Notice: Function _load_textdomain_just_in_time was called incorrectly. Translation loading for the polylang domain was triggered too early. This is usually an indicator for some code in the plugin or theme running too early. Translations should be loaded at the init action or later. Please see Debugging in WordPress for more information. (This message was added in version 6.7.0.) in /var/www/html/wordpress/wp-includes/functions.php on line 6114
Prognose und Automatisierung von Lieferempfehlungen für Lagereinheiten (SKU) in 10.000 Filialen landesweit

Prognose und Automatisierung von Lieferempfehlungen für Lagereinheiten (SKU) in 10.000 Filialen landesweit

World Fair Trade Day Machine Learning Retail

Herausforderungen

Eine der größten Franchise-Ketten auf dem polnischen Markt kämpfte mit einem zeitaufwändigen und fehlgeleiteten Warenbestellsystem. Jeder Franchisenehmer war gezwungen, seine Warenbestellungen individuell zu planen. Eine fortschrittliche und genaue Verkaufsanalyse, die berücksichtigt, welche Produkte sich am besten verkaufen und welche Faktoren ein solches Ergebnis beeinflussen, war ohne die Unterstützung durch fortschrittliche Lösungen nicht möglich. Infolgedessen hatten sowohl die einzelnen Franchisenehmer als auch die Logistikzentren des Kunden mit einem Mangel an den beliebtesten Produkten und einem Überschuss an anderen Produkten zu kämpfen - was sich insbesondere bei Waren mit kurzer Haltbarkeit finanziell negativ auswirkte.

Das Unternehmen war auf der Suche nach einer fortschrittlichen technologischen Lösung, um den Prozess an allen Stellen zu optimieren. Die Lösung sollte nicht nur effektiv, sondern auch transparent und benutzerfreundlich sein, um den Bestellvorgang so weit wie möglich zu verkürzen und Manager, Verkäufer und Franchisenehmer nicht von der Erledigung der täglichen Aufgaben im Kundendienst abzulenken.

Kundenprobleme, die wir gelöst haben:

  • Lange Bestellzeiten für Franchisenehmer.
  • Unzureichende Warenmengen für das Verkaufstempo.
  • Fehlen einer mittelfristigen Prognose für die Logistik.
  • Möglichkeit von Engpässen in der Lieferkette aufgrund von Überbestellungen.
  • Fehlen eines schnellen und wirksamen Instruments zur Optimierung der Provisionen.

Lösung

Durch eine Geschäftsanalyse und ein umfassendes Verständnis der Probleme und Bedürfnisse unseres Kunden haben wir ein fortschrittliches, auf maschinellem Lernen basierendes System zur Unterstützung des Bestellvorgangs entwickelt. Das implementierte Tool basierte auf zwei Lösungen:

  • Nachfrageprognose - das Tool zeigt an, welche Produkte in einer bestimmten Filiale auf Indexebene verkauft werden. Jeden Tag wird in jeder von mehreren tausend Filialen eine Prognose erstellt, die angibt, welche Produkte sich am nächsten Tag am besten verkaufen werden
  • Bestellungsempfehlung - das Optimierungssystem verwendet Daten, die es von den Modulen der Prognoseaufenthalte erhält - unter anderem Informationen über die Menge des Lagerbestands, den das Geschäft zu einem bestimmten Zeitpunkt hat, Limits, Werbeaktionen, Saisonalität der Produkte, Einkaufstrends, Kundenverhalten, Standort des Geschäfts, Wetterbedingungen, historische Daten oder Wetter.

Jeden Tag gibt das System detaillierte und genaue Empfehlungen für mehrere Tausend Geschäfte ab und berücksichtigt dabei viele interne und externe Faktoren, einschließlich Informationen über den Standort - ein Geschäft in der Nähe einer Schule oder einer Sportanlage wird mehr Produkte eines bestimmten Typs verkaufen als ein ähnliches Geschäft in einem kleinen Wohngebiet am Stadtrand.

Die Endergebnisse der Analyse werden in einer transparenten Anwendung präsentiert, die die Bestellung so einfach wie möglich macht.

Die Lösung ist dank fortschrittlicher und trainierter Modelle für maschinelles Lernen vollständig skalierbar und wächst mit den Bedürfnissen und der Entwicklung des Kunden, indem sie sich sofort an seine wachsenden Anforderungen anpasst.

Hauptziele des Projekts: 

  • Verringerung des Zeitaufwands der Franchisenehmer für die Auftragsabwicklung.
  • Erstellung von Verkaufsprognosen für die Filialen.
  • Erstellung eines Optimierers, der automatisch einen Bestellvorschlag für einen bestimmten Tag und eine bestimmte Filiale erstellt.

Auswirkungen

Dank der Zusammenarbeit mit den Britenet-Spezialisten erhielt der Kunde die Möglichkeit, Bedarfsprognose-Modelle auf der Grundlage von Verkäufen mit Produktrotation zu erstellen, was den zeitaufwändigen Bestellprozess erheblich beschleunigte, erleichterte und effizienter machte sowie die Ausführung von Verkaufs- und Logistikanforderungen optimierte.

Die wichtigsten Vorteile der Lösung:

  • Automatisierung zur Sicherstellung der Warenverfügbarkeit in den Regalen
  • Deutlich reduzierte Bestellzeit für Franchisenehmer 
  • Minimierung von Verlusten aufgrund des Verfallsdatums von Waren
  • Auf den Bedarf bestimmter Filialen zugeschnittene Warenmenge
  • Bessere Verwaltung der Logistikzentren und ihrer Bestände
  • Skalierte Lösung auf der Grundlage moderner Technologien

Andere Einträge

World Health Day Process Service System platform for efficient communication

Technologien

Einführung des Prozessdienstsystems für die staatliche Einrichtung zur Überwachung der Einhaltung der Hygienevorschriften.

Der Auftraggeber ist eine staatliche Institution, die die Einhaltung von ...

Mehr lesen
World Blood Donor Day

Technologien

IKT-System zur Unterstützung des nationalen Gesundheitsdienstes

Unser Kunde ist eine staatliche Institution, welche die sanitären Standa...

Mehr lesen