Tüm önemli müşteriler için promosyon hacimlerinin ML öngörüminin başlatılması, diğer iş alanlarında yapay zeka olanaklarını daha fazla keşfetmemizin yolunu açıyor. Başarılı bir proje başlatmanın önemli unsurları - bu tür teknolojilerde ustalaşmak ve bunları iş sürecine "yerleştirmek" - zamanında eğitim ve son kullanıcıların projeye dahil edilmesinin yanı sıra ayrıntılı ve uygulanmış bir değişiklik yönetimi planıdır. Bu yolda, projenin tamamlanmasının ardından modelin teknik desteğine başlayan danışmanlardan oluşan bir ekiple birlikte ilerliyoruz.
Müşterimiz, süt, krema, yoğurt, bebek maması gibi düzinelerce ürün kategorisinde bilinir markalar geliştiren dünyanın en büyük süt ürünleri üreticisidir. Ürünlere olan talebin önemli bir itici gücü, en büyük ulusal perakende zincirlerindeki fiyat promosyonlarıdır. Bir promosyondaki satış öngörüsünün kalitesi, hizmet düzeyini, write-off sayısını, müşteri ilişkilerini, depolama ve nakliye maliyetlerini ve çok daha fazlasını etkiler: Doğruluğu her yüzde puanı artırmanın maliyeti, verimlilikte önemli bir artışa yol açabilir. Ve şirketin işinin büyük çoğunluğunun bozulabilir ürünler olduğu göz önüne alındığında, öngörüm kalitesini oluşturmak ve geliştirmek için her zaman büyük çaba gereklidir. Ana şirketin, iş süreci verimliliğini artırmak için yapay zeka (AI) teknolojilerinden yararlanmaya yönelik küresel stratejisine uygun olarak, tedarik zinciri yönetimi departmanlarından, pazarlama incelemesi, BT, Veri ekiplerinden şirket çalışanlarını içeren proje ekibi, Machine Learning (ML) algoritmalarına dayalı yeni nesil bir otomasyon çözümü arıyordu. Sonuç olarak, iş sürecinin tüm özelliklerini ve mevcut şirket verilerini dikkate alarak özelleştirilmiş bir ML öngörüm modeli geliştirmeye karar verildi.
Müşterimiz, süt, krema, yoğurt, bebek maması gibi düzinelerce ürün kategorisinde bilinir markalar geliştiren dünyanın en büyük süt ürünleri üreticisidir. Ürünlere olan talebin önemli bir itici gücü, en büyük ulusal perakende zincirlerindeki fiyat promosyonlarıdır. Bir promosyondaki satış öngörüsünün kalitesi, hizmet düzeyini, write-off sayısını, müşteri ilişkilerini, depolama ve nakliye maliyetlerini ve çok daha fazlasını etkiler: Doğruluğu her yüzde puanı artırmanın maliyeti, verimlilikte önemli bir artışa yol açabilir. Ve şirketin işinin büyük çoğunluğunun bozulabilir ürünler olduğu göz önüne alındığında, öngörüm kalitesini oluşturmak ve geliştirmek için her zaman büyük çaba gereklidir. Ana şirketin, iş süreci verimliliğini artırmak için yapay zeka (AI) teknolojilerinden yararlanmaya yönelik küresel stratejisine uygun olarak, tedarik zinciri yönetimi departmanlarından, pazarlama incelemesi, BT, Veri ekiplerinden şirket çalışanlarını içeren proje ekibi, Machine Learning (ML) algoritmalarına dayalı yeni nesil bir otomasyon çözümü arıyordu. Sonuç olarak, iş sürecinin tüm özelliklerini ve mevcut şirket verilerini dikkate alarak özelleştirilmiş bir ML öngörüm modeli geliştirmeye karar verildi.
Tek bir proje ekibi, önemli ulusal perakendecilerdeki promosyonlar sırasında satış öngörümü için bir ML modeli geliştirdi ve başlattı:
Tek bir proje ekibi, önemli ulusal perakendecilerdeki promosyonlar sırasında satış öngörümü için bir ML modeli geliştirdi ve başlattı:
Mevcut BT çözümünü kullanan promosyon planlama ekibi tarafından oluşturulan öngörüme kıyasla ML öngörümünün doğruluğunda %74,3’e varan gelişmiş doğruluk (%70,6).
Mevcut BT çözümünü kullanan promosyon planlama ekibi tarafından oluşturulan öngörüme kıyasla ML öngörümünün doğruluğunda %74,3’e varan gelişmiş doğruluk (%70,6).