Minder stockouts, lagere voorraadniveaus en minder bederf door de toepassing van big data en machine learning-technologie 

Argusi is geselecteerd voor de European Data Incubator (EDI), een 3-jarig project dat ongeveer 100 startups en MKB’ers de kans biedt om ‘big data challenges’ aan te pakken voor Europese bedrijven.

Wij nemen deel aan EDI om de challenge van Sonae op het gebied van supply chain-optimalisatie op te lossen. Sonae is een leider in de Portugese retailmarkt die onder andere bestaat uit hypermarkets, supermarkten, elektronicawinkels, modewinkels, cafetaria’s, restaurants, en boekhandels.

Onze uitdaging

In de EDI Challenge onderzoeken we nieuwe methodes voor het omgaan met extreem grote datasets, ook wel big data. Deze zijn lastig te hanteren en kunnen vaak niet meer bewerkt worden in standaard softwarepakketten zoals MS Access of Excel. En nog belangrijker: we onderzoeken de kansen die big data kan bieden voor supply chain optimalisatie. Specifiek, de toepassing van data mining en machine learning technologie.

Onze aanpak

Voor de Sonae-uitdaging hebben we een driestappenplan uitgewerkt om de voorraden bij de winkelier te verminderen en tegelijkertijd de serviceniveaus te verhogen:

1. Verbeter de nauwkeurigheid van de forecast op SKU-niveau

Door middel van dataminingtechnologie, zoeken we naar correlaties in de interne big data (zoals POS-gegevens, promoties, productkenmerken, locatie-informatie) en externe big data (zoals weergegevens, vakanties, demografische en economische gegevens). We passen machine learning-technologie toe om de forecast op individueel SKU-niveau te verbeteren.

2. Segmentatie

Vervolgens bundelen we producten in relevante segmenten op basis van hun vraagpatroon, gecombineerd met een breed scala aan factoren zoals: productwaarde, bederfelijkheid, assortiment, promoties, leveranciers, levertijden, MOQ, seizoenspatronen. Dit doen we door machine learning technologie voor het maken van clusters toe te passen. Hierbij gaan we veel verder dan de traditionele ABC-XYZ-segmentatie.

3. Op maat gemaakte voorraadstrategie

Op basis van de segmentatie bepalen we de beste voorraadstrategie voor elk productsegment. De parameterinstellingen worden vervolgens op SKU-niveau geoptimaliseerd. Daarna wordt de voorgestelde voorraadstrategie gevalideerd in een simulatiemodel.

Het resultaat zal zijn:

  • Verbetering van het bestelproces: wat zijn de optimale bestelpunten en -hoeveelheden
  • Veiligheidsvoorraden worden verminderd
  • Er worden minder bederfelijke producten weggegooid en ook de obsoletes gaan omlaag
  • Serviceniveaus gaan omhoog, er zijn minder stock outs

 

Focusgroep

We worden in dit project ondersteund door een focusgroep bestaande uit experts van (retail)bedrijven en academici. Ze geven feedback over onderwerpen zoals: business questions, methodologie, interfacing, beschikbaarheid van gegevens enz. En ze helpen ons bij het ontwikkelen van een succesvol businessmodel.

Als je geïnteresseerd bent om deel uit te maken van de focusgroep, neem dan contact met ons op!

Wat vragen we van deelnemers aan de focusgroep?

  • Een 1-op-1 interview met een van ons aan het begin van het project
  • Workshop met alle focusgroep deelnemers, waar onze eerste resultaten worden gepresenteerd
  • Een (telefonisch) interview aan het einde van het project om de volgende stappen te bespreken.

 

Next step: Datathon in Berlijn

Op 17 en 18 oktober 2018 zullen Marlies en Menno namens Argusi samen met 30 andere startups naar Berlijn reizen voor de eerste bijeenkomst van het EDI-project. Hier nemen we deel aan een datathon en ontmoeten we de bedrijven die de challenges hebben aangeleverd. We zullen een pitch geven over onze aanpak en een jury zal beslissen welke 16 startups door gaan naar de volgende fase van het project.

Ga voor meer informatie over EDI naar de website: www.edincubator.eu



X
X