Möglichkeiten der künstlichen Intelligenz ließen den Prozess der Werbeprognose umwandeln

Die Gesellschaft ist die größte Herstellungsfirma der Milchprodukte in der ganzen Welt. Sie entwickelt solche Handelsmarken und viele anderen in Dutzenden der Produktkategorien wie milch, saure sahne, johurts, säuglingsnahrungsprodukte, usw. Der wichtige Treiber des Produktionsbedarfes sind in großen nationalen Handelsnetzen gestartete Werbeaktionen für die Festigung der Preise.

Die Qualität der Werbeverkaufsprognose beeinflusst das Serviceniveau, die Anzahl der Abbuchungen, Verhältnisse mit Kunden, Kosten auf die Lagerhaltung und den Warentransport und anderes mehr: der bei der Erhöhung der Genauigkeit bestätigte Preis um jeden Prozentpunkt kann zum wesentlichen Effektivitätsanstieg führen. In Rücksicht darauf, dass der überwiegende Teil der kommerziellen Aktivität der Gesellschaft mit leicht verderblichen Lebensmitteln verbunden ist, braucht man immer, sich sehr viel Mühe zu geben, um die Qualität der Prognose aufzubauen und zu verbessern.

Einhaltend der globalen Strategie der Muttergesellschaft bezüglich der Beherrschung der Technologien der künstlichen Intelligenz (AI) für die Erhöhung der Effektivität der Business-Prozesse war das Projektteam, in deren Besetzung Mitarbeiter aus der Abteilung für Lieferkettenmanagement, der Abteilung für Marketingübersicht, der IT-Abteilung und der Data-Abteilung zum Aufbau eines Daten-Teams, war auf der Suche nach einer Lösung für die Automatisierung der neuen Generation auf Basis von Algorithmen des maschinellen Lernens (ML). Als Ergebnis wurde der Beschluss erfasst, ein unter Verwendung der Algorithmen des maschinellen Lernens (ML) kundenauftragsbezogenes Prognosemodell unter Berücksichtigung aller Besonderheiten des Business Prozesses und der vorhandenen Daten der Firma zu entwickeln.

Ein unter Verwendung der Algorithmen des maschinellen Lernens (ML) Modell für die Verkaufsprognose während Werbeaktionen in nationalen Einzelhandelsgeschäften als Kunden von dem einheitlichen Projektteam entwickelt und eingeführt:

• Ein Multiparameter-Modell wurde unter Verwendung eines breiten Datensatz über historische Abladungen, den Verkauf der auf den Handelsregal gelegten Waren, Werbepläne, das Preisniveau, Kundenaufträge, das Bestandsniveau, kalendarische Ereignisse, Änderungen des Sortiments entwickelt;
• Zu Grunde liegt die Kombination mehrerer Algorithmen des maschinellen Lernens (ML) wie Ridge, Lasso, KNN, XGBoost, sowie die Normalisierung der Daten und die automatische Auswahl von Merkmalen;
• Der Prognosehorizont, der ins Modell eingelegt wird, besteht aus dem laufenden Vierteljahr und dem nachfolgenden Vierteljahr monatsweise bei der Aufschlüsselung in Produktlinien, Werbeaktionen («Slots») und Kunden;
• Die automatische Integration wurde zwischen Eingangsdaten und dem Modell eingestellt. Dabei wurde der Funktional des Startes der automatischen Umrechnung der Prognose durch die Kraft von dem Business-Team eingesetzt;
• Die Wirtschaftsprüfung des existierenden Prozesses wurde durchgeführt. Dazu wurde die erneuerte Gestaltung des Prozesses unter Berücksichtigungen der Besonderheiten der neuen Technologie der künstlichen Intelligenz (AI) vorbereitet;
• Das Fachteam von Beratern gibt die technische Unterstützung des entwickelten Modells im Format «business as usual» nach dem Projektstart, weiterentwickelnd das Modell durch zusätzliche Ausbesserungen daneben.

Erhöhung der Genauigkeit der Mit dem maschinellen Lernen (ML) gestellte Prognose bis auf 74,3% im Vergleich zur Prognose, die von einem Werbeplanungsteam mittels der existierenden IT-Lösung gestellt wird (70,6%).