Overview
Un distributeur réalise d’importantes économies grâce à une prévision de la demande basée sur le Machine Learning
Lieu : Inde
Introduction
Un grand distributeur disposant d’un vaste inventaire de produits et d’un réseau de distribution étendu souhaitait optimiser sa chaîne d’approvisionnement et réduire ses coûts.
Défi
Prévoir avec précision la demande de plus de 15 000 références (SKU) réparties sur plus de 200 points de distribution, afin de réduire les ruptures de stock et les coûts élevés liés au stockage des stocks.
Solution
Nous avons développé un système avancé de prévision de la demande basé sur le Machine Learning. Cette solution intègre plusieurs sources de données essentielles, notamment les données historiques, les conditions météorologiques, les événements locaux et nationaux ainsi que les données promotionnelles.
Impact
Le système a amélioré la précision des prévisions de 35 %, entraînant une réduction directe des ruptures de stock de 40 % et une diminution des coûts de stockage des stocks de 8 millions de dollars par an.