現貨率 87% 升到 94%，庫存反而少 8%：供應鏈 AI 如何打破兩難

最值得看的不是精準率，而是營運結果

澳洲母嬰零售商 Baby Bunting 導入 RELEX 後，把需求預測、補貨、庫存分配與促銷銷量預測整合起來，並淘汰人工下單。報告引用的結果是：全門店現貨率從 87% 提升到 94%，同店庫存總值同時下降 8%。

這組數字重要，是因為它同時改善了損益表與資產負債表。現貨率提升意味著顧客更容易買到商品，庫存下降則釋放營運資金並降低折價、報廢與倉儲壓力。只提高其中一項很容易，兩項一起改善才有技術含量。

Cora France：效果之外，導入速度也值得看

法國綜合超市集團 Cora France 上線後，門店現貨率提升 2 個百分點、門店庫存總量下降 5%，配送中心現貨率提升 1.5 個百分點。倉庫系統約 2 個月完成落地，門店系統約 4 個月上線。

對企業而言，Time-to-Value 與最終效果同樣重要。若專案要兩年才看見第一個結果，期間組織、人員與需求早已改變。以少數品類或區域先建立資料串接與成功基線，再滾動擴大，通常比一次性大爆炸導入更可控。

案例數字不能直接搬回自己的財務模型

不同零售業態的保存期限、毛利率、SKU 數、促銷強度與供應商交期都不同。母嬰用品的需求結構，不能直接套用到生鮮超市；國外門店的工資、物流與資訊系統成熟度，也不等於台灣。

企業應先做自己的基線：目前現貨率、庫存週轉、報廢、人工覆寫率與預測偏差是多少，再設定導入後的可驗證目標。案例是用來證明『可能性』，不是保證書。

• 以毛利額而非純營收衡量缺貨改善，避免低毛利商品放大表面成果。
• 庫存下降要同步觀察服務水準，避免只是把缺貨風險轉嫁給顧客。
• 導入前保留至少 8 至 12 週基線，並設置相似品類或門店作對照。

現貨率提高、庫存下降，背後不是魔法，而是把庫存放到更正確的位置

全公司庫存總量足夠，不代表每一家門店都有顧客需要的商品。傳統補貨容易用平均需求與固定安全庫存配置，結果是某些店缺貨、另一些店積壓。AI 規劃的核心，是依門店、商品、日期與事件重新分配安全庫存，在不增加總量的情況下提高可售率。Baby Bunting 的案例之所以重要，正在於服務水準與庫存資金同時改善。

但現貨率從 87% 升到 94% 並不代表所有商品都提高七個百分點。企業應拆解改善來自哪些品類、哪些門店與哪些需求型態，並確認是否犧牲長尾商品。若系統只把資源集中到暢銷品，整體指標可能變好，顧客對專業品類的選擇卻變差。數字需要配合商品策略解讀，不能只看總平均。

庫存下降 8% 也應追蹤它如何發生：減少門店安全庫存、降低配送中心積壓、加快跨店調撥，還是清理舊品？不同來源對未來可持續性的意義不同。一次性清庫存可以讓第一年成果漂亮，真正有價值的是在下一個促銷與旺季仍維持較低庫存，且沒有增加缺貨、急單與物流加班。

把海外案例轉成自己的財務試算，需要四組基線

第一組是需求基線，包括銷量波動、促銷頻率、新品占比與季節性。第二組是供應基線，包括交期、最低訂購量、到貨完整率與配送頻率。第三組是庫存基線，包括週轉天數、滯銷、報廢和跨店調撥。第四組才是財務基線：缺貨毛利損失、資金成本、倉儲與降價成本。缺少其中一組，就很難把案例數字轉成可驗證的投資回報。

試點最好選擇需求特性相近的品類或門店做配對，一組使用新系統，一組維持原流程，至少跨過完整促銷週期。比較時不能只看預測誤差，還要看現貨率、庫存、人工工時、急單與毛利。若新系統提高現貨率卻大量增加緊急配送，成本可能只是從庫存轉到物流。

台灣零售商尤其要注意颱風、連假、節慶、超商預購與短效期商品，這些事件讓一般歷史趨勢容易失準。AI 的優勢不是保證猜中每一次波動，而是更快吸收門店銷售、天氣、活動與供應訊號，並讓人工只處理高風險例外。真正的成果，是用一套可持續流程降低決策成本，而不是追求一次完美預測。