McCoy’s Building Supply 是一家拥有 90 多年历史的家族式建筑材料零售商，业务遍及五个州，拥有 88 家零售店、2 家门制造设施和分销中心。该公司希望通过机器学习（ML）技术优化库存需求预测，以更有效地控制库存水平和现金流。主要目标是通过机器学习模型预测主要产品类别的最佳库存水平，同时避免占用现金和货架空间。
McCoy’s 之前曾尝试将数据仓库迁移到 AWS，但因延迟问题未成功。尽管如此，AWS 在 AI/ML 和解决方案方面的成功经验仍吸引了 McCoy’s。公司最终选择 AWS 机器学习服务（如 Amazon Forecast），因为 AWS 在自身库存管理方面的成功表明其 ML 服务和预测工具具有可靠的数据结构和建模能力。
SoftServe 作为 AWS 首席咨询合作伙伴，在项目实施中发挥了关键作用。通过与 SoftServe 的合作，McCoy’s 能够利用 AWS 的机器学习模型实现以下目标：释放先前被占用的资本、减少过剩库存、降低产品损耗，并减少缺货情况以提升销售业绩。
McCoy’s 对 SoftServe 的解决方案设计和实施表示高度满意，认为 SoftServe 能够根据其需求提供多种方案并给出坦诚建议。公司强调 SoftServe 在业务关键操作解决方案方面的专业能力，并推荐其为 AWS 咨询合作伙伴。
总结来看，McCoy’s 通过 AWS 和 SoftServe 的合作，成功利用机器学习技术优化库存预测，实现了降本增效的目标。这一案例表明，AWS 的机器学习服务能够帮助零售企业提升运营效率，而 SoftServe 的专业能力则是项目成功的关键保障。
