Overview
Retailer realiseert aanzienlijke kostenbesparingen met ML-gebaseerde vraagvoorspelling
Locatie: India
Introductie
Een grote retailer met een omvangrijke productvoorraad en een uitgebreid distributienetwerk wilde zijn supplychain optimaliseren en de operationele kosten verlagen.
Uitdaging
Het nauwkeurig voorspellen van de vraag naar meer dan 15.000 SKU’s, verdeeld over meer dan 200 distributiepunten, wat leidde tot frequente voorraadtekorten en hoge voorraadkosten.
Oplossing
Wij ontwikkelden een geavanceerd vraagvoorspellingssysteem op basis van Machine Learning. Het systeem combineert meerdere belangrijke databronnen, waaronder historische gegevens, weersomstandigheden, lokale en nationale evenementen en promotiegegevens.
Impact
Het systeem verbeterde de nauwkeurigheid van de voorspellingen met 35%, wat resulteerde in een directe vermindering van voorraadtekorten met 40% en een jaarlijkse verlaging van de voorraadkosten met 8 miljoen dollar.