Kan een machine jouw verkoop voorspellen?

Iedereen die actief is in de retail weet hoe complex het is om de toekomstige verkoop van een winkel te voorspellen. De snel veranderende consumentenvraag speelt een rol, samen met talloze andere factoren zoals het seizoen, promoties, het weer, dag van de maand, enzovoort. Het goede nieuws? Deze complexiteit maakt demand planning een perfecte fit voor artificiële intelligentie. De belangrijkste data heb je bovendien al.

 

Volgens McKinsey is retail de sector waar de impact van artificiële intelligentie de meeste waarde kan creëren. Op basis van hun expertise zien de onderzoekers dat forecasting 10 tot 20% accurater dan vandaag kan dankzij machine learning, wat zich onder andere vertaalt in 5% minder voorraadkosten en omzetstijgingen van 2 tot 3 procent.

 

Wat is machine learning?

Machine learning is een van de subdomeinen binnen artificiële intelligentie (AI). Het grootste verschil tussen machine learning en huidige software? In het traditionele programmeren, schrijft de programmeur de software die data gebruikt om tot een resultaat te komen. Bij ‘machine learning’ gebeurt er iets heel anders: hier gebruiken we data en resultaten om te leren, om vervolgens een programma te maken. Machine learning geeft computers dus de mogelijkheid om automatisch te leren, zonder expliciet geprogrammeerd te zijn.

 

 

Wat is het verschil tussen ML forecasting en de huidige, vaak statistische, voorspellingssystemen? Enerzijds het leren. Omdat een ML algoritme zelf leert, kan het veel sneller nieuwe trends ontdekken. Een statistisch model kan dat niet en ontdekt nooit automatisch nieuwe trends. Anderzijds het in rekening nemen van meer externe factoren. De technologie van ML maakt het mogelijk om veel meer parameters in rekening te nemen om de verkoop te berekenen, waardoor het resultaat accurater wordt. Ook dat is niet mogelijk met een statistische methode.

 

Machine learning sales forecasting voor verse voeding

Machine learning geeft ons een tool om sales forecasting beter, sneller en accurater te doen dan vandaag. Bij verse voeding heel belangrijk, want de houdbaarheid is beperkt. In België is start-up Foresightee hiermee bezig. Ze ontwikkelden 1,5 jaar lang hun eigen ML algoritme en zijn sinds kort actief op de markt. Ze focussen zich specifiek op het voorspellen van vers voedsel, om zo voedselverlies te voorkomen.
 

Co-founder Judith Ketelslegers: “Voedselverlies is een hallucinant probleem. Ook hier geldt: voorkomen is beter dan genezen. Nieuwe technologie biedt de mogelijkheid om dit te doen. In de dynamische omgeving van een supermarkt, met zoveel factoren die een impact hebben op de verkoop van verse voeding, heb je de kracht van een algoritme nodig om planners te ondersteunen in hun beslissingen. Pas dan ga je accuraat de verkoop voorspellen, waardoor je bestellingen beter zijn en je minder afval + meer winst hebt. Bovendien zijn de data om dit te doen in elke winkel aanwezig vandaag. Dit is geen ver van ons bed show meer.

 

Resultaat: minder afval, meer winst

Naar schatting 48.000 ton eetbare voedselstromen worden elk jaar in de Vlaamse retail weggegooid (Voedselmonitor, 2017). Als een ton gemiddeld 3500 euro waard is, dan gaat het over 168.000.000 euro. Afval heeft bovendien een proportioneel grote impact op winstmarges van supermarkten. Je hebt het niet alleen aangekocht, de producten zijn ook vervoerd, gekoeld, in de rekken gezet, er weer uitgehaald en ook de verwerking kost vaak nog extra geld. Tel daarbij nog de misgelopen omzet dankzij promoties en dan kom je op een stevig kostenplaatje.

 

Wanneer start je hier best mee? Nu!

Artificiële intelligentie is de derde golf van de digitale evolutie. De eerste golf bracht ons de onsluting van het internet en situeerde zich rond 1994 toen Netscape, de eerste webbrowser, gelanceerd werd. De tweede golf kwam rond 2007 op ons af toen de eerste iPhone op de markt kwam en het mobiele tijdperk begon. Alle digitale informatie was voortaan overal en altijd beschikbaar. Sinds 2016 is de golf van de artificiële intelligentie en automatisering gestart, toen Google Deepmind de beste go-speler van de wereld versloeg.
 

Volgens experts zal de impact van AI groter zijn dan de impact van de twee eerste golven samen. Is AI dan nieuw? Nee, maar in tegenstelling tot de decennia voordien zijn nu de data en de computing power beschikbaar. De voorbije tien jaar kan artificial intelligence een indrukwekkende staat van dienst op tafel leggen in de business wereld.

 

Hoe implementeer je machine learning in je planningsproces?

Met al de buzz rond machine learning is het verleidelijk om van nul naar honderd te willen gaan. Volgens onderzoek van Gartner hebben de belangrijkste redenen waarom organisaties AI niet adopteren, te maken met het niet kunnen formuleren van een roadmap. Retaildetail zet daarom samen met Foresightee een aantal stappen op papier om machine learning succesvol te integreren in je planningsproces. Wordt vervolgd!

 

Judith Ketelslegers is co-founder van Foresightee, een tool die in staat is verkopen twee weken vooraf te voorspellen met 95% nauwkeurigheid.

Tags: