данные, данные о погоде и другие внешние данные.
Внедрение
- Стадия
- Масштабировано, на 30.09.2025
- География
- Япония
/03 · описание кейса
Зачем
Бизнес-задача
Kokubu Group — японский оптовый дистрибьютор продуктов питания: группа закупает 600 тыс. наименований у 10 тыс. поставщиков и снабжает 35 тыс. клиентов с 300 логистических баз по всей стране. Заказы поставщикам формировались по историческим продажам, опыту и интуиции сотрудников. Такой подход приводил к дефициту одних товаров и избыточным запасам других. Спрос в продовольственной дистрибуции сильно колеблется, в том числе из-за погоды, поэтому группе требовался прогноз, который учитывает внешние факторы и охватывает большой ассортимент.
Что
Решение
Kokubu Group внедрила платформу прогноза спроса Airlake platform и набор моделей Airlake AI models компании DATAFLUCT (Токио). Платформа автоматически собирает и объединяет ежедневные фактические данные и данные о погоде, на их основе строятся модели прогноза спроса. Прогноз связан с функцией автоматической корректировки страхового запаса, что должно предотвращать дефицит и оптимизировать запасы. Благодаря MLOps модели автоматически переобучаются и адаптируются к резким колебаниям спроса. Прогноз охватывает много товарных позиций и использует внешние данные.
Как
Внедрение
О внедрении DATAFLUCT объявила 30 сентября 2025 года; в тот же день об этом сообщило отраслевое издание LOGISTICS TODAY. Платформа работает на 288 логистических базах группы из 300 в сети. По данным издания, после внедрения время на формирование заказов значительно сократилось, качество работы стало стабильнее, а перечень товаров, которые заказываются автоматически, расширился. Прогноз учитывает сложные колебания спроса, характерные для продовольственной дистрибуции. Количественные значения этих результатов не раскрыты.
/04 · источники и проверка
Что подтверждено
- Платформа прогноза спроса DATAFLUCT Airlake внедрена на 288 логистических базах Kokubu Group при общей сети в 300 баз.
- Прогноз использует ежедневные фактические данные и данные о погоде и связан с автоматической корректировкой страхового запаса; модели автоматически переобучаются.
- По данным издания, после внедрения время на формирование заказов значительно сократилось, а перечень товаров на автозаказе расширился.
Ограничения
- Все цифры описывают охват внедрения; сокращение времени заказа, изменение дефицита и уровня запасов в процентах или деньгах не приводятся.
- Результаты известны из сообщения поставщика решения DATAFLUCT в пересказе отраслевого издания; собственных оценок Kokubu Group нет.
-
[1] LOGISTICS TODAY
DATAFLUCT、国分グループにAI需要予測導入
СМИ · 30.09.2025
Открыть источник
АрхИИВ /strategai · CB-001350 · Версия 1 · 18.10.2026 · /c/CB-001350/