运行泰勒展开式之后，尚和他的合著者利用当前需求信息应用机器学习算法来获得最终解决方案，即数据驱动泰勒近似（DDTA）。
“最终的结果是数据驱动的解决方案，并且统计工具在最终的分析中对它们进行了细化，”尚说。
与盒马基于前一天信息的政策相比，尚先生的数据驱动算法能够更精确、更实时地预测需求，这在过去是不可能的。
减少食物浪费的更大影响
尚的研究代表着朝着解决全球食品浪费这一严重问题迈出了有希望的一步。世界野生动物基金会 (World Wildlife Fund)表示，这不仅是食品杂货面临的最大底线问题之一，而且 40% 的食品从未被食用。 由食品行业协会、消费者品牌协会和全国餐馆协会组成的食品浪费减少联盟 (Food Waste Reduction Alliance
)支持美国政府到 2030 年将食品浪费减少 50% 的目标。2022年国 塞内加尔电子邮件列表 会提出的《零浪费食品法案》呼吁成立一个新的联邦机构来减少食品浪费。
“我不想在这篇论文中夸大我们的发现，”尚说。“但我们始终着眼于大局。减少食物浪费在任何地方都是一个大问题，如果企业能够更好地匹配需求和供应，食物浪费将大幅减少，供应链成本将降低，企业的利润将得到提升，最后但并非最不重要的是，购物者将在商店货架上找到他们想要的东西。这对每个人来说都是双赢的。