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。