AI 預測聽日賣幾多？需求預測＋自動補貨，唔使靠估叫貨
一、叫貨靠感覺嘅代價：叫多蝕錢，叫少冇得賣
叫貨係每間舖每日都要面對嘅決定，偏偏好多老闆都係靠感覺：「琴日賣咗廿幾份，今日叫三十份啦。」叫多咗，鮮貨過期要抌，蝕嘅係真金白銀；叫少咗，午市高峰冇貨賣，客人走咗，下次未必返。兩邊都係蝕，差別只係蝕喺邊。
更大嘅問題係：感覺唔會累積。今日靠感覺叫貨，聽日又靠感覺，十年都係同一個水平。做咗幾年嘅老闆憑經驗可能估得幾準，但經驗留喺個人身上，夥計唔識、請新人又要重新學。叫貨呢件事，應該由「人估」變成「系統計」，經驗變成數據，數據變成制度。
二、AI 預測睇咩：歷史銷量、天氣、節日、星期幾
AI 需求預測唔係水晶球，佢睇嘅嘢好實在：第一係歷史銷量——呢件貨過去幾星期、幾個月每日賣幾多；第二係星期規律——星期五晚同星期一晏晝，銷量差好遠；第三係節日同假期——長假期前後、節日前夕，需求會變；第四係天氣——落雨天堂食少啲、外賣多啲，呢啲模式系統可以由歷史數據入面學返嚟。
原理唔複雜：將過去嘅銷量同埋對應嘅日子條件擺埋一齊，系統就會搵到規律。例如「每逢星期五晚，呢款套餐會多賣三成」，唔係人估出嚟，而係數據計出嚟。條件越多、數據越長，預測越穩。但要講清楚：預測係「大概率」，唔係「一定」。佢嘅作用係將叫貨由「估」變成「有根據嘅判斷」，唔係保證零誤差。
三、預測唔準嗰陣點算：唔好盲信，要識校
預測唔準有三個常見原因。第一，數據唔啱：如果 POS 入面嘅銷量本身就記錯，預測出嚟嘅嘢都係錯——數據質素決定預測質素。第二，突發事件：隔籬突然開咗間同類舖、門口封路一個月，呢啲系統預測唔到，要人手調整。第三，貨品太新：新菜式、新產品冇歷史數據，系統冇嘢參考，預測只係參考。
所以正確嘅用法係：預測做參考，決定留畀人。系統話「聽日預計賣四十份」，老闆可以因應今日嘅實際情況加減。好嘅系統會俾你睇到預測點嚟——基於邊啲數據、信心有幾高，唔係俾個數字你照跟。用咗一排之後，對比預測同實際銷量，誤差越嚟越細，先至係系統學緊嘢；如果誤差一直大，就要檢查數據有冇問題，或者係咪有系統睇唔到嘅因素。
四、自動補貨點運作：安全庫存＋訂貨點
預測計出需求之後，下一步就係補貨。自動補貨嘅核心係兩個設定：安全庫存同訂貨點。安全庫存就係「幾多先至夠捱到下次送貨」，訂貨點就係「跌到幾多就自動落單」。例如某款醬料，每日用五樽，送貨要兩日，咁安全庫存至少要十樽；存貨跌到十五樽，系統就提醒或者自動落單，唔使等到用晒先嚟急。
設定要按貨品分級，唔好一刀切。熱賣貨、鮮貨、慢流貨，玩法唔同：熱賣貨要留多啲緩衝，鮮貨要寧少勿多，慢流貨唔好為咗慳運費一次入太多。自動補貨唔等於「唔使睇」，而係將「每日諗叫咩」變成「定期檢查設定啱唔啱」。供應商交貨期變咗、季節轉咗，設定就要跟住改，唔好設完一次就唔理。
五、鮮貨／易壞貨特別處理：損耗預警先係重點
需求預測對鮮貨、易壞貨嘅價值最大，因為呢啲貨錯咗就冇得返轉頭。系統可以做到嘅，除咗預測銷量，仲有損耗預警：邊啲貨入咗幾日未郁、邊啲貨就快過期、邊啲貨嘅銷量跌緊，逐樣提示。老闆收到提示，可以即刻做嘢：做推廣清貨、調整份量、轉做特價菜，唔使等到抌嗰陣先知。
仲有個實用做法：將預測同廚房生產連埋一齊。預測話聽日午市會忙，廚房今日就可以預先準備多啲；預測話聽日會靜，備料就可以減啲。預測唔止係買貨嗰陣用，成個營運流程都可以跟住預測走。呢個就係 AI 庫存管理同傳統「睇住個雪櫃叫貨」最大嘅分別：前者係預先部署，後者係事後補救。
六、預測＋盤點點配合：預測唔準，好多時係數唔啱
有個位好多商戶會忽略：預測準唔準，同盤點啱唔啱數好有關係。如果系統入面嘅存貨數同實際數差好遠，預測係基於錯嘅數計出嚟，點會準？所以做需求預測之前，要先將盤點做實——系統數同實際數對得上，預測先至有根有據。
兩樣嘢應該互相配合：盤點發現損耗或者差異，唔止係記低就算，仲要睇吓會唔會影響預測。例如某款貨成日盤點唔啱數，可能係損耗率高、可能係收貨有問題，呢啲因素要反映返喺預測同補貨設定入面。預測係望遠鏡，盤點係校正器，兩樣一齊用，先至係完整嘅庫存管理。
七、細舖點起步：唔使買大系統，先做好三樣
講到 AI，好多細舖老闆第一反應係「好貴、唔啱我」。其實起步唔使一次過上大系統，先做好三樣基本功：第一，POS 入面嘅銷量要記得準——每單都要入系統，唔好靠腦記；第二，貨品資料要齊——每件貨有分類、有單位、有成本，唔好得個名；第三，盤點要定期做——系統數同實際數對得上。呢三樣做好，已經係需求預測嘅地基。
做到基本功之後，先至考慮用有預測功能嘅工具。揀嗰陣問清楚：預測基於邊啲數據？可唔可以手動調整？準確率點樣睇？唔好被「AI」兩個字嚇親，亦唔好被「AI」兩個字呃親——重點永遠係：佢用咩數據、計出咩結果、點樣幫你慳錢。答唔到呢三條，幾靚嘅介面都冇用。
八、起步檢查表：由記數到預測，四步走
第一步：銷量記得準，每單入系統。第二步：貨品資料齊，分類單位成本唔好缺。第三步：盤點定期做，系統數同實際數對得上。第四步：用預測做參考，定期對比預測同實際，誤差大就檢查數據。四步做齊，叫貨先至由「靠感覺」變成「有根據」。
記住，AI 需求預測唔係要取代老闆嘅判斷，而係要將老闆嘅經驗變成數據、將數據變成制度。老闆嘅直覺加上系統嘅計算，先係最穩嘅叫貨方式。
需求預測起步檢查表
| 階段 | 做咩 | 驗收標準 |
|---|---|---|
| 第一步：記數 | 每單銷量入 POS，唔靠腦記 | 系統銷量同實際一致 |
| 第二步：資料 | 貨品分類、單位、成本齊全 | 每件貨都有完整資料 |
| 第三步：盤點 | 定期盤點，系統數同實際數對齊 | 盤點差異有紀錄有跟進 |
| 第四步：預測 | 用預測做參考，定期對比誤差 | 預測誤差越嚟越細，叫貨有根據 |
叫貨唔使靠估：AI 需求預測睇歷史銷量、星期規律、節日天氣，計出大概率需求，再配安全庫存同訂貨點自動補貨。起步先做好記數、資料、盤點三樣基本功，預測先至有根有據；預測做參考、決定留畀人，先係最穩嘅做法。
